电动汽车分布式驱动系统故障容错控制方案

1. 项目背景与核心价值

在电动汽车快速普及的今天，分布式驱动系统因其灵活的动力分配能力成为行业研究热点。这种将电机直接集成在车轮附近的设计，相比传统集中式驱动具有响应快、效率高的优势。但硬币的另一面是——当某个轮毂电机突发故障时，车辆动力学特性会急剧恶化，处理不当可能导致严重事故。

去年参与某车企故障容错项目时，我亲眼见过测试台上一个电机突然断电后，车辆在0.3秒内产生超过15度的横摆角。这种突发状况下，传统ESP系统根本来不及反应。正因如此，我们需要在故障发生的毫秒级时间窗口内完成三件事：准确识别故障状态、维持纵向速度稳定、通过剩余健康电机补偿横摆力矩。

这个仿真项目展示的正是一套完整的解决方案：采用UKF（无迹卡尔曼滤波）作为故障观测器核心，配合分层控制架构。上层通过PI控制器维持车速，下层计算所需的附加横摆力矩，最终通过轮胎力分配算法实现容错控制。经过我们实测，这套方案能在电机完全失效工况下，将横摆角速度偏差控制在±1.5°/s以内。

2. 系统架构设计解析

2.1 整体控制框架

系统采用"观测-决策-执行"的三层结构。最关键的创新点在于将UKF观测器与控制器深度耦合，具体数据流如下：

1. 输入层：采集四轮转速（ω₁~ω₄）、方向盘转角δ、纵向加速度aₓ等12个CAN信号
2. 观测层：UKF实时估算车辆状态（β横摆角、γ横摆率）和电机健康度（λ₁~λ₄）
3. 决策层：
   • 速度环：PI控制器计算总需求扭矩Tₜₒₜₐₗ
   • 横摆环：滑模控制器计算补偿力矩ΔM_z
4. 执行层：基于二次规划的扭矩分配算法

关键设计细节：UKF的观测周期必须与控制器同步，我们设置为10ms。过长的观测延迟会导致控制指令滞后，实测当周期超过20ms时，系统在80km/h工况下会出现明显振荡。

2.2 UKF观测器设计

传统卡尔曼滤波在非线性系统表现不佳，而本项目涉及的轮胎力模型具有强非线性。UKF通过sigma点采样解决该问题，其实现步骤如下：

1. 建立7维状态空间：

   • 状态变量：X=[vₓ, v_y, γ, ω₁, ω₂, ω₃, ω₄]ᵀ
   • 观测变量：Z=[aₓ, a_y, γ, ω₁, ω₂, ω₃, ω₄]ᵀ

2. 设计过程噪声矩阵Q时需特别注意：