Blog

Jul 17, 2023

Controllo coordinato della coppia del passaggio

Scientific Reports volume 13, numero articolo: 11564 (2023) Cita questo articolo 233 Accessi 2 Dettagli metriche altmetriche La sicurezza dei veicoli è di notevole importanza per lo sviluppo intelligente di

Rapporti scientifici volume 13, numero articolo: 11564 (2023) Citare questo articolo

233 accessi

2 Altmetrico

Dettagli sulle metriche

La sicurezza dei veicoli è di notevole importanza per lo sviluppo intelligente dei veicoli ibridi. Tuttavia, il controllo della stabilità in tempo reale o una distribuzione ragionevole della coppia in condizioni stradali estreme rimangono una sfida enorme a causa dei molteplici parametri incerti e delle difficoltà nel conciliare le prestazioni di manovrabilità e stabilità. Per affrontare i problemi di cui sopra per un veicolo ibrido a 4 ruote motrici (4WD) attraverso la strada (TTR), questo studio fornisce un approccio di gestione della stabilità e della gestione (HSM) incorporando le regole di ottimizzazione offline e il modello predittivo online controllo (MPC). In primo luogo, il modello dinamico del veicolo con sette gradi di libertà (7-DOF) viene utilizzato per estrarre offline le regole di distribuzione della coppia (Offline-ETDR) e il feedback MPC online (Online-MPCF) viene utilizzato per compensare i requisiti di coppia aggiuntivi per il scarso effetto in condizioni estreme. Di conseguenza, i risultati dell'ottimizzazione offline e la correzione online vengono fusi per fornire la richiesta di coppia totale data il rilevamento delle condizioni stradali in tempo reale. Infine, vengono implementati i test sul veicolo reale per convalidare l'efficacia della strategia di coordinamento della coppia proposta. Rispetto al veicolo senza strategia di controllo della coppia, il metodo proposto migliora significativamente la capacità del veicolo in curva garantendo allo stesso tempo prestazioni di stabilità elevate.

La sicurezza del veicolo svolge un ruolo di vasta portata nell'intelligenza del veicolo, soprattutto per i veicoli a trazione multipla. Ad esempio, le strategie di controllo orientate alla sicurezza, tra cui il controllo della stabilità, il controllo della deriva della rotazione della coda e il programma elettronico di stabilità, sono sempre state al centro dell'attenzione dei ricercatori automobilistici1. Nello specifico, la guida estrema, inclusa l'alta velocità e l'angolo di sterzata elevato, è la ragione principale dell'instabilità del veicolo2. Pertanto, per affrontare i problemi di cui sopra, sono stati proposti molti metodi tra cui le sospensioni attive (AS)3,4, il programma elettronico di stabilità (ESP)5, il controllo dinamico della velocità6, il controllo attivo dello sterzo (ASC)7 o l'uso di barre stabilizzatrici8. Tra questi metodi, il problema relativo alla saturazione della forza laterale del pneumatico è sempre motivo di preoccupazione. Ad esempio, il controllo diretto dell’imbardata (DYC)9 genera un momento di imbardata aggiuntivo per regolare la forza longitudinale delle altre ruote, migliorando la stabilità del veicolo dotato di motori sui mozzi. Zhang et al.10 hanno realizzato il controllo della stabilità combinando i metodi DYC e AFC, che hanno ulteriormente integrato la forza richiesta. Mirzaei e Mirzaeinejad11 hanno progettato un controller orientato a più variabili per ottimizzare gli angoli frontali. Liang et al.12 hanno utilizzato la funzione di penalità per allocare il peso di AFS e DYC per garantire la stabilità dei veicoli 4WD durante la sterzata. Questi metodi migliorano efficacemente la stabilità del veicolo, ma il coordinamento di questi due metodi di controllo necessita di ulteriori discussioni.

Recentemente, la risposta rapida e la fattibilità del controllo hanno attirato maggiore attenzione da parte dei ricercatori automobilistici. Ad esempio, il controllo gerarchico è originariamente proposto nei capitoli 13 e 14 per perseguire il controllo della velocità e della precisione. Nel controller DYC superiore, il momento di imbardata aggiuntivo viene fornito con il comportamento di riferimento; nello strato inferiore, molteplici obiettivi, tra cui il risparmio energetico13, la stabilità laterale15,16, l'ottimizzazione della coesione stradale basata su regole specifiche17,18 nonché l'ottimizzazione della trasmissione di potenza19, sono ottimizzati per distribuire la coppia in quattro singoli esecutori. Per quanto riguarda l'algoritmo di controllo, i controller integrali proporzionali fuzzy20,21 sono stati ampiamente utilizzati per ottimizzare la forza laterale, tuttavia, il PID tradizionale ha un effetto limitato sulla stabilità del veicolo. Nei riferimenti 22 e 23, il controllo della modalità di scorrimento (SMC) è stato utilizzato per garantire la stabilità longitudinale e trasversale del veicolo. Tuttavia, lo svantaggio della SMC è che è difficile eliminare gli shock transitori. Al giorno d'oggi, con lo sviluppo dell'intelligenza artificiale, sono stati presi in considerazione gli approcci di ottimizzazione nelle strategie di controllo tradizionali. Martinsen et al.24 hanno utilizzato l'algoritmo di apprendimento per rinforzo (RL) per tracciare la traiettoria di riferimento e nel frattempo garantire la stabilità laterale. Wang et al.25 hanno messo a punto i parametri SMC mediante l'algoritmo del gradiente di politica deterministica profonda nell'ottimizzazione RL. Allo stesso modo, in26, lo schema RL è stato utilizzato per ottimizzare i parametri del controller PID. Wei et al.27,28 combinata con la sicurezza del veicolo e l'efficienza nell'utilizzo dell'energia, è stata proposta una strategia di controllo del coordinamento della coppia basata su RL profondo, successivamente l'efficacia di questa strategia è stata dimostrata dalla simulazione. Tuttavia, l’approccio RL non è adatto per le operazioni online a causa del suo maggiore sovraccarico computazionale. Pertanto, è stato considerato un metodo più fattibile, denominato controllo predittivo della modalità (MPC)29,30,31,32,33, per l'esecuzione in tempo reale e vincoli multipli. La letteratura34 ha integrato AFS, frenata differenziale (DB) e 4WD in MPC per la sua compatibilità, e l'efficacia della strategia è stata dimostrata attraverso la simulazione congiunta di MATLAB e CarSim. Sebbene il metodo MPC sia ampiamente utilizzato per ottimizzare le prestazioni di stabilità laterale, il momento di imbardata richiesto viene comunque generato dall’angolo di deriva di riferimento (β) e dal tasso di imbardata (ω). Pertanto, come bilanciare questi due fattori è importante per il controllo della stabilità dell'imbardata e una gestione accurata e coordinata della coppia, in particolare in caso di circostanze estreme come l'alta velocità o la bassa aderenza.