智能电动汽车最大牵引力和最优滑移率优化计算方法

技术领域

本发明涉及汽车牵引控制技术，尤其涉及一种智能电动汽车最大牵引力和最优滑移率优化计算方法。

背景技术

受轮胎与路面之间的附着力的限制，动力装置不可能无限制的输出转矩，并转换为牵引力。当车辆牵引力超出轮胎与路面之间的附着力时，驱动轮将在路面打转。典型的，当车辆行驶于结冰、积雪路面时，该现象尤为明显。因此，驱动轮所能输出的最大牵引力由轮胎与路面之间的附着力决定。通常定义特定路面上的最大牵引力，

F

式中，μ(s)为路面附着系数，它是滑移率s的函数。不同路面上，滑移率与路面附着系数的关系如图1所示。P为轮胎铅垂方向的载荷，P＝M·g；M为车辆质量，g为重力常数。

滑移率s是指车辆运行中，轮胎与路面之间产生的相对滑移，其定义为，

式中，ω

由图1可知，当滑移率s为0.15-0.20时，路面附着系数达到其峰值μ

上述分析可知，为防止车轮打滑，同时为车辆提供最大的牵引力，应确保车辆驱动轮上获取的转矩不大于最大牵引力，而最大牵引力又由路面情况、车辆质量和路面峰值附着系数决定。

工程中常见做法是：根据驱动轮轮速、非驱动轮轮速之比，确定瞬态纵向滑移率；然后根据经验确定典型路面条件下的最大牵引力，当转矩增加时，如滑移率发生都增，则判定电机输出转矩大于最大牵引力；之后，通过逐渐限制电机的输出转矩，并同步观测滑移率是否突变，在多次试凑后以确定最大牵引力。

该方法的不足：由于采用的经验确定的典型路面条件下的最大牵引力，故无法反映真实路面情况，同时没有考虑道路坡度、整车质量对附着系数的影响，得到的实时附着系数误差较大；由于采用多次试凑方法，属于滞后控制，即车轮发生打滑后，通过降低驱动转矩来减小滑移率，造车车辆行驶过程中易发生抖动，轮胎磨损加剧，影响驾驶体验。

因此，为解决车轮打滑，影响驾驶体验、降低驱动效率问题，本发明提供了智能电动汽车最大牵引力和最优滑移率优化计算方法。

发明内容

为解决现有技术中存在的不足，本发明的目的在于，提供一种智能电动汽车最大牵引力和最优滑移率优化计算方法。

为实现本发明的目的，本发明所采用的技术方案是：

一种智能电动汽车最大牵引力和最优滑移率优化计算方法，包括步骤：

(1)构建路面属性系数-滑移率-牵引力系数特性关系；

(2)进行特定路面上的最大牵引力系数优化；

(3)进行综合最大牵引力系数和最佳滑移率计算；

(4)进行最大牵引力计算。

进一步地，步骤(1)具体为，

(1.1)以目标车型为对象，采用制动力系数法，测量在不同路面属性系数δ下的滑移率s和牵引力系数μ，得到x*y个数据点μ[x][y]；其中，x为测试采用的路面属性系数样本数量，y为测试采用的纵向滑移率样本数量；

(1.2)基于x*y个数据点，采用临近点法获取任意路面属性系数δ，滑移率s下的牵引力系数μ。

进一步地，计算任意(δ,s)下的牵引力系数μ的过程为，

根据(δ,s)确定其在样本数据中的四个临近点[x

其中，x

进一步地，步骤(2)具体为，

针对特定的路面属性系数δ，以0～1为区间，以特定间隔选取N个不同路面属性系数，通过优化获取其最优滑移率及最大牵引力系数；可描述为如下一维优化问题：

max μ(δ

式中，δ

进一步地，各路面属性系数δ

(2.1)在s∈[0,1]区间内随机生成S个探索因子s

(2.2)针对每个探索因子s

s

式中，t表示循环次数，每次循环加1；g

(2.3)更新每个探索因子s

(2.4)当进行完指定循环次数t

进一步地，步骤(3)具体为，

根据获取的N个特定路面属性系数下的最大牵引力系数，采用三临近点分别获取任意路面属性系数δ下的最大牵引力系数μ

进一步地，任意路面属性系数δ下的最大牵引力系数μ

根据路面属性系数δ确定其在样本数据中的三个临近点[x

其中，x

进一步地，任意路面属性系数δ下的最佳滑移率s

根据路面属性系数δ确定其在样本数据中的三个临近点[x

其中，x

进一步地，步骤(4)具体为，

根据公式F

本发明的有益效果在于，与现有技术相比，本发明结合智能电动汽车拥有较强的运算能力之特征，进行智能电动汽车最大牵引力和最优滑移率的优化计算，其目的是结合路面情况、车辆质量，实时计算车辆的最大牵引力和最佳滑移率，避免驱动电机输出转矩过大造成的滑移率增加，以实现避免车辆打滑、降低轮胎磨损、提升驱动效率。

附图说明

图1是滑移率与路面附着系数关系示意图；

图2是本发明所述的智能电动汽车最大牵引力和最优滑移率优化计算方法示意图；

图3是路面属性系数-滑移率-牵引力系数特性；

图4是20个特定路面属性系数下的最大牵引力系数；

图5是任意路面属性下的最大牵引力系数；

图6是任意路面属性下的最佳滑移率。

具体实施方式

下面结合附图和实施例对本发明的技术方案作进一步的说明。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本申请的保护范围。

如图2所示，本发明所述的智能电动汽车最大牵引力和最优滑移率优化计算方法，方法主要包括路面属性系数-滑移率-牵引力系数特性构建、特定路面上的最大牵引力系数优化、综合最大牵引力系数和最佳滑移率计算、最大牵引力计算。

方法的优化结果为各路面属性系数δ下的最佳滑移率s

具体步骤：

(1)路面属性系数δ-滑移率s-牵引力系数μ(路面附着系数)特性构建；

以目标车型(特定的轮胎型号、动力系统配置、整车配置)为对象，采用制动力系数法，测试测量在不同路面属性系数下(反映的是路面情况，典型的路面情况包括冰、雪压实、沙、碎石、湿沥青、混凝土、干沥青等)的纵向滑移率-牵引力系数特性。

实验结果为x*y个数据点μ[x][y]，其中，x为测试采用的路面属性系数样本数量、y为测试采用的纵向滑移率样本数量。基于x*y个数据点，采用临近点法获取任意(路面属性系数δ，滑移率s)下的牵引力系数μ。

本实施例中，采用5*30个样本数据点，具体计算任意(δ,s)下的牵引力系数μ的过程如下：

1)根据(δ,s)确定其在样本数据中的四个临近点[x

2)计算μ(δ,s)，

本实施例所构建的路面属性系数-滑移率-牵引力系数特性关系如图3所示。

(2)特定路面上的最大牵引力系数优化；

针对特性的路面属性系数δ(以0～1为区间，以特定间隔选取N个不同路面属性系数)，通过优化获取其最优滑移率及最大牵引力系数。可描述为如下一维优化问题：

maxμ(δ

式中，δ

优化结果为N个最优数据点(δ

本实施例中，令N＝20，从δ∈[0,1)均匀选取20个不同的路面属性系数，分别开始优化，各δ

1)初始化

在s∈[0,1]区间内随机生成S个探索因子，其对应的牵引力系数为μ

2)循环探索

针对每个探索因子s

s

式中，t表示循环次数，每次循环加1；g

此外，还需更新每个s

3)输出最优解

当进行完指定循环次数t

本实施例中，令S＝50，所得到的20个特定路面属性系数下的最大牵引力系数μ

(3)综合最大牵引力系数和最佳滑移率计算；

根据获取的N个特定路面属性系数下的最大牵引力系数，采用三临近点分别获取任意路面属性系数δ下的最大牵引力系数μ

以任意路面属性下δ的最大牵引力系数μ

1)根据路面属性系数δ确定其在样本数据中的三个临近点[x

2)计算μ

同理可得任意路面属性下的最佳滑移率so(δ)的计算过程。

本例所得任意路面属性下的最大牵引力系数和最佳滑移率分别如图5、6所示。

(4)最大牵引力计算；

根据公式F

本发明的有益效果在于，与现有技术相比，本发明结合智能电动汽车拥有较强的运算能力之特征，进行智能电动汽车最大牵引力和最优滑移率的优化计算，其目的是结合路面情况、车辆质量，实时计算车辆的最大牵引力和最佳滑移率，避免驱动电机输出转矩过大造成的滑移率增加，以实现避免车辆打滑、降低轮胎磨损、提升驱动效率。

本发明申请人结合说明书附图对本发明的实施示例做了详细的说明与描述，但是本领域技术人员应该理解，以上实施示例仅为本发明的优选实施方案，详尽的说明只是为了帮助读者更好地理解本发明精神，而并非对本发明保护范围的限制，相反，任何基于本发明的发明精神所作的任何改进或修饰都应当落在本发明的保护范围之内。