CN116610027A - 一种主动阻尼控制方法及系统 - Google Patents
一种主动阻尼控制方法及系统 Download PDFInfo
- Publication number
- CN116610027A CN116610027A CN202210118101.3A CN202210118101A CN116610027A CN 116610027 A CN116610027 A CN 116610027A CN 202210118101 A CN202210118101 A CN 202210118101A CN 116610027 A CN116610027 A CN 116610027A
- Authority
- CN
- China
- Prior art keywords
- state
- transmission system
- parameters
- model
- calibrated
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 71
- 238000013016 damping Methods 0.000 title claims abstract description 62
- 230000005540 biological transmission Effects 0.000 claims abstract description 64
- 238000005457 optimization Methods 0.000 claims description 54
- 230000006870 function Effects 0.000 claims description 29
- 238000004422 calculation algorithm Methods 0.000 claims description 23
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 10
- 238000007476 Maximum Likelihood Methods 0.000 claims description 6
- 238000012896 Statistical algorithm Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 34
- 239000011159 matrix material Substances 0.000 description 14
- 238000012545 processing Methods 0.000 description 14
- 238000001914 filtration Methods 0.000 description 10
- 238000012360 testing method Methods 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 6
- 230000005284 excitation Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 239000000446 fuel Substances 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 238000010998 test method Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 1
- 230000036461 convulsion Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本发明提供了一种主动阻尼控制方法和系统，所述方法包含下列步骤：建立传动系统的动力学模型；标定所述动力学模型中的状态参数；根据所标定的状态参数计算所述传动系统的状态误差；以及根据所述状态误差确定需输出的主动阻尼控制。
Description
技术领域
本发明涉及车辆测试领域，具体涉及汽车标定测试领域。本发明公开了一种基于需求模型的自动测试方法及其系统、实现该方法的计算机设备和计算机可读存储介质。
背景技术
随着油耗法规和排放法规的日益严格，传统燃油发动机驱动的汽车已逐渐不能满足市场的需求，车辆的电气化已成为行业内的共识。然而与传统燃油车相比，纯电动车辆的电机直接与传动系连接，传动系中阻尼元件不足。电机转矩响应灵敏，在驱动转矩及扰动的快速、大幅激励下极易发生传动系扭转振动。同时，电机低速转矩纹波也会加剧抖振幅度，严重影响整车驾乘舒适性。由于在纯电动模式没有了发动机的遮蔽作用，整个传动系的振动更容易被驾驶员感知。
现有技术中，申请号为CN201910707809.0、CN201911112932.4、CN202010361127.1等专利提供了阻尼控制方法。然而，以上方法仅利用电机的扭矩、转速等参数进行主动阻尼控制且使用控制方法为传统的比例积分微分控制。但是由于整车传动系各动力总成部件之间的动力传动扭矩耦合关系的存在，仅通过电机的参数和比例积分微分控制策略往往不足以完全消除整车层面的抖动表现。因此需要在更广的层面上采用更优的控制算法对车辆进行主动阻尼控制。
发明内容
按照本发明的第一方面，提供了一种主动阻尼控制方法，所述方法包含下列步骤：建立传动系统的动力学模型；标定所述动力学模型中的状态参数；根据所标定的状态参数计算所述传动系统的状态误差；以及根据所述状态误差确定需输出的主动阻尼控制。
可选地，根据第一方面的一个或多个实施例，所述方法还包括：标定所述动力学模型中的状态参数包括优化选取所述状态参数的标定量的组合。
可选地，根据第一方面的一个或多个实施例，所述方法还包括：优化选取所述状态参数的标定组合包括采用优化算法将所述状态参数的标定量的影响量化。
可选地，根据第一方面的一个或多个实施例，所述方法还包括：所述优化算法包括以下统计算法中的一项或多项：最小二乘法、极大似然估计法、贝叶斯估计法、线性二次最优控制法、鲁棒控制法。
可选地，根据第一方面的一个或多个实施例，所述方法还包括：计算所述传动系统的状态误差包括计算不同工作模式下所述传动系统对应的阻尼优化函数。
可选地，根据第一方面的一个或多个实施例，所述方法还包括：根据所述状态参数的实际值和标定量来计算所述阻尼优化函数。
可选地，根据第一方面的一个或多个实施例，所述方法还包括：通过传感器测量或观测器观测的方式取得所述状态参数的实际值。
可选地，根据第一方面的一个或多个实施例，所述方法还包括：所述动力学模型中的状态参数包括以下参数中的一项或多项：所述传动系统中的电机转速、所述传动系统中的发动机转速、所述传动系统的输出轮速、所述传动系统的输出轴转速、所述传动系统的轴扭。
按照本发明的第二方面，提供了一种主动阻尼控制系统，所述系统包含：模型模块，所述模型模块配置成建立传动系统的动力学模型；标定模块，所述标定模块配置成标定所述动力学模型中的状态参数；计算模块，所述计算模块配置成根据所标定的状态参数计算所述传动系统的状态误差；以及控制模块，所述控制模块配置成根据所述状态误差确定需输出的主动阻尼控制。
可选地，根据第二方面的一个或多个实施例，所述标定模块配置成优化选取所述状态参数的标定量的组合。
可选地，根据第二方面的一个或多个实施例，优化选取所述状态参数的标定组合包括采用优化算法将所述状态参数的标定量的影响量化。
可选地，根据第二方面的一个或多个实施例，所述优化算法包括以下统计算法中的一项或多项：最小二乘法、极大似然估计法、贝叶斯估计法、线性二次最优控制法、鲁棒控制法。
可选地，根据第二方面的一个或多个实施例，所述计算模块配置成计算不同工作模式下所述传动系统对应的阻尼优化函数。
可选地，根据第二方面的一个或多个实施例，根据所述状态参数的实际值和标定量来计算所述阻尼优化函数。
可选地，根据第二方面的一个或多个实施例，通过传感器测量或观测器观测的方式取得所述状态参数的实际值。
可选地，根据第二方面的一个或多个实施例，所述动力学模型中的状态参数包括以下参数中的一项或多项：所述传动系统中的电机转速、所述传动系统中的发动机转速、所述传动系统的输出轮速、所述传动系统的输出轴转速、所述传动系统的轴扭。
根据本发明的第三方面，提供一种计算机设备，包含存储器、处理器以及存储在存储器上并且可在处理器上运行的计算机程序，其中，处理器运行所述程序以实现如本发明的第一方面中的任一实施例所述的主动阻尼控制方法。
根据本发明的第四方面，提供一种计算机可读存储介质，其上存储计算机程序，其中，该程序可在被处理器执行时实现如本发明的第一方面中的任一实施例所述的主动阻尼控制方法。
本公开提供的阻尼控制方法和系统可以对整车传动系进行阻尼控制，以提升车辆的驾驶平顺性。
通过纳入本文的附图以及随后与附图一起用于说明本发明的某些原理的具体实施方式，本发明的方法和系统所具有的其它特征和优点将更为具体地变得清楚或得以阐明。
附图说明
本发明的上述和/或其它方面和优点将通过以下结合附图的各个方面的描述变得更加清晰和更容易理解，附图中相同或相似的单元采用相同的标号表示。附图包括：
图1示出了根据本发明的一个实施例的主动阻尼控制方法100的流程图。
图2示出了根据本发明的一个实施例的主动阻尼控制系统200的框图。
图3为按照本发明实施例的计算机设备的示意框图。
具体实施方式
在本说明书中，参照其中图示了本发明示意性实施例的附图更为全面地说明本发明。但本发明可以按不同形式来实现，而不应解读为仅限于本文给出的各实施例。给出的各实施例旨在使本文的披露全面完整，以将本发明的保护范围更为全面地传达给本领域技术人员。
诸如“包含”和“包括”之类的用语表示除了具有在说明书中有直接和明确表述的单元和步骤以外，本发明的技术方案也不排除具有未被直接或明确表述的其它单元和步骤的情形。诸如“第一”和“第二”之类的用语并不表示单元在时间、空间、大小等方面的顺序而仅仅是作区分各单元之用。
下文参考根据本发明实施例的方法和系统的流程图说明、框图和/或流程图来描述本发明。将理解这些流程图说明和/或框图的每个框、以及流程图说明和/或框图的组合可以由计算机程序指令来实现。可以将这些计算机程序指令提供给通用计算机、专用计算机或其他可编程数据处理设备的处理器以构成机器，以便由计算机或其他可编程数据处理设备的处理器执行的这些指令创建用于实施这些流程图和/或框和/或一个或多个流程框图中指定的功能/操作的部件。
为了解决当前新能源车辆传动系统的振动问题，本公开提出了一种主动阻尼控制方法和系统。方法和系统实现了对整车传动系统的主动阻尼控制，提升了车辆的驾驶质量。主动阻尼控制方法和系统可以应用于纯电动、混合动力、插电混合动力及48V微混车辆等不同类型的车辆。具体来说，通过本公开的方法和系统提供的主动阻尼扭矩的施加对象可以是一个或若干个电机。
本公开提供的方法和系统采用多变量反馈控制的思想，通过控制传动系统中的若干参数的状态误差，得到施加在电机上的闭环的主动阻尼控制的扭矩，从而抑制传动系统的抖动。
图1示出了根据本发明的一个实施例的主动阻尼控制方法100的流程图。方法100包含下列步骤：步骤101，建立传动系统的动力学模型；步骤102，标定所述动力学模型中的状态参数；步骤103，根据所标定的状态参数计算所述传动系统的状态误差；以及步骤104，根据所述状态误差确定需输出的主动阻尼控制。
在步骤101中，建立传动系统的动力学模型。可以根据物理学的相关信息，针对特定的对象（例如车辆）建立传动系统的动力学模型。模型中的某些参数是未知或是不准确的，因此可以采用系统辨识技术，对模型的参数进行辨识。根据需要，模型的辨识可以是在线的或离线的，并且可以在时域或频域上进行辨识。优选地，辨识方法可采用频率扫描测试方法。由于车辆的一些参数是没有传感器进行测量的，如轴扭等参数。因此引入观测器设计的方式，通过估算器估算相应的参数。观测器采用的方法可以包括本领域常用的滤波算法，包括但不限于卡尔曼滤波、扩展的卡尔曼滤波、无迹卡尔曼滤波或粒子滤波等算法。
在步骤102中，标定所述动力学模型中的状态参数。具体来说，标定所述动力学模型中的状态参数包括优化选取所述状态参数的标定量的组合。优化选取所述状态参数的标定组合可以包括采用优化算法将所述状态参数的标定量的影响量化。状态参数包括但不限于传动系统中的电机转速、传动系统中的发动机转速、传动系统的输出轮速、传动系统的输出轴转速、传动系统的轴扭等。
优选地，可以对标定参数进行优化，其中具体包括相关标定量组合的优化选取。这能降低工程师处理数据的负担，大幅提高了标定过程的效率。通过开环参数优化实现对整车模型中相关参数的辨识，提高在步骤101中建立的动力学模型的精度。通过闭环参数优化来优化最优控制功能中的增益矩阵。通过扰动参数优化实现对观测器相关系数的优化。优化算法可以将相关标定量的影响进行量化，从而高效地得到了相关的优化参数组合并提高了标定过程的鲁棒性。优化算法可以是常用的统计算法，包括但不限于最小二乘法、极大似然估计法、贝叶斯估计法、线性二次最优控制法、鲁棒控制法等。
优选地，标定参数以及标定参数优化可以采用基于频域的数据处理方式。这种方式对系统的扰动小，并且在辨识定常及非定常线性动力学系统的传递函数参数方面有很大的优势。系统的频域特性能够同它的结构以及参数联系起来，便于通过修改系统的参数或改变系统的元件调整系统的动态性能。实车数据处理模块是将实车频率扫描的数据从时域转化为频域进行处理分析，从而得到实车数据的伯德图。整车模型处理模块的主要目的是计算得到模型的开环和闭环的伯德图。
优选地，标定参数优化模块可基于加权的最小二乘优化策略，以实现对标定参数的优化。首先将伯德图的频域轴分为若干段，例如F1Hz-F2Hz、F3Hz-F4Hz、F5Hz-F6Hz、F7Hz-F8Hz。根据实际需要每段取不同的加权系数，加权系数可以由加权矩阵从外部导入。
优选地，可以使用伯德图进行优化。伯德图是反应频率特性如幅频特性和相频特性的最直观的形式（其一般由扫频数据处理得到）。可以将采集的数据导入工作空间并从中筛选出所需要的数据。接着确定将要处理的工作模式和激励源，从而选择激励的输入和输出信号。对输入输出数据进行预处理，然后再通过信号分析利用输入、输出的有效数据对系统的频率特性进行计算，最后系统的频率特性并生成伯德图。
基于在步骤101中建立的对传动系动力学的建模分析得到的传动系动力学模型（其中模型以状态空间方程表示），由于方程的参数矩阵已知，发动机的转动惯量、传动轴的刚度和阻尼等参数在一定程度上影响参数矩阵。导入相应情况下的参数矩阵，便得到系统的开环模型并生成所有输入输出的伯德图。从生成的伯德图中选出是由执行器一或执行器二激励的伯德图，便得到开环状态下的伯德图。对于闭环系统模型的构建，需引入每种工况下的增益矩阵以得到闭环系统的模型。从生成的伯德图中选出是由执行器一或执行器二激励的伯德图，便得到闭环状态下的伯德图。
针对开环的情况,对于特定对象（例如车辆），一旦车辆的硬件，比如发动机、变速箱、主减速器、车轴等确定，则实际车辆的开环的表现就是确定的。但对于传动系统的模型来说，发动机转动惯量、驱动轴的刚度等参数可能不够准确，仍需通过开环的扫频试验对其进行进一步优化。通过修改这些参数使模型中伯德图的表现尽可能贴近整车实际的伯德图的表现。针对闭环的情况，由于主动阻尼控制系统引入状态反馈来解决传动系的抖动问题。因此增益矩阵的改变必然导致闭环模型和实车闭环扫频性能发生变化。同样地，通过修改标定使实车的表现尽可能贴近模型表现的同时尽可能保证伯德图种幅值的尖峰尽可能小，以提高整车的动态相应性能。
针对扰动的情况，由于传动系统的模型中部分状态量不能观测，因此引入状态观测器来设计控制器。状态观测器的系数对状态量估算的精度有较大的影响。因此通过扰动测试来进一步优化状态观测器的系数。因为状态观测器系数的改变必然引起整车的扰动的表现，通过将实车的伯德图与闭环模型的伯德图进行比较，二者的差异便可用来评价标定参数的优劣。尽量让实车的表现贴近模型闭环的表现，从而对状态观测器系数进行优化处理。
在步骤103中，根据所标定的状态参数计算所述传动系统的状态误差。具体来说，根据车辆不同的工作模式，可以计算不同工作模式下所述传动系统对应的阻尼优化函数。具体计算每种工作模式下的优化函数J。优化函数J计算每段中实车值与模型值的差的平方和。优化函数J的计算公式如下：
（公式1）
其中，n为分段的数量，K（i）为每段对应的加权系数，由加权矩阵从外部导入；Real(i)和Model（i）分别为每段的实际值和模型值。
优选地，由于修改标定量在一定程度上也会影响其他几种工作情况，因此优化函数Jsum可以被进一步定义。优化函数Jsum计算公式如下：
（公式2）
其中，m为工作情况的数量，J为每种工作模型下的优化函数值，K(x)为每个工作情况对应的加权系数，由加权矩阵从外部导入。优化的目标可以是使Jsum最小。
由于涉及到多个工作模式，标定参数需要保证各个情况都较具有较好的性能表现，因此在设定相关的标定参数时可以做出一定的权衡。例如，可以将例如传动系统中的电机转速、传动系统中的发动机转速、传动系统的输出轮速、传动系统的输出轴转速、传动系统的轴扭等的标定参数分别设置不同的权重。
最后，在步骤104中，根据所述状态误差确定需输出的主动阻尼控制。在步骤104中，计算所有工作模式下最终的误差值。各个工况下的优化函数值可以被整理存储在表格中，对应工作模式的加权系数基于不同平台进行调整。算法会先判断是否需要执行这部分内容，如果不需要，则此部分程序直接跳过。如果需要，则基于加权的最小二乘算法求出最终的状态误差值。然后可以根据状态误差值确定需输出的主动阻尼控制。
如上所述，例如，新能源车辆传动系统可能有M1、M2、M3、M4若干种工作模式；其中每种工作模式有分为开环、闭环、扰动三种情况；针对每种情况下又可细分为执行器一激励或执行器二激励两种；一共有若干种情况。本公开提供的系统和方法可以针对各种情况提供主动阻尼控制。
通过建立传动系统物理模型，并且在此基础上通过系统辨识算法对模型中的参数进行辨识得到传动系统模型。对车辆的一些参数建立状态观测器进行估算。通过计算参数期望值与估算值（或实际值）的差得到若干参数的状态误差。通过最优控制对状态误差进行处理得到施加在电机上的阻尼扭矩，以对车辆进行主动阻尼控制。可选地，通过频率扫描测试试验对传动系模型、观测器和最优控制的相关标定参数进行优化处理。
图2示出了根据本发明的一个实施例的主动阻尼控制系统200的框图。系统200包含下列模块：模型模块201，所述模型模块201配置成建立传动系统的动力学模型；标定模块202，所述标定模块202配置成标定所述动力学模型中的状态参数；计算模块203，所述计算模块203配置成根据所标定的状态参数计算所述传动系统的状态误差；以及控制模块204，所述控制模块204配置成根据所述状态误差确定需输出的主动阻尼控制。
模型模块201配置成建立传动系统的动力学模型。可以根据物理学的相关信息，针对特定的对象（例如车辆）建立传动系统的动力学模型。模型中的某些参数是未知或是不准确的，因此可以采用系统辨识技术，对模型的参数进行辨识。根据需要，模型的辨识可以是在线的或离线的，并且可以在时域或频域上进行辨识。优选地，辨识方法可采用频率扫描测试方法。由于车辆的一些参数是没有传感器进行测量的，如轴扭等参数。因此引入观测器设计的方式，通过估算器估算相应的参数。观测器采用的方法可以包括本领域常用的滤波算法，包括但不限于卡尔曼滤波、扩展的卡尔曼滤波、无迹卡尔曼滤波或粒子滤波等算法。
标定模块202配置成标定所述动力学模型中的状态参数。具体来说，标定所述动力学模型中的状态参数包括优化选取所述状态参数的标定量的组合。优化选取所述状态参数的标定组合可以包括采用优化算法将所述状态参数的标定量的影响量化。状态参数包括但不限于传动系统中的电机转速、传动系统中的发动机转速、传动系统的输出轮速、传动系统的输出轴转速、传动系统的轴扭等。
优选地，可以对标定参数进行优化，其中具体包括相关标定量组合的优化选取。这能降低工程师处理数据的负担，大幅提高了标定过程的效率。通过开环参数优化实现对整车模型中相关参数的辨识，提高在模型模块201中建立的动力学模型的精度。通过闭环参数优化来优化最优控制功能中的增益矩阵。通过扰动参数优化实现对观测器相关系数的优化。优化算法可以将相关标定量的影响进行量化，从而高效地得到了相关的优化参数组合并提高了标定过程的鲁棒性。优化算法可以是常用的统计算法，包括但不限于最小二乘法、极大似然估计法、贝叶斯估计法、线性二次最优控制法、鲁棒控制法等。
优选地，标定参数以及标定参数优化可以采用基于频域的数据处理方式。这种方式对系统的扰动小，并且在辨识定常及非定常线性动力学系统的传递函数参数方面有很大的优势。系统的频域特性能够同它的结构以及参数联系起来，便于通过修改系统的参数或改变系统的元件调整系统的动态性能。实车数据处理模块是将实车频率扫描的数据从时域转化为频域进行处理分析，从而得到实车数据的伯德图。整车模型处理模块的主要目的是计算得到模型的开环和闭环的伯德图。
优选地，标定参数优化模块可基于加权的最小二乘优化策略，以实现对标定参数的优化。首先将伯德图的频域轴分为若干段，例如F1Hz-F2Hz、F3Hz-F4Hz、F5Hz-F6Hz、F7Hz-F8Hz。根据实际需要每段取不同的加权系数，加权系数可以由加权矩阵从外部导入。
优选地，可以使用伯德图进行优化。伯德图是反应频率特性如幅频特性和相频特性的最直观的形式（其一般由扫频数据处理得到）。可以将采集的数据导入工作空间并从中筛选出所需要的数据。接着确定将要处理的工作模式和激励源，从而选择激励的输入和输出信号。对输入输出数据进行预处理，然后再通过信号分析利用输入、输出的有效数据对系统的频率特性进行计算，最后系统的频率特性并生成伯德图。
基于在模型模块201中建立的对传动系动力学的建模分析得到的传动系动力学模型（其中模型以状态空间方程表示），由于方程的参数矩阵已知，发动机的转动惯量、传动轴的刚度和阻尼等参数在一定程度上影响参数矩阵。导入相应情况下的参数矩阵，便得到系统的开环模型并生成所有输入输出的伯德图。从生成的伯德图中选出是由执行器一或执行器二激励的伯德图，便得到开环状态下的伯德图。对于闭环系统模型的构建，需引入每种工况下的增益矩阵以得到闭环系统的模型。从生成的伯德图中选出是由执行器一或执行器二激励的伯德图，便得到闭环状态下的伯德图。
针对开环的情况,对于特定对象（例如车辆），一旦车辆的硬件，比如发动机、变速箱、主减速器、车轴等确定，则实际车辆的开环的表现就是确定的。但对于传动系统的模型来说，发动机转动惯量、驱动轴的刚度等参数可能不够准确，仍需通过开环的扫频试验对其进行进一步优化。通过修改这些参数使模型中伯德图的表现尽可能贴近整车实际的伯德图的表现。针对闭环的情况，由于主动阻尼控制系统引入状态反馈来解决传动系的抖动问题。因此增益矩阵的改变必然导致闭环模型和实车闭环扫频性能发生变化。同样地，通过修改标定使实车的表现尽可能贴近模型表现的同时尽可能保证伯德图种幅值的尖峰尽可能小，以提高整车的动态相应性能。
针对扰动的情况，由于传动系统的模型中部分状态量不能观测，因此引入状态观测器来设计控制器。状态观测器的系数对状态量估算的精度有较大的影响。因此通过扰动测试来进一步优化状态观测器的系数。因为状态观测器系数的改变必然引起整车的扰动的表现，通过将实车的伯德图与闭环模型的伯德图进行比较，二者的差异便可用来评价标定参数的优劣。尽量让实车的表现贴近模型闭环的表现，从而对状态观测器系数进行优化处理。
计算模块203配置成根据所标定的状态参数计算所述传动系统的状态误差。具体来说，根据车辆不同的工作模式，可以计算不同工作模式下所述传动系统对应的阻尼优化函数。具体计算每种工作模式下的优化函数J。优化函数J计算每段中实车值与模型值的差的平方和。优化函数J的计算公式如下：
（公式3）
其中，n为分段的数量，K（i）为每段对应的加权系数，由加权矩阵从外部导入；Real(i)和Model（i）分别为每段的实际值和模型值。
优选地，由于修改标定量在一定程度上也会影响其他几种工作情况，因此优化函数Jsum可以被进一步定义。优化函数Jsum计算公式如下：
（公式4）
其中，m为工作情况的数量，J为每种工作模型下的优化函数值，K(x)为每个工作情况对应的加权系数，由加权矩阵从外部导入。优化的目标可以是使Jsum最小。
由于涉及到多个工作模式，标定参数需要保证各个情况都较具有较好的性能表现，因此在设定相关的标定参数时可以做出一定的权衡。例如，可以将例如传动系统中的电机转速、传动系统中的发动机转速、传动系统的输出轮速、传动系统的输出轴转速、传动系统的轴扭等的标定参数分别设置不同的权重。
最后，控制模块204配置成根据所述状态误差确定需输出的主动阻尼控制。控制模块204配置成计算所有工作模式下最终的误差值。各个工况下的优化函数值可以被整理存储在表格中，对应工作模式的加权系数基于不同平台进行调整。算法会先判断是否需要执行这部分内容，如果不需要，则此部分程序直接跳过。如果需要，则基于加权的最小二乘算法求出最终的状态误差值。然后可以根据状态误差值确定需输出的主动阻尼控制。
如上所述，例如，车辆传动系统可能有M1、M2、M3、M4若干种工作模式；其中每种工作模式有分为开环、闭环、扰动三种情况；针对每种情况下又可细分为执行器一激励或执行器二激励两种；一共有若干种情况。本公开提供的系统和方法可以针对各种情况提供主动阻尼控制。
通过建立传动系统物理模型，并且在此基础上通过系统辨识算法对模型中的参数进行辨识得到传动系统模型。对车辆的一些参数建立状态观测器进行估算。通过计算参数期望值与估算值（或实际值）的差得到若干参数的状态误差。通过最优控制对状态误差进行处理得到施加在电机上的阻尼扭矩，以对车辆进行主动阻尼控制。可选地，通过频率扫描测试试验对传动系模型、观测器和最优控制的相关标定参数进行优化处理。
图3为按照本发明还有一实施例的计算机设备的示意框图。该计算机设备包含存储器、处理器以及存储在所述存储器上并且可在所述处理器上运行的计算机程序。所述处理器运行所述程序以实现上述主动阻尼控制方法。
按照本发明的另一方面，还提供了一种计算机可读存储介质，其上存储计算机程序，该程序被处理器执行时可实现上述主动阻尼控制方法。
提供本文中提出的实施例和示例，以便最好地说明按照本技术及其特定应用的实施例，并且由此使本领域的技术人员能够实施和使用本发明。但是，本领域的技术人员将会知道，仅为了便于说明和举例而提供以上描述和示例。所提出的描述不是意在涵盖本发明的各个方面或者将本发明局限于所公开的精确形式。
Claims (18)
1.一种主动阻尼控制方法，其特征在于，所述方法包含下列步骤：
建立传动系统的动力学模型；
标定所述动力学模型中的状态参数；
根据所标定的状态参数计算所述传动系统的状态误差；以及
根据所述状态误差确定需输出的主动阻尼控制。
2.根据权利要求1所述的方法，其中，标定所述动力学模型中的状态参数包括优化选取所述状态参数的标定量的组合。
3.根据权利要求2所述的方法，其中，优化选取所述状态参数的标定组合包括采用优化算法将所述状态参数的标定量的影响量化。
4.根据权利要求3所述的方法，其中，所述优化算法包括以下统计算法中的一项或多项：最小二乘法、极大似然估计法、贝叶斯估计法、线性二次最优控制法、鲁棒控制法。
5.根据权利要求1所述的方法，其中，计算所述传动系统的状态误差包括计算不同工作模式下所述传动系统对应的阻尼优化函数。
6.根据权利要求5所述的方法，其中，根据所述状态参数的实际值和标定量来计算所述阻尼优化函数。
7.根据权利要求6所述的方法，其中，通过传感器测量或观测器观测的方式取得所述状态参数的实际值。
8.根据权利要求1所述的方法，其中，所述动力学模型中的状态参数包括以下参数中的一项或多项：所述传动系统中的电机转速、所述传动系统中的发动机转速、所述传动系统的输出轮速、所述传动系统的输出轴转速、所述传动系统的轴扭。
9.一种主动阻尼控制系统，其特征在于，所述系统包含：
模型模块，所述模型模块配置成建立传动系统的动力学模型；
标定模块，所述标定模块配置成标定所述动力学模型中的状态参数；
计算模块，所述计算模块配置成根据所标定的状态参数计算所述传动系统的状态误差；以及
控制模块，所述控制模块配置成根据所述状态误差确定需输出的主动阻尼控制。
10.根据权利要求9所述的系统，其中，所述标定模块配置成优化选取所述状态参数的标定量的组合。
11.根据权利要求10所述的系统，其中，优化选取所述状态参数的标定组合包括采用优化算法将所述状态参数的标定量的影响量化。
12.根据权利要求11所述的系统，其中，所述优化算法包括以下统计算法中的一项或多项：最小二乘法、极大似然估计法、贝叶斯估计法、线性二次最优控制法、鲁棒控制法。
13.根据权利要求9所述的系统，其中，所述计算模块配置成计算不同工作模式下所述传动系统对应的阻尼优化函数。
14.根据权利要求13所述的系统，其中，根据所述状态参数的实际值和标定量来计算所述阻尼优化函数。
15.根据权利要求14所述的系统，其中，通过传感器测量或观测器观测的方式取得所述状态参数的实际值。
16.根据权利要求9所述的系统，其中，所述动力学模型中的状态参数包括以下参数中的一项或多项：所述传动系统中的电机转速、所述传动系统中的发动机转速、所述传动系统的输出轮速、所述传动系统的输出轴转速、所述传动系统的轴扭。
17.一种计算机设备，其包括存储器、处理器以及存储在所述存储器上并且可在所述处理器上运行的计算机程序，其特征在于，所述处理器运行所述计算机程序以实现：
如权利要求1-8中的任一项所述的主动阻尼控制方法。
18.一种计算机可读存储介质，其上存储计算机程序，其特征在于，所述计算机程序可在被处理器执行时实现：
如权利要求1-8中的任一项所述的主动阻尼控制方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210118101.3A CN116610027A (zh) | 2022-02-08 | 2022-02-08 | 一种主动阻尼控制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210118101.3A CN116610027A (zh) | 2022-02-08 | 2022-02-08 | 一种主动阻尼控制方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116610027A true CN116610027A (zh) | 2023-08-18 |
Family
ID=87676924
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210118101.3A Pending CN116610027A (zh) | 2022-02-08 | 2022-02-08 | 一种主动阻尼控制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116610027A (zh) |
-
2022
- 2022-02-08 CN CN202210118101.3A patent/CN116610027A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP2451686B1 (en) | Method and controller for controlling output torque of a propulsion unit. | |
| Lagerberg et al. | Backlash estimation with application to automotive powertrains | |
| CN109572665B (zh) | 基于动力系mpc的线性化模型 | |
| Pettersson et al. | Diesel engine speed control with handling of driveline resonances | |
| US10125712B2 (en) | Torque security of MPC-based powertrain control | |
| CN105452833B (zh) | 用于在试验台中减少振动的方法 | |
| CN109489991B (zh) | 一种电动汽车性能试验的油门踏板开度的计算方法及系统 | |
| CN107139929B (zh) | 一种重型自动变速车辆广义阻力系数的估计及修正方法 | |
| JP4609767B2 (ja) | システムの最適制御方法 | |
| Grotjahn et al. | Modelling and identification of car driveline dynamics for anti-jerk controller design | |
| Ravichandran et al. | Design and evaluation of EV drivetrain clunk and shuffle management control system | |
| JP7303112B2 (ja) | 実体変速機を備えるパワートレインテストベンチを制御するための、特に閉ループ制御するための方法 | |
| Templin | Simultaneous estimation of driveline dynamics and backlash size for control design | |
| Reddy et al. | Real-time predictive clunk control using a reference governor | |
| CN106224109B (zh) | 一种基于扭矩模型的整车控制器 | |
| CN116610027A (zh) | 一种主动阻尼控制方法及系统 | |
| CN109944823A (zh) | 用于气动减阻的动态风扇速度控制 | |
| US20240201279A1 (en) | Usage of vibration data and soh feedback for controlling battery pack vibration | |
| CN107842433B (zh) | 发动机油门需求扭矩的在线自学习方法 | |
| CN112660136B (zh) | 汽车底盘动力学域控制器的路面附着系数辨识方法及装置 | |
| CN109564410B (zh) | 用于识别机械负载的物理参数的半自动、交互式工具 | |
| JP7389805B2 (ja) | 技術的なシステムをキャリブレーションする方法 | |
| Böcker et al. | Active suppression of torsional oscillations | |
| US11879807B2 (en) | System identification method, system identification device, and program | |
| CN112886887B (zh) | 用于电机的控制方法和控制装置、汽车以及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |