分布式驱动电动汽车状态参数估计综述

分布式驱动电动汽车动力学模型分析综述1.1CarSim车辆动力学模型根据本次论文给定研究车辆的结构参数以及特性参数，设计和实车平台相似的CarSim车辆动力学模型。

但由于目前的CarSim仿真平台只有传统燃油车的汽车传动模型，其传统燃油汽车的动力传递路线为由发动机产生动力，并由传动系统将动力输送至驱动轮，其驱动轮上的驱动力并不是完全独立的，而本文进行研究的分布式驱动电动汽车是通过独立控制四个轮毂电机的转矩从而独立控制四个车轮的驱动力。

因此CarSim仿真平台提供的原有车辆动力传递模型不能够满足此次研究要求，因此需要在原有的车辆传动模型的基础上进行修改。

首先由于研究的对象为四轮驱动汽车，因此选用传统汽车中的四驱模型，仍然选择发动机加传动系统的动力传输，然后修改前后车轮的动力获取为外部获得，即切断了差速器到各个车轮之间的动力连接，从而实现传统燃油汽车模型不对车轮的转矩进行控制，方便后续利用外部电机模型对车轮的进行动力输出。

示意图如下：图1.1 CarSim车辆模型动力传递示意图另外通过CarSim软件对车辆的基本参数进行设置，具体车辆的基本参数如图1.2中所示。

图1.2 分布式驱动电动汽车整车参数1.2Simulink电机模型1.1.1 轮毂电机的选定在对Simulink轮毂电机进行建模之前，需要确定所研究的汽车的动力学参数，根据车辆的动力要求，对所使用的轮毂电机进行选择。

经过对于车辆最大行驶阻力功率、加速能力、最大爬坡度等要求的综合考虑后，选定一款轮毂电机，经过选择后的轮毂电机具体参数如图1.3所示：图1.3 轮毂电机基本参数1.1.2轮毂电机建模考虑到本文的研究重点是对汽车行驶时的质心侧偏角进行估计，因此对于轮毂电机模型的精度要求不高，因此在对于轮毂电机进行建模时进行了相应的简化，但仍然实现了轮毂电机的实际外特性。

通过查询得到该型号轮毂电机外特性曲线如图1.4所示：图1.4 轮毂电机外特性曲线根据轮毂电机的外特性曲线可以得知，当电机转速较小时，电机输出扭矩随着电机转速的增加而基本不变，当电机转速达到临界值后，电机输出的转矩将随着电机转速的增加而快速降低，但其降低速率随着电机转速的增加而慢慢变小，因此在建立电机模型时可以设定一个临界值，当电机转速小于该临界值时，我们认为电机输出转矩不随电机转速发生改变，而当电机转速大于该临界值时，其电机输出转矩随着电机转速的变化而变化。

分布式驱动电动汽车驱动控制技术研究综述贾婕;赵景波;杨超越;陈云飞【摘要】分布式驱动电动汽车具有控制灵活、控制响应快等优势,越来越受到人们的关注.文章叙述了分布式驱动电动汽车驱动控制技术的研究现状,重点介绍了电子差速控制、横摆力矩控制、多目标协调集成控制和容错控制等控制技术的研究方法以及国内外研究现状,并对当前存在的问题及发展趋势进行了分析.【期刊名称】《常州工学院学报》【年(卷),期】2019(032)002【总页数】6页(P1-6)【关键词】分布式驱动;电动汽车;驱动控制;智能控制【作者】贾婕;赵景波;杨超越;陈云飞【作者单位】江苏理工学院 ,江苏常州 213001;江苏省新能源汽车动力系统集成控制重点建设实验室 ,江苏常州 213001;常州工学院 ,江苏常州 213032;江苏理工学院 ,江苏常州 213001;江苏省新能源汽车动力系统集成控制重点建设实验室 ,江苏常州 213001;江苏理工学院 ,江苏常州 213001;江苏省新能源汽车动力系统集成控制重点建设实验室 ,江苏常州 213001【正文语种】中文【中图分类】U469.72近年来，由于能源危机和环境问题，电动汽车逐渐成为研究热点。

电机和电机控制器技术的改进，为多种动力传动系统配置提供了更多的可能。

随着对电动汽车的深入研究，分布式驱动电动汽车开始备受关注。

它通过4个轮边电机分别驱动4个车轮实现独立控制。

该结构具有转矩响应速度快、精度高以及单个电机独立可控等优点，为车辆底盘的动力学控制提供了广阔的前景。

对分布式驱动电动汽车驱动控制技术进行研究，充分利用其独立驱动等优势，对改善车辆的动力性能以及稳定性、安全性具有重大意义。

1 分布式驱动电动汽车的优势相比于传统汽车以及中央驱动的电动汽车，分布式驱动电动汽车具有较大的优势和潜力。

1)取消了大部分的传动结构，减少车辆底盘部件数量，节省底盘空间，为实现整车轻量化带来了可能。

与集中驱动的车辆相比，可以获得更大的能量回收率，能够有效提高电动汽车的续航里程。

分布式电驱动车辆动力学状态参数观测及驱动力协调控制共3篇分布式电驱动车辆动力学状态参数观测及驱动力协调控制1分布式电驱动车辆动力学状态参数观测及驱动力协调控制随着能源问题日益受到关注，新能源汽车的研究与应用也受到了广泛关注。

其中，分布式电驱动技术成为提高新能源汽车效能和降低能量消耗的重要手段。

分布式电驱动技术使得驱动力能够实时调节，车辆动力学状态得到优化，从而提高了效率和经济性。

分布式电驱动车辆动力学状态参数的观测是实现驱动力协调控制的关键。

在车辆行驶过程中，需要精确观测车辆的位置、速度、加速度等运动参数以及电池电量、电机温度等状态参数，来判断车辆当前状态和行驶情况，并及时做出调整。

观测参数的精度、灵敏度是实现驱动力协调控制的基石。

驱动力协调控制是实现优化车辆动力学状态的关键。

传统汽车采用单个发动机驱动，难以实现驱动力的精细控制；而分布式电驱动车辆由多个驱动单元组成，可以实现车轮的单独驱动和调节，从而具有更灵活的驱动力调节能力。

在车辆运行过程中，电子控制单元可以根据车辆的行驶条件和司机需求，对驱动单元进行自适应控制，从而实现最优化的驱动力配合和车辆动力学状态优化，提高了新能源汽车的性能和经济性。

然而，分布式电驱动技术在实际应用中也面临着一些挑战。

例如，分布式电驱动系统中的驱动单元控制算法需要更高的精度和灵敏度；车辆实际路况和驾驶习惯等因素变化较大，需要实时调整驱动力和动力学状态参数的观测和控制策略；驱动单元的故障检测同样需要更加精确且快速的反应能力。

为了解决上述问题，需要通过实践和研究不断改进和完善分布式电驱动技术。

具体而言，可以采用改进的驱动单元控制算法、多模型融合观测算法等手段，提高驱动单元的精度和灵敏度，同时可以通过加入车辆传感器网络，实时监测车辆状态，从而更精确地调整驱动力和动力学状态参数。

此外，还可以采用分布式电驱动系统的特点，将车辆的动力学状态参数分布式观测和控制，从而更好地实现故障检测和安全控制。

分布式驱动电动汽车构型综述摘要:分布式驱动电动汽车主要结构特征是将驱动电机直接安装在驱动轮内或者驱动轮附近，具有驱动传动链短、传动效率高、结构紧凑等突出优点。

电动机即是汽车信息单元，同样也是快速反应的控制执行单元，通过独立控制电动机驱/制动转矩容易实现多种动力学控制功能。

本文引入了一种分布式驱动汽车的分类方法，系统介绍分布式驱动系统的架构、性能指标关键词:电动汽车;分布式驱动;评价指标中图分类号:U469. 72文献标识码:A引言面对燃油汽车尾气排放造成的污染及对石油资源的过度消耗引发的环境问题与能源问题，电动汽车已经成为国际汽车工业发展的潮流和“热点”之一。

电机在加、减速过程中转矩响应时间大概在l-10ms,而内燃机却达500ms-lso这使得电机驱动容易实现高性能的一体化TCS/ABSo此外，电机转矩易于根据电流等参数求得，可以实时地得到轮胎和路面间的驱动/制动力。

分布式驱动电动车是一辆车上装备两台或两台以上的电动机，每个电动机通过自己的传动半轴将动力传递个各自对应的驱动轮。

1分布式驱动电动汽车构型1. 1驱动桥式其优势在于与集成式驱动构型相似，并且电动机的选型山于减速器的存在可以有最小程度从集成整体式驱动构型的改变，但能够对驱动轮有更加精准的掌控力。

是从集中式到轮毂式构型之间的过渡构型。

奥迪R8 e-tron双永磁同步电机在宽泛的转速范围内都能保持95%的效率，最高时速可超过230km/h。

单台电机410N.m的扭矩被传动比为6的行星齿轮组放大了6倍。

1. 2电动轮驱动构型这两种构型不再经由长半轴部件传动并且舍弃了传统的离合器、传动系统等机械部件，简化了机械传动结构，降低了车载自重。

同时提高了对车轮控制的动态响应。

(1)轮边减速器构型相对于驱动桥式其减速比固定，容易维修，而且电机和减速器并没有放入轮辎内，刹车系统可以很好地布置。

ZF公司在2011年第四季度开始量产其新式低地板轮边电驱动桥车桥。

分布式电驱动车车速及路面附着系数融合估计高博麟;陈慧;谢书港;龚进峰【摘要】基于纵向车速融合估计器,结合分布式驱动电动汽车的优势,采用多种估计方法,建立了路面峰值附着系数融合估计器,并进行了实车试验验证.结果表明,建立的基于双卡尔曼滤波技术的车速及路面峰值附着系数融合估计系统,扩大了路面峰值附着系数估计的适用工况范围,保证了纵向车速估计的精度.【期刊名称】《汽车工程》【年(卷),期】2016(038)002【总页数】5页(P216-220)【关键词】分布式驱动电动汽车;双卡尔曼滤波;车速估计;路面峰值附着系数;融合估计【作者】高博麟;陈慧;谢书港;龚进峰【作者单位】天津大学机械工程学院,天津 300072;中国汽车技术研究中心,天津300300;同济大学汽车学院,上海 201804;同济大学汽车学院,上海 201804;中国汽车技术研究中心,天津 300300;中国汽车技术研究中心,天津 300300【正文语种】中文高性能分布式驱动电动汽车的车辆稳定性控制已经成为汽车动力学控制领域的热点问题，其中车速和路面峰值附着系数的准确获取是关键技术之一。

分布式驱动电动汽车的电机集成在轮边或轮毂内，相对传统汽车具有以下特点[1]：①电机转矩大小可以观测，为准确估计车速提供了可能；②四轮纵向力的实时估计准确，有利于提高路面峰值附着系数估计的精度和扩大适用工况范围。

根据估计模型不同，车速的估计方法可以分为运动学估计方法和动力学估计方法[2]。

运动学估计方法包括轮速法和直接积分法。

轮速法又可以分为最大(小)轮速法、斜率法和综合法等[3]。

文献[4]和文献[5]中采用轮速法和直接积分法相互融合的方法，对纵向车速进行估计。

动力学估计方法的核心在于对轮胎纵向驱动力和制动力的估计，因此又可分为两类：①基于半经验轮胎模型[6]的纵向力估计，依赖于对路面峰值附着系数的准确获取；②基于车轮动力学模型的纵向力估计[7]，不依赖于路面附着条件[8]，但须要准确获取车轮驱制动转矩。

分布式驱动电动汽车动力学控制发展现状综
述
随着新能源汽车行业的迅速发展，电动汽车的应用可以说是一场
迅速发展的浪潮。

分布式驱动电动汽车动力学控制技术可以说是智能
电动汽车发展的基础和关键技术之一，它可以有效提高电动汽车的性
能和效率。

分布式驱动电动汽车的动力学控制是指将汽车的动力系统分散到
多个部件——一般包含电动机、变速箱、传动系统、车轮和车架支撑
系统等——进行协调和管理，以落实每个动力系统单元的协调目标。

为此，有必要建立一个适用于多部分和多元素的动力模型和控制策略，以模拟完整驱动系统。

智能驾驶电动汽车是数字智能化应用的出口之一，也是当代最受
关注的技术之一，也受到了各界的广泛关注。

智能驾驶电动汽车技术
的发展迅速，用于实现自主驾驶技术的应用越来越迅速，智能驾驶电
动汽车是实现智能汽车的关键技术之一。

然而，智能驾驶电动汽车的
动力学控制仍然面临着严峻的挑战，研究方向有：多模态状态估计、
运行模式自适应预测控制、复合式智能控制等，还可以结合机器学习
方法等技术进行研究。

分布式驱动电动汽车动力学控制一直以来都受到了研究者们的广
泛关注，其发展迅猛，不断改善着它的性能和效率，更重要的是，它
为智能电动汽车系统提供了技术支持，是智能驾驶电动汽车的基础和
关键技术。

未来的研究将以构建更加完善的动力学模型、智能控制策略、以及机器学习与控制算法等等为基础，继续致力于改善分布式驱
动电动汽车动力学控制技术，为电动汽车的发展提供强有力的技术支持。

分布式驱动电动汽车状态与路面附着系数估计研究分布式驱动电动汽车状态与路面附着系数估计研究随着环保意识的日益增强，电动汽车作为一种新能源车辆迅速崛起并被广泛应用。

然而，在电动汽车的应用过程中，路面附着系数是一个非常重要的参数，它直接影响着汽车在路面上的行驶安全和稳定性。

因此，准确估计和预测路面附着系数对于提高电动汽车的行驶性能至关重要。

为了解决这一问题，研究人员提出了一种分布式驱动电动汽车状态与路面附着系数估计的方法。

该方法主要依靠车辆的传感器系统和其它相关参数来获取必要的数据，并通过算法实时计算路面附着系数。

首先，该方法利用车辆动力学模型对车辆状态进行建模。

车辆动力学模型包括车辆的质量、轮胎和地面之间的力学关系等。

通过对这些参数的测量和计算，可以获得车辆的运动状态，如加速度、速度和位置等。

然后，通过搭载在车辆上的传感器系统，可以获取到车辆的姿态和轨迹信息。

传感器系统包括惯性测量单元（IMU）、车辆动力系统传感器等，它们可以提供车辆的加速度、陀螺仪、轮速等数据。

这些数据对于路面附着系数的估计具有重要的作用。

接着，利用传感器获取的数据，可以通过滤波和数据处理的方法得到相对准确的车辆状态信息。

并结合车辆动力学模型，可以进一步计算得到路面附着系数的估计值。

在路面附着系数的估计过程中，还需要考虑到外界因素的影响。

例如，不同的路面状况、湿度、温度等都会对车辆的行驶性能产生影响。

因此，在算法中引入了一些修正系数和校正模型，以进一步提高估计的准确性。

最后，通过实验验证了该方法的可行性和准确性。

实验采用了不同路面条件下的电动汽车进行测试，并与实际测量的路面附着系数进行对比。

结果表明，该方法能够较为准确地估计路面附着系数，并为电动汽车的安全行驶提供了重要的支持。

综上所述，分布式驱动电动汽车状态与路面附着系数估计研究是一个重要的课题。

该方法通过车辆动力学模型、传感器系统和算法等多种手段，有效地估计和预测了路面附着系数。

汽车文摘刘鑫烨1查云飞1马芳武1,2郑寻1于淼1侯乃仁1权晓玉1吴昊1（1.福建工程学院，福州350118;2.吉林大学汽车工程学院，长春130012）【摘要】基于汽车状态参数的准确估计是汽车主动安全性的关键技术之一，是汽车主动安全性的前哨站。

汽车行驶状态参数估计是通过量产车上的传感器，对汽车的关键行驶状态参数进行估计。

该方法具有成本低、应用范围广的特点。

基于当前分布式电动汽车背景下汽车行驶状态估计的研究现状，对状态估计不同算法的基本实现原理的标志性成果展开综述，并探讨未来汽车行驶状态参数估计的发展趋势与方向。

主题词：分布式电动汽车状态估计主动安全中图分类号：U469.72文献标识码：ADOI:10.19822/ki.1671-6329.20200144Overview of Driving State Estimation Algorithms Based on DistributedElectric Vehicle Automatic DrivingLiu Xinye 1,Zha Yunfei 1,Ma Fangwu 1,2,Zheng Xun 1,Yu Miao 1,Hou Nairen 1,Quan Xiaoyu 1,Wu Hao 1（1.Fujian University of Technology,Fuzhou 350118;2.College of Automotive Engineering,Jilin University,Changchun 130012）【Abstract 】Accurate estimation based on vehicle state parameters is one of the key technologies for vehicle active safety serving as an outpost for vehicle active safety.Vehicle driving state parameter estimation is to estimate the key parameters of vehicles through their sensors,especially on the mass production vehicles.It has the advantages of low cost and wide application range.Based on the current research status of vehicle driving state estimation under the background ofdistributed electric vehicles,the iconic results of the basic realization principles of different algorithms are reviewed,and the future development trend and direction of vehicle shape state parameter estimation are discussed.Key words:Distribution,Electric Vehicle(EV),State estimation,Active safety【引用】刘鑫烨,查云飞,马芳武,等.基于分布式电动汽车的行驶状态估计算法综述[J].汽车文摘,2021(1):1-6.【Citation 】Liu X,Zha Y,Ma F,et al.Overview of Driving State Estimation Algorithms Based on Distributed Electric Vehicle AutomaticDriving [J].Automotive Digest (Chinese),2021(1):1-6.基于分布式电动汽车的行驶状态估计算法综述1前言由于汽车工业的快速发展，汽车更加智能化，许多厂商已经在车上加入主动安全控制系统。

1110.16638/ki.1671-7988.2020.20.003基于无迹卡尔曼的分布式电动汽车状态估计*何昊文（长安大学汽车学院，陕西 西安 710064）摘 要：为了较准确地获取分布式电动汽车的状态信息，满足汽车稳定性控制的要求，文章以三自由度车辆动力学模型为基础，建立了基于无迹卡尔曼滤波的分布式电动汽车状态观测器，对双移线工况下分布式汽车的纵横向车速、横摆角速度、质心侧偏角进行了预测估计。

关键词：分布式电动汽车；无迹卡尔曼；横摆角速度；质心侧偏角中图分类号：U469.7 文献标识码：B 文章编号：1671-7988(2020)20-11-03Distributed Electric Vehicle State Estimation Based on Unscented Kalman *He Haowen（School of Automobile, Chang'an University, Shaanxi Xi'an 710064）Abstract: In order to obtain the state information of distributed electric vehicles more accurately and meet the requirements of vehicle stability control, this paper builds a distributed electric vehicle state observer based on the unscented Kalman filter based on the three-degree-of-freedom vehicle dynamics model. The longitudinal and lateral vehicle speed, yaw rate and side slip angle of the distributed vehicle under the double-line shifting condition are predicted and estimated. Keywords: Distributed electric vehicle; Unscented Kalman; Yaw rate; Slip angle CLC NO.: U469.7 Document Code: B Article ID: 1671-7988(2020)20-11-03前言分布式驱动电动汽车作为电动汽车的重要类型，相比于传统集中式驱动电动汽车来说，其电机驱/制动力矩独立可控，且控制精度高，响应更加迅速，可以实现更好的主动安全控制[1]。

基于扩展卡尔曼滤波的分布式电驱动汽车状态参数估计
蔡周桥;邓召文;陈杜奥;温嘉乐;罗金涛
【期刊名称】《拖拉机与农用运输车》
【年(卷),期】2023(50)1
【摘要】为了实时准确的获取汽车主动安全控制的状态量,基于汽车三自由度动力学模型和扩展卡尔曼滤波理论对质心侧偏角和横摆角速度进行估计。

利用分布式驱动电动汽车提供的标准车载信息:轮速、侧向加速度、横摆角速度、前轮转角等测量,结合扩展卡尔曼滤波估计算法来实时估计质心侧偏角和消除横摆角速度误差,在MATLAB环境中开发分布式轮边四驱电动汽车,并建立Simulink-CarSim联合仿真平台,选取高速和低速工况,仿真验证了扩展卡尔曼滤波在车辆动力学系统状态估计中的可行性与适应性。

【总页数】5页(P27-31)
【作者】蔡周桥;邓召文;陈杜奥;温嘉乐;罗金涛
【作者单位】湖北汽车工业学院汽车工程学院;南京航空航天大学能源与动力学院【正文语种】中文
【中图分类】U461
【相关文献】
1.基于扩展卡尔曼滤波的轮毂电机驱动电动汽车状态估计
2.基于双重扩展自适应卡尔曼滤波的汽车状态和参数估计
3.基于扩展卡尔曼滤波的PEMFC状态及参数估计研究
4.基于自适应回归扩展卡尔曼滤波的电动汽车动力电池全生命周期的荷电状
态估算方法5.基于自适应无迹卡尔曼滤波的分布式驱动电动汽车车辆状态参数估计
因版权原因，仅展示原文概要，查看原文内容请购买。