电动汽车的执行器容错控制方法、装置、存储介质及汽车

技术领域

本申请涉及电动汽车技术领域，特别涉及一种电动汽车的执行器容错控制方法、装置、存储介质及汽车。

背景技术

随着环境保护意识的增强和能源危机的日益严重，电动汽车作为清洁、高效的交通工具受到了广泛关注和追捧。分布式驱动电动汽车(Distributed Drive ElectricVehicles，DDEVs)具有传动链短、传动效率高、电机响应快以及转矩精准可控等特点，成为理想的电动汽车载体之一。然而，分布式驱动电动汽车作为一个过驱动系统，其系统复杂程度高、各子系统之间存在强耦合，并且执行器与传感器数量也相对庞大，这导致了各子系统发生失效的概率显著提高。因此，研究分布式驱动电动汽车的容错控制对于提高整车安全性和行驶稳定性具有重要的意义。

根据分布式电动汽车的执行器不同，可将容错控制分为线控转向失效的容错控制和驱动电机失效的容错控制。现有技术中针对线控转向失效的问题，提出一种综合差动转向和横摆力矩的分层协同容错控制方法，在上层控制器求解期望前轮转角和附加横摆力矩的基础上，下层控制器通过有效集法对轮胎负荷率进行优化，实现输出转矩的分配。

驱动电机失效的容错控制主要是指线控底盘驱动系统中的一个或多个驱动电机发生故障时，对剩下的驱动电机进行适当的驱动再分配，使得车辆仍能保持行驶稳定性和安全性的控制方法。驱动电机失效的容错控制通常可以分为被动容错控制和主动容错控制。被动容错控制主要关注驱动电机的失效控制，通常针对特定的故障模式，即当车辆出现相应故障时，无须知道系统故障信息，只需预先制定逻辑规则，使规则式控制策略对故障具有鲁棒性。现有技术中研究了在正常和故障条件下具有四个机电车轮系统的电动汽车的路径跟踪问题，考虑轮滑约束和某些执行器故障，开发了基于变结构控制的被动容错控制器，以保持系统稳定性并保证可接受的跟踪性能。但是对于故障源较多的过驱动系统，被动容错控制策略可应对的故障类型较少，对故障的容错控制效果难以达到最优。而主动容错控制可以根据不同的故障发生工况，采取更合适的控制策略，实时调节容错控制器参数，主动式地对电机故障进行消除或减弱，最大程度降低故障对车辆行驶状态的影响保证整车稳定性和安全性。现有技术中针对四轮独立驱动汽车在执行器故障和干扰下的跟踪控制问题，通过设计复合观测器来同时估计驱动系统的状态和干扰，并重构了故障效率因子和进行控制器参数的自适应调整，提高了跟踪性能的鲁棒性。

以上研究主要以车辆动力性和稳定性为控制目标，针对分布式电动汽车存在传感器失效、转向执行器失效和驱动执行器失效等情况进行容错控制。然而，现有研究主要考虑单一执行器失效的情况，缺乏对多执行器失效耦合作用机理及容错控制的研究。当多个执行器同时失效时，仅对单一执行器进行容错控制，会因执行器之间的耦合作用导致容错控制失败，从而严重威胁行车安全。

发明内容

本申请提供了一种电动汽车的执行器容错控制方法、装置、存储介质及汽车，用于解决无法在多个执行器同时失效时进行容错控制，威胁行车安全的问题。所述技术方案如下：

本申请的第一方面，提供了一种电动汽车的执行器容错控制方法，用于使用前轮驱动转向的分布式驱动电动汽车中，所述方法包括：

获取所述分布式驱动电动汽车的车载传感器信息和参考轨迹；

采用模型预测控制MPC算法对所述车载传感器信息和所述参考轨迹进行轨迹跟踪，得到期望前轮转角；

当根据所述车载传感器信息确定至少一个转向执行器故障时，采用滑模控制SMC算法对所述期望前轮转角和上一时刻的实际前轮转角进行计算，得到差动力矩；

当根据所述车载传感器信息确定至少一个驱动执行器故障时，基于轮胎附着利用率最小化的优化分配算法对所述差动力矩进行计算，得到各个车轮的当前时刻转矩；

根据所述当前时刻转矩控制所述分布式驱动电动汽车的转向。

在一种可能的实现方式中，所述采用MPC算法对所述车载传感器信息和所述参考轨迹进行轨迹跟踪，得到期望前轮转角，包括：

根据所述车载传感器信息和所述参考轨迹构建MPC轨迹跟踪优化目标函数；

将所述MPC轨迹跟踪优化目标函数转化为二次型函数；

采用二次规划方法和第一约束条件对所述二次型函数进行求解，得到控制时域内的最优控制增量序列；

将所述最优控制增量序列中的前n个控制量确定为期望前轮转角，n为正整数。

在一种可能的实现方式中，所述根据所述车载传感器信息和所述参考轨迹创建MPC轨迹跟踪优化目标函数，包括：

根据所述车载传感器信息和所述参考轨迹联立车辆动力学模型等式和轨迹跟踪模型等式，得到状态空间表达式；

对所述状态空间表达式中的参数进行离散化，得到离散化增益矩阵等式；

将所述离散化增益矩阵等式带入所述状态空间表达式，得到MPC轨迹跟踪优化目标函数。

在一种可能的实现方式中，所述将所述MPC轨迹跟踪优化目标函数转化为二次型函数，包括：

根据所述MPC轨迹跟踪优化目标函数预测时域内的未来状态；

根据所述时域内的未来状态生成二次型函数。

在一种可能的实现方式中，所述采用SMC算法对所述期望前轮转角和上一时刻的实际前轮转角进行计算，得到差动力矩，包括：

构建转向执行器的动力学模型，所述动力学模型中包含未知的差动力矩；

根据所述期望前轮转角和所述实际前轮转角构建滑模面；

对所述滑模面进行一阶微分，得到微分方程；

根据所述动力学模型和所述微分方程计算所述差动力矩。

在一种可能的实现方式中，所述基于轮胎附着利用率最小化的优化分配算法对所述差动力矩进行计算，得到各个车轮的当前时刻转矩，包括：

获取所述驱动执行器的故障信息，根据所述故障信息构建失效形式；

根据所述失效形式构建基于轮胎附着利用率最小化的优化目标函数；

采用二次规划方法和第二约束条件对所述优化目标函数进行求解，得到各个车轮的当前时刻转矩。

在一种可能的实现方式中，所述第二约束条件是根据所述失效形式、总驱动力矩需求、差动力矩需求、有效解不出现附加横摆力矩的需求创建的。

本申请的第二方面，提供了一种电动汽车的执行器容错控制装置，用于使用前轮驱动转向的分布式驱动电动汽车中，所述装置包括：

获取模块，用于获取所述分布式驱动电动汽车的车载传感器信息和参考轨迹；

跟踪模块，用于采用模型预测控制MPC算法对所述车载传感器信息和所述参考轨迹进行轨迹跟踪，得到期望前轮转角；

计算模块，用于在根据所述车载传感器信息确定至少一个转向执行器故障时，采用滑模控制SMC算法对所述期望前轮转角和上一时刻的实际前轮转角进行计算，得到差动力矩；

所述计算模块，还用于在根据所述车载传感器信息确定至少一个驱动执行器故障时，基于轮胎附着利用率最小化的优化分配算法对所述差动力矩进行计算，得到各个车轮的当前时刻转矩；

控制模块，用于根据所述当前时刻转矩控制所述分布式驱动电动汽车的转向。

本申请的第三方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令，所述至少一条指令由处理器加载并执行以实现如上所述的电动汽车的执行器容错控制方法。

本申请的第四方面，提供了一种分布式驱动电动汽车，所述分布式驱动电动汽车包括处理器和存储器，所述存储器中存储有至少一条指令，所述指令由所述处理器加载并执行以实现如上所述的电动汽车的执行器容错控制方法。

本申请提供的技术方案的有益效果至少包括：

当至少一个转向执行器故障而导致车辆完全失去或部分失去转向能力时，可以根据实际前轮转角和计算出的期望前轮转角计算差动力矩，当至少一个驱动执行器发生故障时，可以基于差动力矩对各个车轮的驱动力矩进行合理分配，从而使分布式驱动电动汽车具有较好的跟踪性能，通过分层架构的容错控制方法可以有效提高转向系统的容错能力和鲁棒性，实现车辆在转向执行器和驱动执行器同时失效的情况下的可靠控制，提高了行车的安全性。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本申请一个实施例提供的电动汽车的执行器容错控制方法的流程图；

图2是本申请一个实施例提供的电动汽车的执行器容错控制方法的流程图；

图3是本申请一个实施例提供的车辆的平面运动示意图；

图4是本申请一个实施例提供的差动转向原理的示意图；

图5是本申请一个实施例提供的分布式驱动电动汽车的执行器容错控制方法的原理图；

图6是本申请一个实施例提供的匀加速直线工况下的轨迹图；

图7是本申请一个实施例提供的匀加速直线工况下的纵向速度图；

图8是本申请一个实施例提供的阶跃转向工况下的实验结果图；

图9是本申请一个实施例提供的双移线工况下的实验结果图；

图10是本申请一个实施例提供的转矩分配图；

图11是本申请一个实施例提供的电动汽车的执行器容错控制装置的结构框图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。

如图1所示，其示出了本申请一个实施例提供的电动汽车的执行器容错控制方法的方法流程图，该电动汽车的执行器容错控制方法可以应用于使用前轮驱动转向的分布式驱动电动汽车中。该电动汽车的执行器容错控制方法，可以包括：

步骤101，获取分布式驱动电动汽车的车载传感器信息和参考轨迹。

分布式驱动电动汽车上配置有多个车载传感器，通过这些车载传感器进行信息采集，得到车载传感器信息。

车载传感器信息包括但不限于以下信息：车辆纵向速度、车辆横向速度、车辆横摆角速度、车辆前后轴的侧偏刚度、前轮转角、车辆质心侧偏角、车辆的转动惯量、车辆质心和参考轨迹之间的横向误差、车辆航向角和轨迹中心线之间的航向角误差。

参考轨迹是预先设置的轨迹，分布式驱动电动汽车需要按照参考轨迹行驶。

步骤102，采用MPC算法对车载传感器信息和参考轨迹进行轨迹跟踪，得到期望前轮转角。

MPC(Model-based Predictive Control，模型预测控制)算法的原理是在每个计算步长中，系统都会得到来自外界环境的状态信息，并通过状态更新函数对未来的可能状态进行预测。同时，在给定的参考状态下，对算法进行优化，使预先设定的性能指标达到最小化，从而得到最优控制增量序列。一般选取第一个或前几个控制增量作为控制输出量。该优化采用滚动优化的形式，不断对算法进行优化，直至整个算法任务完成。

步骤103，当根据车载传感器信息确定至少一个转向执行器故障时，采用SMC算法对期望前轮转角和上一时刻的实际前轮转角进行计算，得到差动力矩。

SMC(Sliding Mode Control，滑模控制)算法的核心思想是建立一个滑模面，将系统拉取到滑模面上来，使系统沿着滑模面运动。

上一时刻的实际前轮转角可以从车载传感器信息中获取到。

步骤104，当根据车载传感器信息确定至少一个驱动执行器故障时，基于轮胎附着利用率最小化的优化分配算法对差动力矩进行计算，得到各个车轮的当前时刻转矩。

由于各轮胎附着利用率之和最小时，车辆的操纵稳定性越好，所以，我们可以基于轮胎附着利用率最小化的目标来设置优化分配算法，通过优化分配算法对各个车轮的驱动力矩进行合理分配。

步骤105，根据当前时刻转矩控制分布式驱动电动汽车的转向。

综上所述，本申请实施例提供的电动汽车的执行器容错控制方法，当至少一个转向执行器故障而导致车辆完全失去或部分失去转向能力时，可以根据实际前轮转角和计算出的期望前轮转角计算差动力矩，当至少一个驱动执行器发生故障时，可以基于差动力矩对各个车轮的驱动力矩进行合理分配，从而使分布式驱动电动汽车具有较好的跟踪性能，通过分层架构的容错控制方法可以有效提高转向系统的容错能力和鲁棒性，实现车辆在转向执行器和驱动执行器同时失效的情况下的可靠控制，提高了行车的安全性。

如图2所示，其示出了本申请一个实施例提供的电动汽车的执行器容错控制方法的方法流程图，该电动汽车的执行器容错控制方法可以应用于使用前轮驱动转向的分布式驱动电动汽车中。该电动汽车的执行器容错控制方法，可以包括：

步骤201，获取分布式驱动电动汽车的车载传感器信息和参考轨迹。

分布式驱动电动汽车上配置有多个车载传感器，通过这些车载传感器进行信息采集，得到车载传感器信息。

车载传感器信息包括但不限于以下信息：车辆纵向速度、车辆横向速度、车辆横摆角速度、车辆前后轴的侧偏刚度、前轮转角、车辆质心侧偏角、车辆的转动惯量、车辆质心和参考轨迹之间的横向误差、车辆航向角和轨迹中心线之间的航向角误差。

参考轨迹是预先设置的轨迹，分布式驱动电动汽车需要按照参考轨迹行驶。

步骤202，根据车载传感器信息和参考轨迹构建MPC轨迹跟踪优化目标函数；将MPC轨迹跟踪优化目标函数转化为二次型函数；采用二次规划方法和第一约束条件对二次型函数进行求解，得到控制时域内的最优控制增量序列；将最优控制增量序列中的前n个控制量确定为期望前轮转角，n为正整数。

具体的，根据车载传感器信息和参考轨迹创建MPC轨迹跟踪优化目标函数，可以包括以下几个步骤：

(1)根据车载传感器信息和参考轨迹联立车辆动力学模型等式和轨迹跟踪模型等式，得到状态空间表达式。

图3示出了车辆的平面运动示意图，根据图3中所示的参数可以建立车辆动力学模型和轨迹跟踪模型。

A、建立车辆动力学模型

为解决分布式驱动电动汽车中多执行器失效容错控制的轨迹跟踪问题，需要构建一个不计前倾、侧倾、只考虑前轮转向、且每个轮毂都装有轮毂电机的面向控制导向的车辆动力学模型：

其中，m为车辆质量，v

B、建立轨迹跟踪模型

其中，e

C、建立状态空间表达式

为了获得优异的控制效果，本实施例中使用MPC算法设计上层的轨迹跟踪控制器。MPC算法的原理是在每个计算步长中，系统都会得到来自外界环境的状态信息，并通过状态更新函数对未来的可能状态进行预测。同时，在给定的参考状态下，对算法进行优化，使预先设定的性能指标达到最小化，从而得到最优控制增量序列。一般选取第一个或前几个控制增量作为控制输出量。该优化采用滚动优化的形式，不断对算法进行优化，直至整个算法任务完成。

通过联合车辆动力学模型和轨迹跟踪模型，可以得到状态空间表达式，如下所示：

其中，

选取x＝[β γ e

(2)对状态空间表达式中的参数进行离散化，得到离散化增益矩阵等式。

采用零阶保持技术进行离散化，可得到离散化增益矩阵等式：

其中，A

(3)将离散化增益矩阵等式带入状态空间表达式，得到MPC轨迹跟踪优化目标函数。

具体的，将MPC轨迹跟踪优化目标函数转化为二次型函数，可以包括以下几个步骤：

(1)根据MPC轨迹跟踪优化目标函数预测时域内的未来状态。

根据状态空间表达方程，预测时域内的未来状态，可以推导为：

Y＝S

其中，

n为状态空间的状态量的维度，m为状态空间的控制量的维度。

(2)根据时域内的未来状态生成二次型函数。

得到预测时域内的未来状态Y后，可通过求解带约束的优化目标函数，来得到系统当前时刻的控制增量ΔU(期望前轮转角)。为了实时跟踪参考轨迹，以系统输出与期望值之间的误差最小为优化目标，考虑车辆转向执行机构机械结构限制以及前轮转角变化过大造成车辆失控的风险，控制增量ΔU应尽可能小。

为了满足机械结构及运动条件约束，需对优化目标函数以及系统部分状态施加约束条件，以达到最佳控制效果。也就是说，必须使Δδ

其中，假设公式(6)中的μ为已知。

综上，可以将轨迹跟踪控制器的性能指标J

其中，

其中，

在已知当前时刻的状态量y(t)和上一时刻的控制量u(t)的情况下，可在控制周期内利用二次规划优化求解二次型函数，也就是公式7，得到控制时域内的一系列最优控制增量序列：

然后，将控制增量序列中的前n个控制增量作为实际的控制输入增量作用于系统，即可获得当前时刻的期望前轮转角δ

分布式驱动电动汽车在正常行驶时，若各转向执行器正常运行，则可以将期望前轮转角可直接作用于转向执行器，以控制转向执行器执行该期望前轮转角，从而实现轨迹跟踪。但若转向执行器失效，则需要根据该期望前轮转角确定当前的差动力矩，基于差动力矩进行转矩分配。

步骤203，当根据车载传感器信息确定至少一个转向执行器故障时，采用SMC算法对期望前轮转角和上一时刻的实际前轮转角进行计算，得到差动力矩。

差动转向原理如图4所示，前轴左右两轮的纵向驱动力会产生围绕主销的力矩τ

其中，

下面采用滑模前轮转角跟踪控制策略来确定当前差动力矩。

具体的，采用SMC算法对期望前轮转角和上一时刻的实际前轮转角进行计算，得到差动力矩，可以包括以下几个步骤：

(1)构建转向执行器的动力学模型，动力学模型中包含未知的差动力矩。

考虑到转向执行器的摩擦阻力矩和前轮转角的二阶导数通常较小，可以将其作为外部扰动而忽略，所以转向执行器的动力学模型可简化为：

其中，b

(2)根据期望前轮转角和实际前轮转角构建滑模面。

为了对轨迹跟踪控制器得到的前轮转角命令δ

(3)对滑模面进行一阶微分，得到微分方程。

对滑膜面进行一阶微分得：

(4)根据动力学模型和微分方程计算差动力矩。

根据公式(12)可得：

ΔM

其中，

步骤204，当根据车载传感器信息确定至少一个驱动执行器故障时，基于轮胎附着利用率最小化的优化分配算法对差动力矩进行计算，得到各个车轮的当前时刻转矩。

由于各轮胎附着利用率之和最小时，车辆的操纵稳定性越好，所以，我们可以基于轮胎附着利用率最小化的目标来设置优化分配算法，通过优化分配算法对各个车轮的驱动力矩进行合理分配。

在得到差动力矩后，可以建立下层的转矩分配控制器，由转矩分配控制器进行转矩分配。

具体的，基于轮胎附着利用率最小化的优化分配算法对差动力矩进行计算，得到各个车轮的当前时刻转矩，可以包括以下几个步骤：

(1)获取驱动执行器的故障信息，根据故障信息构建失效形式。

将驱动执行器失效形式定义为：

T

其中，T

(2)根据失效形式构建基于轮胎附着利用率最小化的优化目标函数。

建立基于轮胎附着利用率最小化的优化目标函数：

其中，F

(3)采用二次规划方法和第二约束条件对优化目标函数进行求解，得到各个车轮的当前时刻转矩。

在优化分配算法求解过程中，不仅要保证有效解能够满足纵向总驱动力矩和差动力矩的需求，还要保证有效解不会出现附加横摆力矩，还要考虑到驱动电机的最大输出转矩、故障信息等因素的影响。也就是说，第二约束条件是根据失效形式、总驱动力矩需求、差动力矩需求、有效解不出现附加横摆力矩的需求创建的。因此，约束条件为:

采用二次规划方法对各轮驱动力矩进行求解，得到的性能指标为：

其中，

u＝[T

/>

步骤205，根据当前时刻转矩控制分布式驱动电动汽车的转向。

综上所述，本申请实施例提供的电动汽车的执行器容错控制方法，当至少一个转向执行器故障而导致车辆完全失去或部分失去转向能力时，可以根据实际前轮转角和计算出的期望前轮转角计算差动力矩，当至少一个驱动执行器发生故障时，可以基于差动力矩对各个车轮的驱动力矩进行合理分配，从而使分布式驱动电动汽车具有较好的跟踪性能，通过分层架构的容错控制方法可以有效提高转向系统的容错能力和鲁棒性，实现车辆在转向执行器和驱动执行器同时失效的情况下的可靠控制，提高了行车的安全性。

本实施例中，分布式驱动电动汽车上设置有轨迹跟踪控制器、转向失效控制器、转向系统故障检测器、转矩分配控制器、驱动系统故障检测器和车速跟踪器，如图5所示，下面结合分布式驱动电动汽车的结构，对容错控制方法的流程进行说明。

1.轨迹跟踪控制器基于车载传感器信息和参考轨迹生成期望前轮转角；

2.转向系统故障检测器基于车载传感器信息检测转向执行器是否存在故障，若转向执行器存在故障，则触发转向失效控制器工作；

3.转向失效控制器根据期望前轮转角和上一时刻的实际前轮转角生成差动力矩；

4.驱动系统故障检测器基于车载传感器信息检测驱动执行器是否存在故障，若驱动执行器存在故障，则触发转矩分配控制器工作，并将故障参数发送给转矩分配控制器；

5.车速跟踪器基于目标车速和实际车速生成纵向需求力矩；

6.转矩分配控制器基于差动力矩、故障参数和纵向需求力矩生成各个车轮的当前时刻转矩，根据当前时刻转矩控制分布式驱动电动汽车的转向。

下面对上述容错控制方法进行仿真实验分析：

为了验证上述容错控制方案的有效性，我们分别在匀加速直线工况、阶跃转向工况以及双移线工况这三个工况下进行了实验，实验平台由MATLAB/Simulink和Carsim联合搭建，实验使用车辆参数如表1所示。

1、匀加速直线工况

进行车辆速度为30km/h-60km/h的匀加速直线仿真实验。实验设置了车辆左前轮驱动电机失效率分别为100％，75％，50％，25％。从图6轨迹图中可以看出，随着失效率的增加，没有容错控制的车辆会偏离轨迹更多，而有容错控制器的车辆始终保持直线行驶。图7为纵向速度结果，可看出失效率越大，没有容错控制的车辆速度跟踪效果越差，而有容错控制器的车辆则始终具有良好的速度跟踪效果。

2、阶跃转向工况

进行阶跃转向仿真实验，实验在1秒时产生阶跃转角0.1rad，并在3秒时模拟了转向执行器故障。实验结果如图8所示。可以看出，当转向执行器在3秒时发生故障时，未进行容错控制的车辆将失去转向能力，横摆角速度降为0，横摆角保持不变，车辆沿当前时刻航向角继续行驶；而有容错控制器的车辆在发生故障后的实验结果与未发生故障时基本相同。这一结果表明，本文提出的转向失效容错控制器具有良好的容错性能。

3、双移线工况

双移线工况实验，实验条件为车辆速度为60km/h，路面附着系数为0.85，设置了三种类型车辆并安装了所设计的容错控制方法，其中，车辆A为正常车辆，车辆B为仅转向执行器失效的车辆，车辆C为转向执行器和驱动电机均完全失效的车辆。实验结果如图9所示，车辆B和C因转向执行器失效而失去了转向能力，但三辆车都具有较好的轨迹跟踪精度和稳定性，证明了本文容错控制方法针对转向失效的有效性。从图10所示的转矩分配图中可看出，车辆B的转矩分配情况有所不同，需要由控制器产生差动力矩来补偿转向执行器失效；车辆C存在转向执行器和左前轮驱动电机失效的问题，但下层转矩分配控制器能够立即对其余三个驱动电机进行分配以满足车辆轨迹跟踪的控制需求。总之，实验结果表明，本文所提出的多执行器失效容错控制方法具有良好的容错性能，能够提高分布式驱动电动汽车的安全性和可靠性。

表1车辆参数

如图11所示，其示出了本申请一个实施例提供的电动汽车的执行器容错控制装置的结构框图，该电动汽车的执行器容错控制装置可以应用于使用前轮驱动转向的分布式驱动电动汽车中。该电动汽车的执行器容错控制装置，可以包括：

获取模块1110，用于获取分布式驱动电动汽车的车载传感器信息和参考轨迹；

跟踪模块1120，用于采用模型预测控制MPC算法对车载传感器信息和参考轨迹进行轨迹跟踪，得到期望前轮转角；

计算模块1130，用于在根据车载传感器信息确定至少一个转向执行器故障时，采用滑模控制SMC算法对期望前轮转角和上一时刻的实际前轮转角进行计算，得到差动力矩；

计算模块1130，还用于在根据车载传感器信息确定至少一个驱动执行器故障时，基于轮胎附着利用率最小化的优化分配算法对差动力矩进行计算，得到各个车轮的当前时刻转矩；

控制模块1140，用于根据当前时刻转矩控制分布式驱动电动汽车的转向。

在一个可选的实施例中，跟踪模块1120，还用于：

根据车载传感器信息和参考轨迹构建MPC轨迹跟踪优化目标函数；

将MPC轨迹跟踪优化目标函数转化为二次型函数；

采用二次规划方法和第一约束条件对二次型函数进行求解，得到控制时域内的最优控制增量序列；

将最优控制增量序列中的前n个控制量确定为期望前轮转角，n为正整数。

在一个可选的实施例中，跟踪模块1120，还用于：

根据车载传感器信息和参考轨迹联立车辆动力学模型等式和轨迹跟踪模型等式，得到状态空间表达式；

对状态空间表达式中的参数进行离散化，得到离散化增益矩阵等式；

将离散化增益矩阵等式带入状态空间表达式，得到MPC轨迹跟踪优化目标函数。

在一个可选的实施例中，跟踪模块1120，还用于：

根据MPC轨迹跟踪优化目标函数预测时域内的未来状态；

根据时域内的未来状态生成二次型函数。

在一个可选的实施例中，计算模块1130，还用于：

构建转向执行器的动力学模型，动力学模型中包含未知的差动力矩；

根据期望前轮转角和实际前轮转角构建滑模面；

对滑模面进行一阶微分，得到微分方程；

根据动力学模型和微分方程计算差动力矩。

在一个可选的实施例中，计算模块1130，还用于：

获取驱动执行器的故障信息，根据故障信息构建失效形式；

根据失效形式构建基于轮胎附着利用率最小化的优化目标函数；

采用二次规划方法和第二约束条件对优化目标函数进行求解，得到各个车轮的当前时刻转矩。

在一个可选的实施例中，第二约束条件是根据失效形式、总驱动力矩需求、差动力矩需求、有效解不出现附加横摆力矩的需求创建的。

综上所述，本申请实施例提供的电动汽车的执行器容错控制装置，当至少一个转向执行器故障而导致车辆完全失去或部分失去转向能力时，可以根据实际前轮转角和计算出的期望前轮转角计算差动力矩，当至少一个驱动执行器发生故障时，可以基于差动力矩对各个车轮的驱动力矩进行合理分配，从而使分布式驱动电动汽车具有较好的跟踪性能，通过分层架构的容错控制方法可以有效提高转向系统的容错能力和鲁棒性，实现车辆在转向执行器和驱动执行器同时失效的情况下的可靠控制，提高了行车的安全性。

本申请一个实施例提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令，所述至少一条指令由处理器加载并执行以实现如上所述的电动汽车的执行器容错控制方法。

本申请一个实施例提供了一种分布式驱动电动汽车，所述分布式驱动电动汽车包括处理器和存储器，所述存储器中存储有至少一条指令，所述指令由所述处理器加载并执行以实现如上所述的电动汽车的执行器容错控制方法。

需要说明的是：上述实施例提供的电动汽车的执行器容错控制装置在进行电动汽车的执行器容错控制时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将电动汽车的执行器容错控制装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的电动汽车的执行器容错控制装置与电动汽车的执行器容错控制方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。

本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。

以上所述并不用以限制本申请实施例，凡在本申请实施例的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请实施例的保护范围之内。