四轮独立驱动电动汽车MPC控制与转矩分配策略

1. 四轮独立驱动汽车控制方案概述

四轮独立驱动电动汽车凭借其独特的驱动形式，为车辆控制提供了更多可能性。这种驱动方式允许对每个车轮的驱动力矩进行独立控制，为实现高精度的轨迹跟踪和横向稳定性控制创造了条件。本次项目采用CarSim与Simulink联合仿真方案，构建了一个完整的控制体系。

上层控制器采用模型预测控制(MPC)策略，输出方向盘转角和附加横摆力矩。MPC的核心优势在于能够处理多变量系统的约束优化问题，非常适合车辆控制这种需要考虑多种限制条件的场景。下层控制器则负责将上层输出的广义控制量转化为四个车轮的具体驱动力矩分配。

关键提示：四轮独立驱动系统的控制难点在于如何协调各轮力矩分配，既要满足纵向驱动力需求，又要实现理想的横摆力矩控制，同时还要考虑各驱动电机的物理限制。

2. 车辆建模与MPC控制器设计

2.1 二自由度车辆模型建立

MPC控制器的设计基础是车辆动力学模型。考虑到实时计算的需求，我们采用了经典的二自由度"自行车模型"作为预测模型。该模型包含横向运动和横摆运动两个自由度，虽然简化了四轮车辆的复杂性，但足以反映车辆的基本动态特性。

模型的状态方程可以表示为：

code复制ẋ = Ax + Bu
y = Cx

其中状态变量x=[β γ]ᵀ，β为质心侧偏角，γ为横摆角速度；控制输入u=[δ Mz]ᵀ，δ为前轮转角，Mz为附加横摆力矩。

2.2 MPC问题转化为二次规划

模型预测控制的核心思想是在每个采样时刻，基于当前状态和预测模型，求解一个有限时域内的优化问题。我们将这个优化问题转化为标准的二次规划(QP)形式：

min 1/2 UᵀHU + fᵀU
s.t. Aeq U = beq

其中H是对称正定的Hessian矩阵，f是线性项向量，Aeq和beq定义了等式约束。这种转化使得我们可以利用MATLAB内置的高效QP求解器quadprog来解决问题。

在实际代码实现中，预测时域选择为N=5步，对应约0.5秒的预测范围（假设采样时间为0.1秒）。这个选择需要在控制性能和计算负担之间取得平衡。

3. 下层转矩分配策略

3.1 优化问题建模

下层控制器的任务是将上层输出的总驱动力Fx_total和附加横摆力矩Mz合理地分配到四个车轮。这是一个典型的约束优化问题，其数学表述为：