分布式电动汽车驱动力优化与能量效率提升策略

本文主要探讨了分布式驱动电动汽车动力分配控制领域的最新研究进展，特别是在能量效率优化方面。作者针对分布式驱动汽车的特点，利用扩展卡尔曼滤波算法（EKF）对车轮侧向力进行实时在线估计。这一观测器的建立对于提高车辆主动安全性至关重要，因为车辆关键参数如轮胎侧向力和侧偏角通常难以直接测量，而准确的在线辨识可以显著提升车辆动态控制性能。 研究者采用了一种改进的车辆线性二自由度模型作为系统控制的基础，该模型为设计直接横摆力矩控制器提供了精确的数学模型。他们采用滑模变结构控制技术，这种控制器设计依赖于车轮侧向力的观测值，旨在精确控制车辆的横摆运动，从而提升车辆的稳定性和行驶平顺性。 文章的核心贡献在于提出了一种全轮驱动力综合优化分配策略，该策略同时考虑轮胎负荷率和驱动电机效率。这种耦合控制方法不仅提升了车辆在复杂路况下的路面附着力，还有效地提高了各驱动电机的效率，从而整体上提高了车辆的能量利用效率。通过Carsim-Matlab/Simulink的联合仿真验证，研究结果证实了该方法的有效性，证明了对车轮侧向力的准确估计和直接横摆力矩计算的精确性。 这篇论文是分布式电动汽车动力分配控制领域的一次重要研究，它结合了先进滤波算法、动态模型优化和高效能控制策略，旨在提升电动汽车的行驶性能和能源利用率，具有很高的实用价值和理论研究价值。对于电动汽车技术的发展和优化具有积极的推动作用，也为相关领域的工程师和研究人员提供了宝贵的参考和启示。