答辩博士：孙晨阳
指导老师：周俊 教授
论文题目：分布式电驱动拖拉机牵引附着参数感知及动力分配策略研究
答辩委员会：
主席：
陈坤杰 教授/博导 南京农业大学
委员：
何瑞银 教授/博导 南京农业大学
丁为民 教授/博导 南京农业大学
周宏平 教授/博导 南京林业大学
金诚谦 研究员/博导 农业农村部南京农业机械化研究所
秘书：
顾宝兴 讲师/硕导 南京农业大学
答辩时间：2024年5月31日14时
答辩地点：浦口校区育贤楼C402
论文简介：
分布式驱动作为电驱动拖拉机的一种驱动方式，具有结构紧凑、控制精确、响应快速以及多信息源的特点。拖拉机在田间作业时，由于土壤条件复杂以及挂接农机具的影响，不可避免地会出现驱动轮滑转的情况，与传统燃油拖拉机相比，此时分布式电驱动拖拉机可以直接地、快速地及精确地得到各驱动轮的状态信息，能够感知机内和机外参数的同时对驱动轮施加单独的控制，从而充分利用每个驱动轮的牵引力，提高牵引效率。拖拉机的牵引附着参数感知方法受限于多变复杂的田间作业环境，传统燃油拖拉机的感知和分配方法并不适用于分布式驱动，需要根据分布式驱动的特点，研究相应的感知和分配方法，提高参数感知的准确性以及减少能量消耗。基于上述分析，针对田间作业工况复杂而导致的拖拉机牵引附着参数感知噪声大、准确度低以及驱动轮工况多变的问题，本课题拟从感知牵引参数、提高路面附着参数辨识准确性以及减少能量消耗的角度出发，结合分布式结构的特点和实际的作业工况，研究牵引附着参数感知方法和驱动力分配策略。本文将围绕以下4个方面进行相关的研究，研究内容主要包括：
1) 针对拖拉机作业时牵引阻力和机组质量存在耦合的问题，结合分布式电驱动拖拉机的特点，本章提出了一种多源信息融合算法。该算法对驱动力和纵向加速度信号的低频部分进行滤波，并采用递推最小二乘法对机组质量进行估计，从而进行解耦。将低通滤波器和高通滤波器分别引入牵引阻力的动力学模型和运动学模型中，对滤波后的信息进行融合，建立牵引阻力感知器。在牵引式农具负载试验中，机组质量感知的相关系数(R)为0.9985，均方根误差(RMSE)为0.0551 kg，预测精度(Prediction accuracy，PA)为98.02%；牵引阻力感知的R为0.9655，RMSE为23.0472N，PA为99.28%。在悬挂式牵引负载试验中，机组质量感知的PA可达98.78%，牵引阻力感知的R为0.9371，RMSE为1266.3933 N，PA为85.62%。实验证明，该方法具有鲁棒性，能够准确地感知机组质量和牵引阻力。
2）针对分布式电驱动拖拉机在路面参数感知过程中，因路面环境变化出现的状态模型误差和时变噪声，导致辨识结果发散的问题，本章提出了基于自适应强跟踪无迹卡尔曼滤波(ASTUKF)的辨识方法。与传统燃油拖拉机相比，分布式电驱动可以直接获取驱动轮的状态信息，结合含有峰值附着系数和极限滑转率的μ-s曲线模型，建立了无迹卡尔曼滤波(UKF)辨识算法的状态方程和量测方程。同时，将强跟踪滤波(STF)和自适应滤波(AF)引入辨识算法，用以提高对多变环境的识别精度和鲁棒性，并采用奇异值分解(SVD)解决了迭代过程中出现的非正定矩阵的问题。仿真试验表明，在突变噪声环境的工况下，ASTUKF的辨识结果可以快速收敛至目标值附近，且不受突变噪声的影响，各驱动轮附着系数估计结果的平均绝对误差(MAE)分别为0.0144、0.0267、0.0144、0.0267，极限滑转率估计结果的MAE分别为0.0025、0.0028、0.0025、0.0028。实车试验表明，在已耕地和未耕地的试验路面上，ASTUKF辨识结果的均值95%置信区间能够匹配测量值，整车的附着系数辨识结果为0.4061(未耕地)、0.3991(已耕地)，极限滑转率辨识结果为0.1484(未耕地)、0.3600(已耕地)。
3) 针对分布式电驱动拖拉机取消了机械传动部件，缺少驱动力分配策略会使得驱动轮出现过度滑转从而造成牵引效率低下的问题，本章提出了基于最优效率约束的牵引力分配策略，采用了二次规划对驱动力分配目标函数进行了求解，实现了分布式电驱动拖拉机在牵引状态下的驱动比调节。为验证拖拉机在土壤路面作业进行驱动力分配时的牵引效率情况，在期望扭矩为40%最大扭矩和50%最大扭矩下的牵引效率测试进行了对比。结果表明，与后轮驱动方式相比，在良好工况下，采用该策略至少可以提高5.64%的牵引效率，在复杂工况下至多可以提高4.26%。同时，滑转率统计结果表明，采用该策略的滑转率稳定性要优于对照组，综合平均绝对误差较对照组分别降低了30.26%、8.47%、28.02%、6.08%，表明该策略可以使驱动电机能够相对平稳的运行，从而降低能耗。
4) 对于传统燃油拖拉机而言，通常采用集中式驱动，难以直接获得驱动轮的相关信息。车轮过度滑转是拖拉机在田间作业中不可避免的现象，容易损坏原始土壤表面，使得能量消耗过大。为了解决分布式电动拖拉机驱动轮过度滑转的问题，提出了基于PID调节器、滑模控制速度控制器（SMC）的驱动防滑策略。根据轮边电机直接获得的驱动轮信息来计算车轮的实时滑转率，通过状态参数感知的结果和动力学模型，确定驱动轮的目标滑转率，在防止驱动轮过度滑转的同时使拖拉机维持直线行驶。试验结果表明，在附着相同路面上，受限于控制系统的性能，滑模控制器在趋于稳定的过程中会出现颤动的现象，使系统前期出现较大的误差，但理想情况下系统的最终稳定性优于PID控制器，与目标值的误差较小。在附着不同路面上，尽管PID控制器的滑转率稳态误差小于滑模控制器，但滑模控制的稳态值标准差更小，其稳定性优于PID控制器。该方法可以针对实际的作业工况和控制器性能，使用对应的防滑控制策略，以保证分布式电动拖拉机减少驱动轮滑转的同时保证行驶的稳定性。
主要创新点如下：
（1）提出了基于高频信号提取的拖拉机质量感知方法和基于多方法融合的牵引阻力感知方法。前者通过拖拉机高频信号的提取，将拖拉机质量与牵引阻力进行解耦，解决了拖拉机挂接不同农机具时的机组质量获取的问题。后者利用动力学估计和运动学估计两种方法融合的方式，估计出了拖拉机作业时的牵引阻力，解决了牵引阻力估计普适性差、鲁棒性弱的问题。
（2）针对分布式电驱动拖拉机在路面参数辨识过程中，因路面环境变化出现的状态模型误差和时变噪声，导致辨识结果发散的问题，依托自制的分布式电驱动平台，提出使用带有峰值附着系数和极限滑转率的简化模型作为量测方程，构造自适应强跟踪无迹卡尔曼滤波器(ASTUKF)，同时引入奇异值分解避免滤波过程中出现非正定矩阵，最终提高辨识算法的精度以及对田间土壤路面的适应程度。
（3）提出了基于最优效率的分布式电驱动车辆驱动力控制分配方法。该方法通过约束条件和目标函数的设计，解决了分布式电动拖拉机在牵引作业时效率低的问题。在拖拉机进行牵引作业时，该方法可以根据驾驶员的需求和当前车辆的状态对驱动轮进行自适应驱动力分配。
（4）提出了基于滑模控制器的分布式电动拖拉机驱动防滑策略。该策略针对现有分布式电动拖拉机驱动电机存在缺少防滑策略的问题，利用分布式驱动可以直接获得驱动轮信息的特点，根据路面附着系数感知的结果，来减少驱动轮的过度滑转。该方法可以针对不同的路面类型，使用对应的防滑控制策略，以保证分布式电动拖拉机减少驱动轮滑转的同时保证行驶的稳定性。
