1. 某P2混動車輛駕駛性分析應用舉例

為了客觀地評估駕駛性能，操縱工況是必要的，代表主要駕駛情況的舒適性和性能評估。典型的操縱工況包括：加速，驅動，恒速，換檔，Tip-In和Tip-Out。此外，還要定義駕駛性客觀標準和相關的可測量參數，如下表所示。

1.1 參數的獲取

為了在虛擬(仿真)環境中提供關于駕駛性能的準確描述，有必要盡可能精確地將車輛模型參數化。因此，需要對參考車輛進行全面地測量。

?俯仰模型需要仿真車輛在縱向上的運動，實驗確定彈簧和阻尼器參數。

?分析前后輪制動壓力與制動力之間的關系，為合理的再生制動工況仿真提供依據。此外，通過測量確定了車身重心的位置和高度。

?通過對不同驅動周期的分析，得出參考車的驅動系運行策略包括大量的開關序列以及兩個牽引電機(電機和內燃機)的聯合運行狀態。受實際條件約束，無法提供混合動力汽車詳細的控制策略。

為了更精確地表示傳動系，還需所有可用的數據，如發動機特性、效率、發動機軸承的位置和剛度、離合器的最大傳遞扭矩、混合動力運行策略的規則等。

1.2 傳動鏈建模

建立仿真模型，再現如下車輛行為:

?縱向動力學性能評價;

?結合縱向和縱向動力學的舒適性評估。

在Amesim仿真環境中，將已有的p2混合動力傳動系模型應用于參考車輛的傳動系，并通過測量數據進行參數化。下圖所示為開發的包含以下組件的傳動系模型：駕駛員模型、內燃機模型、電機/發電機模型、傳動模型、離合器模型、電池模型、車輛模型和混合動力運行策略。仿真的p2混合動力傳動系統由多個部件組成，這些部件之間相互作用，能夠以足夠的精度再現真實的駕駛行為。

圖  P2混動車輛駕駛性模型

1.3 仿真模型驗證

為了驗證建模的驅動序列是否表現出與真實車輛相關聯的行為，在仿真模型中模擬駕駛操縱工況，并將其與之對應的車輛進行的預定義駕駛工況收集的測量數據進行比較。

?首先，表2中列出的所有與駕駛性能相關的操作都是在公共道路和測試軌道上進行的。作為仿真的輸入轉矩，使用了在測試驅動期間記錄的系統轉矩輸出的傳遞信息，該信息表示電動機和ICE提供的聯合驅動轉矩。

?隨后，通過與實驗結果的比較，分析了模型驅動系統的性能。

圖  驗證操縱工況 - normal start, creep, rolling stop, vehicle stop

上圖顯示了驗證的操縱工況-正常啟動，蠕 變，滾動停車，車輛停車等四個工況的車輛速度和加速度的仿真與試驗結果對比。 上圖中測量和仿真速度之間的(小)差異主要是由于制動系統建模中的不確定性所 致 的。 由于目前的研究主要集中在驅動系統上，可以忽略制動對驅動性能的影響。

為了研究在試驗駕駛場景下如何提高駕駛性能，改變仿真模型中所選傳動系部件的參數，分析其對駕駛操縱工況的影響。

 這里以三個工況來評估駕駛性為例：從0 Km/h到100Km/h的全速加速(同時發生換擋和混合操作)，以50Km/h的恒速加速(發生換擋和助推)，以及以130Km/h的恒速加速。分析離合器模型的典型參數變化對駕駛性的影響。

在離合器模型中，扭轉阻尼器的剛度和阻尼系數是變化的，這是由于內燃機的振蕩峰不會對齒輪箱造成損傷，從而保證了離合器的順利嚙合。

三種駕駛工況下離合器參數變化的舒適值（最大轉速波動）如下表所示。

Comfort values（離合器剛度阻尼優化）

可以看出，在全油門加速時，舒適性值隨著扭轉阻尼器剛度的增加而增加(駕駛性能下降)，而在Tip-In過程中，這一趨勢是相反的。 在Tip-Out期間沒有檢測到任何更改。

1.4 小結

總體而言，在仿真駕駛過程中，隨著扭轉阻尼器剛度的增加，駕駛性能得到改善。阻尼系數的變化也有相似的結果。隨著阻尼的增加，舒適性值降低，從而提高了駕駛性能。

 同樣，變速箱模型延長換檔時間會提高駕駛性能。雖然在這種情況下駕駛舒適性增加了，但加速性能受到影響，從0 加速到100km/h需要更多的時間。

增加傳動軸的剛度不會產生與離合器相同的效果。在這種情況下，舒適性值增加，但應該注意的是，在設計軸時必須獲得最小剛度，以便將驅動單元的全部扭矩傳遞給車輪。

對于懸架，隨著彈簧剛度的變化，其舒適性值的變化趨勢不明顯。然而，有一個范圍，其中駕駛性能是最佳的。較強的阻尼會導致整體的改善。

2. off-Road Drivability 分析案例

對于越野地形路面的駕駛性建模，則需要將上述的動力傳動庫2D車輛模型替換為車輛動力學庫中的15自由度車輛模型，并考慮懸架的K&C特性以及越野路面路譜特性（GPS導入或3D map導入），還要耦合轉向以及對應的駕駛員模型。模型及仿真軌跡結果如下圖所示。

仿真分析可得四個車輪轉速及電池soc、電壓等結果，詳見下圖結果及動畫。 可見，車輛再 沙土軟路面出現了打滑卡滯，并且在轉彎時因控制不當出現側翻。

通過對駕駛員策略進行基于AI的機器人學習訓練進行優化（也可以通過Amesim中的ROM工具訓練優化控制），并更新模型進行仿真。

從下述動畫可以看到，經過駕駛員控制優化之后，車輛在沙石路面沒有出現打滑及卡滯，在轉彎時也沒有出現側翻，可以實現平穩的駕駛，具有比較好的駕駛性。

---

文章來源：Simcenter 1D系統仿真