分布式驱动电动汽车转向控制策略与工程实践

1. 项目背景与核心挑战

去年参与某新能源车企的底盘电控项目时，我第一次接触到分布式驱动电动汽车的转向控制难题。传统燃油车的转向系统与驱动系统是解耦的，而分布式驱动电动车每个车轮都能独立控制扭矩，这既带来了控制自由度上的优势，也产生了动力学耦合的新问题。

最典型的场景是高速过弯时，前轮转向角与电机扭矩分配需要动态协调。单纯依靠传统转向系统会导致：

• 内侧驱动轮易打滑（扭矩过剩）
• 外侧驱动轮利用率不足（扭矩欠缺）
• 车身横摆响应滞后（动态耦合效应）

我们团队采用的解决方案是前轮主动转向（AFS）与直接横摆力矩控制（DYC）的联合控制策略。这种方案的核心价值在于：

1. AFS通过线控转向系统动态调节前轮转角
2. DYC通过四轮扭矩分配产生补偿横摆力矩
3. 两者通过上层协调器实现动态耦合控制

2. 控制架构设计解析

2.1 整体控制框架

采用分层控制结构（如图1所示），包含：

code复制[驾驶员输入层]
    ↓
[运动控制层]（期望横摆率计算）
    ↓
[协调控制层]（AFS/DYC权重分配）
    ↓
[执行器层]（转向电机/驱动电机控制）

2.2 关键算法模块

2.2.1 参考模型设计

基于二自由度车辆模型计算理想横摆率：

code复制γ_des = (v_x / L) / (1 + K*v_x^2) * δ
其中：
K = (m/L^2)*(a/C_r - b/C_f)

实际项目中需要针对不同车速分段线性化处理。

2.2.2 协调控制策略

采用模糊权重分配算法，核心规则库示例：

code复制IF 侧偏角误差大 THEN 增大AFS权重
IF 横摆率误差大 THEN 增大DYC权重
IF 路面附着低 THEN 限制DYC扭矩

3. 硬件在环测试方案

3.1 测试平台搭建

使用dSPACE SCALEXIO系统构建HIL平台，关键配置：

• 车辆动力学模型：CarSim 2019.1
• 实时处理器：DS6001
• 转向系统仿真：自定义EPS模型
• 驱动系统仿真：四轮独立电机模型

3.2 典型测试场景

3.2.1 双移线工况（80km/h）

原始方案出现的问题：

• 第二次变道时横摆角速度超调15%
• 内侧轮滑移率瞬时达到0.25

优化后的控制效果：

• 横摆率跟踪误差<0.5deg/s
• 最大滑移率控制在0.12以内

3.2.2 低附着路面制动转向

雪地工况测试数据对比：

4. 工程实现难点与解决方案

4.1 执行器响应延迟补偿

发现转向电机与驱动电机存在动态响应差异：

• 转向系统响应延迟：80-120ms
• 驱动系统响应延迟：20-50ms

采用的相位补偿方法：

c复制// 伪代码示例
if (control_mode == DYC_LEAD) {
    afs_cmd = delay_compensate(afs_cmd, 70ms);
} else {
    dyc_cmd = phase_advance(dyc_cmd, 30ms);
}

4.2 参数自适应策略

针对不同载重工况，开发了基于UKF的参数估计器：

1. 实时估计车辆质量m和质心位置(a,b)
2. 动态更新参考模型参数
3. 调整控制权重分配比

实测数据显示，满载工况下控制误差减少37%。

5. 实际道路测试经验

5.1 标定注意事项

• 方向盘转角传感器需要每5000km重新校准
• 轮胎刚度参数随磨损程度变化，建议每1万km更新
• 低温环境下电机响应特性变化需补偿

5.2 故障处理策略

设计了三层降级模式：

1. 初级故障：限制DYC扭矩分配范围
2. 中级故障：切换至纯AFS模式
3. 严重故障：触发EPS备份转向

6. 控制参数调试心得

经过200+小时的台架测试，总结出关键参数调节顺序：

1. 先调横摆率反馈增益（影响稳定性）
2. 再调侧偏角补偿系数（影响循迹性）
3. 最后优化权重分配曲线（影响舒适性）

典型参数范围参考：

code复制横摆率PID: Kp=0.8~1.2, Ki=0.05~0.1
侧偏角补偿: 0.3~0.6 rad/(m/s^2)
模糊规则量化因子: 0.7~1.3

在量产项目中，我们最终实现了：

• 高速变道横向加速度降低12%
• 低附路面方向稳定性提升40%
• 整体能耗优化约5%（得益于扭矩分配优化）