1 导言
面对动力紧缺和环境污染的压力，国际各围十分重视电动轿车的研讨和开发。归纳了纯电动轿车和内燃机轿车长处的混合动力轿车天然得到了广泛的开展，成为清洁轿车阵营中不行忽视的力气。传统轿车是依托行星轮的自转完成左、右车轮差速，在轿车转弯行进或其他行进情况下，都n，以借行星齿轮以相应转速自转，使两边驱动车以不I叫转速在地上j：翻滚而无滑动。关于选用混合驱动技能的电动车来说，电机驱动轮之间相同存在转速和谐操控的问题。电动轮电子差速技能现已成为混合动力整车操控体系有必要处理的问题。
本文所规划的混合动力轿车选用轮毂驱动技能，依据轮毂驱动电动轿车的技能特色，提出一种依据神经网络模型参阅自习惯的操控办法．完成混合动力驱动轿车的电子差速操控。
2 现有的电子差速技能
当轿车低速运转时，由ACKERMANN和JEANTAND提出的模型广泛使用于轿车的电子差速操控。如图1所示。
图1 ACKERMANN和JEANTAND模型
假定Uin，Uout分别为前内轮转速和前外轮转速，U3，U4分别为后内轮转速和后外轮转速，U为当时车速。
由上述模型可得
由此可见两后轮转速U3、U4是关于当时车速U和车轮转角δ的函数。因而可由加快踏板指令取得u，转角传感器取得δ，经计箅得到Ut和U4，但是上述模型只适用可静态剖析，是在假定车轮为纯翻滚的条件下树立的，没有考虑车辆转弯时的离心力和向心力。疏忽了轮胎的影响。下面选用神经网络模型参阅自习惯的办法对差速模犁进行动态剖析。
3 神经网络模型参阅自习惯电子差速操控
3．1模型参阅自习惯操控体系结构
模犁参阅自习惯操控(MRAC)特色足用一个给定的参阅模型(一般为功能杰出的低阶体系)来发生所要求的闭环体系输出Ym，操控的意图是使体系的实践输出盯梢Ym。MRAC适用于线性体系，当被控方针具有不知道的非线性特性时，可选用神经网络模型参阅自习惯操控计划．其结构如图2所示。其间神经网络NNI为在线辨识器，用于辨识被控方针的模型；神经网络NNC为操控器，经过练习可使闭环体系的输出Y盯梢参阅模型的输出Ym，从而使e=Ym-Y→0。
神经网络模刑参阅自习惯操控的结构有两种：直接型和直接型。直接办法比直接办法多选用一个神经网络辨识器NNI。其余部分完全相同。其间，神经操控器NNC的作用足经过练习，使受控方针输出与参阅模型之差尽量小。
图2神经网络模型参阅A习惯操控结构a)直接型 b)问接型
3．2模型参阅自习惯电子差速模刭的树立
本文选用直接型模型参阅自习惯操控办法，挑选非线性的神经网络操控器。针对前轮转向后轮驱动的混合动力体系，使用Ackermann模型核算基本轮速，依据车辆横向动力学方程树立的整车动力学模型作为参阅模捌。指令输入施加到神经网络操控器中，操控器的输出作为方针的输入，使方针的输出与参阅模型的输出按最小二乘匹配。，由整车动力学模型得到的轮速与Ackermann模型计箅的基本轮速之筹作为差错信号，反馈给神经网络。经神经网络的不断练习，修改权值，使差错到达预期方针。操控原理图如图3所示。
图3神经网络模型参阅自习惯电子差速操控
关于神经网络的学习，本文选用离线学习的办法。离线学习便是将网络的学习进程与操控进程分隔，将体系动态进程中的一螳输入／输出对构成网络的学习样本空间，以此对网络进行离线练习。整个网络在练习完毕后再将其加进操控体系中去。多层感知器型神经网络最常用的练习算法为BP算法。其练习过程如下：
①随机发生网络参数初始状况r，令t=t0
②依据BP算法发生r的下一候选状况r
③令r为练习样本的差错平方和函数
④若e<= 0，则令r=r；否则以概率exp(-e／kgt）承受r=r
⑤重复②～④n次
⑥批改权值
⑦重复②一⑥直到差错已到达精度要求
4 电子差速操控体系仿真及成果剖析
4．1仿真数据的选取和处理
本文是在Matlab／Simulink的仿真环境下进行建模与仿真。仿真研讨中车辆模型各相关参数取值为：m=1200kg，a=1．32m，b=1．22m，L=2．54m，B=1．41m，h=0．6m，J2=450kg*m2，前轮侧偏刚度和Cf=21000N／rad，后轮侧偏刚度和Cr=24000N／rad。神经网络操控器的数据均进行归一化处理。
4．2仿真成果及剖析
图4足操控模型练习进程中差错函数的改变曲线。图巾横坐标为练习次数，纵坐标为差错改变率。可见，当练习300次之后，模犁的练习功能差错可达1．41971。体系现已到达了要求的差错范同之内。
图4电子差速模型的功能曲线
图5两后轮轮心速度
本文对差速模犁进行了动态仿真，轿车原始速度为10m／s匀速运转，第0秒时，转向角δ变为100，图5为仿真成果。图中横牮标为时刻，纵坐标为车轮轮速。由仿真成果可以看出，当发生转向角之后，内侧后轮速度减小，外侧后轮速度增大，两后轮之间有必定的速度差。差速的发生使得轿车可以乎稳转向。
图6为u=10m／s和u=20m／s时，δ由0变为30°的仿真成果。仿真时长为30s。
U=10m／s
U=20m／s
图6不同车速时轮速随转向角的改变
依据上述仿真成果可以看出，关于一个车体，转弯时，内侧车轮速度减小，外侧车轮速度增大，转向视点越大，两驱动轮之间差速越大；当时车速越大，两驱动轮问差速越大。依据神经网络模型参阅自习惯树立的电子差速操控模型差错小，可以到达很好的差速作用。
5 定论
本文针对混合动力轿车的特性，使用神经网络模型参阅自习惯的操控办法树立两电机驱动后轮的差速模璎，在Matlab／Simulink环境下进行仿真，精确地反响了操控体系的非线性特性，减低了体系的差错。到达了很好的操控作用。
