北京理工大学林程教授团队研究成果：面向极限工况的分布式驱动电动汽车动力学集成控制方法

分布式驱动可实现动力系统总体需求转矩的集中分配与单个车轮转矩的独立精确控制，具有动力学控制灵活、主动安全性高的固有特性，更适用于极限工况下的控制需求。然而，现有的极限工况控制方法中，一部分为了降低计算负担采用线性控制模型，另一部分则为了改善控制精度采用迭代的非线性规划方法，两者均没有很好地平衡精确性与实时性。

1. 混杂系统预测模型建立：为了均衡预测模型的建模精度与控制器的计算负担，通过分段仿射将非线性横摆动力学模型进行简化，进而建立了混杂系统预测模型。

2. 车辆失稳机理分析与稳定性判据：分析了多时变参数系统的失稳机理，将系统发生分岔现象后极易失稳的工况定义为极限工况，统一了低附着、高速等不同极限工况下的车辆稳定性判别 方法，制定了控制模式的切换机制。

3.极限工况动力学集成控制策略：提出了基于鲁棒混杂模型预测控制算法的动力学集成控制策略，系统地考虑了极限工况下的车速变化与轮胎非线性侧偏特性，协同优化了车辆的驱动防滑性能、横摆稳定性等安全性指标。

4. 处理器在环试验：试验结果表明提出的集成控制策略能够满足低附着路面行驶与高速转向工况的控制需求，显著提高了车辆在极限工况下的主动安全性。

 图2 基于dSPACE的HIL试验平台

研究结果 

1. 对开路面双移线 (DLC) 工况验证：高附着路段平均路径跟踪误差为线性MPC的 76. 39%，低附着路段仅为线性MPC的 3. 19%

 图3 控制效果对比

图4 控制效果对比

创新点和意义

为了充分发挥分布式驱动构型的控制灵活性，提高分布式电驱动汽车在极限工况下的主动安全性，论文提出了一种基于鲁棒混杂模型预测控制算法的动力学集成控制方法。该方法在低附着路面行驶与高速转向工况下可显著改善车辆的横摆稳定性，可有效提升车辆的安全性能。论文具有重要的工程应用价值。