1037803制動電動汽車動力編碼器秉銘DKV60-E2P00200線控電動汽車狀態估算及路面識別研究”（編號：20121088）,從車輛動力學原理出發,對分布式轉向/驅動/制動系統進行自上而下的分層式集成控制研究,以使整車在操縱性、穩定性和路徑跟蹤能力方面實現全的動力學響應,同時基于快速原型技術搭建全線控電動汽車UFEV測試與控制平臺,對所提出的觀測器與控制器進行低速實車試驗和模型在環驗證。具體的研究工作可總結為如下幾個部分：1)針對分布式轉向/驅動/制動系統*的底盤結構,采用快速控制原型技術搭建了全線控電動汽車UFEV的中央控制器,設置六個并行執行的定時循環對車載傳感器和執行器統一進行監測、控制、協調和記錄,從而為后文動力學觀測算法與集成控制算法提供硬件載體；同時根據運動學原理確定中低速下的基本駕駛模式（前輪轉向、四輪異向轉向、楔形轉向、原地轉向）,并使用有限狀態機設計模式間的切換邏輯；實車試驗的結果表明所搭建的中央控制器原型滿足實時測試與控制平臺的開發需求,并且實現整車在低速動的功能。2)基于雙無軌卡爾曼濾波理論搭建了全線控電動汽車的動力學觀測器,用以在線獲知車輛的平面運動狀態,以被底盤集成控制器所使用,同時準確辨識出左右側車輪總的電機力矩值,并通過驅動電流控制信號計算出兩側輪轂電機的等效力矩系數,從而提高觀測和控制精度；對所提出的觀測器分別進行離線仿真和實車驗證,結果表明狀態估算模塊在前輪轉向和四輪轉向模式下很好地實現對全線控電動汽車縱向速度和側向速度的估計,并且可以一定程度上過濾掉陀螺儀的信號噪聲,而參數識別模塊對電機驅動力矩的觀測也達到了非常高的準確度。3)全線控電動汽車憑借其靈活的底盤布置和*的可控自由度,是進行動力學集成控制的理想平臺。提出了一種基于模型的5層式底盤集成控制方法用以協調分布式轉向／驅動／制動系統,終達到“穩定性為主、操縱性為輔”的設計目標：駕駛員控制層利用線性二自由度參考模型和瞄側向加速度模型以體現駕駛員對汽車操縱響應的預期；車體運動控制層中引入多輸入多輸出的非線性滑模控制器來計算跟蹤駕駛員操縱指令所需的車體運動控制總力／總力矩,其中采用非奇異的終端滑模控制方法對橫擺運動的控制率進行設計；在輪胎力分配層中使用八邊形約束對摩擦圓進行線性逼近,并在分配過程中考慮軸荷轉移的影響,將分配過程分解為不多于3個包含線性等式與不等式約束的二次規劃問題,并設計合的目標函數,使輪胎的穩定裕度在普通工況下達到大,而在極限工況下盡量提高汽車的操縱穩定性；執行器執行層通過控制輪轂電機的驅動/制動力矩以及轉向電機的轉角來終實現輪胎力分配層輸出的目標輪胎力。基于CarSim與MATLAB/Simulink聯合仿真以及UFEV實車場地試驗的方式,驗證了動力學集成控制算法通過協調驅動及轉向系統,使汽車能夠較好地跟蹤目標車速和理想橫擺角速度,符合設計要求。4)為了讓全線控電動汽車獲得跟蹤性能,使汽車以變化的行駛速度通過一條已知的道路軌跡,采用非線性模型預測控制算法重新設計了駕駛員控制層與車體運動控制層,并基于空間變換原理將時域預測模型轉變為相對目標軌跡位置變化的空間動力學模型,從而準確獲得預測域內的目標參考軌跡；同時提出一種分層式結構方案來改善空間模型預測控制的實時性能,利用終端滑模控制方法分別實現非線性系統運動誤差和位置誤差在有*內的；通過搭建駕駛模擬器對分層式路徑跟蹤控制算法進行模型在環驗證,結果表明該算法可以實現全線控電動汽車對目標軌跡的跟蹤,并證明了極限工況下變車速控制的意義。本文創新點主要體現在以下幾個方面：1)針對傳統汽車電子控制單元僅可以實現某一特定的功能,根據全線控電動汽車*的底盤結構,開發其中央控制器用以協調分布式轉向、驅動、制動系統,并為動力學觀測與控制算法提供硬件載體,同時基于運動學原理設計簡單駕駛模式,從而實現整車低速下動的功能。2)針對底盤電控系統需要準確獲知車輛的運動狀態,基于雙無軌卡爾曼濾波理論搭建了動力學觀測器,用來過濾傳感器噪聲并準確估計出全線控電動汽車的縱向與側向速度,以被動力學集成控制器所使用,同時在線辨識兩側輪轂電機的當量力矩系數,從而確保集成控制器的制效果。3)針對全線控電動汽車分布式轉向/驅動/制動的底盤系統,基于非線性滑模控制方法與分配理論,提出了一套完整的動力學集成控制體系,采用帶有不等式約束的線性二次規劃算法在輪胎附著極限內充分發掘車輛的穩定性能,設計合適的車輪轉角與力矩計算模塊以終保證車輛穩定性系統的控制精度和效果,并通過終端滑模控制方法進一步提升車輛橫擺運動的響應。4)針對全線控電動汽車的路徑跟蹤問題,基于空間變換方法和非線性模型預測控制理論,提出了一種車體縱向與側向運動的聯合制算法,通過采用分層式控制結構方案并重新引入運動控制層,算法的實時性能得到了改善,并且基于終端滑模控制方法實現了非線性系統運動誤差和位置誤差在有*內收斂的效果,終使車身的運動控制也

1037803制動電動汽車動力編碼器秉銘DKV60-E2P00200 控制系統具有不確定性問題,提出一種基于云模型理論的多區域互聯電力系統負荷頻率自適應PI控制方法。該方法以區域控制偏差量e作為云模型發生器的前件,PI控制器參數的整定值P和I作為云模型發生器的后件,建立適于負荷頻率控制的一維云模型PI控制器。同時分別從頻域和時域角度模擬不同情況下的負荷擾動,采用云模型控制器對PI控制器參數自調整,實現電力系統的負荷頻率控制。仿真結果表明,在滿足各種負荷擾動情況下,所提方法可有效地跟蹤功率波動所引起的頻率偏差,滿足負荷頻率控制指標,具有更強的抗干擾性和魯棒性,其控制效果明顯優于傳統PI控制器。速的發展,AUV正逐漸成為科學研究和軍事工業等領域采集觀測海洋環境特征數據的主要運載平臺之一。然而,圍繞著提高水下機器人觀測質量和導航定位能力的運動控制問題卻是復雜的。諸如建立水動力模型、提高控制器的魯棒性等核心關鍵問題都需要同時被提出,并予以綜合解決。對水下機器人來講,動力模型和*的控制方法是提高運動性能的兩個關鍵因素水動力模型可以顯著降低模型參數的不確定性,進而提高控制系統的性能指標。然而,建水動力模型的代價和成本通常是很高的。尤其是,當水下機器人的外形相對復雜時,獲取準確的動力和水動力參數就顯得更加困難。水下機器人的水動力特性是有別于陸地機器人和飛行器的。首先,經本研究驗證推得,水下機器人的動力與水動力模型是非線性的。其中,二次阻尼作用使得傳統控制器的性能顯著下降。其次,水下機器人在實際應用中的動力和水動力特性是不確定的,往往與模型的標稱值有較大出入。欠描述的動力特征,部件老化或損壞等原因所引起的模型參數變化,以及外部環境風、浪、流作用所引起的擾動等,使得實際被控對象必然的存在諸多不確定性因素。后,傳感器自身噪聲與外部噪聲的攝入、信號傳輸信道的時間延滯和不可直接測量的重要系統狀態,也嚴重的干擾了閉環運動控制系統的穩定性和控制響應能力。在本研究所涉及的數次水下機器人競賽中,PID （Proportional Integral Derivative）控制器在微型小質量AUV的運動控制上,效果表現并不理想。綜上所述,本研究則更多的關注數值建模與魯棒控制方法相結合的思路。本文提出了一種基于水動力模型的魯棒控制方法,并且不失一般性地將該方法應用在法國CNRS 6285 （ENSTA Bretagne）實驗室所運行的CISCREA型水下機器人的航向控制器上。關于水動力模型的建立,本文主張使用WAMIT、MCC、 ANSYS CFX和STAR CCM+等水動力計算軟件獲取水下機器人的CFD （Computational Fluid Dynamic）模型。數值模型的估算過程中,本文重點推算了兩個關鍵的水動力參數,附加質量（Added Mass）和阻尼（Damping）。研究中建立了CISCREA水下機器人的四自由度模型。針對CISCREA水下機器人的CFD計算結果,本研究還進行了試驗水池內的拖曳實驗對比。而關于運動控制,本研究則提出基于水動力模型的魯棒控制方法。其方法的核心是利用帶有不確定性和非線性的CFD水動力模型計算補償非線性阻尼作用所需的推進扭矩,從而在控制器的角度上,推得一個帶有不確定性的線性水下機器人模型作為魯棒控制器設計的被控對象。