双电机电动车转矩分配与Cruise-Simulink联合仿真实践

1. 项目背景与核心价值

在新能源汽车快速发展的当下，前后双电机纯电动汽车凭借其优异的动力性能和能量效率成为行业研究热点。这种动力架构能够实现前后轴转矩的独立分配，为整车控制策略提供了更大的优化空间。而Cruise与Simulink联合仿真技术，则是目前行业内验证控制策略有效性的黄金标准组合。

我参与的这个项目，重点研究了双电机驱动系统中的转矩分配问题。通过建立高保真的联合仿真模型，我们能够在不制造实车的情况下，全面评估不同工况下的转矩控制策略表现。这不仅能大幅降低开发成本，更重要的是可以快速迭代优化算法——在实际工程中，我们曾通过这种仿真方式将开发周期缩短了40%。

2. 仿真平台搭建与模型集成

2.1 软件环境配置要点

搭建联合仿真环境需要同时配置AVL Cruise 2020和MATLAB/Simulink R2021a。这里有个容易踩坑的地方：两个软件的版本必须严格匹配。我们曾因为使用Cruise 2019与Simulink 2020组合导致接口通信异常，浪费了两天排查时间。

关键配置步骤：

1. 在Cruise中启用"Co-Simulation"模块
2. 设置MATLAB引擎路径（通常位于C:\Program Files\MATLAB\R2021a\bin\win64）
3. 配置共享内存通信参数，建议缓冲区大小设置为默认值的1.5倍

重要提示：一定要在Cruise的"Interface"设置中勾选"Enable Real-Time Synchronization"，否则仿真步长会出现漂移。

2.2 车辆模型参数化建模

在Cruise中建立双电机电动车模型时，这几个参数需要特别注意：

• 前后电机特性曲线要基于实测数据导入
• 电池模型选择"Detailed Battery"而非简化模型
• 传动效率建议设置为转速的函数而非固定值

我们采用的参数设置表：

2.3 Simulink控制模型开发

控制策略模型采用分层架构：

1. 上层：驾驶意图解析模块
2. 中层：转矩分配决策模块
3. 底层：电机执行控制模块

关键算法实现要点：

matlab复制function [T_front, T_rear] = torque_distribution(T_total, v, soc)
    % 基于车速和SOC的权重系数计算
    k_v = 1 - exp(-v/30);
    k_soc = soc/100;
    
    % 动态分配因子
    alpha = 0.6*k_v + 0.4*k_soc;
    
    % 转矩分配
    T_front = alpha * T_total;
    T_rear = (1-alpha) * T_total;
end

3. 转矩控制策略设计与优化

3.1 基础分配策略对比

我们测试了三种典型分配策略：

1. 固定比例分配（前60%后40%）
2. 基于效率最优的静态MAP分配
3. 动态优化分配（本项目方案）

在NEDC工况下的能耗对比：

3.2 多目标优化算法实现

采用NSGA-II算法进行参数优化，目标函数包括：

• 能量消耗最小化
• 电机温度上升最小化
• 转矩波动率最小化

Pareto前沿示例如下：

matlab复制% 优化算法核心代码片段
options = optimoptions('gamultiobj','PopulationSize',100,...
                      'ParetoFraction',0.3,'PlotFcn',@gaplotpareto);
[fval, solutions] = gamultiobj(@obj_func, 6, [], [], [], [], lb, ub, options);

3.3 实时控制策略部署

将优化后的策略部署到dSPACE MicroAutoBox进行HIL测试时，需要注意：

1. 采样时间必须与Cruise仿真步长严格一致（建议20ms）
2. 电机转矩指令需要添加低通滤波（截止频率10Hz）
3. 在状态切换时（如加速转制动）需要设置转矩渐变斜率

我们实测的典型响应曲线显示，动态分配策略能使前后电机工作在最佳效率区的时间占比提升23%。

4. 联合仿真技巧与问题排查

4.1 常见报错解决方案

在项目开发过程中，我们总结了这些典型问题：

4.2 仿真加速技巧

1. 在Cruise中关闭非必要的结果记录
2. 使用Simulink的加速模式（Accelerator）
3. 将电池模型简化为内阻模型
4. 适当增大仿真步长（不低于10ms）

通过这些优化，我们成功将单次仿真时间从原来的45分钟缩短到12分钟。

4.3 结果分析方法

推荐使用以下后处理流程：

1. 先用Cruise Analyzer筛选关键工况段
2. 导出.mat数据到MATLAB进行详细分析
3. 重点关注：
   • 电机工作点分布
   • 电池SOC变化率
   • 转矩分配比例动态变化

5. 工程应用与扩展方向

在实际车型开发中，这套方法已经成功应用于两款量产车型。根据我们的工程经验，控制策略还需要考虑：

1. 电机温度保护策略

   • 当绕组温度>120℃时启动降额
   • 根据温升速率预测过热风险

2. 电池功率限制管理

   • SOC<20%时限制总转矩输出
   • 根据内阻变化调整最大放电电流

3. 驾驶模式差异化

   • 经济模式：效率优先分配
   • 运动模式：动力性能优先
   • 雪地模式：增加后轴转矩占比

未来可以进一步研究的方向包括：

• 结合路面识别的自适应分配策略
• 基于云计算的在线参数优化
• 考虑电机寿命衰减的动态调整

这套联合仿真平台最大的优势在于，它允许工程师在早期设计阶段就能验证各种创新想法。我们团队最近正在尝试将强化学习算法集成到控制策略中，初步结果显示在复杂工况下能获得额外5%左右的能效提升。