Использование принципа интегральной адаптации для построения робастного управления проскальзыванием колеса электромобиля

Использование систем "мотор-колесо" требует совершенствования системы управления электротранспортным средством, используя характеристики сцепления колеса с поверхностью дороги. Одним из аспектов такого совершенствования является улучшение алгоритмов функционирования антиблокировочной тормозной системы (АБС). При разработке алгоритмов управления АБС используются различных подходы и методы современной теории управления, включая методы, базирующиеся на оценивании скольжения колеса, силы сцепления, коэффициента трения колеса посредством линейных и нелинейных методов оценивания, линейных и нелинейных регуляторов. Данная работа иллюстрирует применение принципа интегральной адаптации (ПИА) высокого порядка синергетической теории управления (СТУ) для построения робастного закона управления проскальзыванием колеса электромобиля. Основные особенности СТУ состоят: во-первых, в принципиальном изменении целей поведения синтезируемых систем; во-вторых, в непосредственном учете естественных свойств нелинейных объектов; в-третьих, в формировании аналитического механизма генерации обратных связей, т.е. законов управления. ПИА заключается во введении в закон управления нелинейных интеграторов, компенсирующих возмущения без их оперативной оценки.

Полученный в данной работе закон управления имеет достаточно простую структуру, ориентирован на использование физически доступных переменных состояния тормозной системы и для его реализации не требуется оперативной оценки возмущений или построения сложной нейросети для вычисления возмущений.

Результаты компьютерного моделирования синтезированного робастного закона управления для АБС свидетельствуют о его эффективности при функционировании в условиях неопределенности действия внешней среды.

1. Hamersma H. A., Els P. S. ABS performance evaluation taking braking, stability and steerability into account, International Journal of Vehicle Systems Modelling and Testing, 2017, vol. 12, iss. 3—4, pp. 262—283.

2. Canudas de Wit C., Tsiotras P. Dynamic tire models for vehicle traction control, Proceedings of the 38th IEEE Control and Decision Conf., 1999.

3. Petersen I. Wheel Slip Control in ABS Brakes using Gain Scheduled Optimal Control with Constraints: PhD thesis, Dept. of Engineering Cybernetics, Norwegian University of Science and Technology, Trondheim, Norway, 2003.

4. Choi S. B. Antilock Brake System with a Continuous Wheel Slip Control to Maximize the Braking Performance and the Ride Quality, IEEE Transactions on Control Systems Technology, 2008, vol. 16, no. 5, pp. 996—1003.

5. Cho W., Yoon J., Yim S. and et al. Estimation of Tire Forces for Application to Vehicle Stability Control, IEEE Transactions on Vehicular Technology, 2010, vol. 59, no. 2, pp. 638—649.

6. Rajamani R., Piyabongkarn D., Lew J. Y. et al. Algorithms for real-time estimation on individual wheel tire-road friction coefficients, Proceedings of American Control Conference, 2006, pp. 4682—4687.

7. Patel N., Edwards C., Spurgeon S. K. A sliding mode observer for tyre friction estimation during braking, Proceedings of American Control Conference, 2006, pp. 5867—5872.

8. Zareian A., Azadi S., Kazemi R. Estimation of road friction coefficient using extended Kalman filter, recursive least square, and neural network, Proceedings of the Institution of Mechanical Engineers, Part K: Journal of Multi-body Dynamics, 2016, vol. 230, iss. 1, pp. 52—68.

9. Mitić D., Antić D., Perić S. et al. Fuzzy sliding mode control for anti-lock braking systems, Proceedings of 7th IEEE International Symposium on Applied Computational Intelligence and Informatics, 2012, pp. 217—222.

10. Petersen I., Johansen T., Kalkkuhl J. and et al. Wheel slip control using gain-scheduled LQ—LPV/LMI analysis and experimental results, Proceedings of IEEE European Control Conference, 2003, pp. 880—885.

11. Tyukin I., Prokhorov D., Leeuwen van C. A new method for adaptive brake control, Proceedings American Control Conf., 2005, vol. 3, pp. 2194—2199.

12. Kolesnikov A. A. Introduction of synergetic control, Proceedings of the American Control Conference, 2014, pp. 3013—3016.

13. Kolesnikov A., Veselov G., Kuzmenko A. et al. Synergetic approach to the modeling of power electronic systems, Proceedings 7th IEEE Workshop on Computers in Power Electronics,2000, pp. 259—262.

14. Santi E., Monti A., Li D. et al. Synergetic control for power electronics applications: A comparison with the sliding mode approach, Journal of Circuits, Systems and Computers, 2004, vol. 13, iss. 4, pp. 737—760.

15. Kuz’menko A. A., Synitsin A. S., Zyiryanova A. A. The use of integral adaptation principle to increase the reliability of synchronous generator nonlinear excitation system, Proceedings of 6th International Congress on Ultra-Modern Telecommunications and Control Systems and Workshops, 2015, vol. 2015-January, iss. January, pp. 415—420.

16. Kuz’menko A. A., Synitsin A. S., Mushenko A. S. The use of integral adaptation principle to increase the reliability of ‘DFIG-Wind turbine’ power system, Proceedings of International Siberian Conference on Control and Communications, 2017.

17. Kuz’menko A. A., Kolesnikov A. A., Kolesnitchenko D. A. Novel Robust Control of Hydrogenerator: the synergetic approach, IFAC-PapersOnLine, 2015, vol. 48, iss. 11, pp. 451—456.

18. Kuz’menko A. A. Nonlinear adaptive control of a turbogenerator, Journal of Computer and Systems Sciences International, 2008, vol. 47, no. 1, pp. 103—110.

19. Kuz’menko A. A. Nonlinear adaptive control of a shipboard power plant turbine, Journal of Computer and Systems Sciences International, 2012, vol. 51, no. 4, pp. 512—525.