ニュース

May 22, 2023

スルーのトルク協調制御

Scientific Reports volume 13、記事番号: 11564 (2023) この記事を引用 173 アクセス 2 オルトメトリクスの詳細 車両の安全性は、自動車のインテリジェントな開発にとって非常に重要です。

Scientific Reports volume 13、記事番号: 11564 (2023) この記事を引用

173 アクセス

2 オルトメトリック

メトリクスの詳細

車両の安全性は、ハイブリッド車両のインテリジェントな開発にとって非常に重要です。 しかし、極端な道路状況下でのリアルタイムの安定性制御や合理的なトルク配分は、複数の不確実なパラメータと、ハンドリング性能と安定性性能を調和させるのが難しいため、依然として大きな課題となっています。 スルー・ザ・ロード (TTR) 四輪駆動 (4WD) ハイブリッド車の上記の問題に対処するために、この研究では、オフラインの最適化ルールとオンラインのモデル予測を組み込むことにより、ハンドリングおよび安定性管理 (HSM) アプローチを提供します。コントロール（MPC）。 まず、7 自由度 (7-DOF) の車両動的モデルを使用してトルク配分ルールをオフラインで抽出し (Offline-ETDR)、オンライン MPC フィードバック (Online-MPCF) を利用して車両の余分なトルク要件を補償します。極端な条件下では効果が低下します。 したがって、オフラインの最適化結果とオンライン補正が融合されて、リアルタイムの道路状況検出を考慮した合計トルク要求が提供されます。 最後に、提案されたトルク調整戦略の有効性を検証するために実車テストが実施されます。 トルク制御戦略を持たない車両と比較して、提案手法は車両のコーナリング能力を大幅に向上させながら、高い安定性能を確保します。

車両のセキュリティは、特に多輪駆動車の場合、車両インテリジェンスにおいて広範囲にわたる役割を果たします。 たとえば、スタビリティ制御、テールスイングドリフト制御、電子安定性プログラムなどのセーフティクリティカル指向の制御戦略は、常に自動車研究者の注目を集めてきました1。 具体的には、高速や激しいステアリング角度などの極端な運転が車両の不安定性の主な原因です2。 したがって、上記の問題に対処するために、アクティブサスペンション（AS）3、4、エレクトロニックスタビリティプログラム（ESP）5、ダイナミッククルーズコントロール6、アクティブステアリングコントロール（ASC）7、またはスタビライザーバー8の使用を含む多くの方法が提案されています。 これらの方法の中で、常に懸念されるのは、それぞれのタイヤ横力の飽和の問題です。 たとえば、ダイレクト ヨー コントロール (DYC)9 は追加のヨー モーメントを生成して他の車輪の前後力を調整し、ハブ モーターを搭載した車両の安定性を高めます。 Zhang ら 10 は、DYC 法と AFC 法を組み合わせて安定性制御を実現し、必要な力をさらに補いました。 Mirzaei と Mirzaeinejad11 は、正面角度を最適化するための多変数指向コントローラーを設計しました。 Liang et al.12 は、ペナルティ関数を使用して AFS と DYC の重みを割り当て、操舵中の 4WD 車両の安定性を確保しました。これらの方法は車両の安定性を効果的に向上させますが、これら 2 つの制御方法の調整についてはさらなる議論が必要です。

近年、その高速な制御応答性と制御実現性が自動車研究者の間で注目を集めています。 例えば，階層制御はもともと速度と精度の制御を追求するために 13 や 14 で提案されたものである． 上部 DYC コントローラーでは、追加のヨー モーメントが基準動作とともに提供されます。 下位層では、エネルギー経済性13、横方向安定性15、16、特定のルールに基づく道路密着性の最適化17、18、および動力伝達の最適化19を含む複数の目標が最適化され、トルクを4つの個別の実行者に分配します。 制御アルゴリズムに関しては、横力を最適化するためにファジィ比例積分コントローラ 20、21 が広く使用されてきましたが、従来の PID は車両の安定性に対する効果が限定的でした。 参考文献 22 および 23 では、車両の縦方向および横方向の安定性を確保するためにスライディング モード コントロール (SMC) が使用されています。 ただし、SMC の欠点は、一時的なバフェッティングを排除するのが難しいことです。 現在、人工知能の発展に伴い、従来の制御戦略における最適化アプローチが検討されています。 Martinsen et al.24 は、強化学習 (RL) アルゴリズムを使用して基準軌道を追跡し、同時に横方向の安定性を保証しました。 Wang et al.25 は、RL 最適化において深い決定論的ポリシー勾配アルゴリズムによって SMC パラメータを調整しました。 同様に、26 では、RL スキームを使用して PID コントローラー パラメーターが調整されました。 Wei ら 27,28 は、車両の安全性とエネルギー利用効率を組み合わせて、深い RL に基づくトルク調整制御戦略を提案し、その後、この戦略の有効性がシミュレーションによって証明されました。 ただし、RL アプローチは計算オーバーヘッドが増加するため、オンライン操作には適していません。 したがって、モード予測制御 (MPC) と呼ばれる、より実現可能な方法が、リアルタイム実行と複数の制約に対して考慮されています。 文献 34 では、互換性を確保するために AFS、ディファレンシャル ブレーキ (DB)、および 4WD を MPC に統合しており、この戦略の有効性が MATLAB と CarSim の共同シミュレーションを通じて実証されています。 MPC 法は横安定性能を最適化するために広く使用されていますが、必要なヨー モーメントは依然として基準横滑り角 (β) とヨー レート (ω) から生成されます。 したがって、特に高速や低粘着などの極限状況においては、ヨースタビリティ制御と徹底したトルク協調管理を行うためには、この２つの要素をどのようにバランスさせるかが重要となる。