多信号融合的轮毂电机汽车转矩分配系统及前瞻控制方法

1.本发明涉及轮毂电机汽车领域，尤其涉及转矩分配算法试验系统及转矩分配控制方法。


背景技术：

2.近年来，大气污染问题愈发严重，电动汽车作为使用清洁能源的交通工具有了长足发展。其中四轮毂电机驱动汽车由于底盘布置简单，控制方法灵活等明显技术优势得到了关注。
3.轮毂电机汽车四个驱动轮的转矩输出可以单独调节，区别于传统两驱和四驱汽车，因此传统车辆的主动安全控制算法无法直接用于轮毂电机汽车的控制，因此轮毂电机汽车控制算法的开发是轮毂电机汽车领域的难点之一。在控制算法开发流程中，控制算法的验证是至关重要的一步，传统的控制算法验证多采用仿真验证，或开放接口的试验车在试验场验证的方式。仿真验证成本低，但与实际车辆情况不完全一致，无法全面的验证车辆控制算法有效性，试验车验证虽然准确性高，但对于试验场地要求高，并且重复试验成本高。本发明设计的轮毂电机转矩分配试验系统其优点在于，通过室内台架式的试验系统验证转矩分配控制算法，解决了试验车试验成本高、场地要求高的问题，并且比仿真验证准确性高。同时，试验系统中预装有基于多信号融合的前瞻控制的车辆转矩分配方法，通过方法中的多信号融合模块得到准确、可抗干扰的当前车辆状态信息，并结合采集到的前方路面图像制定未来一段时间内的转矩分配方案，达到车辆前瞻控制效果，完成控制目标。
4.综上所述，本发明解决了轮毂电机汽车控制算法验证的问题，对于轮毂电机汽车控制算法的开发具有重要实际意义，能够在一定程度上增进轮毂电机汽车控制算法的发展。


技术实现要素：

5.本发明通过提供基于多信号融合的轮毂电机汽车转矩分配实验系统，目的是解决现有车辆转矩分配算法验证中，仿真验证模型无法全面表征实际车辆，无法全面的验证车辆控制算法有效性，试验车验证场地要求高，试验成本高的缺点。
6.为了实现上述目的，本发明采用以下技术方案：基于多信号融合的轮毂电机转矩分配实验系统，它包括路况模拟平台、转矩分配控制器、轮毂电机汽车及其附件、路况模拟块、图像采集设备、数据采集系统、上位机、负载电机。所述路况模拟平台上为带有所述路况块得路况模拟带，由所述负载电机带动，所述轮毂电机汽车放在路况模拟平台上，所述转矩分配控制器与轮毂电机的电机控制器进行通信，由所述数据采集系统测得车辆状态信号传给转矩分配控制器用于控制决策，并将车辆状态传到上位机进行监测，同时上位机根据试验工况设置调整负载电机转矩，模拟行驶阻力。
7.更进一步的，路况模拟平台上有四种类型的路况模拟块，分别用来模拟碎石路段、卵石路段、涉水路段、水泥路段四种类型的路面。
8.更进一步的，轮毂电机汽车车架上，开有安装固定铁块的槽位，通过加减铁块的数量，可以调整试验轮毂电机汽车的载荷，以适用于更多情况下的试验。
9.更进一步的，车辆控制器与电机控制器通过can总线相连，进行信息交互。电机控制器采用磁场定向控制(foc)和空间矢量脉宽调制(svpwm)对所述永磁同步电机进行控制，电机控制器输入为200v直流电源，输出到永磁同步电机的为调制后的三相电流。
10.更进一步的，负载电机带动路况模拟带转动，方向与车辆前进方向相反。可确保轮毂电机汽车不滑下路况模拟装置的前提下，进行长时间的试验。
11.更进一步的，四个车轮内分别装有一个轮毂电机，每个轮毂电机由相应的电机控制器单独控制，电机控制器收到车辆控制器的指令后，对轮毂电机进行控制。
12.更进一步的，图像采集设备采用相机对车轮与地面接触点前方5米内的路面图像进行采集，采集到的图像数据将传入车辆控制器，通过图像处理模块进行处理，得到前方3米内路面的附着系数。
13.更佳的，四个轮毂电机均为永磁同步电机，所述永磁同步电机在车轮中采用水冷的方式冷却。
附图说明
14.图1是本发明的设备结构示意图。
15.图2是本发明中的车辆转矩分配控制器的功能模块图。
16.图3是本发明中控制器内预置的前瞻控制算法的控制流程图。
具体实施方式
17.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
18.本发明提供一种轮毂电机汽车转矩分配实验系统，如图1所示，该试验系统包括路况模拟平台、车辆转矩分配控制器、轮毂电机汽车及其附件、路况模拟块、图像采集设备、数据采集系统、上位机、负载电机。所述路况模拟平台包括底部台架、路况模拟带，用于承载上方的轮毂电机汽车，所述路况模拟块有四种，每个路况模拟块由若干长条块组成，所述路况模拟块间隔安装固定在在路况模拟带上，与轮毂电机汽车车轮直接接触，可随路况模拟带在负载电机带动下一起转动。所述上位机接收采集系统数据，并对负载电机进行控制。所述轮毂电机汽车由车辆转矩分配控制器、电机控制器、车架、轮毂电机车轮、装载铁块、电源等组成。
19.本实施例中，负载电机以一定转矩带动路况模拟平台上的路况模拟带，用以模拟汽车行驶过程中的滚动阻力、空气阻力以及坡度阻力。路况模拟带转动线速度与车辆速度保持一致，与车辆反方向前进，且保持同步开启和关闭，确保轮毂电机汽车不滑下路况模拟带，在有限空间内做长时间的汽车试验。图像采集设备为相机，采集前方图像的相机安装在车架底部中间位置，采集车轮触地点前方5米左右的路面图像。
20.本实施例中，轮毂电机汽车在路况模拟带上按照上位机中输入的工况行驶，通过
轮毂电机转速调节实现稳定车速。轮毂电机四个车轮处均装有转矩传感器，悬架处装有力传感器测各车轮载荷，车架底部安装光栅位移传感器测得车辆相对于路况模拟带的速度。
21.本实施例中，各传感器测得的行驶参数有车轮转矩、车轮载荷、车辆速度、前方路面图像，将这些数据通过can总线传入到上位机进行监测，同时通过can总线传入到轮毂电机汽车上的车辆转矩分配控制器，通过车辆转矩分配控制器各模块计算后，对各车轮转矩进行调节，达到控制滑移率最优的目的。
22.本实施例中，进行试验的人员通过上位机的人机交互界面选择试验工况，也可以根据输入车辆各时刻速度自定义试验工况。主控芯片中预置有一种基于前瞻控制的转矩分配方法，试验人员也可以将将自己的转矩分配算法写入主控芯片程序框架中，程序与硬件的接口已定义好，只需改动控制算法部分。当主控模块检测相应硬件可以进行相应的试验后，试验台开始启动。主控模块将上位机的操纵指令发给轮毂电机控制器控制轮毂电机转速，同时上位机计算出各时刻车辆负载，控制负载模拟模块，通过对负载电机的励磁电流的控制来模拟整车的滚动阻力、空气阻力以及坡度阻力。轮毂电机汽车上各传感器采集各种车辆运行参数，传给车辆控制器进行决策，将最优转矩分配信号发送给电机控制器，通过电机控制器控制轮毂电机转矩。主控模块可通过数据采集模块采集到各个模块的运行信号，上位机对整个试验过程进行实时的数据显示和数据记录。试验人员根据试验的记录就可以很好的对整车的控制策略进行测试和优化。
23.本实施例中，如图2所示，本发明实施例的分布式驱动车辆的转矩分配控制器硬件上包括核心处理器、存储单元、外部接口、开关元件、电阻电容、数模/模数转换器，所述控制器所用处理器为s32k1xx。除了可自行写入控制算法外，处理器内还封装好了转矩分配控制程序，输入为采集到的前方5米内的图像信号、所述数据采集系统采集到的车轮转速、转矩、前进速度(相对平台)、载荷信息，输出为控制器计算出的各车轮转矩。所述控制程序软件包括前方路况分析模块、多信号融合处理模块、前瞻控制模块等其他辅助功能模块。各模块承担不同的功能，共同完成基于前瞻信号和多信号融合的前瞻控制。
24.本实施例中，所述控制程序的输入数据位采集系统采集到的车轮转速、转矩、前进速度(相对平台)、载荷信息，输出为各车轮转矩，控制目标为车辆滑移率最佳，即滑移率处于10%
‑
20%范围内。每一个时间步长内，控制器都会计算得到各车轮最优转矩。所述路况分析模块根据传入的前方5米路面图像得到前方3米内路面的附着系数；所述多信息融合模块，根据传入的多个信号进行计算和决策，得到准确的当前路面附着系数、当前轮胎滑移率；所述前瞻控制模块根据前两个模块得到的当前路面附着系数、当前轮胎滑移率、前方路面附着系数基于前瞻控制算法得到未来若干个时刻的最佳的各车轮转矩，然后将当前时刻的最佳转矩发送给电机控制器执行。
25.本实施例中，所述前方路况分析模块，通过图像采集设备传来的车辆前方5米内路面的图像信息，经过处理得到轮毂电机汽车车轮接地点前方3米内的二维路面的附着系数。通过图像信息得到路面附着系数信息的步骤如下。
26.1.从采集的5米内图像信号中，截取得到3米内图像信号，通过深度优先遍历算法，从图像信息提取路面表面特征参数具体实现方法为：对图像的像素点进行处理，在图像中任选一个顶点作为遍历的初始点，进行递归调用，深度优先搜索递归调用包含以下操作：(1)访问搜索到的未被访问的邻接点；
(2)改变此顶点的访问标记值为已访问；(3)继续执行操作(1),若邻近点标记为未访问，则从此邻接点开始进行同样的访问和搜索。
27.2.通过提取出的路面特征参数，将其与路面信息数据库进行比对，得到车辆接地点前方3米内的路面附着系数信息。
28.本实施例中，所述多信息融合模块，接收车上各传感器信号，进行统一处理。多传感器信号融合系统所实现的功能要优于单个传感器独立处理能够实现的功能总和。使用不同的传感器种类可以在某一种传感器全都出现故障的环境条件下，额外提供一定冗余度，仍然可以测量得到车辆的滑移率状态信息。通过所述多信号融合模块，基于多个传感器信号，得到准确可靠的轮毂电机汽车的当前车轮滑移率信息。
29.本实施例中，所述多源信号融合算法为分布式并行结构，其信号融合的步骤如下。
30.1.所用到的速度、力矩、压力传感器(不同类型)采集观测被测轮毂电机汽车的数据，将采集到得数据全部发送到多信号融合模块中。
31.2.多信号融合模块对传感器的输出数据(离散的时间函数数据)，采用主成分分析(pca)的方法进行特征提取的变换，提取代表观测数据的特征向量。特征提取的流程为(1)对原始d维数据集做标准化处理；(2)构造样本的协方差矩阵；(3)计算协方差矩阵的特征值和相应的特征向量；(4)选择前k个最大特征值对应的特征向量，其中k≤d;(5)通过前k个特征向量构建映射矩阵w；(6)通过映射矩阵w将d维的原始数据转换为k维的特征子空间。
32.3.将各传感器关于目标的特征数据按同一目标进行分组，即关联。
33.4.基于贝叶斯算法对特征向量进行处理，将每一目标各传感器数据进行融合。具体步骤如下(1)将每一个传感器的特征向量作为一个贝叶斯估计，求得各个传感器数据的关联概率分布(2)通过关联概率分布，合成一个联合的融合数据的后验的概率分布函数(3)求出使得联合分布函数的似然函数最小的融合信号，就是多传感器信息的最终融合值，即准确的当前车辆车轮滑移率参数。
34.本实施例中，所述的前瞻控制模块如图3所示，可根据车辆初始状态预测未来输出，并对当前到未来的整个阶段的控制量序列进行优化，其步骤如下。
35.1.预测模型——对未来一段时间内的输出进行预测。本实施例中，所述预测模型基于一个非线性表达式，该表达式描述滑移率与状态量(路面附着系数、车速、前方路面附着系数)和控制量（各车轮转矩）的函数。通过控制量（各车轮转矩）和前一时刻滑移率输出，预测下一时刻滑移率输出。同时，本实施例不但根据当前状态量进行预测，还用图像的方式得到了前方(即未来的)路面附着系数，用于每一时刻的滑移率预测。基于前方路面附着系数，将预测模型中的路面附着系数参数化，得到可变的自适应预测模型，基于自适应预测模型得到更准确的预测结果。利用反馈信息，形成闭环优化。
36.本实施例中，预测模型的时间步长设定为0. 02s，预测时域为100，控制时域也为
100，初始时刻时，通过当前初始时刻状态预测，输入此后100个时刻控制量序列，基于预测模型预测后面100个时刻(即2s)内的滑移率输出序列。
37.2.滚动优化——滚动进行有限时域在线优化(最优控制)。本实施例中，所述滚动优化过程实际上是以滑移率最优为目标建立目标函数，来获取使得目标函数最小的最优的控制序列。优化目标函数可分为两部分，第一部分是积累误差，为每一时刻的预测值与目标值之差的范数，第二部分是终端误差，为预测最终状态与目标值之差的范数。通过权重系数调整两目标重要性占比，调整控制效果。
38.本实施例中，以约束的方式考虑优化问题求解的边界问题，具体约束包括最大转矩约束，和转矩变化速率(即预测时域中两时刻之间转矩差值)的约束。约束形式为不等式约束，其中转矩约束为硬约束，转矩变化速率约束为软约束，以罚函数的形式加入目标函数，超出约束会使得目标函数值得到极大数值。
39.本实施例中。优化过程如下，首先给出一个初始控制量序列，由此可以得到对应的滑移率输出预测序列。而后，基于优化求解算法，进行迭代，找出令目标函数最小的一组控制量序列，即最优转矩分配序列。序列中转矩分别表示从初始时刻起控制时域（100个时间步长）内的最优转矩，但在控制时，只采用序列中的第一个控制量，下个时刻控制时，重新优化得到控制时域内的控制序列，采用序列中的第一个控制量进行控制。
40.3.反馈校正——通过预测误差反馈，修正预测模型，提高预测精度。根据被控对象的反馈和预测结果的差值，对预测结果修正后得到精确预测值，用于优化，得到更佳的转矩分配序列，实现闭环优化。
41.综上所述，通过所述前瞻控制方法，当前转矩分配是在每一个采样时刻通过求解一个有限时域最优控制问题而获得，具有展示过程未来动态行为的功能，可实现任意的给出未来控制策略，观察过程不同控制策略下的输出变化，从而为比较这些控制策略的优劣提供了基础，因此可得到现在到预测时长的整个阶段最优的控制效果。通过反馈校正，可以提高整个预测系统的精度，消除预测过程中的误差。通过滚动优化，在外部干扰的影响下，也可以得到全局最优控制，完成控制目标。
42.通过所述实施例中的前瞻控制方法，车辆控制系统根据当前传感器信号，和图像采集后处理得到的前方路面信号，可以提前2s预测到可能会出现的剧烈打滑情况，提前做出控制措施。同时这一预测也会反馈给驾驶员，便于驾驶员提前做出制动、减速等相应反应，有效的提高了汽车驾驶的安全性。所述前瞻控制算法属于汽车主动安全控制的范畴。
43.以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。