具体实施方式

下面通过实施例，并结合附图1，对本发明的技术方案作进一步具体的说明。

如附图1所示，本发明是一种电动菱形汽车跟车转矩分配方法，包括以下步骤：

步骤S1：通过感知设备获取前车行驶信息；

步骤S2：通过传感器获得当前车辆行驶信息并计算各车轮滑移率；

步骤S3：通过前车行驶信息和各车轮滑移率计算各电机最优的输入转矩；

步骤S4：电动菱形汽车依据各电机最优的输入转矩，驱动车辆进行跟车行为。

具体的，在步骤S1中，电动菱形汽车的前车行驶信息感知模块通过车载感知设备获取前车行驶信息，前车行驶信息包括前车车速v_pre、前车加速度a_pre和与前车的间距Δx，并将前车行驶信息的参数输入至转矩分配计算模块。

在步骤S2中，菱形电动车为三电机四轮结构，四个车轮按前后各一个、中间两个呈菱形布置，前后轮为转向轮，中间轮为驱动轮；前轮为车轮1，中轮为车轮2和车轮3，后轮为车轮4，依据菱形电动车及动力学模型计算各车轮滑移率。

具体包括以下步骤：

步骤S21：通过自车传感设备获取车轮行驶信息，车轮行驶信息包括第i个车轮所受的垂向力F_zi、当前转矩T_di、角速度ω_i和车轮中心纵向速度u_i。

步骤S22：计算第i个车轮当前的路面附着系数μ_i；

其中，I_i为第i个车轮的转动惯量，R_i为第i个车轮的滚动半径。根据当前路面附着系数μ_i判断当前路面条件属于干燥路面、潮湿路面、积雪路面中的哪一种。

步骤S23：根据当前路面条件查表确定菱形车所用轮胎的滑移率-附着系数，并从该曲线得到第i个车轮的最大路面附着系数对应的滑移率，把这一滑移率称为期望滑移率λ_d,i，在这个滑移率的时候，轮胎在当前路面条件下具有最大的路面附着系数。

步骤S24：计算第i个车轮的当前滑移率：

假设u为菱形车质心的绝对速度，u_x、u_y为其在车辆坐标系中的分量；u_i(i＝1,2,3,4)分别为菱形车前、中、后轮绝对速度；α_i分别为菱形车前、中、后轮侧偏角；δ₁和δ₄为前、后轮的转角。

可得菱形车各轮的侧偏角为：

将菱形车各轮胎绝对速度u_i分别向轮胎坐标系的l轴投影，有：

u_il＝u_i·cosα_i

其中，轮胎坐标系的原点为车轮平面和地平面的交线与车轮旋转轴线在地平面上投影线的交点，l轴为车轮平面与地平面的交线并规定向前为正，q轴在地平面上且垂直于l轴指向左方为正。

因此，得到菱形车各轮胎的滑移率为：

步骤S25：将当前滑移率λ_i和期望滑移率λ_d,i输入至转矩分配计算模块。

在步骤S3中，具体包括以下步骤：

步骤S31：转矩分配计算模块通过车载传感设备获取车辆行驶信息，车辆行驶信息包括自车车速v_ego、自车加速度a_ego、第j个电机的转速ω_EMj和当前时刻电池SOC值。

步骤S32：建立车载电池模型，具体如下：

其中，V_bat为电池开环电压，为常值，可通过当前电池SOC值查表得到；R_bat为电池内电阻，为常值，可通过当前电池SOC值查表得到；Q_bat为电池电容量，为常值；P_bat为电池功率，其表达式如下：

P_bat＝P_bat,1+P_bat,2+P_bat,3

其中，P_bat,1、P_bat,2、P_bat,3分别代表三台电机的功率，每台电机的功率可表示如下：

P_bat,j＝T_EMj·η_EMjj＝1,2,3

其中，T_EMj为电机转矩，η_EMj为电机效率，为常值，可通过当前时刻电机转矩T_EMj与转速ω_EMj查表得到。

步骤S33：结合整车运动学关系与步骤S32中的电池模型，利用零阶保持器将连续系统离散化，得到离散时间跟车系统状态方程为：

其中，k代表k时刻，k+1代表k的下一时刻，两者的间隔δ₀为常值。(k)代表某一参数在k时刻的取值，(k+1)代表某一参数在k+1时刻的取值。

步骤S34：定义转矩分配优化问题的成本函数J_opt，具体为

J_opt＝J_ACC+γ₁J_Eco+γ₂J_Sta

其中，J_ACC代表跟车成本函数，J_Eco为经济性成本函数，J_Sta为滑移成本函数，γ₁和γ₂为正的常值，代表权重系数。

跟车成本函数J_ACC具体定义如下：

其中，k₁和k₂为正的常值，代表权重系数；t_f为预测时域，为常数；车速差Δv与加速度差Δa分别定义如下：

Δv＝v_pre-v_ego

Δa＝0.25Δv+0.02Δx

其中，v_pre为前车车速；v_ego为自车车速；

经济性成本函数J_Eco具体定义如下：

J_Eco＝1-SOC

其中，SOC代表电池的电能储量，其定义如下：

滑移成本函数J_Sta具体定义如下：

步骤S35：定义转矩分配优化问题的状态约束，具体为

其中，和为转速ω_EMj下的最小和最大转矩，可通过查表得到，这一约束用于保证电机工作在合理区间；和为自车的最小和最大加速度，为常值，这一约束用于保证车辆的舒适性。Δx^min和Δx^max为最小和最大车间距，为常值，这一约束用于保证跟车的安全性和高效性。

步骤S36：步骤S33中的离散时间跟车系统状态方程、步骤S34中的成本函数和步骤S35中的约束构成了一个带约束模型预测控制问题，利用动态规划的方法实时求解这一问题，并得到下一时刻各电机最优的输入转矩和

步骤S37：将步骤S36所得的各电机最优输入转矩输入至整车模块。

步骤S4：电动菱形汽车的整车模块执行步骤S3所得的各电机最优输入转矩，从而驱动车辆进行跟车行为。

在一种实施例中，以一种电动菱形汽车转矩分配的情况为例：

(1)前车行驶信息感知模块通过车载感知设备获取前车车速v_pre、加速度a_pre和与前车的间距Δx，并将这些参数输入至转矩分配计算模块。

(2)自车行驶状态估计模块首先获取部分自车参数，其次利用步骤S22和S23中得到第i个车轮所在路面的最大路面附着系数对应的期望轮胎滑移率λ_d,i，接着根据步骤S24计算得到第i个车轮实际的滑移率，最后将期望滑移率和实际滑移率输入至转矩分配计算模块。

(3)转矩分配计算模块首先获取自车车速v_ego等必要参数，其次利用步骤S32建立车载电池模型，接着利用步骤S33，结合车辆运动学关系和电池模型，利用零阶保持器将这个连续系统离散化，并得到离散时间的跟车系统状态方程。随后利用步骤S34和S35，定义转矩分配优化问题的成本函数J_opt以及该优化问题的相关状态约束，这样就有了系统状态方程、优化成本函数、状态约束，从而把转矩分配问题转变为一个模型预测控制问题。接下来就利用步骤S36对这一状态方程、优化成本函数和状态约束够成的模型预测控制问题进行求解，求解方法采用动态规划方法。这样就求解得到了下一时刻各电机最优的输入转矩和将结果输入至整车模块。

(4)电动菱形汽车的整车模块执行各电机最优转矩，并驱动电动菱形车进行跟车行为。

虽然本发明已经以较佳实施例公开如上，但实施例并不是用来限定本发明的。在不脱离本发明之精神和范围内，所做的任何等效变化或润饰，同样属于本发明之保护范围。因此本发明的保护范围应当以本申请的权利要求所界定的内容为标准。