Adaptive Drehmomentverteilung steigert die Kurvenstabilität von Elektrofahrzeugen
In einer Zeit, in der Elektromobilität nicht nur als Technologie des Umweltschutzes gilt, sondern zunehmend auch als Plattform für intelligente Fahrdynamiksysteme, rücken innovative Regelstrategien in den Fokus der Automobilforschung. Insbesondere bei verteilten Elektroantrieben – sogenannten DDEVs (Distributed-Drive Electric Vehicles) – eröffnen unabhängige Radnabenmotoren völlig neue Möglichkeiten zur präzisen Steuerung von Fahrzeugdynamik und Stabilität. Ein Team von Forschern der North University of China unter der Leitung von WANG Yanhua hat nun eine neuartige, mehrstufige Regelstrategie entwickelt, die die Querstabilität von Elektrofahrzeugen bei aggressiven Lenkmanövern erheblich verbessert.
Die Studie, durchgeführt am College of Energy and Power Engineering, stellt eine bedeutende Weiterentwicklung im Bereich der aktiven Fahrdynamikregelung dar. Anstatt auf herkömmliche, oft bremsintensive Stabilitätsprogramme zu setzen, nutzt das System die inhärente Flexibilität der Radnabenmotoren, um durch gezielte Drehmomentverteilung ein optimales Gleichgewicht zwischen Sicherheit, Fahrkomfort und Energieeffizienz herzustellen. Die Ergebnisse, veröffentlicht im Journal of Chongqing University of Technology (Natural Science), zeigen, dass die vorgeschlagene Methode die Giergeschwindigkeit eines Fahrzeugs um bis zu 58 Prozent reduzieren kann, während gleichzeitig die Spurhaltung und das Fahrverhalten in kritischen Situationen deutlich verbessert werden.
Das Herzstück der neuen Strategie ist ein zweischichtiges Regelkonzept, bestehend aus einem oberen und einem unteren Regler. Der obere Regler, basierend auf einem PID-Algorithmus, überwacht kontinuierlich die wichtigsten Fahrdynamikparameter: die Giergeschwindigkeit und die Schrägstellung des Fahrzeugschwerpunkts (Sideslip Angle). Diese Werte werden mit idealen Referenzgrößen verglichen, die aus einem Zwei-Freiheitsgrade-Fahrzeugmodell abgeleitet werden. Dieses Modell berücksichtigt Faktoren wie Fahrzeuggeschwindigkeit, Lenkwinkel, Achslastverteilung und Reifenschlupf, um realistische Sollwerte für ein stabiles Fahrverhalten zu berechnen.
Sobald Abweichungen zwischen den realen und den gewünschten Werten festgestellt werden, berechnet der obere Regler zwei zentrale Größen: das benötigte Gesamtantriebsmoment zur Aufrechterhaltung der Geschwindigkeit und ein zusätzliches Giermoment, das erforderlich ist, um das Fahrzeug in die gewünschte Richtung zu stabilisieren. Dieses zusätzliche Giermoment ist der Schlüssel zur Verhinderung von Untersteuern oder Übersteuern, insbesondere bei plötzlichen Ausweichmanövern oder auf glatten Fahrbahnen.
Die eigentliche Intelligenz des Systems liegt jedoch im unteren Regler, dem sogenannten „Torque Distribution Controller“. Anstatt eine feste Verteilungsregel anzuwenden, entscheidet dieser Regler dynamisch, wie das berechnete Giermoment physikalisch umgesetzt wird. Dabei wählt er aus drei verschiedenen Modi, je nach Schwere der Störung und den verfügbaren physikalischen Grenzen der Motoren:
Der erste und bevorzugte Modus ist die Differenzialantriebsverteilung. In dieser Betriebsart wird das Giermoment erzeugt, indem das Antriebsmoment auf den äußeren Rädern erhöht und gleichzeitig auf den inneren Rädern reduziert wird. Der entscheidende Vorteil dieses Ansatzes ist, dass die Summe der Antriebskräfte konstant bleibt. Das bedeutet, dass das Fahrzeug seine Geschwindigkeit beibehält, während es stabilisiert wird. Dieser Modus ist besonders effektiv bei moderaten Kurvenfahrten oder bei ersten Anzeichen von Instabilität, wo ein subtiler Eingriff ausreicht, um die Kontrolle zu behalten. Er ist auch der energieeffizienteste, da er keine Bremsenergie verschwendet und sogar die Rekuperationsmöglichkeiten maximiert.
Wenn jedoch die erforderliche Stabilisierungskraft die Grenzen des reinen Antriebsausgleichs übersteigt – etwa bei einem plötzlichen Ausweichmanöver auf einer vereisten Fahrbahn –, schaltet das System automatisch in den zweiten Modus: die Differenzialbremsung. In diesem Fall werden die inneren Räder aktiv abgebremst, während die äußeren weiterhin angetrieben werden. Dies erzeugt ein viel stärkeres Giermoment, da die Bremskraft direkt zur Drehung des Fahrzeugs um die Hochachse beiträgt. Der Nachteil ist, dass dieses Vorgehen zwangsläufig zu einer gewissen Verzögerung führt, da kinetische Energie in Wärme umgewandelt wird. Dennoch bleibt es eine effektive Methode, um die Kontrolle zurückzugewinnen, ohne die maximale Bremskraft aller Räder zu aktivieren.
Im Extremfall, wenn auch die Differenzialbremsung nicht ausreicht, um die Instabilität zu kompensieren, greift der dritte Modus: die Reibungsbremsung. Hierbei wird ein zusätzliches, konventionelles Bremssystem aktiviert, um eine noch stärkere Bremskraft auf einem oder mehreren inneren Rädern zu erzeugen. Dieser Modus stellt die letzte Verteidigungslinie dar und wird nur in den kritischsten Situationen eingesetzt. Er führt zu einer deutlichen Verzögerung, garantiert aber, dass das Fahrzeug auch unter extremen Bedingungen stabil bleibt und nicht ins Schleudern gerät.
Diese schrittweise, an die Situation angepasste Vorgehensweise ist das entscheidende Merkmal der von WANG Yanhua und ihrem Team entwickelten Strategie. Sie vermeidet die üblichen Probleme herkömmlicher Systeme, die oft mit einem „Alles-oder-Nichts“-Ansatz arbeiten und bei jedem Eingriff eine starke Verzögerung verursachen. Stattdessen nutzt das neue System eine fein abgestufte Skala von Interventionen, beginnend mit der diskretesten und leistungserhaltenden Methode und steigert sich nur dann, wenn es absolut notwendig ist. Dies führt zu einem natürlicheren Fahrgefühl und minimiert die Störung des Fahrers.
Die Wirksamkeit der Strategie wurde durch umfangreiche Co-Simulationen mit den Industriestandard-Tools MATLAB/Simulink und CarSim nachgewiesen. Zwei besonders herausfordernde Szenarien wurden gewählt, um die Leistungsfähigkeit des Systems unter realitätsnahen Bedingungen zu testen.
Im ersten Szenario, dem „Sinus-Lenkwinkel-Test“, wurde ein Fahrzeug mit einer Geschwindigkeit von 80 km/h auf einer Fahrbahn mit niedrigem Reibwert (μ = 0,3) einem sinusförmigen Lenkwinkel ausgesetzt. Dies simuliert eine Fahrt auf glattem Untergrund, bei der das Fahrzeug durch plötzliche Lenkbewegungen destabilisiert wird. Die Ergebnisse waren beeindruckend: Das nicht geregelte Fahrzeug erreichte eine Giergeschwindigkeit von etwa -14,5 °/s, was auf ein hohes Risiko eines Kontrollverlusts hindeutet. Mit dem neuen Regelsystem blieb die Giergeschwindigkeit auf einem engen Band von ±7,5 °/s, eine Reduktion um 54 Prozent. Noch bemerkenswerter war die Verbesserung bei der Schrägstellung des Schwerpunkts. Während das Referenzfahrzeug Werte von bis zu ±3,1° erreichte, wurde diese bei dem geregelten Fahrzeug auf ±0,4° reduziert – nahezu perfekt auf den idealen Wert von null ausgerichtet. Gleichzeitig blieb die Geschwindigkeit des Fahrzeugs mit einem Fehler von weniger als 0,1 km/h gegenüber der Sollgeschwindigkeit nahezu konstant, was die Effizienz der Differenzialantriebsverteilung unter Beweis stellt.
Im zweiten Szenario, dem „Doppelte-Spurwechsel-Test“, wurde ein Fahrzeug mit 90 km/h auf einer hochgriffigen Fahrbahn (μ = 0,9) einem klassischen Ausweichmanöver unterzogen. Dieses Szenario ist ein Standardtest für die aktive Sicherheit und simuliert eine plötzliche Ausweichbewegung, etwa um ein Hindernis zu umfahren. Auch hier zeigte das System herausragende Leistung. Das nicht geregelte Fahrzeug erreichte eine Giergeschwindigkeit von etwa ±25 °/s. Mit nur Differenzialantrieb reduzierte sich dieser Wert um 55 Prozent. Die Kombination aus Differenzialantrieb und Differenzialbremsung verbesserte dies auf 57 Prozent, und mit allen drei Modi erreichte das System eine maximale Reduktion von 58 Prozent.
Interessanterweise zeigte die Analyse der Schrägstellung des Schwerpunkts eine subtile, aber wichtige Erkenntnis. Während alle drei Modi die Stabilität erheblich verbesserten, führte die vollständige Aktivierung aller Modi (einschließlich Reibungsbremsung) in diesem Szenario zu einer leichten Überreaktion. Die Schrägstellung des Schwerpunkts wurde zwar stark reduziert, aber das Fahrverhalten war nicht so exakt auf den idealen Wert ausgerichtet wie bei der Kombination aus Differenzialantrieb und Differenzialbremsung. Dies deutet darauf hin, dass eine zu aggressive Intervention, selbst wenn sie die Giergeschwindigkeit reduziert, das Gesamtfahrverhalten negativ beeinflussen kann. Diese Erkenntnis ist entscheidend für die zukünftige Feinabstimmung solcher Systeme, um nicht nur Stabilität, sondern auch Präzision und Komfort zu maximieren.
Die praktische Umsetzung dieser Strategie erfordert jedoch mehr als nur einen intelligenten Algorithmus. Sie hängt stark von der Genauigkeit der Zustandsschätzung ab. Das System muss in Echtzeit die Fahrzeuggeschwindigkeit, die Giergeschwindigkeit, die Schrägstellung des Schwerpunkts und, am wichtigsten, den Reibwert zwischen Reifen und Fahrbahn kennen. Während die Simulation mit festgelegten Reibwerten arbeitete, stellt die Echtzeiterkennung dieser Parameter eine der größten Herausforderungen in der Fahrzeugtechnik dar. Moderne Fahrzeuge nutzen hierfür komplexe Sensorfusionstechniken, die Daten von Radgeschwindigkeitssensoren, Beschleunigungssensoren, Gyroskopen und zunehmend auch von Kamerasystemen kombinieren, um eine zuverlässige Schätzung zu liefern.
Ein weiterer kritischer Aspekt ist die Berücksichtigung der physischen Grenzen der Radnabenmotoren. Jeder Motor hat ein maximales Drehmoment, sowohl im Antrieb als auch im Bremsbetrieb, das durch die Leistungselektronik, die Motorkühlung und die Reifengriffkräfte begrenzt ist. Die Studie berücksichtigt diese Grenzen explizit in ihrem Modell, was die Robustheit und Praxistauglichkeit der vorgeschlagenen Lösung erhöht. Ein System, das Befehle ausspricht, die physikalisch nicht erfüllt werden können, ist nutzlos. Die Tatsache, dass die Forscher diese Randbedingungen in ihre Simulation integriert haben, unterstreicht den ingenieurwissenschaftlichen Ansatz ihrer Arbeit.
Die Implikationen dieser Forschung gehen weit über die akademische Welt hinaus. Für Fahrzeughersteller, die in die Entwicklung von Elektrofahrzeugen mit verteiltem Antrieb investieren – sei es für High-Performance-Modelle oder für zukünftige autonome Fahrzeuge – bietet diese Technologie einen klaren Wettbewerbsvorteil. Die Fähigkeit, die Fahrzeugdynamik mit solch einer Präzision zu steuern, ermöglicht nicht nur eine höhere Sicherheit, sondern auch ein dynamischeres und ansprechenderes Fahrerlebnis.
In der Welt der autonomen Fahrzeuge wird die Bedeutung solcher Systeme noch größer. Ein selbstfahrendes Auto muss nicht nur wissen, wohin es fahren soll, sondern auch, wie es die Strecke sicher und komfortabel meistern kann. Ein solches adaptives Drehmomentverteilungssystem könnte als zentrale Komponente eines autonomen Fahrdynamikmanagements fungieren, das proaktiv eingreift, um Stabilität zu gewährleisten, bevor ein kritischer Zustand überhaupt erreicht wird.
Darüber hinaus hat die Strategie auch Auswirkungen auf die Energieeffizienz. Indem sie die Differenzialantriebsverteilung priorisiert, minimiert sie den Einsatz von Reibungsbremsen und maximiert die Rekuperationsenergie. Dies ist ein entscheidender Faktor für die Reichweite von Elektrofahrzeugen und zeigt, dass Sicherheit und Effizienz kein Widerspruch sein müssen, sondern synergistisch gestaltet werden können.
Zukünftige Entwicklungen könnten diese Strategie noch weiter verfeinern. Anstelle des klassischen PID-Reglers könnten modellbasierte Vorhersageregler (MPC) oder sogar künstliche Intelligenz-Algorithmen eingesetzt werden, um nicht nur auf aktuelle Zustände zu reagieren, sondern auch zukünftige Fahrzeugbewegungen vorherzusagen. Eine Integration mit aktiven Lenksystemen oder adaptiven Dämpfern könnte die Gesamtleistung noch weiter steigern und eine vollständig integrierte, fahrzeugweite Dynamikregelung ermöglichen.
Zusammenfassend lässt sich sagen, dass die Arbeit von WANG Yanhua, MENG Yongkai und ihren Kollegen einen bedeutenden Beitrag zur Weiterentwicklung der Elektrofahrzeugtechnologie leistet. Sie demonstriert, wie die einzigartigen Eigenschaften von verteilten Elektroantrieben genutzt werden können, um nicht nur die Reichweite und Leistung, sondern vor allem die Sicherheit und das Fahrverhalten auf ein neues Niveau zu heben. Es ist ein Paradebeispiel dafür, wie intelligente Software und präzise Hardware zusammenarbeiten, um die Mobilität der Zukunft sicherer, effizienter und angenehmer zu gestalten.
WANG Yanhua, MENG Yongkai, DENG Jichen, WANG Yaoxun, GUAN Quancai, LIU Yutao, School of Energy and Power Engineering, North University of China. Lateral stability of distributed electric vehicle steering torque adaptive distribution strategy. Journal of Chongqing University of Technology (Natural Science), 2024, 38(3):46-54. doi: 10.3969/j.issn.1674-8425(z).2024.03.005