Control of Electric Vehicles Using a Model Predictive Controller With Closed Form Solution
Notice bibliographique
Résumé
In this paper, the problem of vehicle stability control using model predictive technique is addressed. The vehicle under consideration is an electric vehicle with an electric motor driving each wheel independently. For the purpose of stability control, it is required that the vehicle tracks a desired yaw rate at all times therefore, extending the linear range of the vehicle dynamics. The desired yaw rate is defined based on vehicle speed, steering wheel angle and road surface friction. The vehicle stability control system considered in this paper consists of a high-level controller that compares the current states of the vehicle with its desired states to determine the required forces and moments at the center of mass, and a low-level controller to track those C.G. forces and moments by adjusting the motor torques on each wheel. It will be shown that a non-predictive low-level controller can have a closed form solution. In order to avoid saturation of the tires, the low-level controller has a penalty function that increases exponentially when the tire forces are close to the limits of saturation to reduce tire forces to keep them within the tires force capacity. In this paper, a model predictive controller is designed as the low-level controller to predict the tire forces and the yaw moment at the C.G. to minimize the tracking error of desired C.G. forces and moments. To keep the tire forces within the tires capacity limit, a penalty function is used at each sample time to penalize control actions that result in excessive tire forces. This adds a level of anticipation to the low-level controller to detect in advance when tires are about to saturate and to choose control actions to prevent that from happening. Since tire capacity limit is treated with an analytical penalty function, it is still possible to find a closed form solution for the model predictive low-level controller. The proposed controller is tested with simulations and the results are compared with a similar non-predictive controller.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».