一种分布式驱动车辆稳定性控制方法及系统

本发明涉及车辆控制与稳定性管理，具体涉及分布式驱动车辆稳定性控制方法及系统。

背景技术：

1、随着分布式驱动技术与电动汽车底盘控制技术的快速发展，分布式驱动电动汽车凭借四轮转矩独立可控、响应快速、控制精度高等优势，在车辆稳定性与动态性能提升方面展现出巨大潜力。然而，分布式驱动车辆动力学系统具有强非线性、参数时变、状态耦合度高等特征，尤其在极限工况、路面突变、外部扰动等复杂场景下，对控制系统的实时性、鲁棒性与约束处理能力提出了极高要求。

2、现有车辆稳定性控制方法多采用模型预测控制（mpc）实现轨迹跟踪与约束优化，但传统模型预测控制需要在线反复求解二次规划问题，计算量大、耗时高，难以满足车载控制器的实时性需求。为此，显式模型预测控制（empc）通过将优化计算提前至离线阶段，生成显式状态反馈控制律，在线仅需查表即可输出控制指令，大幅降低计算负担，更适合车载部署。

3、然而，传统显式模型预测控制在分布式驱动车辆稳定性控制中仍存在明显不足：一方面，车辆系统具有高维度、强非线性特性，传统empc在离线状态空间划分时易出现维度爆炸，导致分区数量过多、存储开销大、在线查表效率降低；另一方面，现有方法多采用固定模型、经验式扰动边界、均匀车速划分，无法自适应匹配不同车速下的模型动态，约束设计偏保守，难以兼顾极限工况下的鲁棒性与控制性能；与此同时，现有方法对状态空间划分依赖经验与均匀离散，对极限工况覆盖不足，控制精度与稳定性难以保证。

4、因此，如何在保证车载实时性的前提下，在降低显式模型预测控制的离线复杂度的同时，提升非线性与变工况适应能力，实现精准鲁棒的极限工况稳定性控制，已成为分布式驱动电动汽车底盘控制领域亟待解决的关键科学与工程问题。

技术实现思路

1、本发明解决了如何在降低显式模型预测控制的离线复杂度的同时，提升非线性与变工况适应能力的技术问题。

2、本发明所述的一种分布式驱动车辆稳定性控制方法，包括以下步骤：

3、步骤1，构建标称模型；

4、步骤2，基于标称模型，对全车速范围进行自适应区间划分，得到多个最优车速区间；

5、步骤3，主动搜索使车辆状态偏差最大化的极限扰动，并根据所述最优车速区间提取各最优车速区间对应的极限扰动边界；

6、步骤4，针对步骤2中得到的每个最优车速区间，重构模型预测控制的目标函数，并结合该最优车速区间对应的极限扰动边界与自适应tube收紧因子生成约束，离线求解生成每个最优车速区间对应的分段仿射显式控制律，构建分层控制律库；

7、步骤5，在线运行时，根据当前实时车速和实际车辆状态，查询分层控制律库，获得标称控制量；

8、步骤6，构建在线补偿模块，根据实际车辆状态与标称状态的偏差，输出补偿控制量；

9、步骤7，将标称控制量与补偿控制量合成为最终控制指令，实现分布式驱动车辆稳定性控制。

10、进一步，本发明的一个实施方式中，所述步骤2中对全车速范围进行自适应区间划分，具体为：

11、针对不同车速构建表征实际车辆动态的传递函数矩阵，计算实际车辆动态与标称模型之间的动态差异量，将动态差异量满足预设稳定裕度阈值的连续车速段合并为一个最优车速区间；

12、所述预设稳定裕度阈值，具体为：

13、；

14、；

15、其中，为第个车速区间对应的稳定裕度阈值，为基础稳定裕度阈值，为稳定裕度阈值调节系数，为第个车速区间内极限扰动边界的幅值表征量，为第个最优车速区间内各状态变量的最大偏差绝对值，为无穷范数。

16、进一步，本发明的一个实施方式中，所述步骤3中主动搜索使车辆状态偏差最大化的极限扰动，并根据所述最优车速区间提取各最优车速区间对应的极限扰动边界，具体为：

17、构建由控制智能体与环境智能体组成的对抗博弈框架，所述环境智能体以最大化车辆状态偏差为目标施加扰动，所述控制智能体以最小化轨迹跟踪误差和控制代价为目标进行控制，构建车辆模型，控制智能体与环境智能体通过与车辆模型交互的闭环博弈中迭代训练，记录训练过程中产生的状态偏差数据，根据所述最优车速区间对所述状态偏差数据进行归类，分别提取各最优车速区间内的最大偏差绝对值，构成各最优车速区间对应的极限扰动边界。

18、进一步，本发明的一个实施方式中，所述步骤4中重构模型预测控制的目标函数，具体为：

19、定义横摆角速度跟踪误差与质心侧偏角跟踪误差，构造线性滑模面：

20、；

21、其中，为滑模面权重系数，为质心侧偏角跟踪误差，为横摆角速度跟踪误差；

22、为保证滑模动态的可达性，要求满足离散滑模可达条件：

23、；

24、其中，为离散时刻的滑模变量，为下一采样时刻的滑模变量，为采样周期，为滑模收敛系数；

25、重构得到目标函数：

26、；

27、其中，为预测时域，、分别为滑模误差与控制输入的权重矩阵，为终端滑模代价矩阵，为当前离散时刻，为在时刻对未来第步的预测值，为预测的滑模变量，为预测的控制输入序列，为终端代价项。

28、进一步，本发明的一个实施方式中，确定自适应tube收紧因子，并对所述滑模面权重系数和所述滑模收敛系数进行自适应修正，具体为：

29、；

30、；

31、；

32、其中，、分别为收紧因子的下限和上限，、分别为车速权重系数和扰动权重系数，为第个车速区间的特征车速，为第个车速区间对应的极限扰动强度，为基础收紧因子，为第个车速区间的自适应收紧因子，为基础滑模面权重，为收紧因子对滑模权重的调节系数，为第个车速区间对应的滑模面权重系数，为基础滑模收敛系数，为收紧因子对滑模收敛系数的调节系数，为第个车速区间对应的滑模收敛系数。

33、进一步，本发明的一个实施方式中，所述步骤4中离线求解生成每个最优车速区间对应的分段仿射显式控制律，具体为：

34、对每个最优车速区间，根据该最优车速区间对应的极限扰动边界和自适应 tube收紧因子生成约束，并将所述约束转化为多参数二次规划问题的线性约束条件，构建并离线求解多参数二次规划问题，生成各最优车速区间对应的分段仿射显式控制律。

35、进一步，本发明的一个实施方式中，所述步骤5采用权重平滑过渡机制，具体为：

36、当实时车速位于相邻两个最优车速区间的重叠过渡区内时，基于当前车速在过渡区内的相对位置，对两个最优车速区间对应的分段仿射控制律输出进行线性加权融合，得到标称控制量。

37、进一步，本发明的一个实施方式中，所述步骤6中在线补偿模块为自适应神经网络，以当前车辆状态估计为输入，基于李雅普诺夫稳定性理论设计权重更新律，实时输出补偿控制量。

38、本发明所述的一种分布式驱动车辆稳定性控制系统，所述系统用于实现上述方法，包括以下模块：

39、标称模型构建模块，构建标称模型；

40、车速自适应划分模块，基于标称模型，对全车速范围进行自适应区间划分，得到多个最优车速区间；

41、提取模块，主动搜索使车辆状态偏差最大化的极限扰动，并根据所述多个最优车速区间提取各最优车速区间对应的极限扰动边界；

42、分层控制律库构建模块，针对车速自适应划分模块中得到的每个最优车速区间，重构模型预测控制的目标函数，并结合该最优车速区间对应的极限扰动边界与自适应tube收紧因子生成约束，离线求解生成每个最优车速区间对应的分段仿射显式控制律，构建分层控制律库；

43、在线标称查询模块，在线运行时，根据当前实时车速和实际车辆状态，查询分层控制律库，获得标称控制量；

44、在线补偿模块，根据实际车辆状态与标称状态的偏差，输出补偿控制量；

45、指令合成模块，将标称控制量与补偿控制量合成为最终控制指令，实现分布式驱动车辆稳定性控制。

46、本发明解决了如何在降低显式模型预测控制的离线复杂度的同时，提升非线性与变工况适应能力的技术问题。本发明具体有益效果包括：

47、1、本发明提出了一种分布式驱动车辆稳定性控制方法，能够适应不同车速区间、复杂驾驶工况，在降低显式模型预测控制的离线复杂度的同时，提升非线性与变工况适应能力；

48、2、本发明提出了一种分布式驱动车辆稳定性控制方法，将基于对抗强化学习提取的极限扰动样本按车速区间归类，形成各车速区间对应的极限扰动边界，并根据车速区间代表车速与扰动边界幅值自适应确定tube 收紧因子，将由此生成的状态约束与控制约束直接嵌入离线求解过程。由此，可针对低速与高速动态特性自适应调整状态与控制约束强度，实现低速区间约束宽松、高速区间约束收紧，在全车速范围内平衡控制保守性与鲁棒性，全面提升不同工况下的控制策略优化效果，并将收紧因子与滑模收敛系数、稳定裕度阈值协同修正，使系统在全车速范围内自动适应不同工况；

49、3、本发明提出了一种分布式驱动车辆稳定性控制方法，传统显式模型预测控制中存在终端约束引发的状态空间划分维度爆炸问题，为了解决上述技术问题，本发明通过将滑模控制理论与模型预测控制相结合，统一构造滑模变量并重构目标函数，显著降低了控制求解复杂度，同时大幅提升了车辆在强非线性、极限工况下的控制鲁棒性与跟踪精度；

50、4、本发明提出了一种分布式驱动车辆稳定性控制方法，以模型差异量化指标实现车速最优分区间，替代传统经验式划分，在保证各区间内模型控制精度与稳定裕度的同时，大幅减少冗余计算与模型数量，为分区间pwa显式控制律的生成提供了精准可靠的依据，兼顾控制精度与车载实时性；

51、5、本发明提出了一种分布式驱动车辆稳定性控制方法，通过对抗强化学习双智能体博弈主动提取按车速区间归类得到的极限扰动边界，替代传统人工设定的保守扰动边界，能够精准刻画系统在最恶劣工况下的真实扰动上限，使后续约束设计更贴合实际物理极限，在提升鲁棒性的同时避免控制策略过度保守，改善整车动态响应性能。