CN101916113A - 一种基于主动悬架评价指标的车身姿态解耦控制方法 - Google Patents

Abstract

本发明提出一种汽车主动悬架作动力控制的方法，利用加速度传感器和陀螺仪在线提取汽车行驶中车身的运动姿态信号，对车身运动姿态进行解耦分析，将耦合运动分解成垂向运动、俯仰运动和侧倾运动，针对每种运动将车身分成不同的模块，采用参数自调整模糊策略提出每只悬架的作动力施加方案；而后根据悬架效用函数来评价方案，采用简单黄金分割算法对抑制垂向运动、俯仰运动和侧倾运动需要的三种作动力优化，最终得到实现总体控制目标的各个主动减振器输出的作动力，提高汽车的平顺性和操稳性，同时使主动悬架控制获得良好的效果和实时性。

Description

一种基于主动悬架评价指标的车身姿态解耦控制方法

技术领域

本发明属于汽车减振控制技术领域，具体涉及一种基于主动悬架评价指标的车身姿态解耦控制方法。

背景技术

近年来，国内外许多学者在悬架控制方面做了大量的研究工作，有主动悬架和半主动悬架。半主动悬架又包括电流变液、磁流变液和可调阻尼减震器等，采用了各种不同的控制算法(如最优控制、鲁棒控制、自适应控制、模糊控制、神经网络控制等)，效果不尽相同。

无论使用何种结构悬架和控制策略都无法解决理论上存在的车身运动姿态耦合的影响。例如汽车在行驶的过程中有垂向运动，同时还会存在俯仰运动和侧倾运动。三种运动之间会相互影响，造成车身的扭转等情形。车身姿态解耦控制就是考虑到了车身运动姿态耦合作用将其隔离开来分别控制，但是分别控制最终作用在悬架上的作动力将会产生不同的效果，可能是同向的也可能是异向的。也有考虑到了这种效果，提出分层递阶的思想，但是没有将车身姿态进行解耦，而是针对耦合运动作为一种特殊状态设计控制策略。由于耦合运动复杂、状态比较多，提高了程序的时间成本，实际控制效果上存在很大的滞后性，离产品应用还有一段距离。

发明内容

本发明的目的在于提出一种汽车主动悬架作动力控制的系统和方法，对车身运动姿态进行解耦分析，将耦合运动分解成垂向运动、俯仰运动和侧倾运动，针对每种运动分别采用参数自调整模糊控制，然后把抑制垂向运动、俯仰运动和侧倾运动需要的三种作动力优化，就得到实现总体控制目标的各个主动减振器输出的作动力。总体控制目标的评价方法采用一种构造悬架效用函数的新方法，并且给出了寻求最优解的算法，提高汽车的平顺性和操稳性。

本发明的一个技术方案如下：

一种基于主动悬架评价指标的车身姿态解耦控制系统，包括安装于车身质心处加速度传感器和陀螺仪传感器、车身运动解耦模块、模糊控制器和悬架系统；所述加速度传感器和陀螺仪在线提取汽车行驶中车身的运动姿态信号发送至所述车身运动解耦模块，所述车身运动解耦模块将车身运动姿态解耦成运动垂向运动、俯仰运动和侧倾运动三种运动形式，所述模糊控制器分别针对每种运动将车身分成不同的模块，采用参数自调整模糊策略提出每只悬架的作动力施加方案，输出控制信号至悬架系统的四支主动减振器，施加作动力，完成一个控制循环。

所述模糊控制器包括垂向控制器、俯仰控制器和侧倾控制器。

本发明的另一个技术方案如下：

一种基于主动悬架评价指标的车身姿态解耦控制方法，包括下列步骤：利用加速度传感器和陀螺仪在线提取汽车行驶中车身的运动姿态信号，将车身运动姿态解耦成三种运动垂向运动、俯仰运动和侧倾运动，针对每种运动将车身分成不同的模块，采用参数自调整模糊策略提出每只悬架的作动力施加方案；而后根据悬架效用函数来评价方案，其中效用函数的最优值采用简单黄金分割算法求解，从而使悬架控制获得良好的效果和实时性。

本发明的关键是悬架效用函数的构建、参数的优化和最优值的寻取。

附图说明

图1是本发明实施例1基于主动悬架评价指标的车身姿态解耦控制系统框图

图2是基于主动悬架评价指标的车身姿态解耦控制方法的汽车主动悬架系统示意

图3是对行进中的汽车运动姿态的划分

图4是整车运动分解原理

图5是垂直运动控制模块

图6是俯仰运动控制模块

图7是侧倾运动控制模块

图8是参数自调整模糊控制原理

图9是车身垂直加速度均方根值比较

图10是车身俯仰角加速度峰值比较

图11是车身侧倾角峰值比较

具体实施方式

以下结合附图对本发明方法做详细说明。

如图1所示，一种基于主动悬架评价指标的车身姿态解耦控制系统，包括安装于车身质心处加速度传感器和陀螺仪传感器、车身运动解耦模块、模糊控制器和悬架系统；加速度传感器和陀螺仪在线提取汽车行驶中车身的运动姿态信号发送至车身运动解耦模块，车身运动解耦模块将车身运动姿态解耦成运动垂向运动、俯仰运动和侧倾运动三种运动形式，模糊控制器分别针对每种运动将车身分成不同的模块，采用参数自调整模糊策略提出每只悬架的作动力施加方案，输出控制信号至悬架系统的四支主动减振器，施加作动力，完成一个控制循环。模糊控制器包括垂向控制器、俯仰控制器和侧倾控制器。

如图2所示，将加速度传感器1和陀螺仪传感器2安装于车身质心处，采集车身垂直振动加速度、俯仰角以及侧倾角信号，作为控制器7的输入，控制器对输入的信号进行特征提取，以判断车身所处的运动姿态，参见图3，将车身运动姿态解耦成垂直运动、俯仰运动和侧倾运动三种运动，针对每种运动将车身分成不同的模块，采用参数自调整模糊控制策略提出每只悬架的作动力施加方案；而后根据悬架效用函数优化作动力，其中函数的最优值采用黄金分割算法求解，从而使悬架控制获得良好的效果和实时性，输出控制信号(电流)至四支主动减振器3-6，施加作动力，完成一个控制循环。

悬架系统的运动解耦

汽车在行驶的过程中不仅要考虑汽车的垂直运动，同时还要考虑俯仰运动和侧倾运动。把整车耦合的三个自由度运动分别隔离，将整车模型视成四个1/4车体模型、前后两个1/2车体模型和左右两个1/2车体模型之和。如图4所示。对每个分块分别采用相应的控制逻辑进行独立控制，然后把抑制垂向运动、俯仰运动和侧倾运动需要的三个作动力叠加，就得到实现总体控制目标的各个主动减振器输出的作动力。

悬架控制根据车身当前的姿态来分配主动减震器的各自作动力，因此车身运动姿态识别的正确与否，会极大地影响到悬架控制的性能。七自由度半主动悬架整车模型包含了车辆的垂直、侧倾和俯仰运动，这三种车身姿态既可能单独存在，也可能三者之间存在运动耦合。

表1  车身姿态识别及悬架控制推理逻辑

令车身运动姿态集为

其中，

分别为垂向振动、侧倾和俯仰加速度值；

作用在悬架系统上的作动力模型为

F_i＝{F_i，1，F_i，2，F_i，3}                (2)

其中，i＝1，2，3，4；分别代表左前、右前、左后、右后车轮的悬架；F_i，1，F_i，2，F_i，3分别为垂向振动、侧倾和俯仰控制器施加在第i轮悬架上的作动力。

在悬架系统的作动力模型的基础上，结合车身运动姿态集，设计出主动悬架系统的控制的推理规则集如式(3)和表1所示。

$\mathrm{\Ω}=\{{\mathrm{\ω}}_1,{\mathrm{\ω}}_2,{\mathrm{\ω}}_3\}\⇒\mathrm{\Ψ}=\{1,L,8\}---\left(3\right)$

其中，ω_i＝{+，-}，i＝1，2，3代表垂向振动、侧倾和俯仰控制器施加在悬架上作动力的方向集，+代表使悬架压缩，-代表使悬架伸张。Ψ代表悬架控制的8种状态集。

参数自调整模糊控制器的设计

模糊控制是近年来迅速发展起来的新型控制方法，在控制过程中包含大量的人的控制经验和知识，与人的智能行为类似，有效地解决了车辆主动悬架系统多参数、非线性问题。在车辆行驶过程中，模糊控制器根据车况变化，调节主动悬架减振器的作动力，实现衰减车体振动，抑制车身姿态变化，提高车辆行驶平顺性和乘坐舒适性。

模糊控制输入变量的基本论域与路面干扰有着密切关系，应根据受到路面干扰的最大值来确定，输出变量的基本论域则以汽车在不同路面行驶时保持良好的悬架特性为原则。根据整车运动隔离控制的原理，把整车模型分成四个1/4车体垂直运动模型、前后两个1/2车体俯仰模型、左右两个1/2车体侧倾模型之和(如图5、6、7)。对每个模型分块分别采用相应的控制逻辑进行独立控制，然后把抑制垂向运动、俯仰运动和侧倾运动需要的三个作用力叠加，就得到实现总体控制目标的各个主动减振器输出的作动力。输入输出变量均选用高斯型隶属函数。

由已知的连续输入精确量，通过各种不同的模糊推理过程，求出模糊控制器相应的输出量，它也是一个模糊量，而被控对象只能接受精确的控制量，因此必须将输出的模糊量转化成精确量，此过程通常由模糊判决来完成。

模糊控制规则的选取是模糊控制器的核心，本发明采用自调整模糊控制方法，即根据误差E和误差变化EC调整规则调整量化因子Ke和Kec，根据系统控制性能指标来调整比例因子Ku。

调整的原则是：当E或EC较大时，重点考虑系统响应问题，量化因子Ke和Kec取较小值。降低对E和EC的分辨率，同时Ku取较大值，使响应加快。保证系统的快速性与稳定性；当E或EC较小时，Ke和Kec取较大值。增加对E和EC的分辨率，同时Ku减小，避免产生超调，并使系统尽快进人稳态精度范围。(如图8)

悬架作动力优化

从车身姿态识别及悬架控制推理逻辑表中可以看出根据三种车身姿态对悬架施加的作动力可能是同向的也可能是异向的。同向作动力控制将会有加强控制效果的趋势，异向则存在此消彼长的冲突关系，所以三种作动力不能简单的线性叠加与相减。

1971年德国科学家哈肯提出了统一的系统协同学思想，指出协同是协调两个或者两个以上的不同资源或者个体，协同一致地完成某一目标的过程或能力。若系统中各子资源或者个体能很好配合、协同，多种力量就能集聚成一个总力量，形成大大超越原各自功能总和的新功能。

这种总力量可以定义效用函数来表征对悬架施加作动力的控制效果，其函数值的大小能表征车身姿态控制从悬架作动力的叠加组合中所获得满足的程度，即函数值越大，则表示车身姿态控制效果越好。其表达式是：

U_i＝U{k₁F_i，1，k₂F_i，2，k₃F_i，3}                (4)

式中i＝1，2，3，4表示前左、前右、后左、后右四只车轮；U为悬架的效用函数k₁×F_i，1+k₂×F_i，2+k₃×F_i，3；F_i，1，F_i，2，F_i，3分别为垂向振动、侧倾和俯仰控制器施加在第i轮悬架上的作动力；k₁、k₂、k₃分别表示垂向振动、侧倾和俯仰控制器施加在悬架上作动力的效用权值，其和为1。

效用权值k_i的量化依据是垂向、侧倾和俯仰之间的自然关系，如是否同质或异质，是合作关系还是对立关系。在实际应用中，往往无法描述精确的运动关系，由此我们引入模糊权值。给出效用权值的隶属度集合R，用<-1，-0.5，0，0.5，1>来表示运动之间的冲突和合作关系以及它们之间相互影响程度的大小。

效用权值k_i的确定

根据三种运动加速度比值，实时地确定权值的比重，再参考车速V，实时地修正权值的比重，最终对各种姿态效用权值进行评级。

在悬架的最大效用值求解过程中，采用经过陈兆斗推导和证明的公式(5)是比较有效的。

求解公式如下：

$F=0.618\&times;\underset{i=1}{\overset{3}{\mathrm{\&Sigma;}}}\left|F_i\right|-\frac{1}{2}\&times;\underset{i=1}{\overset{3}{\mathrm{\&Sigma;}}}\left(\right|F_i|-F_i)---\left(5\right)$

本发明效果说明

分别采用随机路面、脉冲路面和蛇形道路等工况，进行不同车速下试验，对经过优化的主动控制、传统的模糊主动控制悬架和被动悬架试验结果进行了比较。

图9给出了车身垂直加速度均方根值趋势。从图中可以看出随着车速的增加车身垂直加速度均方根值在增加，但是基于效用函数优化模糊控制后的车身垂直加速度均方根值增加不明显。

表2中分别将传统主动控制和优化后的主动控制下的车身垂直加速度均方根值与被动悬架车身垂直加速度均方根值相比较，得出同一车速下优化后的主动控制性能提高要明显优于传统主动控制，但横向比较同一种控制方法不同车速下控制效果还略存在差别。

表2  车身垂直加速度均方根值性能比较

图10给出了车身俯仰角加速度峰值趋势。图中可以看出随着车速的增加峰值在增加，但是基于效用函数优化后的模糊控制使车身垂直加速度均方根值增加不明显，甚至在60km时还有所降低。

表3中分别将传统主动控制和优化后的主动控制下的车身俯仰角加速度峰值与被动悬架相比较，得出同一车速下优化后的主动控制性能提高要明显优于传统主动控制，同时随着车速的增加优化后的主动控制效果不断改善。

表3  车身俯仰角加速度均方根值性能比较

从图11和表4中可以看出随着车速的增加车身侧倾角峰值都在增加，控制效果也在增加，而且性能提高也比较稳定。

表4  车身侧倾角峰值性能比较

Claims (9)

1.一种基于主动悬架评价指标的车身姿态解耦控制系统，其特征在于，所述控制包括安装于车身质心处加速度传感器和陀螺仪传感器、车身运动解耦模块、模糊控制器和悬架系统；所述加速度传感器和陀螺仪在线提取汽车行驶中车身的运动姿态信号发送至所述车身运动解耦模块，所述车身运动解耦模块将车身运动姿态解耦成运动垂向运动、俯仰运动和侧倾运动三种运动形式，所述模糊控制器分别针对每种运动将车身分成不同的模块，采用参数自调整模糊策略提出每只悬架的作动力优化方案，输出控制信号至悬架系统的四支主动减振器，施加作动力，完成一个控制循环。

2.如权利要求1所述的车身姿态解耦控制系统，其特征在于，所述模糊控制器把整车模型分成四个1/4车体垂直运动模型、或前后两个1/2车体俯仰模型、左右两个1/2车体侧倾模型之和，所述模糊控制器中的垂直控制器、仰俯控制器、侧倾控制器对每个模型分块分别采用相应的控制逻辑进行独立控制，然后把抑制垂向运动、俯仰运动和侧倾运动需要的三个作用力叠加组合，就得到实现总体控制目标的各个主动减振器输出的作动力。

3.如权利要求1所述的车身姿态解耦控制系统，其特征在于，所述参数自调整模糊策略为根据误差E和误差变化EC调整规则调整因子α，根据系统控制性能指标来调整比例因子Ku。

4.如权利要求1所述的车身姿态解耦控制系统，其特征在于，所述参数自调整模糊策略调整的原则是：当E或EC较大时，重点考虑系统响应问题，Ke和Kec取较小值；降低对E和EC的分辨率，同时Ku取较大值，使响应加快；当E或EC较小时，Ke和Kec取较大值；增加对E和EC的分辨率，同时Ku减小，避免产生超调，并使系统尽快进人稳态精度范围。

5.如权利要求1所述的车身姿态解耦控制系统，其特征在于，所述作动力优化方案以定义效用函数来表征对悬架施加作动力的控制效果，其函数值的大小能表征车身姿态控制从悬架作动力的叠加组合中所获得满足的程度，即函数值越大；则表示车身姿态控制效果越好；其表达式是：

U_i＝U{k₁F_i，1，k₂F_i，2，k₃F_i，3}

式中i＝1，2，3，4表示前左、前右、后左、后右四只车轮；U为悬架的效用函数k1×Fi，1+k2×Fi，2+k3×Fi，3；Fi，1，Fi，2，Fi，3分别为垂向振动、侧倾和俯仰控制器施加在第i轮悬架上的作动力；k1、k2、k3分别表示垂向振动、侧倾和俯仰控制器施加在悬架上作动力的效用权值，其和为1。

6.如权利要求4所述的车身姿态解耦控制系统，其特征在于，所述效用权值k1、k2、k3的量化依据是垂向、侧倾和俯仰之间的自然关系；采用效用权值的隶属度集合R，用<-1，-0.5，0，0.5，1>来表示三种运动之间的冲突和合作关系以及它们之间相互影响程度的大小。

7.如权利要求5所述的系统，其特征在于，所述效用权值k1、k2、k3确定：先根据三种运动加速度比值，实时地确定权值的比重，再参考车速V，实时地修正权值的比重，最终对各种姿态效用权值进行评级。

8.如权利要求3所述的系统，其特征在于，在悬架的最大效用值求解过程中，采用求解公式：

$F=0.618\&times;\underset{i=1}{\overset{3}{\mathrm{\&Sigma;}}}\left|F_i\right|-\frac{1}{2}\&times;\underset{i=1}{\overset{3}{\mathrm{\&Sigma;}}}\left(\right|F_i|-F_i).$

9.一种基于主动悬架评价指标的车身姿态解耦控制方法，其特征是，该方法包括步骤如下：

(1)利用加速度传感器和陀螺仪在线提取汽车行驶中车身的运动姿态信号；

(2)将车身运动姿态解耦成三种运动，针对每种运动将车身分成不同的模块；

(3)每种运动采用参数自调整模糊策略提出每只悬架的作动力施加方案；

(4)根据悬架效用函数来评价方案，其中函数的最优值采用简单黄金分割算法求解。

Images