分布式驱动电动汽车的LQR控制与扭矩优化策略

1. 分布式驱动电动汽车控制架构解析

在传统集中式驱动车辆中，电子稳定控制系统（ESC）通过液压制动干预来实现车辆稳定性控制，这种被动式控制方式存在响应延迟大、控制精度有限的问题。而分布式驱动电动汽车将驱动电机直接安装在四个车轮上，形成了天然的独立控制执行器阵列，为车辆动力学控制提供了全新的可能性。

直接横摆力矩控制（DYC）作为分布式驱动系统的核心控制策略，其本质是通过对四个车轮扭矩的精确分配，主动生成所需的横摆力矩来维持车辆稳定性。这种控制方式相比传统ESC具有三个显著优势：

1. 响应速度提升5-8倍（从液压系统的100-200ms降低到电机的20-50ms）
2. 可实现连续线性控制（而非ESC的阶梯式制动干预）
3. 能量效率更高（通过驱动扭矩调节而非摩擦制动）

2. 上层LQR控制器设计与实现

2.1 车辆动力学建模

采用经典的二自由度自行车模型作为控制基础模型：

code复制m(v̇x - vyγ) = Fx
m(v̇y + vxγ) = Fy
Izγ̇ = Mz

其中关键参数包括：

• m：整车质量（kg）
• Iz：绕Z轴转动惯量（kg·m²）
• vx,vy：纵向/侧向速度（m/s）
• γ：横摆角速度（rad/s）
• Fx,Fy：总纵向/侧向力（N）
• Mz：总横摆力矩（N·m）

2.2 LQR控制器设计

线性二次调节器（LQR）通过优化以下代价函数来求解最优控制律：

code复制J = ∫(xᵀQx + uᵀRu)dt

具体实现步骤：

1. 构建状态空间方程：

code复制ẋ = Ax + Bu
y = Cx + Du

2. 选择权重矩阵（示例）：

matlab复制Q = diag([500, 80]);  % 横摆角速度误差权重500，侧偏角误差权重80
R = 0.1;             % 控制量权重

3. 求解Riccati方程：

matlab复制[K,S,e] = lqr(A,B,Q,R);

关键经验：Q矩阵中横摆角速度权重需根据车速动态调整，建议采用如下经验公式：
Q11 = 200 + 5*vx (vx单位为km/h)

3. 下层扭矩优化分配策略

3.1 最小附着利用率算法

目标函数设计为：

code复制min Σ(Ti