Evaluación de un algoritmo de torque vectoring con capacidad de frenado regenerativo

Alberto Parra, A. Zubizarreta, J. Pérez
{"title":"Evaluación de un algoritmo de torque vectoring con capacidad de frenado regenerativo","authors":"Alberto Parra, A. Zubizarreta, J. Pérez","doi":"10.17979/SPUDC.9788497497169.218","DOIUrl":null,"url":null,"abstract":"espanolLos sistemas inteligentes de transporte (ITS) son actualmente una de las areas de investigacion mas activas, siendo los vehiculos electricos (EV) y la mejora de su comportamiento dinamico temas clave. Para este proposito, es necesario el desarrollo de sistemas avanzados de asistencia a la conducci on (ADAS) y sistemas avanzados de control para la dinamica vehicular. Convencionalmente, estos sistemas se han centrado en aumentar la estabilidad del vehiculo en escenarios criticos. Sin embargo, los vehiculos electricos permiten incluir tambien la eficiencia, haciendo uso del frenado regenerativo como una variable de control. Para poder disenar sistemas de control tan sofisticados, es necesario implementar tecnicas de control capaces de gestionar tanto la estabilidad como la eficiencia. En este sentido, las tecnicas de control inteligente han demostrado ser una de las mejores alternativas. En este trabajo se presenta un algoritmo de distribucion de par, Torque Vectoring (TV), basado en tecnicas de control inteligente y con capacidades de frenado regenerativo. El algoritmo de TV presentado ha sido implementado en un sistema embebido y validado en un entorno de \"Hardware in the Loop\" (HiL). Los resultados muestran que el sistema presentado no solo es capaz de mejorar el comportamiento dinamico del vehiculo en una maniobra de emergencia desafiante, sino tambien aumentar su eficiencia. EnglishIntelligent Transportation Systems (ITS) is currently one of the most active research areas, being electric vehicles (EVs) and their vehicle dynamics enhancement key topics. For this purpose, the development of optimal Advanced Driver-Assistance Systems (ADAS) and Advanced Vehicle Dynamics Control Systems (AVDC) is required. Conventionally, these systems have been focused on increasing the stability of the vehicle in critical scenarios. However, EVs enable the possibility of including also the eficiency by making use of the regenerative braking as a control variable. In order to be able to design such sophisticated control systems, it is necessary to implement control techniques capable to manage both stability and eficiency. In this sense, intelligent control techniques have demonstrated to be one of the best alternatives. In this work a Torque Vectoring (TV) algorithm based on intelligent control techniques and with regenerative braking capabilities is presented. The presented TV approach has been implemented in a embedded platform and tested in a Hardware in the Loop (HiL) setup. Results show that the presented approach is able to not only enhance the dynamics vehicle behaviour in a challenging emergency manoeuvre, but also to increase its overall eficiency.","PeriodicalId":189601,"journal":{"name":"XL Jornadas de Automática: libro de actas (Ferrol, 4-6 de septiembre de 2019)","volume":"57 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2020-06-11","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"XL Jornadas de Automática: libro de actas (Ferrol, 4-6 de septiembre de 2019)","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.17979/SPUDC.9788497497169.218","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

espanolLos sistemas inteligentes de transporte (ITS) son actualmente una de las areas de investigacion mas activas, siendo los vehiculos electricos (EV) y la mejora de su comportamiento dinamico temas clave. Para este proposito, es necesario el desarrollo de sistemas avanzados de asistencia a la conducci on (ADAS) y sistemas avanzados de control para la dinamica vehicular. Convencionalmente, estos sistemas se han centrado en aumentar la estabilidad del vehiculo en escenarios criticos. Sin embargo, los vehiculos electricos permiten incluir tambien la eficiencia, haciendo uso del frenado regenerativo como una variable de control. Para poder disenar sistemas de control tan sofisticados, es necesario implementar tecnicas de control capaces de gestionar tanto la estabilidad como la eficiencia. En este sentido, las tecnicas de control inteligente han demostrado ser una de las mejores alternativas. En este trabajo se presenta un algoritmo de distribucion de par, Torque Vectoring (TV), basado en tecnicas de control inteligente y con capacidades de frenado regenerativo. El algoritmo de TV presentado ha sido implementado en un sistema embebido y validado en un entorno de "Hardware in the Loop" (HiL). Los resultados muestran que el sistema presentado no solo es capaz de mejorar el comportamiento dinamico del vehiculo en una maniobra de emergencia desafiante, sino tambien aumentar su eficiencia. EnglishIntelligent Transportation Systems (ITS) is currently one of the most active research areas, being electric vehicles (EVs) and their vehicle dynamics enhancement key topics. For this purpose, the development of optimal Advanced Driver-Assistance Systems (ADAS) and Advanced Vehicle Dynamics Control Systems (AVDC) is required. Conventionally, these systems have been focused on increasing the stability of the vehicle in critical scenarios. However, EVs enable the possibility of including also the eficiency by making use of the regenerative braking as a control variable. In order to be able to design such sophisticated control systems, it is necessary to implement control techniques capable to manage both stability and eficiency. In this sense, intelligent control techniques have demonstrated to be one of the best alternatives. In this work a Torque Vectoring (TV) algorithm based on intelligent control techniques and with regenerative braking capabilities is presented. The presented TV approach has been implemented in a embedded platform and tested in a Hardware in the Loop (HiL) setup. Results show that the presented approach is able to not only enhance the dynamics vehicle behaviour in a challenging emergency manoeuvre, but also to increase its overall eficiency.
查看原文
分享 分享
微信好友 朋友圈 QQ好友 复制链接
本刊更多论文
一种具有再生制动能力的扭矩矢量算法的评价
智能交通系统(ITS)是目前最活跃的研究领域之一,电动汽车(EV)及其动态性能的改善是关键问题。为此,需要开发先进的驾驶辅助系统(ADAS)和先进的车辆动力学控制系统。传统上,这些系统专注于提高车辆在关键情况下的稳定性。然而,电动汽车也允许包括效率,利用再生制动作为控制变量。为了设计如此复杂的控制系统,有必要实施能够管理稳定性和效率的控制技术。从这个意义上说,智能控制技术已被证明是最好的选择之一。本文提出了一种基于智能控制技术和再生制动能力的扭矩矢量(TV)算法。本文提出的电视算法是在一个嵌入式系统中实现的,并在硬件循环(HiL)环境中进行了验证。结果表明,该系统不仅能够改善车辆在具有挑战性的紧急机动中的动态行为,而且提高了车辆的效率。智能交通系统(ITS)是目前最活跃的研究领域之一,是电动汽车(EVs)及其车辆动力增强的关键课题。为了实现这一目标,需要开发最优先进驾驶员辅助系统(ADAS)和先进车辆动力控制系统(AVDC)。传统上,这些系统的重点是在关键情况下提高车辆的稳定性。然而,电动汽车也可以通过使用再生制动作为可变控制来提高效率。为了能够设计如此复杂的控制系统,必须实施能够管理稳定性和效率的控制技术。在这方面,智能控制技术已被证明是最佳选择之一。在此基础上,提出了一种基于智能控制技术和再生制动能力的力矩矢量(TV)算法。介绍了电视一直实行in a中的platform approach and tested in a硬件in The循环(HiL) setup。结果表明,所采用的方法不仅能在具有挑战性的紧急机动中加强动力车辆的行为,而且还能提高其整体效率。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 去求助
来源期刊
自引率
0.00%
发文量
0
期刊最新文献
Comparación de algoritmos de aprendizaje automático para la clasificación de posturas de la mano y dedos Control de formaciones sobre regiones objetivo de sistemas multi-agente lagrangianos con retardo Control predictivo lineal del PH en un fotobiorreactor Raceway Evaluación de un algoritmo de torque vectoring con capacidad de frenado regenerativo Optimización heurística con criterios de error de control TMD en turbinas marinas flotantes
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
现在去查看 取消
×
提示
确定
0
微信
客服QQ
Book学术公众号 扫码关注我们
反馈
×
意见反馈
请填写您的意见或建议
请填写您的手机或邮箱
已复制链接
已复制链接
快去分享给好友吧!
我知道了
×
扫码分享
扫码分享
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术
文献互助 智能选刊 最新文献 互助须知 联系我们:info@booksci.cn
Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。
Copyright © 2023 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1