电动汽车牵引力控制:滑模观测器与LuGre模型的应用
需积分: 12 55 浏览量
更新于2024-08-11
收藏 1016KB PDF 举报
"基于滑模观测器的电动汽车最大牵引力估计 (2015年)"
本文主要探讨了如何在双电机四轮驱动的电动汽车上实现最大牵引力的控制,特别是在不同的路面条件下。研究者提出了一种结合LuGre摩擦动力学模型和滑模观测器(SMO)的牵引力控制策略。LuGre模型是一种描述轮胎与路面之间摩擦的复杂模型,它考虑了多个参数,包括反映路面条件的参数θ。
滑模观测器在该系统中的作用是实时估计轮胎与路面交互的参数θ。在电动汽车纵向行驶且轮胎滑移率较小的情况下,SMO能够主动地计算出这些参数,从而推测出最优的滑移率。滑移率是轮胎转动速度与车轮实际前进速度之间的差异,找到最佳滑移率对于最大化路面提供的牵引力至关重要。通过这种方式,电动汽车可以在各种路况下获取最大的驱动力,提高行驶性能。
此外,为了防止电机过载并确保在不同路面条件下的防滑行驶,文章还引入了动态饱和非线性控制策略。这种策略限制了电机的最大输出扭矩,保证了车辆的稳定性和安全性。
仿真实验的结果验证了所提出的滑模观测器在估计最佳滑移率方面的有效性。这种方法能够在不同路面条件下为电动汽车提供最大牵引力,对提升汽车的主动安全性具有显著意义。因此,这种基于滑模观测器的牵引力控制策略对于电动汽车的设计和控制优化具有重要的理论与实践价值,特别是在智能驾驶和自主驾驶系统中,能够提升电动车的性能和安全性。
关键词涉及电动车技术、LuGre摩擦动力学模型的应用、滑模观测器的理论与实践以及牵引力控制策略的设计。这些关键词代表了当前电动汽车研究的关键领域,特别是涉及到车辆动力学、控制系统设计以及路面适应性的优化问题。
2021-09-04 上传
2021-05-07 上传
2021-09-04 上传
点击了解资源详情
2021-09-04 上传
2021-01-14 上传
2023-05-23 上传
2023-05-15 上传
2021-05-17 上传
weixin_38705004
- 粉丝: 5
- 资源: 946
最新资源
- 掌握Jive for Android SDK:示例应用的使用指南
- Python中的贝叶斯建模与概率编程指南
- 自动化NBA球员统计分析与电子邮件报告工具
- 下载安卓购物经理带源代码完整项目
- 图片压缩包中的内容解密
- C++基础教程视频-数据类型与运算符详解
- 探索Java中的曼德布罗图形绘制
- VTK9.3.0 64位SDK包发布,图像处理开发利器
- 自导向运载平台的行业设计方案解读
- 自定义 Datadog 代理检查:Python 实现与应用
- 基于Python实现的商品推荐系统源码与项目说明
- PMing繁体版字体下载,设计师必备素材
- 软件工程餐厅项目存储库:Java语言实践
- 康佳LED55R6000U电视机固件升级指南
- Sublime Text状态栏插件:ShowOpenFiles功能详解
- 一站式部署thinksns社交系统,小白轻松上手