《World Electric Vehicle Journal》：Research and Analysis on Stability Control of Four-Wheel-Independent-Drive Electric Vehicles Based on Phase Plane
编辑推荐：
为解决传统车辆稳定性控制方法在非线性条件下控制精度不足的问题，研究人员提出了一种基于相平面方法（phase plane）的分布式驱动电动汽车组合稳定性控制策略。建立了包含魔术公式轮胎模型（Magic Formula）的二自由度车辆动力学模型。选取β?
为解决传统车辆稳定性控制方法在非线性条件下控制精度不足的问题，研究人员提出了一种基于相平面方法（phase plane）的分布式驱动电动汽车组合稳定性控制策略。建立了包含魔术公式轮胎模型（Magic Formula）的二自由度车辆动力学模型。选取β?˙β相平面，通过鞍点分析和路面附着系数拟合构建了动态稳定边界函数，并定义了失稳指数以量化偏离稳定状态的程度。基于该指数，设计了一种分层控制策略：在稳定区域内，采用模型预测控制（MPC）通过四轮毂电机差动扭矩分配优化横摆力矩；当车辆进入不稳定区域时，激活基于滑模控制的主动后轮转向（ARS）。通过CarSim-Simulink联合仿真在阶跃转向和蛇形工况下验证了该策略。结果表明，在高速阶跃转向工况下，与无控制情况相比，组合控制将横摆角速度峰值降低了5.3%，超调量从32.86%降至27.38%，稳定时间从9.87 s缩短至8.02 s，振荡幅度降低了36.5%；在蛇形工况下，横摆角速度幅值降低了5.4%。该策略有效提升了车辆操纵稳定性。
论文解读
**研究背景与问题**
随着汽车向高速化和智能化发展，复杂道路条件下的车辆稳定性控制成为保障行驶安全的核心问题。传统稳定性控制方法多依赖线性化模型或经验阈值，难以充分捕捉车辆的非线性动力学特性，在极限工况下易导致控制精度不足或响应滞后。分布式驱动电动汽车（配备四轮毂电机）具有独立快速扭矩控制、灵活差动驱动分配等优势，为主动安全控制提供了新途径。相平面方法作为非线性系统分析经典工具，可直观呈现系统运动轨迹、平衡点和稳定域，为量化分析非线性动力学行为提供清晰框架。然而，现有研究多基于固定稳定边界或单一执行机构，无法完全适应路面附着系数的动态变化及不同稳定区域的协调控制需求。为此，本研究针对四轮独立驱动电动汽车，提出基于相平面的稳定性组合控制策略，以克服传统方法的局限性。
**研究内容与结论**
研究人员基于相平面理论，系统分析了车辆稳定区域，构建了动态稳定边界函数，并定义了失稳指数。通过分层控制策略，在稳定区域内采用模型预测控制（MPC）优化横摆力矩，在不稳定区域激活基于滑模控制的主动后轮转向（ARS）。仿真结果表明，该策略在高速阶跃转向工况下，将横摆角速度峰值降低5.3%，振荡幅度降低36.5%，稳定时间缩短至8.02 s；在蛇形工况下，横摆角速度幅值降低5.4%。此外，动态边界相比固定边界在不同附着系数下均表现出更优的稳定性控制能力，尤其是在低附着系数条件下，动态边界能维持车辆稳定而固定边界失效。该研究发表于《World Electric Vehicle Journal》，验证了四轮独立驱动电动汽车作为先进相平面稳定性控制理想载体的有效性。
**主要关键技术方法**
研究人员采用以下关键技术方法：
1. 基于魔术公式轮胎模型（Magic Formula）的二自由度车辆动力学模型，以准确捕捉轮胎非线性特性。
2. 通过鞍点分析和路面附着系数拟合，构建β?
˙β相平面的动态稳定边界函数，并定义失稳指数。
3. 分层控制策略：稳定区域内采用模型预测控制（MPC）进行横摆力矩优化，结合四轮毂电机差动扭矩分配；不稳定区域激活基于滑模控制（SMC）的主动后轮转向（ARS）。
4. 利用CarSim与MATLAB/Simulink联合仿真平台进行验证，车辆参数如表3所示（原文中表3为车辆参数，未列出具体数值）。
（注：无样本队列来源，为仿真研究。）
**研究结果**
5.1 车辆模型（Vehicle Model）
建立了基于CarSim和Simulink的联合仿真平台，采用四轮毂电机驱动电动汽车模型，电机模型简化为二阶系统。
5.2 阶跃转向工况（Step Steering Condition）
在路面附着系数0.8、初始车速90 km/h下，模拟紧急转向。与无控制相比，组合控制（DYC+ARS）将横摆角速度峰值降低5.3%，振荡幅度降低36.5%，超调量降至27.38%，稳定时间缩短至8.02 s，优于单一MPC控制、PID控制及无控制情况。
5.3 蛇形工况（Slalom Condition）
在路面附着系数0.8、初始车速65 km/h下，模拟连续避障。组合控制将横摆角速度幅值降低5.4%，有效减少了连续转向过程中的峰值波动，提升了路径跟踪稳定性。
5.4 不同路面附着系数下的横摆角速度（Yaw Rate Under Different Road Friction Coefficients）
在附着系数0.3至0.9范围内，阶跃转向工况下稳态横摆角速度随附着系数降低而减小，但组合控制仍能有效限制超调并实现稳定收敛；蛇形工况下横摆角速度幅值在不同附着系数下保持相近水平，验证了动态稳定边界函数对不同附着系数的覆盖能力。
5.5 不同附着系数下ARS的控制效果（Effect of ARS Under Different Adhesion Coefficients）
随着附着系数从0.9降至0.3，ARS峰值转向角从1.98°增至4.11°，控制时间覆盖比从35.01%升至80.96%，表明低附着路上稳定边界收缩，ARS需更大角度和更频繁介入以维持横摆稳定性。
5.6 动态边界与固定边界在不同附着条件下的对比评估（Evaluation of Dynamic vs. Fixed Boundaries Under Different Adhesion Conditions）
在高附着（μ=0.9）下，动态边界的横摆角速度幅值（56.18°/s）低于固定边界（60.87°/s）；在低附着（μ=0.3）下，固定边界导致车辆失稳，而动态边界维持稳定，证实了附着系数自适应边界的必要性和优越性。
**总结与讨论**
研究结论部分指出：
（1）基于相平面的失稳指数能有效捕捉车辆实时动态状态，并实现DYC与ARS控制模式的及时切换。
（2）高速阶跃转向工况下，组合控制相比无控制降低横摆角速度峰值5.3%、振荡幅度36.5%，稳定时间缩短至8.02 s，性能优于单一横摆力矩控制。
（3）中速蛇形工况下，组合控制降低横摆角速度幅值5.4%，在动态连续转向中表现出有效的稳定性调节。
（4）ARS控制器随附着系数降低自适应增大转向角度和介入时间，动态边界相比固定边界在低附着条件下保持稳定性，验证了其优越性。
然而，本研究也存在局限性：蛇形工况下的控制效果显著低于阶跃转向工况，可能源于连续周期性转向输入激发未建模高频动力学、控制频率响应不足以及模式切换引入的瞬态抖动。此外，缺乏与文献的系统对比，定量比较受限于仿真场景差异，需在后续工作中进一步验证公平性和全面性。
