殷国栋，金贤建，张　云,2

(1.东南大学 机械工程学院,南京　211189；2.福特汽车工程研究南京有限公司,南京　211100)



分布式驱动电动汽车底盘动力学控制研究综述

殷国栋1，金贤建1，张云1,2

(1.东南大学 机械工程学院,南京211189；2.福特汽车工程研究南京有限公司,南京211100)

分布式驱动电动汽车将电机直接置于轮辋中，在大幅简化车辆底盘结构、提高能量效率的同时，能实现轮毂转矩的精确测量与驱动力矩的快速响应，为改善车辆底盘动力学控制系统的安全稳定性提供了独特的优势，已经逐渐被国际汽车领域研究学者认为是最有发展潜力的电动汽车框架之一。分别从底盘纵向动力学控制、横向动力学控制、集成动力学控制等3方面对分布式驱动电动汽车动力学控制研究进展进行了综述，着重介绍了驱动防滑系统、回馈与防抱死协调制动系统、四轮独立转向系统、直接横摆稳定性控制系统、电子差速系统等电动汽车底盘动力学控制的新兴研究热点，并对分布式驱动电动汽车动力学控制研究未来的发展趋势做了几点展望。

分布式驱动电动汽车；纵向动力学；横向动力学；参数估计；集成动力学控制

随着石油危机的不断加剧和环境污染的日益凸显，开发安全、环保、节能的交通工具成为人类所追求的共同目标。电动汽车使用电能直接驱动车辆，可以实现城市交通的零排放，近年来美国、欧洲、日本、中国等国家纷纷提出自己的电动汽车发展战略，电动汽车面临着加速发展的战略机遇，被认为是21世纪广泛采用的交通工具[1-7]。与传统燃油汽车相比，分布式驱动电动汽车使用轮毂电机直接驱动车轮。图1是东京大学开发的分布式驱动电动汽车“UOT March II”底盘架构[1]，其全电动化的驱动底盘拥有传统车辆无法比拟的高能量效率，并能实现制动过程中的能量回收。更重要的是分布式驱动电动汽车不需要附加传感器就可实现轮毂转矩的精确测量，能大幅提高车辆驱动力矩的响应速度，为提高车辆底盘动力学控制提供了独特的优势，将对车辆底盘动力学控制系统包括驱动防滑系统(acceleration slip regulation,ASR)、回馈制动系统(regenerative braking system,RBS)、四轮转向系统(four wheel steer,4WS)、直接横摆稳定性控制系统(direct yaw moment control,DYC)、电子差速系统(electronic differential system,EDS)等的安全稳定性改善有着极其重要的工程应用意义[1-7]。

1　纵向动力学控制进展

1.1驱动防滑动力学控制系统

分布式驱动电动汽车的驱动防滑控制系统主要是利用电动汽车驱动力矩独立可控，转速容易获得的特点，在车辆启动加速过程中起防滑作用，主要控制目标是将车轮滑转率控制在最优范围内，从而使车轮在加速过程中获得比较大的附着力，防止因驱动轮过度滑转而降低车辆的驱动性能，从而有效地提高车辆加速行驶的安全性。国内外学者分别采用不同的控制方法，如模糊逻辑控制、最优控制、滑模变结构控制、模型跟踪控制、等对ASR进行了研究[8-12]。文献[8]提出了基于门限角加速度和最优滑转率的模糊滑转率控制方法，以实际角加速度与门限角加速度之差和实际滑转率与最优滑转率之差作为模糊控制器输入，使得实际角加速度接近门限角加速度，控制各轮的驱动力矩实现驱动防滑。仿真结果表明:相比传统控制算法，基于门限角加速度的模糊滑转率控制能有效降低滑转率。文献[9]提出了基于转矩选择器的驱动防滑系统控制算法(如图2所示)，其控制逻辑是根据识别的路面条件来确定当前的最优滑移率，并增加了转矩选择器结合驾驶员的转矩控制命令与当前最优滑移率下的转矩来选择电机转矩输出，继而自动实现最优驱动防滑控制，仿真结果表明了该设计控制器的有效性。

图1　东京大学分布式驱动电动汽车“UOT March II”底盘架构

图2　基于转矩选择器的驱动防滑系统控制逻辑

1.2制动动力学控制系统

与传统的内燃机车辆相比，分布式驱动电动汽车在制动过程中，电动机以发电方式工作，能将电动汽车的动能或势能转换为电能进行存储，是提高车辆能源利用率的一项重要技术。考虑到电机的制动效能以及制动过程中的稳定性，作为保证车辆制动主动安全最广泛的防抱死制动系统仍旧会被电动汽车大量应用，目前国内外的研究热点集中从之前单纯如何使能量回馈效率最大化逐渐转向到在保证车辆制动稳定性的同时如何使能量回馈效率最大化，针对电动汽车回馈制动系统和防抱死制动系统的集成协调控制策略被持续关注[6,13-17,44]。例如：Bera等[6]提出了在键合图理论上的协调RBS和ABS策略；Castro等[13]提出了基于自适应的滑移率控制的RBS和ABS协调制动控制策略，该文颇有新意的是考虑了轮毂电机饱和等多种条件的约束，对于不确定路面条件具有极强的自适应性和鲁棒性。Jin和Yin等[14]针对轮毂式电动汽车，提出了一种新的RBS和ABS协调制动控制策略(如图3所示)。首先为适应制动系统的强非线性、时变特征，设计了一个上层指数趋近率降低抖振的鲁棒滑模控制器将车轮滑移控制在最佳范围内来以产生虚拟总的制动转矩，然后根据电池SOC、电机转速和制动强度等约束因素采用固定点法求解二次规划的转矩分配策略，将总的制动转矩动态分配到RBS和ABS。NEDC工况仿真结果表明：该协调控制策略能在保证车辆制动稳定性的同时有效地提高制动能量的回收效率，且具有较强的鲁棒性。

图3　基于转矩分配的RBS与ABS协调制动控制系统

2　横向动力学控制进展

2.1四轮独立转向系统

对于分布式独立驱动电动汽车可以实现全轮独立驱动独立转向功能，其独立转向功能可以看成是传统汽车四轮转向技术的扩展。但是电动汽车具备更多、更灵活的转向驱动模式，能通过车轮转向和驱动协调控制显著改善车辆的动力性、操纵性和安全性，代表了未来高级电动汽车的发展方向。针对分布式独立驱动电动独立转向车辆的研究目前尚处于起步阶段[18-21]。Yin等[19-20]在四轮转向领域的研究成果具有广泛的国际影响，其针对实际汽车行驶时承担的不同载荷以及运行状态(如速度)的变化，设计了4ws汽车μ综合控制闭环系统(如图4所示)，以横摆角速度跟踪反馈为控制逻辑,采用μ综合鲁棒控制器来抑制外部干扰,优化权函数,实现了传统四轮转向车辆控制器难以达到的性能指标。仿真结果表明：所设计的综合鲁棒控制器不仅具有良好的操纵性和稳定的鲁棒性,即对外界干扰具有较好的抑制性能且不敏感于车辆参数变化,而且改善了以往控制器设计偏于保守的问题。

图4　4ws汽车μ综合控制闭环系统

2.2直接横摆稳定性控制系统

与传统汽车利用汽车ABS不对称制动来使车辆发生偏转不同的是，分布式独立驱动电动汽车是在发现车身在转向时发生了甩尾、偏移等失稳现象时直接利用轮毂电机的驱动力矩分配来实现车辆的横摆稳定性控制，从而保证车辆正常的行驶姿态。对于分布式独立驱动电动汽车直接横摆稳定性控制系统是电动汽车研究学者包括国际车辆领域权威学者Hedrick J K， Masato Abe等最集中研究的问题，近年来国内外已经有不少成果显现，如预测控制、滑模控制、鲁棒控制、非线性控制等[3-4,7,22-23]，其基本控制框架分两层：上层控制器根据驾驶员命令确定总的直接横摆力矩；下层控制器根据轮胎状态实际分配电机转矩。这里不做过多赘述，感兴趣的读者可以参考相关文献。值得注意的是虽然不同的控制逻辑开始被运用，但是多数处于仿真研究阶段，研究成果大多缺乏实车验证。

2.3其他横向动力学控制系统

其他四轮独立驱动电动汽车横向动力学控制系统也主要是利用轮毂电机转矩能独立控制的优点，这里主要介绍电动汽车电子差速系统。传统汽车上的差速器是帮助车辆在转弯过程中实现内外圈车轮的差速，让内外车轮都能以纯滚动的形式转动。而四轮独立驱动电动汽车轮毂电机与轮胎直接连接在一起，没有了传统汽车的机械减速器和差速装置，所以四轮独立驱动电动汽车的电子差速研究也是一个崭新的课题。另外，在分布式驱动电动汽车正常直线行驶中，也需要考虑前后左右4个电机的转速精确同步控制问题。如果前后车轮速度不同，会造成车辆行驶系统(轮胎轮毂)的过度磨损；车辆在高速直线行驶时，左右轮速的误差会使车辆偏移目标轨道，因此电动汽车直线行驶的转速精确同步可以看作是电子差速系统的特殊应用，其国际研究文献还不多见[24-26]。由于电动汽车的各轮转矩独立可控，故电动汽车电子差速主要研究方向是在Ackerman-Jeantand模型的基础上，通过算法对内外轮胎的电机力矩进行分配控制来实现辅助转向。例如文献[25]等设计四轮独立驱动电动汽车驱动轮转矩比为

(1)

式中：u为车身质心处速度；h为质心到地面高度；g为重力加速度；d为轮距；δ为前轮转角。从式(1)可以看到：电动汽车驱动转矩比是根据车辆速度与前轮转向角来确定的。在电子差速控制下，提高外侧电机的驱动力矩，减小内侧电机的驱动力矩，从而使内侧和外侧的电机力矩差值增大，同时内外侧轮胎的角速度差速也增大，进而使电子差速系统可以有效帮助车辆完成转向。

3　集成动力学控制进展

3.1车辆动力学系统集成控制

分布式驱动电动汽车动力学集成控制可以大致分成两大类：第一大类是从整车底盘动力学集成角度考虑将纵向动力学控制、横向动力学控制等子系统通过协调控制集成起来，减少各子系统的功能干涉，从而最大程度地发挥各子系统功能以提高电动汽车底盘动力学的安全稳定性。这一大类的研究与传统内燃机车辆动力学集成相比基本类似[13,27-30]。例如文献[27]等将非线性的模型预测应用于底盘动力学主动转向系统与直接横摆系统的集成控制，其主要的集成控制框架如图5所示。首先通过在线的非线性模型预测来确定主动转向角与总的直接横摆力矩，然后通过制动逻辑分配车辆的车轮执行器；第二大类是分布式驱动电动汽车独特的研究方向，主要包括电动汽车整车能量优化与容错控制策略。例如Junmin Wang等[31-32]就分布式驱动电动汽车整车效率进行了深入的研究，其核心思想是根据轮毂电机的MAP效率图，在路面行驶不同工况下，综合考虑各驱动电机的控制效能，针对电机的执行器设计卡罗需-库恩-塔克条件(KKT)全局最优的能量消耗目标函数，进而提高整车的驱动效率，并用实车试验验证了该控制策略的有效性。由于电动汽采用电传线控系统，驱动电机一旦出现故障，整个车辆有可能失稳，同时由于整个电动汽车还未完成市场化，还缺乏实际的车辆失效模式与故障案例,因此电动汽车的故障建模与容错控制也是一个崭新的课题，例如文献[33]设计失效因子来简单处理电机故障，而文献[34]采用最优控制来设计容错控制律，但总的来说目前该方向的研究文献寥寥。

图5　基于MPC的底盘集成控制框架

3.2车辆动力学系统路面参数估计

对于电动汽车无论是纵向动力学控制系统(包括驱动防滑动力学控制系统与制动动力学控制系统)，还是横向动力学系统(包括四轮独立转向系统与直接横摆力矩控制系统)，其动力学的控制性能与路面附着条件有着极其紧密的联系，因此能否准确、实时估计路面利用附着系数直接影响着电动汽车动力学控制系统的有效性。目前根据测量方法和测量参数的不同可以将路面附着系数估算方法归纳为Cause-based和Effect-based两种[35-43,45]。Cause-based方法是测量对路面附着系数影响较大的一些因素，然后结合经验来预测当前路面附着系数。文献[35-36,40]是利用光学传感器测量路面对光的吸收和反射情况，以此判断能降低路面附着系数的物质，从而判别路面附着系数的变化情况。但由于传感器测量的光信号中含有许多干扰信号，因此进行滤波将有很大困难，路面附着系数的估计值有一定程度的失真。随着光学的发展和光学传感器的不断改进，近年来出现了采用毫米波和雷达波对路面进行识别的方法。该方法是通过一种光学装置向路面发射电磁波，由微波传感器接收这些经路面反射的电磁波，对反射波的频谱进行分析，然后根据频谱差异识别路面情况。以上方法需要加装额外的光学传感器，而这些传感器往往都十分昂贵，这就增加了电动汽车的使用成本，不利于电动汽车的商业化发展，同时这种方法的精确程度与经验有很大关系，否则不能对路面进行准确的识别。Effect-based方法是利用电动汽车的传感器和动力学系统方程对路面进行实时识别。这种方法很大程度上依赖于动力学方程的精确程度和算法的可靠性，所以成本较低。例如先利用算法估计车辆动力学模型计算轮胎与路面之间的附着力，然后采用卡尔曼滤波或最小二乘法判断当前路面附着系数[37,41,43]。然而，如何发展路面附着系数的实时估计方法仍旧是值得深入研究的热点。

4　结论与展望

本文分别从底盘纵向动力学控制、横向动力学控制、集成动力学控制等3方面对分布式驱动电动汽车动力学控制研究进展进行了介绍，由于篇幅限制，对电动汽车相关动力学控制系统研究综述还有待继续深入，还有一些先进的电动汽车车辆动力学控制系统(例如轮毂电机垂向悬架系统等)未进行讨论。尽管分布式驱动电动汽车底盘动力学控制研究有了初步的进展，但是国际在该领域的研究总体还处于起步阶段，未来的研究发展趋势有以下两点：

1) 更安全。电动汽车全电动化控制系统方便利用车载传感器来感知车辆周围环境,并根据感知所获得的道路、车辆位置和障碍物信息,更容易精确控制车辆，从而使车辆能够安全、可靠地在道路上自动行驶,更易实现电动汽车无人驾驶技术，能为汽车没有驾驶员或者无驾驶能力的人(如残疾人)提供方便，更能在驾驶人员技术不熟练、经验不足、缺乏安全行车常识，或在复杂道路行驶时遇有突然情况和发生操作错误时减少人为失误事故的发生数量，为人与车辆的安全提供保证。

2) 更智能。电动汽车的车载网络更易实现车联网集成。车联网将车与车相连、车与物相连，实现实时信息交换，通过车辆网络动态地收集分发和处理数据，使用无线通信方式共享信息，能实现车与车、车与物的信息交换，将汽车与城市网络相互连接，实现交通信息与实时导航服务、安全驾驶与车辆故障诊断、娱乐及通信服务。因此，汽车在车联网的帮助下，将更加智能、更加人性化。

[1]HORI Y.Future vehicle driven by electricity and control-research on four-wheel-motored ‘UOT Electric March II’[J].IEEE Transactions on Industrial Electronics,2004,51(5):954-962.

[2]FLORESCU A,BRATU A I,MUNTEANU I.LQG Optimal Control Applied to On-Board Energy Management System of All-Electric Vehicles[J].IEEE Transactions on Control Systems Technology,2015,23(4):1427-1439.

[3]JIN X,YIN G.Robust Guaranteed Cost State-delayed Vehicle Lateral Stability Control with Applications to In-Wheel-Motor-Driven Electric Vehicles[C] //Proc Amer Control Conf.2015：5408-5413.

[4]GENG C,MOSTEFAI L,DENA M,et al.Direct yaw-moment control of an in-wheel-motored electric vehicle based on body slip angle fuzzy observer[J].IEEE Transactions on Industrial Electronics,2009,56(5):1411-1419.

[5]NAM K,FUJIMOTO H,HORI Y.Advanced motion control of electric vehicles based on robust lateral tire force control via active front steering[J].IEEE/ASME Transections on Mechatronics,2014,19(1):289-299.

[6]BERA T K,BHATTACHARYA K,SAMANTARAY A K.Bond graph model-based evaluation of a sliding mode controller for a combined regenerative and antilock braking system[J].Proceedings of the Institution of Mechanical Engineers,Part I:Journal of Systems and Control Engineering,2011,225(7):918-934.

[7]GOODARZI A,ESMAILZADEHE.Design of a VDC system for all-wheel independent drive vehicles[J].IEEE/ASME Trans.Mechatronics,2007,12(6):632-639.

[8]YIN G,WANG S,JIN X.Optimal Slip Ratio Based Fuzzy Control of Acceleration Slip Regulation for Four-Wheel Independent Driving Electric Vehicles[J].Mathematical Problems in Engineering,2013(11):1-7.

[9]XU K,XU G,LI W,et al.Anti-skid for Electric Vehicles Based on Sliding Mode Control with Novel Structure[C]//IEEE Internation Conference on Information and Automation.[S.l.]：IEEE,2011:650-655.

[10]WU L,GOU J,WANG L,et al.Acceleration Slip Regulation Strategy for Distributed Drive Electric Vehicles with Independent Front Axle Drive Motors[J].Energies,2015,8(5):4043-4072.

[11]XU P,CAO J,GUO G,et al.Torque coordinated control of independent driving electric vehicles base on BP neural network[C]// IEEE International Conference on Automation and Logistics.[S.l.]：IEEE,2008:710-714.

[12]周斯加，罗玉涛，黄向东，等.4WD电动车的滑转率识别及防滑控制[J].华南理工大学学报(自然科学版)，2008,36(6)：95-100.

[13]DE CASTRO R,ARAúJO R E,TANELLI M,et al.Torque blending and wheel slip control in EVs with in-wheel motors[J].Vehicle System Dynamics,2012,50(sup1):71-94.

[14]JIN X,YING.Coordinated braking control for In-Wheel-Motor-Driven Electric Vehicles with regenerative and antilock braking system based on Control Allocation[Z].The Dynamics of Vehicles on Roads and Tracks:Proceedings of the 24th Symposium of the International Association for Vehicle System Dynamics (IAVSD 2015)August 17-24,2015,Graz,Austria,pp.87-96.

[15]金贤建,殷国栋,陈南,等.混合动力汽车回馈制动与防抱死制动协调鲁棒控制[J].汽车工程,2015,37(9):1011-1016.

[16]WANG B,HUANG X,WANG J,et al.A robust wheel slip ratio control design combining hydraulic and regenerative braking systems for in-wheel-motors-driven electric vehicles[J].Journal of the Franklin Institute,2015,352(2):577-602.

[17]YU H,TAHERI S,DUAN J,et al.An Integrated Cooperative Antilock Braking Control of Regenerative and Mechanical System for a Hybrid Electric Vehicle Based on Intelligent Tire[J].Asian Journal of Control,2016,18(1):55-68.

[18]MARINO R,SCALZI S.Asymptotic sideslip angle and yaw rate decoupling control in four-wheel steering vehicles[J].Vehicle System Dynamics,2010,48(9):999-1019.

[19]YIN G,CHEN N,LI P.Improving handling stability performance of four-wheel steering vehicle via μ-synthesis robust control[J].Vehicular Technology,IEEE Transactions on,2007,56(5):2432-2439.

[20]殷国栋,陈南,李普.4WS 汽车横摆角速度跟踪μ综合鲁棒控制[J].机械工程学报,2005,41(10):221-225.

[21]FAHIMI F.Full drive-by-wire dynamic control for four-wheel-steer all-wheel-drive vehicles[J].Vehicle System Dynamics,2013,51(3):360-376.

[22]CHEN Y,HEDRICK J K,GUO K.A novel direct yaw moment controller for in-wheel motor electric vehicles[J].Vehicle System Dynamics,2013,51(6):925-942.

[23]Suzuki Y,Kano Y,Abe M.A study on tyre force distribution controls for full drive-by-wire electric vehicle[J].Vehicle System Dynamics,2014,52(sup1):235-250.

[24]ZHAO Y,ZHANG J.Modelling and simulation of the electronic differential system for an electric vehicle with two-motor-wheel drive[J].International Journal of vehicle systems Modelling and Testing,2009,4(1/2):117-131.

[25]HARTANI K,BOURAHLA M,MILOUD Y,et al.Electronic differential with direct torque fuzzy control for vehicle propulsion system[J].Turkish Journal of Electrical Engineering & Computer Sciences,2009,17(1):21-38.

[26]OZKOP E,ALTAS I H,OKUMUS H I,et al.A fuzzy logic sliding mode controlled electronic differential for a direct wheel drive EV[J].International Journal of Electronics,2015,102(11):1919-1942.

[27]FALCONE P,TSENG H E,BORRELLIF,et al.MPC-based yaw and lateral stabilisation via active front steering and braking[J].Vehicle System Dynamics,2008,46(S1):611-628.

[28]SONG P,TOMIZUKA M,ZONG C.A novel integrated chassis controller for full drive-by-wire vehicles[J].Vehicle System Dynamics,2015,53(2):215-236.

[29]DI CAIRANO S,TSENG H E,BEMARDINI D,et al.Vehicle yaw stability control by coordinated active front steering and differential braking in the tire sideslip angles domain[J].IEEE Transactions on Control Systems Technology,2013,21(4):1236-1248.

[30]YANG X,WANG Z,PENG W.Coordinated control of AFS and DYC for vehicle handling and stability based on optimal guaranteed cost theory[J].Vehicle System Dynamics,2009,47(1):57-79.

[31]CHEN Y,WANG J.Design and experimental evaluations on energy efficient control allocation methods for overactuated electric vehicles:Longitudinal motion case[J].IEEE/ASME Transactions on Mechatronics,2014,19(2):538-548.

[32]CHEN Y,WANG J.Fast and global optimal energy-efficient control allocation with applications to over-actuated electric ground vehicles[J].IEEE Transactions on Control Systems Technology,2012,20(5):1202-1211.

[33]YANG H,COCQUEMPOT V,JIANG B.Optimal fault-tolerant path-tracking control for 4WS4WD electric vehicles[J].IEEE Transactions on Intelligent Transportation Systems,2010,11(1):237-243.

[34]IFEDI C J,MECROW B C,BROCKWAY S T M,et al.Fault-tolerant in-wheel motor topologies for high-performance electric vehicles[J].IEEE Transactions on Industry Applications,2013,49(3):1249-1257.

[35]HONG S,ERDOGAN G,HEDRICK K,et al.Tyre-road friction coefficient estimation based on tyre sensors and lateral tyre deflection:modelling,simulations and experiments[J].Vehicle System Dynamics,2013,51(5):627-647.

[36]LEE C,HEDRICK K,YI K.Real-time slip-based estimation of maximum tire-road friction coefficient[J].IEEE/ASME Transactions On Mechatronics,2004,9(2):454-458.[37]RAJAMANI R,PHANOMCHOENG G,PIYABONGKARN D,et al.Algorithms for real-time estimation of individual wheel tire-road friction coefficients[J].IEEE/ASME Transactions on Mechatronics,2012,17(6):1183-1195.[38]ENISZ K,SZALAY I,KOHLRUSZ G,et al.Tyre-road friction coefficient estimation based on the discrete-time extended Kalman filter[J].Proceedings of the Institution of Mechanical Engineers,Part D:Journal of Automobile Engineering,2015,229(9):1158-1168.

[39]JIN X,YIN G,LIN Y.Interacting Multiple Model Filter-Based Estimation of Lateral Tire-Road Forces for Electric Vehicles[M].[S.l.]:SAE Technical Paper,2014.

[40]ERDOGAN G,ALEXANDER L,RAJAMANI R.Estimation of tire-road friction coefficient using a novel wireless piezoelectric tire sensor[J].IEEE Sensors Journal,2011,11(2):267-279.

[41]褚文博,罗禹贡,陈龙,等.分布式电驱动车辆的无味粒子滤波状态参数联合观测[J].机械工程学报,2013,49(24):117-127.

[42]宋健,杨财,李红志,等.AYC 系统基于多传感器数据融合的路面附着系数估计算法[J].清华大学学报(自然科学版),2009,49(5):715-718.

[43]RAJAMANI R,PIYABONGKARN D,LEW J Y,et al.Tire-road friction-coefficient estimation[J].IEEE Control Systems,2010,30(4):54-69.

[44]YIN G,JIN X.Cooperative Control of Regenerative Braking and Antilock Braking for a Hybrid Electric Vehicle[J].Mathematical Problems in Engineering,2013(4):1-9.

[45]YIN G,JIN X,QING Z,et al.Lateral Stability Region Conservativeness Estimation and Torque Distribution for FWIA Electric Vehicle Steering[J].Sciences China Technological Sciences,2015,58(4):669-676.

(责任编辑刘舸)

Overview for Chassis Vehicle Dynamics Control of Distributed Drive Electric Vehicle

YIN Guo-dong1, JIN Xian-jian1, ZHANG Yun1, 2

(1.School of Mechanical Engineering, Southeast University, Nanjing 211189，China;2.Ford Motor Research & Engineering(Nanjing) Co., Ltd., Nanjing 211100,China)

The motors of distributed drive electric vehicle will be placed directly in the rim, which greatly simplify the structure of the vehicle chassis and improve efficiency on energy, moreover, wheel motors can accurately measure hub torque and possess rapid response in the driving torque so as to provide a great convenience for improving security and stability of the vehicle chassis dynamics control systems. This paper reviewed the vehicle chassis dynamics control in term of longitudinal dynamics control, lateral dynamics control and integrated dynamics control, and focused on these emerging hotspots including acceleration slip regulation, regenerative and anti-lock braking system, four wheel steer, direct yaw moment control, electronic differential system in chassis dynamics control for distributed drive electric vehicle, and then made several forecasts about research directions of the distributed drive electric vehicle’s dynamics control in the future.

distributed drive electric vehicle；longitudinal dynamics；lateral dynamics； parameter estimation；integrated dynamics control

2016-04-21

国家自然科学基金资助项目(51575103)；东南大学杰青培育基金项目(2242016K41056)；江苏省六大人才高峰培养计划(2014-JXQC-001)

殷国栋(1976—)，男，博士，教授，博士生导师，东南大学机械工程学院副院长，主要从事新能源汽车整车设计与系统估计及控制、智能网联汽车、车辆动力学及其控制等方面研究，E-mail:ygd@seu.edu.cn。

format：YIN Guo-dong, JIN Xian-jian, ZHANG Yun.Overview for Chassis Vehicle Dynamics Control of Distributed Drive Electric Vehicle[J].Journal of Chongqing University of Technology(Natural Science)，2016(8):13-19.

10.3969/j.issn.1674-8425(z).2016.08.002

U461.3

A

1674-8425(2016)08-0013-07

引用格式：殷国栋,金贤建,张云.分布式驱动电动汽车底盘动力学控制研究综述[J].重庆理工大学学报(自然科学)，2016(8):13-19.