第39卷第6期 辽宁工业大学学报(自然科学版) Vol.39, No.6 2019年12月 Journal of Liaoning University of Technology(Natural Science Edition) Dec. 2019 DOI:10.15916/j.issn1674-3261.2019.06.007 分布式驱动电动汽车个性化智能控制 关键技术综述 李 刚1，姬 晓1，徐春生2，刘 鹏3 （1.辽宁工业大学 汽车与交通工程学院，辽宁 锦州 121001；2.渤海船舶重工有限责任公司，辽宁 葫芦岛 125000； 3.辽宁陆军预备役后勤保障旅，辽宁 锦州 121000） 摘 要：分布式驱动电动汽车四轮驱动力矩可控，各轮转矩和转速容易获得，相对于传统汽车具有明显控制优势，是进行车辆动力学最优控制的理想载体。论文主要针对考虑驾驶员特性的分布式驱动电动汽车个性化智能控制进行总结与分析，对基于个性化智能控制的车辆状态与参数估计、四轮驱动与转向电动汽车控制、驾驶员特性及行为意图辨识三方面研究进行了总结及分析。指出基于分布式驱动电动汽车载体，通过对车辆状态与参数的估计和对驾驶员驾驶特性的研究，可进一步提高新一代电动汽车动力学控制性能，加快其产业化并进行更深入的智能化研究。 关键词：分布式驱动电动汽车；驾驶员特性；智能控制；四轮驱动与转向电动汽车 中图分类号：U461.2 文献标识码：A 文章编号：1674-3261(2019)06-0375-06 Overview of Key Technologies in Personalized Intelligent Control of Distributed Drive Electric Vehicles LI Gang1, JI Xiao1, XU Chun-sheng2, LIU Peng3 （1.School of Automobile and Traffic Engineering, Liaoning University of Technology, Jinzhou 121001, China；2.Bohai Shipbuilding Heavy Industry Co., Ltd，Huludao 125000, China; 3. Liaoning Army Reserve Logistics Support Brigade, Jinzhou 121000, China） Abstract: Distributed drive electric vehicles, with independent controllability of driving or braking torque and easy measurement of each wheel’s rotation rate, has significant control advantages over traditional vehicles. It is an ideal carrier for optimal vehicle dynamics control. The paper mainly summarizes and analyzes the personalized intelligent control of distributed drive electric vehicles considering drive characteristic. The paper summarizes and analyzes the three aspects of vehicle status and parameters reckon, four-wheel independent driving and steering electric vehicle control strategy, driver characteristics and behavioral intention identification. It points out that based on the distributed drive electric vehicles carrier, through the estimation of vehicle status and parameters and the study of the driver’s driving characteristics, the dynamic control performance of the new generation electric vehicle can be improved, accelerate its industrialization and conduct more in-depth intelligent research. Key words: distributed drive electric vehicles; driver characteristic; intelligent control; four-wheel independently driving and steering electric cars 以电动汽车为代表的汽车电气化技术已成为当今世界汽车领域研发热点，其中分布式驱动电动 收稿日期：2019-05-21 基金项目：国家自然科学基金面上项目(51675257)；辽宁省高等学校创新人才项目(LR2016054) 作者简介：李刚（1979-），男，辽宁朝阳人，教授，博士。 优先出版地址：http://kns.cnki.net/kcms/detail/21.1567.T.20191120.1505.012.html 376 辽宁工业大学学报(自然科学版) 第39卷 汽车[1]，特别是轮毂电机驱动电动汽车，与传统汽车相比具有显著的控制优势，通过合理控制能够更加稳定、安全、节能，必将成为新一代电动汽车的重要发展方向[1-3]。世界各大汽车公司，如日本丰田、三菱公司，也纷纷将轮毂电机驱动的分布式驱动电动汽车作为一体现其公司发展水平的研发目标。作为一种分布式驱动电动汽车，顾名思义有四个驱动电机和四个转向电机，分别对应着控制四个车轮的转角、驱动或制动转矩，可控自由度多于传统汽车，而且电机响应速度相对较快、控制精度相对较高，因此成为目前科研院校、研究所等车辆动力学特性及控制方面研究的一大热点。 目前关于分布式驱动电动汽车的研究大多有关于稳定性及节能控制。实际情况下，大多汽车都处于正常工作运行状态，电动汽车要考虑节能控制，另一方面还应考虑人的因素，即驾驶员特性，通过控制使汽车在各种工况下都能做出符合驾驶员喜好的车辆动力学响应，同时满足驾驶员个性化的需求，实现智能控制。传统汽车因为受到机械或液压系统的，难以全面考虑驾驶员驾驶特性，而分布式驱动电动汽车，尤其是四轮驱动与转向电动汽车的出现和智能控制理论的应用，为考虑驾驶员的个性化控制创造了条件。分布式驱动电动汽车驱/制动及转向采用线控技术，解脱传统汽车机械或液压系统的有关束缚，ECU根据由驾驶员操纵而导致车辆状态的变化信息来识别驾驶员的行驶意图并辨识驾驶员的驾驶特性。由于四轮驱动与转向电动汽车四轮纵向力和侧向力可控制，使得车辆有很大的动力学特性设计空间，满足了考虑驾驶员特性的汽车个性化智能控制需求。准确获取车辆状态和参数信息是实现精确控制的先决条件，而将分布式驱动电动汽车转矩、转速和转角易于获得的多信息源优势充分利用于状态与参数估计和整车控制，是降低控制成本、推进分布式驱动电动汽车实现产业化的关键技术。 分布式驱动电动汽车个性化智能控制主要会涉及车辆运行状态参数值的估计，分布式驱动亦即四轮驱动与转向电动汽车的控制，驾驶员特性及行为意图的辨识三方面关键技术，论文针对这三面内容进行了总结、分析及展望。 1 国内外关键技术研究现状总结分析 作为分布式驱动电动汽车个性化智能控制的前提，车辆状态与参数估计不可忽视。分布式驱动 尤是四轮驱动与转向电动汽车控制是实现个性化智能控制的手段，而个性化智能控制依据于对驾驶员特性及行为意图的准确辨识。针对这三方面的国内外研究现状，论文进行了简要总结和分析。 1.1 车辆状态与参数估计研究现状及分析 为了降低实车车速和质心侧偏角等控制所需参量的测量成本，车辆状态与参数估计问题一直是研究热点，文献[4]和[5]对国内外采用的主要研究方法及研究现状进行了较为详尽地总结，在这里就不过多陈述。文献[4]指出为了适应各种不同的行驶工况，必须实现估计模型关键参数的自适应。针对分布式驱动前轮转向电动汽车，文献[5]研究了多种信息融合对车辆行驶状态、轮胎侧向力和整车质量进行联合观测的观测方法，提出了一种基于无味粒子滤波的车辆状态与参数估计算法。 需要指出的是：基于模型进行估计是目前车辆状态与参数估计校准的主要方法，而估计精度主要取决于模型参数的精度，具体包括质量、转动惯量、质心位置等参数。该方法源于传统底盘汽车及分布式驱动前轮转向汽车并在其基础上进行了一定的改进。然而在汽车行驶过程中，上述决定校准精度的主要参数往往随工况的变化而变化，严重影响了状态估计的准确性。因此，对汽车进行状态估计的同时考虑汽车参数变化所造成的影响就显得格外重要，这也是当前车辆状态与参数校正的一大难题。要保证汽车行驶状态信息校准的正确性就要在状态估计的同时不断修正汽车相关参数。分布式驱动电动汽车，尤指四轮驱动与转向电动汽车，其在行驶过程中，控制器根据不同行驶工况分别控制四个车轮的转矩和转角，运动较为复杂，既而车辆的运行状态参数值变化也较大。针对上述事实现象，估计算法要充分的利用分布式驱动电动汽车转矩、转速和转角易于获得的优势，在考虑车辆参数不确定性影响的基础上，研究其适用的车辆状态与参数估计校准方法。 1.2 四轮驱动与转向电动汽车控制研究现状及分析 国外方面，日本在分布式驱动电动汽车控制研究方面较其他国家起步早，相应的获得了一系列研究成果。日本东京大学Hori教授在文献[6]和文献[7]中给出了电动汽车纵横向和侧倾稳定性的控制方法。Hori教授科研团队开发了前后轮具有主动转向的四轮轮毂电机电动车，整车控制方面利用其转矩响应快且四轮转矩可控的优点开发了驱动控第6期 李刚等：分布式驱动电动汽车个性化智能控制关键技术综述 377 制算法，在文献[8]中给出了课题组研究的四轮转向横摆和侧倾稳定性的控制方法。日本东京农工大学永井正夫教授实验室基于自主开发的NOVEL-I和NOVEL-Ⅱ四轮轮毂电机驱动微型电动汽车，文献[9]中给出了实验室应用模型匹配控制理论进行线控转向汽车SBW（Steer by Wire）操纵稳定性控制策略和四轮驱动电动汽车横摆力矩DYC（Direct yaw moment control ）控制策略的研究介绍。日本各大汽车公司对于分布式驱动轮毂电机电动汽车研发非常重视。在日本丰田汽车公司的投资帮助下，横滨国立大学开发了一款四轮驱动与转向轮毂电机电动汽车，研究了一种基于侧向力观测器的最小二乘法来均衡各轮的载荷分布进而提高车辆稳定性的方法[10]，着重利用四轮纵向力分布和四轮主动转向来实现电动汽车的横摆控制。日本庆应大学在多家工业公司的联合支持下，先后开发了八轮轮毂电机电动轿车ELIICA和四轮轮毂电机电动轿车SIM-LEI，其中ELIICA具有平衡悬架、嵌入式控制系统设计、多轴转向等新技术[11]，加速性能优异；在驱动防滑控制方面，研究一种基于最大可传递转矩估计的主动稳定性控制方法[12]，增强了驱动轮纵横向摩擦作用，提高了控制效果。除日本之外，美国、欧洲国家也展开了分布式驱动电动汽车的控制研究。美国俄亥俄州立大学将所开发的四轮驱动实验车作为实验载体进行分了布式驱动电动汽车关键技术研究，从稳定性与节能控制两方面着手，研究了一种在驱动和回馈两个方向的力矩分配方法[13]。针对分布式驱动汽车，德国凯泽斯劳腾大学研究了运用控制律对四轮转向的电动轮汽车进行各轮转角控制的方法，提高了电动汽车在非线性轮胎区域的转向稳定性[14]。加拿大滑铁卢大学研究了一种四轮驱动电动汽车转矩优化分配控制策略，设计了考虑汽车执行器工作能力、轮胎负荷等性能指标的目标函数，通过动态调整各性能指标在目标函数中的权重因子以适应各种行驶工况提高汽车操纵稳定性[15]。 国内方面，2000年之后，由于国家对新能源汽车的大力扶持，在国家重大专项等科技项目支持下，分布式驱动电动汽车控制方面研究也取得了丰硕成果。文献[16]介绍了中文大学自主开的发四轮驱动与四轮转向电动模型车，该车通过控制四轮驱动和转向可实现原地转向和横向移动等运动模式，论文同时从实现电动车节能控制角度，研究了基于电机效率图对四轮驱动力矩进行优化分配的节能控制策略。同济大学在分布式驱动电 动汽车方面起步较早，先后采用轮毂电机开发了“春晖”、“登峰”系列四轮驱动电动轿车和针对高速情况下分布式驱动电动车研究平台，研究了一种可以大幅提高轮毂电机电动汽车车辆稳定性的驱动/制动转矩分配方法[17]，此外还研究了一种可以大幅提高汽车操纵稳定性的差动助力转向／转矩矢量分配联合控制的策略[18]和致力于效率优化的四轮驱动电动车转矩分配方法[19]。清华大学也设计开发出了四轮驱动实验车，并展开了了一系列研究。在文献[5]对分布式电驱动车辆纵横向运动进行了综合控制研究，在文献[20]中对四轮驱动电动车全轮纵向力进行了优化分配方法研究，提高其稳定性和改善机动性目标。在文献[21]中以电机的节能控制为主要目标，研究了一种可以精确分配四轮电驱动车辆驱动力的方法，研究结果表明节能效果明显。在文献[22]中还提出一种以优化整车的动力学性能为目标的分布式电驱动车辆驱动力协制的体系架构。吉林大学主要从提高分布式驱动电动汽车操纵稳定性方面、整车集成控制方面展开了广泛研究。从改善四轮驱动电动汽车的操纵稳定性角度和提高转向轻便性、改善路感方面研究了转弯驱动工况下的转矩协调、差动驱动助力转向控制方法[23-24]。除此之外，吉林大学先后完成了四轮驱动电动轮实验车、四轮驱动与转向轮毂电机电动实验车的搭建，并对其建模仿真和基于稳定性控制的集成方法进行了深入研究[25-26]。山东大学开发了四轮驱动且转向的电动实验车，在驱动防滑控制方面，在主动前后轮转向的控制方面和直接横摆力矩的集成控制层面进行了研究及实验验证[27]。东南大学采用分层控制结构，对四轮驱动车辆、四轮驱动/四轮转向车辆进行了稳定性控制研究[28-29]，上层根据参考模型计算稳定性控制所需的力和力矩，下层对轮胎力进行优化分配，并采用刷子模型对轮胎力进行了估算研究。燕山大学针对四轮转向/驱动(4WIS-4WID)车辆，从提高汽车操纵稳定性角度，研究了应用滑模变结构控制理论的AFS+ARS+DYC集成控制方法[30]，研究了采用线型优化算法的前馈控制器和最优区域极点配置方法的反馈控制器控制四轮转角的四轮转向控制方法[31]。国内各大高校诸如上海交通大学、武汉理工大学、西安交通大学、西北工业大学、上海理工大学等也在四轮驱动或兼具转向功能的电动汽车的稳定性控制和驱动力分配控制方面进行研究并且取得了一定的成果。 378 辽宁工业大学学报(自然科学版) 第39卷 综上，目前四轮驱动与转向电动汽车动力学控制研究主要集中在利用其四轮可控优势进行了大量的横摆稳定性控制、驱动防滑控制及节能控制方面的研究。正常工况下的节能控制是必要的，同样不可忽视的还有极限控况下利用其优势进行的稳定性操控，但实际中的电动汽车大多数都保持在正常工况行驶，此时驾驶员特性的因素也要考虑，在保持汽车原有的操纵稳定性和乘坐舒适性基础上一定程度有所提高。四轮驱动与转向电动汽车驾驶员操纵与执行器通过信号连接，四个车轮的驱/制动、转向控制，突破了传统机械或液压系统，其动力学特性可以有很丰富的自由设计空间，在设计汽车的动力学特性时，可以更大程度上的考虑驾驶员特性，即设计出驾驶员喜好的车辆动力学性能，在考虑驾驶员特性的基础上进行动力学控制从而更好的达到驾驶员期望的车辆动力学响应效果。且考虑驾驶员特性的电动汽车控制符合当今汽车智能化、人性化设计要求。 1.3 驾驶员特性及行为意图辨识研究现状及分析 目前，国内外对驾驶员特性及行为意图识别方面的研究还处于起步阶段，主要还是围绕驾驶员行为意图辨识方面展开了较多研究。 国外，美国福特公司Jianbo Lu等人针对驾驶员行为特征提出操纵危险系数概念，根据行车与前车距离、驾驶员操纵信息和车辆状态信息，将谨慎型、一般型、专业型和鲁莽型作为驾驶员划分的四种类型。Jianbo Lu为了提高车辆的行驶安全性同时增强操纵极限稳定性，通过运用模糊控制手段建立了概率模型和实时驾驶员监控系统，提示驾驶员的不良动作并进行纠正 [32-33]。美国哥伦比亚大学Quintero M等人根据驾驶员操纵信息等实验数据应用BP神经网络算法建立了两种驾驶员行为模型，一种模型用于识别危险路段，具体包括稳健型和激进型，一种模型可用于识别驾驶员打瞌睡和酒后驾驶状态[34]。日本东京大学Takano W等人建立了基于马尔可夫理论的驾驶员行为模型，根据该模型研究了驾驶员行为意图辨识方法，建立驾驶员行为库，对车辆进行智能化控制[35]。日产尼桑剑桥研究院Pentland A等人也基于马尔可夫理论，采集驾驶员操纵数据，建立了马尔可夫动态模型，实现对驾驶员未来一段时间操纵行为的预测[36]。新加坡南洋理工大学Wahab A等人通过采集多名驾驶员制动踏板位移、踏板力试验数据，应用小脑模型关联控制器（CMAC）建立驾驶员个性化行为模型，试验验证结果表明个性化行为模型能够有效辨识不同驾 驶员行为特征[37]。 国内，清华大学宋健教授课题组针对驾驶员变速器换挡行为，研究了驾驶员典型工况下操纵特征，基于模糊推理研究了驾驶员行为意图辨识方法，提出了一种基于模糊推理的驾驶员意图识别方法[38]。清华大学李克强教授课题组通过对驾驶员跟车行为、驾驶员操纵异常行为，研究了基于驾驶员驾驶辅助系统的自主学习方法，并开发了与自适应巡航系统ACC（Adaptive Cruise Control）集成一体的追尾预警、防避撞功能一体的驾驶辅助系统原型机[39]。清华大学王建强教授根据驾驶员行为特征判断出驾驶员类型，将其分为了谨慎、稳定、驾驶技能和碰撞倾向四类[40]，研究了用于监测和纠正驾驶员行为特征的车辆控制算法，提出了了一种基于驾驶员行为特征的车辆碰撞预警和进行避让方法[41]。同济大学陈慧教授课题组针对驾驶员车道保持、左换道、右换道，根据驾驶员操纵行为建立了三种行为模型。基于三种模型，控制器可以判断驾驶员是否处于正常超车情况，如果不是能够警示驾驶员更正不合理超车性，继而避免不合理超车交通事故发生[42]。吉林大学宗长富教授课题组在驾驶员行为意图、驾驶员特性方面展开了较多研究。其研究主要是通过选取多名驾驶员在驾驶上进行各种工况实验，基于驾驶员操纵和车辆状态实验数据，应用马尔可夫理论建立辨识驾驶员行为意图模型和行为预测模型，用于辅助驾驶员驾驶、提高行车安全[43]；在驾驶员特性辨识方面，研究了应用神经网络理论建立线控汽车理想特性参考模型[44]和驾驶员特性辨识算法[45]。邓伟文教授课题组在驾驶员个性化辨识方面，提出了应用高斯混合理论建立辨识模型的驾驶员个人特质辨识方法[46]。辽宁工业大学李刚课题组在驾驶员特性辨识与分布式驱动电动汽车控制方面展开了相应研究[47-50]，基于神经网络理论研究了驾驶员转向特性、加速特性和制动特性的辨识模型建模方法，并应用于四轮驱动电动车、四轮驱动与四轮转向电动车控制方面。 综上，目前关于汽车驾驶员特性及行为意图辨识研究方面主要集中在如何建出驾驶员行为模型、如何辨识出驾驶员行为意图，并用于汽车驾驶辅助系统，对汽车电控系统参数进行调整同时对驾驶员行为做出纠正提示，从而提高行车安全和行车舒适性，但是对于驾驶员特性研究和考虑驾驶员特性的汽车动力学控制研究才刚刚起步。 第6期 李刚等：分布式驱动电动汽车个性化智能控制关键技术综述 379 2 结论和展望 (1)分布式驱动电动汽车的四轮驱动力矩可控，为未来汽车发展提供了一个强大支撑并使其成为汽车发展的一重要参考趋势，尤其四轮驱动与四轮转向电动汽车，不同于传统意义上的车辆，其四轮驱动/制动力矩、四轮转角可控制，具有非常显著的控制优势，使考虑驾驶员特性的个 性化智能控制成为了可能。 (2)对于实现车辆智能化控制的三方面内容，包括车辆状态与参数估计方法研究、驾驶员行为意图和特性研究、分布式驱动电动汽车整车动力学控制研究，可为提高未来分布式驱动电动汽车动力学控制性能和智能化水平、加快产业化步伐奠定理论基础和提供技术支持。 参考文献： [1] 余卓平, 冯源, 熊璐. 分布式驱动电动汽车动力学控制发展现状综述[J]. 机械工程学报, 2013, 49(8): 105-114. [2] SatoshiMurata. Innovation by in-wheel-motor drive unit[J]. Vehicle System Dynamics, 2012, 50(6): 807-830. [3] JochenRauh, Ammon D. System dynamics of electrified vehicles: some facts, thoughts, and challenges[J]. Vehicle System Dynamics, 2011, 49(7): 1005-1020. [4] 余卓平, 高晓杰. 车辆行驶过程中的状态估计问题综述[J]. 机械工程学报, 2009, 45(5): 20-33. [5] 褚文博. 分布式电驱动车辆动力学状态参数观测及驱动力协制[D]. 北京: 清华大学, 2013. [6] Geng C, Lotfi M, Mouloud D, et al. Direct yaw-moment control of an in-wheel- motored electric vehicle based on body slip angle fuzzy observer[J]. IEEE Transactions on Industrial Electronics, 2009, 56(5): 1411-1419. [7] Kawashima K, Uchida T, Hori Y. Rolling stability control utilizing rollover index for in- wheel-motor electric vehicle[J]. IEEJ Transactions on Industry Applications, 2010, 130(5): 655-662. [8] Wang Y, Nam K, Fujimoto H, et al. Robust roll and yaw integrated control using 4 wheel steering based on yaw moment and lateral force observers[J]. 電気学会研究会資料. IIC, 産業計測制御研究会, 2011, 134: 25-30. [9] Nagai, Masao. The Perspective of Research for Enhancing Active Safety Based on Advanced Control Technology[J]. Vehicle Syste Dynamics: International Journal of Vehicle Mechanics and Mobility, 2007, 45(5): 413-431. [10] Naoki Ando, Hiroshi F. Yaw-rate control for electric vehicle with active front/rear steering and driving/braking force distribution of rear wheels[C]. The 11th IEEE International Workshop on Advanced Motion Control, Nagaoka, Japan, 2010. [11] YOSHIDA H, SHIMIZU H. Development of high-performance electric vehicle “Eliica”[J]. Koyo Engineering Journal English Edition, 2005, 168: 2-7. [12] Dejun YIN, Manabu OMAE, Hiroshi SHIMIZU, et al. Active stability control strategy based on maximum transmissible torque estimation[J]. Journal of Automotive Safety and Energy, 2011, 2(1): 34-38. [13] Wang Rongrong, Chen Yan, Feng Daiwei. Development and performance characterization of an electric ground vehicle with independently actuated in-wheel motors[J]. Journal of Power Sources, 2011, 196: 3962–3971. [14] Weiskircher T, Muller S. Control performance of a road vehicle with four independent single-wheel electric motors and steer-by-wire system[J]. Vehicle System Dynamics, 2012, 50(1): 53-69. [15] Li Bin, Avesta Goodarzi, Amir Khajepour, et al. An optimal torque distribution control strategy for four-independent wheel drive electric vehicles[J]. Vehicle System Dynamics: International Journal of Vehicle Mechanics and Mobility, 2015, 53(8): 1172-11. [16] QIAN Huihuan, LAM Tin Lun, LI Weimin, et al. System and design of an omini-drectional vehicle[C]. International Conference on Robotics and Biomimetics Bangkok, Thailand, 2008: 3-394. [17] 余卓平, 姜炜, 张立军. 四轮轮毂电机驱动电动汽车扭矩分配控制[J]. 同济大学学报: 自然科学版, 2008(8): 1115-1119 [18] 余卓平, 刘军, 熊璐, 等. 分布式驱动电动汽车操纵性改善控制策略设计[J]. 同济大学学报: 自然科学版, 2014, 42(7): 1088-1095. [19] 谷成, 刘浩, 陈辛波. 基于效率优化的四轮驱动电动车转矩分配[J]. 同济大学学报: 自然科学版, 2015, 43(10): 1550-1556. [20] 邹广才, 罗禹贡, 李克强. 四轮电驱动车辆全轮纵向力优化分配方法[J]. 清华大学学报: 自然科学版, 2009, 49(5): 719-722, 727. [21] 王博, 罗禹贡, 范晶晶. 基于控制分配的四轮电驱动车辆驱动力分配算法[J]. 汽车工程, 2010, 32(2): 128-132. [22] 戴一凡. 分布式电驱动车辆纵横向运动综合控制[D]. 北京: 清华大学, 2013. 380 辽宁工业大学学报(自然科学版) 第39卷 [23] 王庆年, 张缓缓, 靳立强. 四轮驱动电动车转向驱动的转矩协制[J]. 吉林大学学报: 工学版, 2007(5): 985-9. [24] 王庆年, 王军年, 靳立强, 等. 用于电动轮驱动汽车的差动助力转向[J]. 吉林大学学报: 工学版, 2009, 39(1): 1-6. [25] 宗长富, 刘, 郑宏宇, 等. 4WID/4WIS电动车建模和特殊工况仿真[J]. 汽车工程, 2011, 33(10): 829-833. [26] 陈国迎. 四轮线控电动汽车试验平台搭建与集成控制策略研究[D]. 长春: 吉林大学, 2012. [27] 杨福广. 4WID/4WIS电动车辆防滑与横摆稳定性控制研究[D]. 济南: 山东大学, 2010. [28] Rongrong Wang, Hamid Reza Karimi, Nan Chen, et al. Motion Control of Four-Wheel Independently Actuated Electric Ground Vehicles considering Tire Force Saturations[J]. Mathematical Problems in Engineering, 2013, 2013(10): 1–8. [29] Rongrong Wang, ChuanHu, Zejiang Wang, et al. Integrated optimal dynamics control of 4WD4WS electric ground vehicle with tire-road frictional coefficient estimation[J]. Mechanical Systems and Signal Processing, 2015, 60–61: 727–741. [30] 张聪, 王振臣, 程菊, 等. 4WIS-4WID车辆横摆稳定性AFS+ARS+DYC滑模控制[J]. 汽车工程, 2014, 36(3): 304-309, 320. [31] 马雷, 贡士娇, 李斌, 等. 四轮转向电动汽车转向控制方法[J]. 汽车工程, 2015, 37(9): 1029-1034, 1046. [32] Dimitar Filev, Kwaku Prakah-Asante and Fling Tseng. Real-time Driving Behavior Identification Based on Driver-in-the-loop Vehicle Dynamics and Control[C]. Proceedings of the 2009 IEEE International Conference on Systems, Man, and Cybernetics, 2009. [33] Jianbo Lu, Dimitar Filev, Kwaku Prakah-Asante. From Vehicle Stability Control to Intelligent Personal Minder: Real-time Vehicle Handling Limit Warning and Driver Style Characterization[C]. Computational Intelligence in Vehicles and Vehicular Systems, 2009. [34] Quintero M C G, J O López, A C Cuervo Pinilla. Driver behavior classification model based on anintelligent driving diagnosis system[C]. 2012 15th International IEEE Conference on Intelligent Transportation Systems, 2012. [35] Takano W, Matsushita A, Iwao K, et al. Recognition of human driving behaviors basedon stochastic symbolization of time series signal[C]. IEEE/RSJ International Conference on Intelligent Robots and Systems, 2008. [36] Pentland A, Liu A. Modeling and Prediction of Human Behaviour[J]. Neural Computation, 2009(11): 229-242. [37] Wahab A, Wen T G, Kamaruddin N. Understanding driver behavior using multi-dimensional CMAC[C]. 6th International Conference on Information, Communications & Signal Processing, 2007. [38] 王玉海, 宋健, 李兴坤. 基于模糊推理的驾驶员意图识别研究[J]. 公路交通科技, 2005, 22(12): 113-118, 139. [39] 张磊. 基于驾驶员特性自学习方法的车辆纵向驾驶辅助系统[D]. 北京: 清华大学, 2009. [40] Wang J, Lu M, Li K. Characterization of longitudinal driving behavior by measurable parameters[J]. Transportation Research Record: Journal of the Transportation Research Board, 2010, 21(1): 15-23. [41] 王建强, 迟瑞娟, 张磊, 等. 适应驾驶员特性的汽车追尾报警-避撞算法研究[J]. 公路交通科技, 2009, 26(S1): 7-12. [42] 吕岸, 胡振程, 陈慧. 基于高斯混合隐马尔科夫模型的高速公路超车行为辨识与分析[J]. 汽车工程, 2010, 32(7): 630-634. [43] 宗长富, 杨肖, 王畅, 等. 汽车转向时驾驶员驾驶意图辨识与行为预测[J]. 吉林大学学报: 工学版, 2009, 39(S1): 27-32. [44] 宗长富, 林娜, 李刚, 等. “车适应人”线控汽车理想特性参考模型神经网络建模[J]. 吉林大学学报: 工学版, 2013, 43(S1): 514-520. [45] 宗长富, 林娜, 张泽星, 等. 线控汽车驾驶员特性辨识算法的研究[J]. 汽车工程, 2014, 36(9): 1140-1144. [46] 吴坚, 姚琳琳, 朱冰, 等. 基于高斯混合模型的驾驶员个人特质辨识[J]. 吉林大学学报: 工学版, 2015, 45(1): 38-43. [47] 李刚, 李高超, 韩海兰, 等.考虑驾驶员特性的四轮驱动电动汽车转向控制研究[J].科学技术与工程, 2016, 16(28): 288-293. [48] 韩海兰. 智能四轮驱动轮毂电机电动汽车自适应转向研究[D]. 锦州: 辽宁工业大学, 2016. [49] 李刚, 李高超. 驾驶员行为意图及特性辨识研究综述[J]. 河北科技大学学报, 2017, 38(4): 335-340. [50] 李高超. 驾驶员特性辨识及在四轮驱动与转向电动汽车上的应用研究[D]. 锦州: 辽宁工业大学, 2018. 责任编校：刘亚兵
