基于声学道路类型估计的电动汽车智能牵引控制系统
信号处理
2019-04-10 v1 系统与控制
摘要
由于直驱电机易于实现转矩控制，牵引控制系统（TCS）在电动汽车（EV）中的应用具有巨大潜力。然而，控制系统通常需要路面-轮胎摩擦与滑移率数值，这些量必须被估计。虽然前者无法直接获取，后者的估计需要底盘与车轮速度的精确测量。此外，现有TCS结构在设计时往往未考虑转矩控制的鲁棒性与能量效率。本工作通过一种集成声学道路类型估计（ARTE）单元的智能TCS设计来解决这两个问题。该单元实现道路类型识别，并利用此信息检索摩擦系数与滑移率之间正确的查找表。摩擦系数的估计有助于系统更新所需的输入转矩。ARTE单元利用机器学习，将声学特征输入映射为道路类型输出。本研究考察了三种现有电动汽车TCS在集成与不集成ARTE单元下的表现。结果表明，集成ARTE后性能显著提升，滑移率降低75%，同时通过减小施加转矩节省能量，并提高了TCS的鲁棒性。
引用
@article{arxiv.1904.04504,
title = {Smart Traction Control Systems for Electric Vehicles Using Acoustic Road-type Estimation},
author = {Daghan Dogan and Pinar Boyraz},
journal= {arXiv preprint arXiv:1904.04504},
year = {2019}
}
备注
Accepted to be published by IEEE Trans. on Intelligent Vehicles, 22 Jan 2019