FSEC2025控制答辩

FSEC2025控制部分答辩准备

往年情况

控制领域一直是NRT车队的一大弱项。往年NRT车队的控制策略长期停留在：驱动系统激活、待驶状态管理、加速踏板指令等能让车跑起来的最基本功能。由此带来的问题是：

1. 车辆动态性能没有完全发挥
   由于缺乏完善的扭矩控制、牵引力控制算法，车辆动态性能下限低，上限过于依赖车手操控。
2. 车手对赛车状态没有客观的感知
   车手无法实时了解如当前扭矩、系统温度、故障标志、能量状态等信息，只能依靠体感判断车辆状态。影响驾驶表现。
3. 车辆调试过程中，缺乏必要的信息显示
   调试阶段缺乏实时数据监控、信号可视化等信息显示，导致调试过程中无法快速排查问题，效率极低。
4. VCU对整车控制能力弱
   原本可以由VCU控制的信号，由于无法修改程序，只能由硬件电路控制，增加了整车电气系统复杂度。

追根溯源

为了进一步分析控制系统长期薄弱的根本原因，我们从团队管理、技术能力和硬件基础三个维度进行了梳理，总结如下：

1. 车队管理问题
   VCU开发在车队成员换届过程中断档。新成员没有得到培训，无法开发VCU程序
2. 算法开发经验缺失
   车队成员缺乏算法开发的经验，无法应用Simulink实现所需的功能。
3. 信息采集量少
   赛车安装的传感器数量少，且数据没有被有效保存和使用
4. 信息显示量少
   屏幕只显示极少的数据，车手无法获取足量的信息

技术路线

为了解决车队在控制领域存在的问题，我们在今年的研发之始，就制定了控制策略开发的技术路线。
分为短期目标和长期目标。

短期目标：找回VCU开发流程

1. 从0开始，研究VCU开发流程
2. 重写VCU程序，验证VCU开发流程的有效性。

在上述流程顺利的情况下：

1. 重做仪表，设计全新的UI，显示更多信息
2. 重新标定油门踏板
3. 重新标定电机扭矩，以适应整车动态性能

长期目标：实现高级控制策略和算法

分为三条支线：

1. 仿真开发算法
   1. 建立并验证CarSim车辆模型
   2. 基于CarSim和Simulink联合仿真，开发牵引力控制算法
   3. 开发针对不同动态项目的策略
2. 完善车辆传感器
   1. 开发轮速传感器
   2. 开发加速度传感器
   3. 开发悬架行程传感器
   4. 开发转向角传感器
3. 实现车辆数据采集
   1. 实现CAN总线报文采集
   2. 实现传感器数据采集（独立于整车）

开发成果

1.VCU程序开发

今年，NRT车队从0开始，将VCU程序从编写、转译、编译、下载的全流程研究明白。
梳理了之前VCU程序的信号流，将原来的程序进行了大量优化，既提高了性能，也方便了开发和管理。

原来的程序

新开发的程序

2.全新的仪表

将整个屏幕全部替换掉，重新做了一套仪表，增加了很多显示的内容。

3.CarSim与Simulink联合仿真

我们基于FSAE公开的一辆赛车模型，根据我们赛车的实际情况进行修改，建立了一个CarSim模型，用于控制算法的验证。

必须承认的是，我们的Carsim模型与实际车辆仍然存在较大差异。尤其是在轮胎参数的选择上。在$\mu$为0.9时，即使油门输出瞬时达到最大，车辆仍然没有明显的打滑情况。这点与实车情况差距较大。不过当$\mu$为0.5时，车辆的状态与实车较为类似，在起步时有较大的打滑。

4.TCS算法仿真开发

基于Carsim和Simulink，在仿真中，开发了一套TCS算法。
使用前轮速和后轮速计算滑移率，根据实际滑移率与目标滑移率之差，应用PID算法，实现扭矩补偿。
滑移率计算公式如下：

$$r_{slip}=\frac{v-max(\omega r,0,01)}{max(\omega r，0.01)}$$

在我们的算法中，$v$也就是车辆速度是使用的前轮轮速传感器，$\omega$也就是后轮轮速，来自于电机控制器所测量的后轮转速。0.01的作用是，在车辆静止的情况下，$\omega r$为0，求出的滑移率为无穷大，显然不符合实际情况。
设定目标滑移率为0.2，对滑移率误差应用PID，即可得到补偿扭矩。
考虑到安全性和车手对车辆的操控性，我们限制了TCS算法输出的扭矩不得超过车手输入扭矩的±20%，并且在仪表上添加了TCS开关，保证车手对车辆始终拥有最高操纵权，避免人机对抗的情况发生。

TCS算法截图

实际应用中，存在很多滑移率不可能到达0.2的情况，例如车辆静止时，滑移率始终上不去。这时候如果PID控制器，尤其是积分器始终运行的话，会导致积分器的结果极大，影响控制效果和响应时间。因此必须对积分器实行合适的抗饱和策略。我所使用的Anti Wind-Up策略是Clamp，就是在输出饱和时停止积分器输出。

TCS算法效果

5.轮速传感器

TCS系统如果想要上车，必须有轮速作为原始数据。因此今年传感器开发的首要目标就是轮速传感器。我们用霍尔传感器，在轮边上安装带有凸齿的不锈钢圆环，让传感器感应磁场信号，产生频率可变的矩形波形。VCU采集矩形波的频率，就可以计算出轮胎的转速。
![[答辩准备/mmexport1763302791795.jpg]]
假设采集到的PWM信号周期为$T$

$$角速度\omega=\frac{N}{T}$$

其中$N$为金属环的齿数。

6.数据采集盒

为了实现基本的数据采集，我们自主开发PCB和程序，做了一套完全符合我们需求的数据采集盒。

采集到的数据保存到SD卡里面，后续在电脑上进行处理，可以生成一个类似于这样的表格。

利用这些数据，我们还做了一些很酷的事情

油门开度的曲线，和车载视角结合在一起，生成了一条视频，可以帮助车手训练，也可以帮助调整车辆设定，也可以作为算法优化的参考。
对于任何一支成熟的电动方程式车队而言，最理想的数据获取方式无疑是实时遥测。但是这个数据采集盒，是在设备、经费有限的情况下，采集实车数据的一次大胆尝试。这一次创新，让我们首次能够采集车辆跑动的实时数据，让我们车队脱离了“盲调”，实现了基于数据的车辆调试，把NRT电车的科技化、数字化程度提高到了新的层级。