本技术公开了一种基于强化学习的汽车稳定性协调控制方法,属于电动汽车控制技术领域,方法包括:利用线性二自由度模型,获取期望横摆角速度和期望质心侧偏角;通过滑模控制,获取附加横摆力矩和主动后轮转向转角;获取当前车辆的状态类型;构建强化学习的智能体和奖励函数,并不断训练智能体,直至输出附加横摆力矩和主动后轮转向转角各自的最优协同控制系数,以实现对电动汽车的协调控制;奖励函数包括稳定状态奖励、横摆角速度误差和质心侧偏角误差奖励、临界稳定状态奖励以及防抖动奖励。本发明能够对主动后轮转向与横摆力矩协调控制,以保证车辆的稳定性和安全性。
背景技术
新能源汽车的发展逐渐加快,其具有无污染、零排放、结构简单和易控制等独特优势。分布式驱动将电机直接安装在各个车轮的轮毂内部或轮边,通过电机直接驱动车轮且各个车轮的转矩独立可控,充分发挥电机响应速度快且转矩精确调节的优势,为车辆动力学控制提供更多的自由度。
分布式驱动电动汽车既可以控制四个驱动电机输出扭矩来满足汽车的纵向运动,也可以通过改变部分驱动电机的扭矩来实现侧向的附加横摆力矩和主动后轮转向等功能。在汽车低速行驶时,主动后轮转向可以提供与前轮转角方向相反的转角,减小车辆的转弯半径,增加汽车的灵活性;在高速行驶时,主动后轮转向可以提供与前轮转角方向相同的转角,以避免汽车侧滑。但在极限工况下,轮胎力趋于饱和状态,此时轮胎无法提供足够的侧向力来维持汽车稳定性,主动后轮转向系统也无法用于提高车辆的操纵稳定性,这时,可以通过改变轮胎的纵向力来形成一个横摆力矩对汽车进行控制,可以起到保持车辆稳定性的目的;但车辆作为复杂的非线性系统,如何将主动后轮转向与横摆力矩控制结合起来,提升车辆的在转向过程中的机动性和稳定性,从而保障车辆的安全性是亟待解决的问题。
实现思路