以提高轮毂电机驱动电动汽车转向稳定性为目的,针对传统PID算法扰动抑制能力不足,利用神经网络提高基于PID的横摆力矩和滑移率控制系统的稳定性,并针对神经网络收敛速度慢、易陷入局部最优解的问题,提出利用粒子群算法对控制器参数进行优化并对权值进行改进的神经网络PID方法。以四轮轮毂电机独立驱动电动汽车为研究对象,以跟踪期望的横摆角速度为控制目标,基于Carsim/Simuink联合仿真平台,对建立的四轮独立驱动电动汽车横向运动学模型及提出的控制策略进行不同工况下的对比验证,结果表明提出的控制方法优化了传统PID控制算法,振动频率幅值小、能更好地逼近理想值,可改善车辆转向性能、提高稳定性以避免事故的发生。

自动紧急制动是汽车安全行驶的重要保障,也是汽车智能化关键技术研究的重点和难点。针对传统防撞时间(Time To Collision,TTC)模型在复杂工况下,本车与目标车车辆速度接近时易出现无限大的问题导致预警过早或过晚的问题,以四轮独立驱动电动汽车为研究对象,提出一种基于二阶TTC的自动紧急制动模型。将目标车按照场景分为静止、ACC和Cut-in等三种类型,通过二阶TTC计算到可能碰撞时间,并与预设的时间阈值进行对比,力矩分配控制器根据当前输入信息计算得到制动力矩并传给车辆执行机构,车辆根据当前信息进行减速或紧急等辅助措施。利用联合仿真对该紧急制动模型进行了验证,结果表明当目标车存在加速度的情况下,该自动紧急制动模型相较与传统一阶TTC紧急制动模型能够很好地进行制动,防止车辆碰撞,并能有效适应复杂工况。