崔坤利
（奇瑞新能源轿车技术有限公司，安徽 芜湖 241002）
摘要：针对传统双电机四驱动电动轿车在不同附着系数路面驱动防滑功用较弱问题,提出根据神经Kalman四轮轮毂电机驱动防滑战略。Kalman滤波算法除掉神经网络中随机数据的搅扰差错，调整神经网络的阈值和权值，取得最优辨认滑转率和操控战略，改善后的神经Kalman算法能够辨认当时路面最优滑转率，并结合四轮轮毂电机驱动转速易于取得，直接横摆力矩有用操控的长处，对车轮力矩进行最优操控。仿真成果标明：神经Kalman能够较好辨认当时路面最优滑转率，神经Kalman一起对四轮轮毂电机直接横摆力矩最优操控，进步车辆驱动防滑才干。
关键词：电动轿车；轮毂电机；神经Kalman算法 ；最优滑转率 ；最优滑转率
中图分类号：TM351 文献标识码：A
0 导言
电动轿车驱动防滑战略（acceleration slipregulation）是电动轿车安稳性的重要组成部分。电动轿车驱动防滑针关于不平整路面，轿车转弯处车轮空转，以及雨雪气候，地上摩擦力较小，驱动轮滑转，轿车起步和加快时车轮滑转等情况下，仍坚持车辆安稳行进和最优驱动。因为我国发起节能减排，电动轿车零排放，无污染的长处使其成为研讨成为轿车范畴的一大热门。电动轿车驱动力首要是电机驱动，驱动防滑对电机的驱动转矩呼应速度快和转矩操控要求很高。电动轿车驱动防滑不只和自身的驱动力有关，还和地上的滑转率有关，驱动力越大，电动轿车防滑作用越好，安稳性越高；地上的滑转率最优状况下，电动轿车才干取得较优驱动力。
电动轿车驱动防滑战略在最优滑转率 [1] 方面，文献 [2] 中规划根据双含糊算法的自适应驱动防滑操控器，选用路面辨认模块，完成自适应操控前后轮，可是前后轴驱动功用不能到达最优。文献 [3] 比照剖析了PID操控、模型盯梢操控以及动态自寻最佳滑转率的滑模变结构操控三种驱动防滑操控算法的优缺点，得出动态自寻最佳滑转率比静态抗搅扰性强。文献 [4] 中提出了根据驱动防滑的全时四轮驱动轿车牵引力操控战略，按捺了驱动轮过度空转滑转，但只适用于单个路面条件，关于杂乱路面操控安稳性和驱动性不能到达最优作用。电动轿车驱动防滑战略在驱动功用方面，文献 [5] 对不同类型的驱动电机特色进行比较，其间轮毂电机转矩 [6] 能够独立操控，且较简单丈量。文献 [7] 根据轮毂电机建立了整车动力模型，模仿电动轿车实在的驾驭状况，为电动轿车操控算法研讨供给了渠道。文献 [8] 中对分布式驱动的电动轿车别离提出了根据安稳性的驱动力调理转矩添加横向安稳性，根据动力性的驱动调理转矩以改动纵向加快度和驱动转矩。
本文针关于传统双电机四驱动电动轿车在不同附着系数路面驱动防滑功用较弱，归纳比较轮毂电机独立驱动，电机转矩呼应较快，安稳操纵性较强，根据轮毂电机驱动，提出神经Kalman滤波算法，Kalman滤波算法除掉神经网络中随机数据的搅扰差错，调整神经网络的阈值和权值，取得最优辨认滑转率和操控战略。改善后的神经Kalman算法对路面辨认数据进行剖析，得出最优滑转率，车轮一产生滑转，调理四轮轮毂电机扭矩，对当时车轮车速和扭矩进行最优操控下的车轮速度。并对当时车轮车速和扭矩进行最优操控下的车轮速度。
1 电动轿车整车建模
1.1 轮毂电机数学模型
电机是电动轿车的首要驱动力，电动轿车对电机要求包含较好的发动功用，能量运用功率高，低速爬坡才干强，成本低，安全功用高。表1对几种轮毂电机的高电压，转速，质量，体积，单位质量功率输出，高适应性几个方面进行比较，归纳得出无刷直流轮毂电机电动轿车驱动性最优，扭矩呼应最快。轮毂电机参数如表2所示，电机驱动转矩和功率如图1所示，电机功率如图2所示。
1.2 整车结构模型
本车型选用四轮轮毂电机驱动，整车结构如图3所示，整车结构包含驾驭操控，扭矩分配，轮毂电机驱动，四个轮毂电机别离驱动四个车轮， 车速操控。驾驭员对加快踏板开合巨细及方向盘转角操控车速和车轮转角巨细，经过轮毂电机反馈给整车操控器当时制动转矩和驱动扭矩，整车操控器对轮毂电机扭矩和转矩进行调理，到达操控车辆的意图。
2 驱动防滑操控算法
2.1 Kalman滤波算法和神经网络算法
Kalman滤波算法 [10] 从观测数据中除掉搅扰，估量出需求的滤波信号，取得精确挨近实践情况的信息。Kalman滤波算法的递推公式为：其间， L λ 是观测向量， Y λ 是状况向量，, 1 λ λγ− 、B λ 是系数矩阵，, 1 λ λ −Φ是状况搬运矩阵。
神经网络算法 [11] 是一种多层前馈网络算法，按差错逆向传达，神经网络算法像人的大脑神经相同进行学习，神经网络传输图如图4所示。学习规则是信号正向传达和差错反向传达的梯度下降法，信号正向传达进程是样本输入到输入层，再传到隐含层，再传到传输层，假如正向传达的核算成果和希望成果有差错，则会把差错信号进行反方向传达，再调整神经网络的阈值和权值，直到输出成果和希望成果相同。
2.2 神经Kalman优化算法
神经网络算法学习才干较强，可是简单堕入部分最优，影响判别成果。Kalman滤波算法经过除掉随机数据的搅扰差错，改善后的神经Kalman优化算法能够在恣意输入样本中，寻找出最优成果。Kalman滤波算法分为两个阶段，向前传输阶段和向后传输阶段, 神经Kalman优化网络模型如图5所示。
（1）向前传输阶段：
①从供给的样本L中随机取出一个样本Li，并对样本Li 进行Kalman过滤，得过滤后的样本Yi，输入网络；
② 隐含层输入Ri进行Kalman过滤，得过滤后的样本Gi，输入网络；
③ 比较实践输出Qi=FL（⋯F 2 （F 1 （P i W⑴
④ 核算差错
⑤ 调整权重值W ⑴ ，W (2) , ⋯ W (L) ,重复调整直到
（2）向后传输阶段：
① 核算抱负输出Oi和实践输出Qi的差值；
② 用输出层的差错修正输出层权矩阵；
③
④ 用Ei估量输出层的前一层差错，再用前一层差错估量更前一层差错，重复取得其它层估量差错；
⑤将输出端核算的差错沿着输出端相反的方向传递，使用这些差错对权矩阵修正；
3 仿实在验
3.1 仿真参数确认
使用Matlab/Simulink仿真对操控办法进行验证。电动轿车模型参数如表3所示。
仿真路面挑选对接路面和对开路面。(1)对接路面仿真：初始车速10km/h，每个轮毂电机车轮驱动均输入500N*m，路面改变如图6(a)所示，图6(b)所示，在车轮未打滑时，路面辨认算法将当时路面数据扩大，改善后的神经Kalman算法对路面辨认数据进行剖析，得出最优滑转率，图6(c)车轮一产生滑转，调理四轮轮毂电机扭矩，图6(d)对当时车轮车速和扭矩进行最优操控下的车轮速度。图6(e)是无操控时车轮的速度。由图6能够比照看出，改善后的神经Kalman算法对路面辨认数据进行剖析，得出最优滑转率，并对当时车轮车速和扭矩进行最优操控下的车轮速度。驱动防滑作用显着优于无操控状况。
(2)开路面仿真：初始车速10km/h，每个轮毂电机车轮驱动均输入500N*m，路面附着系数为0.25和0.5。试验成果如图7(a)所示，路面辨认算法将当时路面进行辨认，改善后的神经Kalman算法对路面辨认数据进行剖析，得出最优滑转率，图7(b)神经Kalman算法对整车力矩进行最优分配，图7(c)标明神经Kalman算法对车轮滑转进行了较优操控。
4 定论
本文针对传统双电机四驱动电动轿车在不同附着系数路面驱动防滑功用较弱问题,提出根据神经Kalman四轮轮毂电机驱动防滑战略。Kalman滤波算法除掉神经网络中随机数据的搅扰差错，调整神经网络的阈值和权值，取得最优辨认滑转率和操控战略。挑选对接路面和对开路面进行仿真，仿真成果标明，改善后的神经Kalman算法对路面辨认数据进行剖析，得出最优滑转率，车轮一产生滑转，调理四轮轮毂电机扭矩，对当时车轮车速和扭矩进行最优操控下的车轮速度。并对当时车轮车速和扭矩进行最优操控下的车轮速度。驱动防滑作用显着优于无操控状况。
参考文献:
[1] 张振良, 赵亚超, 黄妙华, 等. 电动轮车驱动防滑操控战略的研讨[J]. 武汉理工大学学报（信息与办理工程版）, 2014(6):794-797.
[2] 张博涵, 陈哲明, 陈宝, 等. 四轮独立驱动电动轿车自适应驱动防滑操控[J]. 山东大学学报 (工学版),2017, 48(1):96-103.
[3] 张兆良. 电动轿车驱动防滑操控办法比照剖析[J]. 上海轿车, 2011(2):11-15.
[4] 胡建军, 杨振辉, 刘辉, 等. 四轮驱动轿车车轮驱动防滑的牵引力操控仿真剖析[J]. 我国机械工程, 2014,25(13):1817-1823.
[5] 罗龙飞, 袁守华. 电动轿车驱动电机及其操控体系使用概述[J]. 轿车实用技术, 2014(4):5-7.
[6] 陶维辉, 喻厚宇, 黄妙华. 根据最优滑转率辨认的电动轮车驱动防滑含糊操控研讨[J]. 武汉理工大学学报，2015, 37(4):47-52.
[7] 靳彪, 张欣, 彭之川, 等. 四轮轮毂电机驱动电动轿车建模与仿真[J]. 我国公路学报, 2016, 29(4):138-144.
[8] 褚文博, 罗禹贡, 赵峰, 等. 分布式驱动电动轿车驱动转矩和谐操控[J]. 轿车工程, 2012, 34(3):185-189.
作者简介：
崔坤利，女，（1992.9-）安徽工程大学 操控工程专业，硕士研讨生，工程师，首要研讨方向为新能源轿车电驱动体系。
E-mail：2513855009@qq.com.com
电话：17730096975
通讯地址：安徽省芜湖市弋江区花津南路226号奇瑞新能源研讨院
本文来源于科技期刊《电子产品世界》2019年第7期第70页，欢迎您写论文时引证，并注明出处
