[发明专利]一种考虑驾驶员特性的四轮独驱电动车动力学控制方法

权利要求书

1.一种考虑驾驶员特性的四轮独驱电动车动力学控制方法，其特征在于，包括：

步骤一、进行实验数据采集，对采集到的实验数据进行重采样和滤波；

步骤二、提取特征值，进行聚类分析，对驾驶员特性进行分类；

步骤三、在不同实验条件下，基于BP神经网络建立驾驶员特性辨识模型，分析辨识模型的辨识精度；

步骤四、确定驾驶员特性类型，将目标力和力矩输入到力和运动分配器中，基于驾驶员特性进行动力学控制，进行动力的分配。

2.根据权利要求1所述的考虑驾驶员特性的四轮独驱电动车动力学控制方法，其特征在于，所述步骤一中，采集的实验数据包括：加速踏板行程、制动踏板行程、加速踏板行程变化率、制动踏板行程变化率，纵向速度、纵向加速度、方向盘转角以及横摆角速率；

所述重采样的时间设定为0.1s，采样间隔为0.001s，采用中值滤波进行滤波。

3.根据权利要求2所述的考虑驾驶员特性的四轮独驱电动车动力学控制方法，其特征在于，所述步骤二中，选用K-means聚类算法进对驾驶员进行分类，并设定：

聚类数目k＝3；

随机创建k个初始质心位置的中心点；

聚类数据维度为5；

聚类后将驾驶员的特性分为A、B、C三个类型，A为激进型，B为一般型，C为谨慎型。

4.根据权利要求2所述的考虑驾驶员特性的四轮独驱电动车动力学控制方法，其特征在于，所述步骤三中包括：

分别进行转向实验、加速实验以及制动试验，并基于BP神经网络建立相应的驾驶员特性辨识模型，包括如下步骤：

步骤1、数据归一化；

步骤2、进行数据分类，选取训练数据、变量数据与测试数据；

步骤3、建立神经网络，设置神经网络层数、节点数和隐含层的传输函数等；

步骤4、指定训练参数进行训练；

步骤5、完成训练，输入测试数据，对训练的网络进行准确性测试；

步骤6、数据进行反归一化；

步骤7、误差分析、结果分类。

5.根据权利要求4所述的考虑驾驶员特性的四轮独驱电动车动力学控制方法，其特征在于，

所述BP神经网络选用双隐含层BP神经网络；

隐含层阈值取为[5，1]，所述隐含层的节点数为5，传递函数为S型；

输出层的传递函数为purelin函数；

设定最大迭代次数为1000，学习速率为0.01，误差性能为0.001；

选择变梯度算法中的CGP算法作为训练函数，进行BP神经网络训练。

6.根据权利要求5所述的考虑驾驶员特性的四轮独驱电动车动力学控制方法，其特征在于，所述步骤四中，进行动力学控制时，采用动态控制分配和双级优化方法。

7.根据权利要求6所述的考虑驾驶员特性的四轮独驱电动车动力学控制方法，其特征在于，所述双级优化方法包括：

将整车执行器的转矩、转角作为独立可控变量，并引入执行器的最大转矩、最高转速、最大转角作为约束条件，以基于驾驶员特性的动力学控制为主目标，进行多目标约束的执行的器力和运动的首次优化分配；

以最大轮胎附着裕度为优化目标，将首次优化分配结果作为其约束条件，进行执行器的力和运动的二次优化分配，优化结果输出给各轮相应执行器。

8.根据权利要求7所述的考虑驾驶员特性的四轮独驱电动车动力学控制方法，其特征在于，所述轮胎附着裕度的经验公式为：

其中，μ为轮胎与地面之间的附着系数，F_xi为第i个车轮的纵向力，F_yi为第i个车轮的侧向力。