CN111891118A - 基于模型预测控制算法的电动汽车防侧翻控制方法 - Google Patents

Abstract

本发明公开了一种基于模型预测控制算法的电动汽车防侧翻控制方法，基于车辆平面动力学模型数据和车辆侧倾动力学模型数据建立车辆状态观测和控制的动力学模型；基于车辆的横向运动和横摆运动动力学方程实时计算轮胎的侧偏刚度；同时通过无迹卡尔曼滤波方法对车辆状态量进行实时估算；基于模型预测控制算法设计车辆防侧翻控制器，包括建立预测模型的状态方程和输出方程，并对其进行线性化和离散化处理；建立目标函数；对输入和输出进行约束；将目标函数转化成标准二次规划的形式进行求解，能根据当检测到车辆的翻车指数与设定阈值的比较结果进行对应的操作，以降低四轮独立驱动车辆在某些极限工况下的侧翻风险，提高车辆的驾驶安全性。

Description

基于模型预测控制算法的电动汽车防侧翻控制方法

技术领域

本发明涉及汽车稳定性控制技术领域，尤其涉及一种基于模型预测控制算法的电动汽车防侧翻控制方法。

背景技术

近年来，由于车辆保有量的增加，行驶车速的不断提高，车辆交通事故伤亡率大大增加。而且车辆侧翻事故伤害性相比于其他交通事故更大，因此车辆的防侧翻研究越来越受到国内外重视。近年来，研究者在车辆主动防侧翻技术领域有了大量的研究成果，这些技术主要包括：主动转向技术，差动制动技术，主动悬架技术。主动转向技术是在驾驶员转向的基础上，通过产生一个额外的转角来调节车轮转角。车轮转角改变的同时也改变了轮胎的侧向力，使车辆的侧翻倾向减少，从而达到车辆稳定行驶的目的。差动制动技术可以分别对4个车轮进行制动，通过产生横摆力矩来降低车辆的侧向加速度，进而降低车辆侧翻风险。主动悬架技术可以改变悬架的刚度和减震器的阻尼，进而改变车辆的侧倾刚度和侧倾阻尼，从而使维持车辆的稳定行驶。但这些技术都存在一定的局限性：当轮胎受力达到饱和时，主动转向技术的控制效果会被减弱。同时该技术会改变驾驶员的驾驶意图，在某些工况下，例如紧急避障工况下并不适用。差动制动技术会降低车辆的行驶速度，影响车辆的平顺性。同时该技术需要很大的制动力，当车轮发生抱死时该技术无法提供防侧翻需要的力矩。主动悬架技术由于悬架的特性难以精准调节，并且悬架响应时间较长，会影响防侧翻控制的实时性。四轮独立驱动车辆有着轮内电机转矩能够快速响应指令，所需转矩能够精确独立控制等优点，而现阶段采用扭矩矢量主动安全控制车辆防侧翻的应用较少。

因此，急需发明一种基于模型预测控制算法的电动汽车防侧翻控制方法，以降低四轮独立驱动车辆在某些极限工况下的侧翻风险，提高车辆的驾驶安全性。

发明内容

本发明的目的在于提供一种基于模型预测控制算法的电动汽车防侧翻控制方法，以降低四轮独立驱动车辆在某些极限工况下的侧翻风险，提高车辆的行驶安全性。

为实现上述目的，本发明提供了一种基于模型预测控制算法的电动汽车防侧翻控制方法，包括：

基于车辆平面动力学模型数据和车辆侧倾动力学模型数据，建立用于车辆状态观测和控制的动力学模型；

基于车辆的横向运动和横摆运动动力学方程实时计算轮胎的侧偏刚度；

基于无迹卡尔曼滤波方法搭建车辆状态观测器，对车辆状态量进行实时估算；

基于模型预测控制算法建立车辆防侧翻控制器。

其中，基于车辆平面动力学模型数据和车辆侧倾动力学模型数据，建立用于车辆状态观测和控制的动力学模型，包括：

基于车辆平面动力学模型数据和车辆侧倾动力学模型数据，建立用于车辆状态观测和控制的动力学模型，包括：

基于车辆平面动力学模型数据和车辆侧倾动力学模型数据，建立横向动力学微分方程和横摆角速度动力学微分方程，得到车辆状态观测动力学模型后，将所述横向动力学微分方程和横摆角速度动力学微分方程简化，并结合附加横摆力矩和对应前轮和后轮的侧偏角，得到车辆侧倾动力学微分方程和翻车指数方程，并建立车辆控制动力学模型。

其中，基于车辆的横向运动和横摆运动动力学方程实时计算轮胎的侧偏刚度，包括：

获取所述前轮和所述后轮对应的侧偏角微分方程与车辆侧向加速度方程，并与简化后的所述横向动力学微分方程和所述横摆角速度动力学微分方程相结合，得到对应的所述前轮和所述后轮对应的侧偏刚度估算方程。

其中，基于无迹卡尔曼滤波方法搭建车辆状态观测器，对车辆状态量进行实时估算，包括：

根据所述横向动力学微分方程、所述横摆角速度动力学微分方程和所述车辆侧倾动力学微分方程建立非线性状态方程，并将所述非线性状态方程离散化处理后，利用无迹变换得到车辆状态观测器对应的被观测量。

其中，基于无迹卡尔曼滤波方法搭建车辆状态观测器，对车辆状态量进行实时估算，还包括：

利用无迹卡尔曼滤波法根据建立的所述车辆状态观测器进行初始化，并计算出对应的sigma点后，对所述被观测量进行更新。

其中，基于模型预测控制算法建立车辆防侧翻控制器，包括：

根据所述车辆侧倾动力学微分方程与简化后的所述横向动力学微分方程和所述横摆角速度动力学微分方程建立车辆防侧翻控制器状态方程，并对所述车辆防侧翻控制器状态方程依次进行线性化和离散化处理后，将根据所述翻车指数方程计算出的预测输出量方程进行矩阵式转化。

其中，基于模型预测控制算法建立车辆防侧翻控制器，还包括：

建立目标函数，并按照约束调节对所述车辆防侧翻控制器的输入和输出进行约束后，将所述目标函数转化成标准二次规划方程。

本发明的一种基于模型预测控制算法的电动汽车防侧翻控制方法，基于车辆平面动力学模型数据和车辆侧倾动力学模型数据建立车辆状态观测和控制的动力学模型；基于车辆的横向运动和横摆运动动力学方程实时计算轮胎的侧偏刚度；同时通过无迹卡尔曼滤波方法对车辆状态量进行实时估算；基于模型预测控制算法设计车辆防侧翻控制器，其中包括建立预测模型的状态方程和输出方程，并对其进行线性化和离散化处理；建立目标函数；对控制输入和输出进行约束设计；将目标函数转化成标准二次规划的形式进行求解，能根据当检测到车辆的翻车指数与设定阈值的比较结果进行对应的操作，以降低四轮独立驱动车辆在某些极限工况下的侧翻风险，提高车辆的驾驶安全性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明提供的一种基于模型预测控制算法的电动汽车防侧翻控制方法的步骤示意图。

图2是本发明提供的车辆平面动力学模型。

图3是本发明提供的车辆侧倾动力学模型。

图4是本发明提供的未加入防侧翻控制的仿真结果。

图5是本发明提供的相同工况下对比基于MPC防侧翻控制器和基于PI防侧翻控制器的仿真结果。

图6是本发明提供的基于MPC防侧翻控制器产生的附加驱动扭矩。

图7是本发明提供的实时计算轮胎的侧偏刚度仿真结果。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

在本发明的描述中，需要理解的是，术语“长度”、“宽度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

请参阅图1，本发明提供一种基于模型预测控制算法的电动汽车防侧翻控制方法，包括：

S101、基于车辆平面动力学模型数据和车辆侧倾动力学模型数据，建立用于车辆状态观测和控制的动力学模型。

具体的，请参阅图2提供的车辆平面动力学模型和图3提供的车辆侧倾动力学模型，基于车辆平面动力学模型数据和车辆侧倾动力学模型数据，获取被测车辆的横摆角速度和对应的动力学数据，根据该模型建立车辆的横向和横摆角速度动力学微分方程，所建立的动力学微分方程用于车辆状态观测；具体为：

车辆的横向动力学微分方程表示为：

车辆的横摆角速度动力学微分方程表示为：

其中，v_y为车辆的侧向速度，v_x为车辆纵向速度。r为车辆的横摆角速度，δ为前轮转角，l_f为前轴到质心的距离，l_r为后轴到质心的距离，M_z为附加的横摆力矩，I_z为绕质心转动的横摆转动惯量，F_xfl,F_xfr,F_xrl,F_xrr分别为4个车轮的纵向力，F_yfl,F_yfr,F_yrl,F_yrr分别为4个车轮的侧向力。

简化后的车辆横向和横摆角速度动力学微分方程表示为如下：

其中，δ为车前轮转角；v_x为车辆纵向速度；C_αf，C_αr分别为前后轮胎侧偏刚度；α_f，α_r分别为前轮侧偏角和后轮侧偏角，M_z为附加横摆力矩。

其中，附加横摆力矩M_z表示为如下：

其中，R为轮胎滚动的有效半径；T_fl,T_fr,T_rl,T_rr为4个车轮的驱动力矩，t_f,t_r分别为车辆前轴和后轴的宽度。

其中前后轮胎的侧偏角表示为如下：

其中，v_y为车辆的侧向速度，v_x为车辆纵向速度。ζ_f＝-ζ_r＝1，

车辆侧倾动力学微分方程表示为如下：

其中，I_x为绕x轴的转动惯量，h_r为车辆侧倾中心到质心的高度，m_s为车辆的簧上质量，

为悬架侧倾刚度，

为悬架侧倾阻尼。φ为侧倾角，

为侧倾角速度，

为侧倾角加速度。

翻车指数表示为如下：

其中，F_zl,F_zr分别为左右车轮的垂直载荷，根据该方程计算出翻车指数范围为0到1，当翻车指数达到1时证明车辆已经发生侧翻。

翻车指数近似方程表示为如下：

其中，h_r为车辆侧倾中心到质心的高度，l_s为左右悬架之间的距离，g为重力加速度。

S102、基于车辆的横向运动和横摆运动动力学方程实时计算轮胎的侧偏刚度。

具体的，获取所述前轮和所述后轮对应的侧偏角微分方程与车辆侧向加速度方程，其中，前后轮胎的侧偏角微分方程表示为如下：

其中i＝f,r k_f＝1,k_r＝-1。

车辆横向速度微分方程表示为如下：

其中，a_y为车辆侧向加速度，表示为如下：

同时与简化后的所述横向动力学微分方程和所述横摆角速度动力学微分方程相结合，得到对应的所述前轮和所述后轮对应的侧偏刚度估算方程，具体为：

前轮侧偏刚度计算方程：

后轮侧偏刚度计算方程：

其中，a_y0，

分别为当前时刻内获取的车辆侧向加速度和横摆角加速度，m为车的质量，δ_f0为当前采样时刻车辆前轮转角，α_f0，α_r0分别为当前时刻计算得到的前轮和后轮的轮胎侧偏角，M_z0为当前时刻计算得到的附加直接横摆力矩。

S103、基于无迹卡尔曼滤波方法搭建车辆状态观测器，对车辆状态量进行实时估算。

具体的，根据所述横向动力学微分方程、所述横摆角速度动力学微分方程和所述车辆侧倾动力学微分方程建立非线性状态方程，并将所述非线性状态方程离散化处理，经过无迹变换得到车辆状态观测器对应的被观测量，表示为：

其中状态变量为：

观测变量为：y＝[a_y r]^T。

系统输入为：u＝δ，待估计量为：

其中w为状态噪声，v为量测噪声，v_y为车辆侧向速度，r为车辆横摆角速度，

为车辆侧倾角，

为车辆侧倾角速度，a_y为车辆侧向加速度，δ为车辆前轮转角。

将建立的非线性状态方程离散化处理表示为如下：

利用无迹卡尔曼滤波法根据建立的所述车辆状态观测器进行初始化，设状态量的初始值和方差，并计算出对应的sigma点后，对所述被观测量进行更新，包括对状态预测更新和量测预测更新。

S104、基于模型预测控制算法建立车辆防侧翻控制器。

具体的，根据所述车辆侧倾动力学微分方程与简化后的所述横向动力学微分方程和所述横摆角速度动力学微分方程建立车辆防侧翻控制器状态方程，表示为：

其中，具体变量如下：

其中，x代表模型的状态量，

分别为4个车轮的附加扭矩，ε为松弛变量；

将非线性状态方程进行线性化处理得到如下方程：

由于模型预测控制是一种离散时变控制方法，因此需要进行离散化处理，离散化状态方程如下：

其中，

I为单位矩阵，T_s为采样周期。

其中，状态矩阵

在每个采样周期内会进行更新，保证模型的精确性；T为矩阵转置符号。

然后，将根据所述翻车指数方程得到车辆的翻车指数LTR'，将LTR'作为约束控制的输出量，以达到对LTR'的直接控制；具体的约束输出量方程如下：

y_k＝Cx_k

C＝[0,0,2h_rC_αrcosδ/(ml_sg),2h_rC_αr/(ml_sg),2h_r/l_s,0]

其中，C为输出矩阵；y_k为预测模型的输出。

在预测时域内对具体的约束输出量方程进行矩阵形式转化，具体如下：

其中，具体变量为：

紧接着建立目标函数，具体的目标函数如下：

其中具体变量为：

T＝diag(t_T t_T t_T t_T t_ε)

R＝diag(r_T r_T r_T r_T r_2ε)

其中，J为目标函数；N_p为预测时域；

分别为驾驶员输入的4个车轮的驱动扭矩；u_k为当前时刻求解出的期望变量；u_i为前一时刻求解出的最优控制量；r_1ε,r_2ε为相应的松弛因子的权重系数，R和T为权重矩阵。目标函数第一项的作用是当检测车辆的翻车指数大于设定的阈值时，附加的控制量会产生；目标函数第二项的作用是为了产生平滑的控制量，避免产生较大的震荡；目标函数第三项的作用是保证优化问题始终可以找到可行解。

按照约束调节对所述车辆防侧翻控制器的输入和输出进行约束，具体方程为：

针对控制器的输出约束，设计了车辆侧翻指标的软约束。具体的翻车指数约束方程如下：

|y_k|≤LTR'_max+ε_k

其中，LTR'_max为允许的最大翻车指数，ε_k为松弛因子。

控制器的输入约束如下：

lb≤u≤ub

其中

其中，

和

分别为允许的最小和最大附加驱动扭矩。

将目标函数转化成标准二次规划的形式进行求解：

其中具体变量为：

将控制器的约束进行转换，具体表达如下：

其中：

上述方案中，考虑减少控制器的计算量和负载，加快计算速度，提高实时性，对控制变量进行一定假设处理。假设当预测时域N_p步长超过控制时域N_c后，产生的控制量保持不变，具体如下：

所述方法还包括：

S105、根据检测到的翻车指数与设定阈值的比较结果，利用所述车辆防侧翻控制器进行对应的防侧翻操作。

具体的，当检测到车辆的翻车指数大于设定阈值时，所述防侧翻控制器通过产生附加扭矩来减小翻车指数，进而降低车辆的侧翻风险，保证车辆行驶的安全稳定性；当检测到车辆翻车指数小于设定阈值时，所述防侧翻控制器不介入驾驶员操作控制，保证驾驶员的正常安全驾驶。从而提高四轮独立驱动车辆防侧翻控制的精度、稳定性、实时性，最终提高车辆的驾驶安全性。

为了能够有效地验证上述算法的有效性，本发明选取典型的鱼钩防侧翻试验工况对车辆进行仿真测试。路面附着系数为0.85，初始车速设为85km/h，最大的方向盘转角为200度。驾驶员首先操作车辆急速向左转，2秒后又急速向右转，3秒后方向盘转角维持在200度的状态，在该高速急转的极限工况下质心高的车辆会发生侧翻。同时本发明为了验证上述算法的有效性在该工况下基于模型预测算法的防侧翻控制器分别与无防侧倾控制器，PI防侧翻控制器进行了仿真试验的对比。

首先，对无防侧倾控制器的车辆在该极限工况下进行了仿真验证，结果如附图4所示。在该极限工况下，通过观察附图4(b)、4(c)无防侧倾控制器车辆的质心侧偏角，横摆角速度会在2秒后迅速递增，约3.5秒后车辆发生侧翻，仿真停止。同时观察附图4(d)中的侧倾角可以发现，在无防侧倾控制器的作用下车辆的侧倾角会在2秒后快速增加，在约3.5秒时会增至60度，表明此时车辆已经发生侧翻。因此综合上述对各状态量的描述得出无防侧倾控制器的车辆在该极限工况下会失去稳定性，发生侧翻。

其次，为了能够有效地验证上述算法的有效性，将模型预测防侧翻控制器和PI防侧翻控制器进行仿真试验对比，对比结果如附图5所示。通过观察附图5(b)中的车辆质心侧偏角可以发现，在PI防侧翻控制器的作用下，车辆的质心侧偏角发生较大范围的震荡且震荡时间较长。同时通过观察3到4秒时的车辆质心侧偏角发现最大的车辆质心侧偏角会达到12度，这种现象表明车辆已经发生侧滑失稳，验证出PI防侧翻控制器控制效果一般。在模型预测防侧翻控制器的作用下，车辆的质心侧偏角维持在合理的范围内，且变化趋势相对稳定。同时分别观察附图5(c)中的横摆角速度和侧向速度发现仿真试验结果与车辆质心侧偏角类似。车辆的侧倾角如附图5(d)所示，在PI防侧翻控制器的作用下，车辆的侧倾角数值均有所降低，但震荡时间较长。而对比PI控制器，模型预测防侧翻控制器可以有效地使侧倾角维持在5度的范围内。这种现象表明相比起PI防侧翻控制器，基于模型预测控制方法的防侧翻控制器有着良好的控制效果，能够实时且迅速的维持车辆的稳定性。

然后，在附图6中给出了模型预测防侧翻控制器产生的附加驱动扭矩。通过观察附图6可以发现，对于驾驶员不同时刻的驾驶行为，模型预测防侧翻控制器可以实时的产生相应的附加驱动扭矩来维持车辆的稳定性。

最后，在附图7中给出了实时计算轮胎的侧偏刚度仿真结果。通过观察附图7可以发现，实时计算的轮胎侧偏刚度对参考值进行了很好地跟随，这种现象表明了所提出的估算方法的有效性。

本发明的一种基于模型预测控制算法的电动汽车防侧翻控制方法，基于车辆平面动力学模型数据和车辆侧倾动力学模型数据建立车辆状态观测和控制的动力学模型；基于车辆的横向运动和横摆运动动力学方程实时计算轮胎的侧偏刚度；同时通过无迹卡尔曼滤波方法对车辆状态量进行实时估算；基于模型预测控制算法设计车辆防侧翻控制器，其中包括建立预测模型的状态方程和输出方程，并对其进行线性化和离散化处理；建立目标函数；对控制输入和输出进行约束设计；将目标函数转化成标准二次规划的形式进行求解，能根据当检测到车辆的翻车指数与设定阈值的比较结果进行对应的操作，以降低四轮独立驱动车辆在某些极限工况下的侧翻风险，提高车辆的驾驶安全性。

以上所揭露的仅为本发明一种较佳实施例而已，当然不能以此来限定本发明之权利范围，本领域普通技术人员可以理解实现上述实施例的全部或部分流程，并依本发明权利要求所作的等同变化，仍属于发明所涵盖的范围。

Claims (7)

1.一种基于模型预测控制算法的电动汽车防侧翻控制方法，其特征在于，包括：

基于车辆平面动力学模型数据和车辆侧倾动力学模型数据，建立用于车辆状态观测和控制的动力学模型；

基于车辆的横向运动和横摆运动动力学方程实时计算轮胎的侧偏刚度；

基于无迹卡尔曼滤波方法搭建车辆状态观测器，对车辆状态量进行实时估算；

基于模型预测控制算法建立车辆防侧翻控制器。

2.如权利要求1所述的基于模型预测控制算法的电动汽车防侧翻控制方法，其特征在于，基于车辆平面动力学模型数据和车辆侧倾动力学模型数据，建立用于车辆状态观测和控制的动力学模型，包括：

基于车辆平面动力学模型数据和车辆侧倾动力学模型数据，建立横向动力学微分方程和横摆角速度动力学微分方程，得到车辆状态观测动力学模型后，将所述横向动力学微分方程和横摆角速度动力学微分方程简化，并结合附加横摆力矩和对应前轮和后轮的侧偏角，得到车辆侧倾动力学微分方程和翻车指数方程，并建立车辆控制动力学模型。

3.如权利要求2所述的基于模型预测控制算法的电动汽车防侧翻控制方法，其特征在于，基于车辆的横向运动和横摆运动动力学方程实时计算轮胎的侧偏刚度，包括：

获取所述前轮和所述后轮对应的侧偏角微分方程与车辆侧向加速度方程，并与简化后的所述横向动力学微分方程和所述横摆角速度动力学微分方程相结合，得到对应的所述前轮和所述后轮对应的侧偏刚度估算方程。

4.如权利要求3所述的基于模型预测控制算法的电动汽车防侧翻控制方法，其特征在于，基于无迹卡尔曼滤波方法搭建车辆状态观测器，对车辆状态量进行实时估算，包括：

根据所述横向动力学微分方程、所述横摆角速度动力学微分方程和所述车辆侧倾动力学微分方程建立非线性状态方程，并将所述非线性状态方程离散化处理后，利用无迹变换得到车辆状态观测器对应的被观测量。

5.如权利要求4所述的基于模型预测控制算法的电动汽车防侧翻控制方法，其特征在于，基于无迹卡尔曼滤波方法搭建车辆状态观测器，对车辆状态量进行实时估算，还包括：

利用无迹卡尔曼滤波法根据建立的所述车辆状态观测器进行初始化，并计算出对应的sigma点后，对所述被观测量进行更新。

6.如权利要求5所述的基于模型预测控制算法的电动汽车防侧翻控制方法，其特征在于，基于模型预测控制算法建立车辆防侧翻控制器，包括：

根据所述车辆侧倾动力学微分方程与简化后的所述横向动力学微分方程和所述横摆角速度动力学微分方程建立车辆防侧翻控制器状态方程，并对所述车辆防侧翻控制器状态方程依次进行线性化和离散化处理后，将根据所述翻车指数方程计算出的预测输出量方程进行矩阵式转化。

7.如权利要求6所述的基于模型预测控制算法的电动汽车防侧翻控制方法，其特征在于，基于模型预测控制算法建立车辆防侧翻控制器，还包括：

建立目标函数，并按照约束调节对所述车辆防侧翻控制器的输入和输出进行约束后，将所述目标函数转化成标准二次规划方程。

Images