輪轂電機驅(qū)動電動汽車狀態(tài)參數(shù)觀測及轉(zhuǎn)矩分配策略研究.pdf

1、近年來，隨著能源短缺和生態(tài)環(huán)境惡化，電動汽車以其零排放或極低排放成為未來交通發(fā)展的方向。作為電動汽車的一種，輪轂電機驅(qū)動電動汽車由于動力分散式驅(qū)動、整車空間布置靈活和節(jié)能環(huán)保等優(yōu)點成為電動汽車的重要發(fā)展方向。與傳統(tǒng)車相比，輪轂電機驅(qū)動電動汽車操縱穩(wěn)定性控制和行駛狀態(tài)參數(shù)觀測等技術(shù)是影響輪轂電機驅(qū)動電動汽車性能的核心關(guān)鍵問題。本文以輪轂電機驅(qū)動電動汽車為研究對象，開展了車輛行駛狀態(tài)參數(shù)觀測器、車輛行駛控制目標(biāo)參數(shù)算法和基于操縱穩(wěn)定性的轉(zhuǎn)矩

2、分配策略等方面的研究，對改善輪轂電機驅(qū)動電動汽車的整車性能和深化車輛動力學(xué)理論具有較高的學(xué)術(shù)意義和工程應(yīng)用價值。
　　本文建立了輪轂電機驅(qū)動電動汽車7自由度整車仿真平臺，仿真平臺采用模塊化設(shè)計，其中整車動力學(xué)模型由車體模型、輪轂電機模型、車輪模型、輪胎模型、轉(zhuǎn)向系統(tǒng)模型、液壓制動系統(tǒng)模型和路面模型等組成;整車控制器模型包括駕駛員駕駛意圖模型和阿克曼轉(zhuǎn)向差速模型，并建立了基于實驗數(shù)據(jù)的輪轂電機能量效率模型、駕駛員加速意圖模型和駕駛員

3、平穩(wěn)駕駛意圖模型。
　　本文設(shè)計了基于MCMC(Markov Chain Monte Carlo)粒子濾波算法的車輛行駛狀態(tài)參數(shù)觀測器，研究了基于MCMC粒子濾波算法的縱向車速、側(cè)向車速和橫擺角速度等行駛狀態(tài)參數(shù)的觀測方法。本文研究了考慮車輛轉(zhuǎn)向時各輪垂直載荷轉(zhuǎn)移引起輪胎側(cè)偏剛度變化的車輛控制目標(biāo)參數(shù)算法，該算法研究建立了縱/側(cè)向加速度-各輪垂直載荷-輪胎側(cè)偏剛度-車輛控制目標(biāo)參數(shù)的內(nèi)在聯(lián)系。在上述研究的基礎(chǔ)上，本文研究了基于操縱

4、穩(wěn)定性的輪轂電機驅(qū)動電動汽車轉(zhuǎn)矩分配策略研究，該策略采用BP神經(jīng)網(wǎng)絡(luò)PID控制策略，以車輛在低附著路面上行駛時的操縱穩(wěn)定性轉(zhuǎn)矩分配控制策略為研究的切入點，重點分析了輪轂電機驅(qū)動電動汽車多目標(biāo)參數(shù)相互耦合控制的問題，研究了改善輪轂電機驅(qū)動電動汽車的操縱穩(wěn)定性的途徑。
　　本文研發(fā)了輪轂電機驅(qū)動電動汽車試驗樣車和整車的硬件在環(huán)仿真系統(tǒng)。通過輪轂電機驅(qū)動電動汽車整車試驗和硬件在環(huán)仿真分析，分析了基于MCMC粒子濾波算法的車輛行駛狀態(tài)參數(shù)