LQR算法在四轮独立电驱动汽车DYC控制中的应用

1. 项目背景与核心问题

四轮独立电驱动汽车作为新能源汽车的重要发展方向，其每个车轮都可以独立控制扭矩输出的特性，为车辆动力学控制提供了全新可能。但在高速紧急避障、低附着路面等极限工况下，这类车辆容易出现横向失稳现象，表现为横摆角速度失控或侧滑角过大。传统ESP系统通过制动干预的方式存在响应延迟和能量损耗问题，而直接横摆力矩控制（DYC）则通过电机扭矩的精确分配直接生成纠偏力矩。

我在参与某车企电控项目时，曾遇到一个典型案例：测试车辆在80km/h双移线工况下，后轴侧滑角达到8°后触发失控报警。事后分析发现，现有PID控制器在非线性工况下的参数适应性不足。这促使我们转向LQR（线性二次型调节器）算法，其通过状态空间建模和代价函数优化，能够更好地处理多变量耦合控制问题。

2. LQR控制器的设计原理

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基础，但针对四轮独立驱动特性进行了扩展：

code复制m(v̇y + vxγ) = Fyf + Fyr
Izγ̇ = aFyf - bFyr + Mz

其中Mz即为DYC所需的直接横摆力矩。轮胎力采用魔术公式非线性模型，但在控制器设计时需在平衡点附近线性化：

code复制Fyf = Cαf(δ - (vy + aγ)/vx)
Fyr = Cαr(- (vy - bγ)/vx)

关键提示：实际项目中我们发现，当侧偏角超过5°时线性化误差显著增大。解决方法是在不同工作点建立多个LQR控制器，通过调度策略切换。

2.2 状态空间构建

选取状态变量x=[β γ]^T（β为质心侧偏角，γ为横摆角速度），控制输入u=Mz，得到状态方程：

code复制ẋ = Ax + Bu + Bδδ
A = [ -(Cαf+Cαr)/mvx   (-aCαf+bCαr)/mvx^2 -1 ;
      (-aCαf+bCαr)/Iz   -(a^2Cαf+b^2Cαr)/Izvx ]
B = [ 0 ; 1/Iz ]

2.3 代价函数设计

LQR的核心在于Q和R矩阵的选取：

code复制J = ∫(x^TQx + u^TRu)dt

通过大量实车测试，我们总结出经验公式：

• Q11（β权重）取0.8-1.2，与车速负相关
• Q22（γ权重）取1.5-2.0，与路面