论文部分内容阅读
在众多动力类型的电动汽车中,轮毂驱动电动车改变了传统燃油车辆的底盘结构和驱动方式,具有结构紧凑、传动效率高以及车轮驱动/制动扭矩灵活可控的特点,是电动汽车驱动系统的一种重要发展方向。轮毂驱动是分布式驱动,能够显著提高汽车的操控性,对驱动系统的协同控制带来更高的要求,其故障诊断技术是轮毂电驱动汽车主动安全控制领域的重要研究内容之一。本文针对轮毂驱动汽车驱动电机故障诊断方法进行研究,具有重要的理论意义和实际意义。本文首先分析了轮毂驱动电动汽车的故障状态,并根据轮毂驱动电动汽车的故障特性及车辆动力学原理,搭建了用于驱动电机故障诊断的故障模型,即考虑车身纵向、侧向、横摆运动和各个车轮旋转运动的七自由度非线性车辆动力学模型,引入了故障参数模拟驱动电机故障,故障参数定义为轮毂电机实际输出转矩与命令转矩之比,轮胎模型选用Dugoff轮胎模型。并基于高精度车辆动力学仿真软件ve DYNA,对模型的精度和有效性进行了分析和验证,结果表明可以作为轮毂驱动电动汽车驱动电机故障诊断的模型基础。考虑到轮毂电机驱动车辆是一种强非线性系统,针对非线性系统,无迹卡尔曼滤波算法比扩展卡尔曼滤波算法具有更高的估计精度,且不需要求导计算雅克比矩阵。基于上述优点,本文提出了一种基于无迹卡尔曼滤波的轮毂驱动汽车驱动电机故障诊断方法,将轮毂电机故障诊断问题转化为模型参数实时估计问题。为了充分验证算法的有效性,针对单轮故障、同侧车轮故障和三个车轮故障设计了几组典型的仿真工况检验估计效果,结果表明本文设计的估计器能够实时估计出驱动电机的故障参数。上述故障诊断仅使用车身加速度传感器和轮速传感器,但当传感器信号存在偏差或扰动时,故障参数的估计结果不再可靠,对此,本文根据装配了低精度GPS传感器的车辆,提出了一种基于融合GPS/INS系统的轮毂驱动汽车驱动电机故障诊断方法,采用卡尔曼滤波方法对GPS/INS信息进行融合,解决GPS更新速率慢和INS传感器存在累积误差的问题,提高模型估计精度。