四轮轮毂电机驱动车辆在电机失效下的稳定性容错控制策略-开发者社区

四轮轮毂电机驱动车辆电机失效下的稳定性容错控制考虑在电机部分失效的情况下的车辆稳定性控制研究，当电机出现故障时，无法达到期望的转矩、转速，以故障因子来表述电机的故障程度，并对故障因子进行估计。接着采用分层控制架构，其中顶层控制器的任务是利用车辆状态信息、横摆角速度以及质心侧偏角的误差计算出维持车辆稳定性的期望附加横摆力矩。为了减少车辆速度影响，设计了纵向速度跟踪控制器；底层控制器的任务是对顶层控制器得到的期望附加横摆力矩以及所需制动力进行分配，实现整车在电机部分失效下的稳定性控制。顶层控制器的控制方法包括：滑模控制（SMC）、LQR控制、PID控制、鲁棒控制（发其中一个，默认发滑模和pid控制器）等。底层控制器的分配方法包括：平均分配、最优分配（默认发平均分配）。

开车时突然一个电机罢工了怎么办？这事儿放在四轮独立驱动的电动车上可不止是动力变肉这么简单。今天咱们来扒一扒当轮毂电机"半残"时，工程师们是怎么让车保持优雅姿态的。

先看个真实场景：某辆电动车在80km/h巡航时，右前电机突然只能输出60%的扭矩。这时候车辆就像被拽着右耳朵跑步的人，横摆角速度开始跳舞，质心侧偏角也要离家出走。这时候就需要我们的容错控制体系出手了。

!控制架构示意图

第一步：诊断病情

给每个电机装个"健康手环"，用故障因子β（0≤β≤1）量化电机健康状态。举个实际代码片段：

def estimate_beta(motor_current, expected_torque): actual_torque = motor_current * Kt # Kt为电机转矩常数 beta = actual_torque / expected_torque return np.clip(beta, 0.2, 1.0) # 防止除零异常

这个实时诊断模块相当于给每个电机做心电图，一旦发现β值异常，立即触发容错机制。

中间层操控：滑模控制秀操作

顶层控制器就像老司机把方向盘，这里用滑模控制最带感。看看它的核心实现：

% 滑模面设计 s = (gamma_actual - gamma_desired) + lambda*(beta_actual - beta_desired); % 控制律 delta_M = K_sat * sign(s) - K_eq * s;

这里的sign函数就像教练拍打方向盘的手，当车辆状态偏离预定轨迹时，控制量会突然"抖"一下把车拉回来。参数λ决定了是粗暴拽回还是温柔引导，调试时建议配杯咖啡慢慢调。

底层分配：雨露均沾的艺术

拿到顶层给的横摆力矩需求后，底层分配可不能偏心眼。平均分配虽然听着简单，但在故障时反而最靠谱：

void distribute_torque(float total_moment, float beta[4]) { float base_torque = total_moment / 4; for(int i=0; i<4; i++){ motor[i].target = base_torque * (1 + 0.3*(1-beta[i])); } }

这个分配策略让健康电机多出力，故障电机少背锅。就像团队里让壮小伙多扛点东西，受伤的同事打打辅助。

速度管家不能少

纵向速度控制相当于默默调节油门深浅的管家，来个PID实现：

class SpeedPID: def __init__(self): self.Kp = 0.8 self.Ki = 0.05 self.last_error = 0 def update(self, target, actual): error = target - actual integral += error * dt derivative = (error - self.last_error)/dt output = self.Kp*error + self.Ki*integral self.last_error = error return output * battery_health_factor # 考虑电池状态

这个PID就像车载空调——平时没啥存在感，但要是忘了它，分分钟让你体验速度过山车。

实测效果

在CarSim里模拟单电机失效工况，有控制（蓝线）和没控制（红线）的区别就像专业舞者和醉汉的差距：

!仿真对比图

开发踩坑实录