CN112084698B - 一种汽车智能线控底盘系统及其不确定优化方法 - Google Patents
一种汽车智能线控底盘系统及其不确定优化方法 Download PDFInfo
- Publication number
- CN112084698B CN112084698B CN202010668028.8A CN202010668028A CN112084698B CN 112084698 B CN112084698 B CN 112084698B CN 202010668028 A CN202010668028 A CN 202010668028A CN 112084698 B CN112084698 B CN 112084698B
- Authority
- CN
- China
- Prior art keywords
- wire
- steering
- drive
- chassis
- motor assembly
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 31
- 238000000034 method Methods 0.000 title claims abstract description 24
- 230000006870 function Effects 0.000 claims abstract description 27
- 230000007246 mechanism Effects 0.000 claims abstract description 16
- 230000005540 biological transmission Effects 0.000 claims abstract description 9
- 239000002245 particle Substances 0.000 claims description 27
- 238000004458 analytical method Methods 0.000 claims description 20
- 238000013016 damping Methods 0.000 claims description 11
- 239000000725 suspension Substances 0.000 claims description 10
- 230000004044 response Effects 0.000 claims description 9
- 238000012546 transfer Methods 0.000 claims description 9
- 238000013076 uncertainty analysis Methods 0.000 claims description 9
- 238000010206 sensitivity analysis Methods 0.000 claims description 7
- 238000006073 displacement reaction Methods 0.000 claims description 6
- 230000009467 reduction Effects 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 230000009471 action Effects 0.000 claims description 4
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 230000035945 sensitivity Effects 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 3
- 230000009977 dual effect Effects 0.000 claims 1
- 230000009286 beneficial effect Effects 0.000 abstract description 5
- 230000010354 integration Effects 0.000 abstract description 2
- 238000013461 design Methods 0.000 description 23
- 230000007613 environmental effect Effects 0.000 description 6
- 230000008878 coupling Effects 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 4
- 238000005859 coupling reaction Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 3
- 206010063385 Intellectualisation Diseases 0.000 description 2
- 238000000540 analysis of variance Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006054 immunological memory Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 239000013585 weight reducing agent Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/25—Design optimisation, verification or simulation using particle-based methods
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60K—ARRANGEMENT OR MOUNTING OF PROPULSION UNITS OR OF TRANSMISSIONS IN VEHICLES; ARRANGEMENT OR MOUNTING OF PLURAL DIVERSE PRIME-MOVERS IN VEHICLES; AUXILIARY DRIVES FOR VEHICLES; INSTRUMENTATION OR DASHBOARDS FOR VEHICLES; ARRANGEMENTS IN CONNECTION WITH COOLING, AIR INTAKE, GAS EXHAUST OR FUEL SUPPLY OF PROPULSION UNITS IN VEHICLES
- B60K26/00—Arrangements or mounting of propulsion unit control devices in vehicles
- B60K26/02—Arrangements or mounting of propulsion unit control devices in vehicles of initiating means or elements
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60K—ARRANGEMENT OR MOUNTING OF PROPULSION UNITS OR OF TRANSMISSIONS IN VEHICLES; ARRANGEMENT OR MOUNTING OF PLURAL DIVERSE PRIME-MOVERS IN VEHICLES; AUXILIARY DRIVES FOR VEHICLES; INSTRUMENTATION OR DASHBOARDS FOR VEHICLES; ARRANGEMENTS IN CONNECTION WITH COOLING, AIR INTAKE, GAS EXHAUST OR FUEL SUPPLY OF PROPULSION UNITS IN VEHICLES
- B60K7/00—Disposition of motor in, or adjacent to, traction wheel
- B60K7/0007—Disposition of motor in, or adjacent to, traction wheel the motor being electric
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L15/00—Methods, circuits, or devices for controlling the traction-motor speed of electrically-propelled vehicles
- B60L15/32—Control or regulation of multiple-unit electrically-propelled vehicles
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60T—VEHICLE BRAKE CONTROL SYSTEMS OR PARTS THEREOF; BRAKE CONTROL SYSTEMS OR PARTS THEREOF, IN GENERAL; ARRANGEMENT OF BRAKING ELEMENTS ON VEHICLES IN GENERAL; PORTABLE DEVICES FOR PREVENTING UNWANTED MOVEMENT OF VEHICLES; VEHICLE MODIFICATIONS TO FACILITATE COOLING OF BRAKES
- B60T7/00—Brake-action initiating means
- B60T7/02—Brake-action initiating means for personal initiation
- B60T7/04—Brake-action initiating means for personal initiation foot actuated
- B60T7/06—Disposition of pedal
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
- B62D—MOTOR VEHICLES; TRAILERS
- B62D5/00—Power-assisted or power-driven steering
- B62D5/04—Power-assisted or power-driven steering electrical, e.g. using an electric servo-motor connected to, or forming part of, the steering gear
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/08—Probabilistic or stochastic CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02T90/10—Technologies relating to charging of electric vehicles
- Y02T90/16—Information or communication technologies improving the operation of electric vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- Combustion & Propulsion (AREA)
- Chemical & Material Sciences (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Automation & Control Theory (AREA)
- Power Engineering (AREA)
- Steering Control In Accordance With Driving Conditions (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本发明公开了一种汽车智能线控底盘系统及其不确定优化方法,包括:线控转向子系统、线控制动子系统、线控驱动子系统和线控底盘域控制器;线控驱动子系统包括:四个电动轮和四个轮毂电机;各轮毂电机分别安装于各电动轮内,并驱动电动轮工作;线控转向子系统包括:第一转向电机总成、第二转向电机总成、齿轮齿条转向器、转向梯形及下转向柱;线控制动子系统包括:执行机构和制动电机总成,执行机构包括:制动卡钳、传动装置及制动盘;线控底盘域控制器用于产生各电机的控制指令;本发明融合了线控转向、线控制动、线控驱动功能,简化了底盘结构,有助于底盘轻量化和布置空间优化,提高了底盘集成化的程度,有利于集成一体化控制。
Description
技术领域
本发明属于汽车底盘系统技术领域,尤其涉及一种汽车智能线控底盘系统及其不确定优化方法。
背景技术
汽车底盘主要包括转向系统、制动系统、传动系统和行驶系统,传统的汽车底盘由上述系统独立地组装在一起,分别进行设计和控制,存在复杂的耦合关系。随着汽车智能化的发展需要,传统的汽车底盘由于机械结构限制,不能完全实现电子控制,也不能够协调工作从而发挥最佳功能,因此线控底盘成为了研究的热点。
线控底盘主要包括线控制动、线控转向和线控驱动等模块。线控制动、线控转向、线控驱动是指取消了传统底盘的机械连接,通过控制器直接驱动制动、转向、驱动的执行机构完成所需的动作,可以缩短响应时间,并进行底盘主动干预控制,获得更好的主动安全性。对于线控底盘的研究,目前主要围绕系统结构及控制进行,例如中国发明专利申请号201811231621.5,名称为“一种自动驾驶汽车线控底盘在环测试系统”中提出了一种包括电控系统、线控液压制动系统、线控转向系统的线控底盘测试系统。中国发明专利申请号201810693795.7,名称为“一种无人车通用化线控底盘”中提出了一种即插即用线控底盘,实现了驱动、制动、转向一体化全线控封装。中国发明专利申请号201810732498.9,名称为“一种轮驱电动汽车全线控底盘结构”中提供了采用独立驱动、制动、转向及悬架结构的底盘系统,且全部采用电气化设备,实现底盘线控化。
然而对于线控底盘系统,多个线控执行机构的相互耦合极大地影响底盘的整体性能,在设计之初就需要考虑系统的整体优化。然而现有底盘仍是基于传统分布式的控制方法,即单独通过独立的ECU控制转向、制动、驱动等机构,尚无集中式域控制方案。并且由于汽车零部件众多、工作环境变化大、行驶工况复杂,存在众多的不确定因素,如果不考虑不确定因素的影响,直接对汽车智能线控底盘系统进行优化,容易导致系统最终不能够完成设计时的功能需要。现有的线控底盘设计都没有考虑到不确定因素,只针对理想情况进行优化设计,不能够实现不确定性因素干扰时全工况下的性能最优。
发明内容
针对于上述现有技术的不足,本发明的目的在于提供一种汽车智能线控底盘系统及其不确定优化方法,通过设置冗余的线控执行器,为线控底盘功能实现和性能提升提供了容错保障,并解决了现有技术中线控底盘的优化设计没有考虑不确定因素影响,不能实现全工况下性能最优的问题。
为达到上述目的,本发明采用的技术方案如下:
本发明的一种汽车智能线控底盘系统,包括:线控转向子系统、线控制动子系统、线控驱动子系统和线控底盘域控制器;
所述线控驱动子系统包括:四个电动轮和四个轮毂电机;各轮毂电机分别安装于各电动轮内,并驱动电动轮工作;
所述线控驱动子系统还包括:电子油门踏板总成,用于采集驾驶员输入的油门信号;
所述线控转向子系统包括:第一转向电机总成、第二转向电机总成、齿轮齿条转向器、转向梯形及下转向柱;下转向柱与齿轮齿条转向器的输入端连接,齿轮齿条转向器的输出端与转向梯形连接;转向梯形与上述电动轮中的左前电动轮、右前电动轮连接;第一转向电机总成安装于下转向柱上,第二转向电机总成安装于齿轮齿条转向器的齿条上;所述线控转向子系统还包括方向盘总成,用于采集驾驶员输入的转角信号;
所述线控制动子系统包括执行机构和制动电机总成,所述执行机构包括:制动卡钳、传动装置及制动盘;所述制动电机总成通过传动装置与制动卡钳连接,制动卡钳在制动力的作用下,通过对制动盘的夹紧和放松实现对电动轮制动;
所述线控制动子系统还包括电子制动踏板总成,用于采集驾驶员输入的制动信号;
所述线控底盘域控制器用于产生各电机的控制指令,其输入端分别连接车辆状态单元和云服务器;其中,车辆状态单元包括电子制动踏板总成、电子油门踏板总成及方向盘总成;云服务器用于发送车联网获取的道路车辆信息、交通云平台的交通流信息、道路终端设备的传感信息;线控底盘域控制器输出端分别与线控转向子系统、线控制动子系统以及线控驱动子系统连接。
所述线控底盘域控制器根据云服务器的信息,获取车辆周围的环境信息,计算当前环境信息下的最优控制方案,并判断电子制动踏板、电子油门踏板和方向盘总成输出的信号是否匹配当前环境信息的最优控制方案;若结果为匹配,则产生第一转向电机总成、第二转向电机总成、制动电机总成和轮毂电机的控制指令,完成对线控底盘的控制;若结果为不匹配,则线控底盘域控制器对电子制动踏板总成、电子油门踏板总成和方向盘总成输出的信号中的部分或全部信号进行实时优化,并输出优化后的对应的第一转向电机总成、第二转向电机总成、制动电机总成和轮毂电机的控制指令,完成对线控底盘的辅助控制。
进一步地,所述电动轮中的左前电动轮和右前电动轮之间设有转向梯形连接机构和麦弗逊独立悬架系统连接机构;左后电动轮和右后电动轮之间设有横臂式独立悬架连接机构。
进一步地,所述线控底盘域控制器输出端分别与第一转向电机总成、第二转向电机总成、轮毂电机、制动电机总成连接。
进一步地,所述线控底盘域控制器采用高性能微处理器和微控制器双核心架构,搭载10路以太网和10路CAN FD高速通信总线。
本发明的一种汽车智能线控底盘系统的不确定优化方法,基于上述系统,包括以下步骤:
步骤1):建立整车模型及线控底盘系统模型;
步骤2):基于步骤1)建立的模型,进行线控底盘子系统级性能分析;包括线控转向子系统的转向稳定性分析、线控制动子系统的制动效能分析、线控驱动子系统的驱动经济性分析;
步骤3):进行线控底盘系统级容错性能分析,并分析参数灵敏度;
步骤4):进行线控底盘系统不确定性分析,建立系统不确定性优化模型,采用免疫粒子群算法进行不确定性优化。
优选地,所述步骤1)中的整车模型为:
式中,Ix为整车绕x轴转动惯量;Iz为整车绕z轴转动惯量;Ixz为整车绕x、y轴惯性积;Fyi为电动轮侧向力;Fxi为轮毂电机驱动力;a,b分别为汽车质心到前、后轴距离;d为轮距的一半;ωr为横摆角速度;β为质心侧偏角;为车身侧倾角;m为整车质量;ms为簧载质量;h为整车质心高度;u为车速;F2i为电动轮通过悬架对车身的作用力,其中,i=1,2,3,4。
优选地,所述步骤1)中线控底盘系统模型包括线控转向子系统模型、线控驱动子系统模型和线控制动子系统模型;
11)线控转向子系统模型为:
式中,Js1为第一转向电机总成转动惯量,θs1为第一转向电机总成转角;Bs1为第一转向电机总成阻尼系数;Ks1为第一转向电机总成扭转刚度;Gs1为第一转向电机总成减速比;rp为齿轮齿条转向器分度圆半径;xr为齿条齿条转向器输出位移;fs1为第一转向电机总成摩擦力矩;Ts1为第一转向电机总成转矩,Js2为第二转向电机总成转动惯量,θs2为第二转向电机总成转角;Bs2为第二转向电机总成阻尼系数;Ks2为第二转向电机总成扭转刚度;Gs2为第二转向电机总成减速比;fs2为第二转向电机总成摩擦力矩;Ts2为第二转向电机总成转矩;
12)线控制动子系统模型为:
式中,Fcl为制动盘夹紧力;KF为夹紧力系数;xl为制动卡钳驱动位移;Tu为制动盘夹紧力矩;up为制动摩擦系数;Rb为制动盘有效半径;
13)线控驱动子系统模型为:
式中,Jeq为电动轮转动惯量;Beq为电动轮等效阻尼系数;θi为电动轮旋转角度;Fxi'为地面对电动轮反作用力;Tti为电动轮驱动力矩。
优选地,所述步骤2)具体包括:
21)转向稳定性采用线控转向子系统传递函数的稳定性判据表示为:
式中,Fi为方向盘转角θs到汽车横摆角速度ωr的传递函数的分子等效系数,Qi为方向盘转角θs到汽车横摆角速度ωr的传递函数的分母等效系数;
22)制动效能采用线控制动子系统的制动器因数Kbf表示为:
23)驱动经济性采用线控驱动子系统的瞬时驱动能耗ΔPd表示为:
式中,ni为轮毂电机驱动转速。
优选地,所述步骤3)中线控底盘系统级容错性能分析采用可靠度Rf表示:
式中,失效率Pf采用6σ可靠度方法进行分析得到,Pr为不可行域内的点数,Pu为总的抽样点数。
优选地,所述步骤3)中采用DOE模型进行参数灵敏度分析:
31)定义目标为线控底盘系统容错性;
32)设置输入因素为线控底盘系统设计参数;
33)采用拉丁方设计产生设计矩阵,执行1000次试验;
34)记录线控底盘系统容错性的可靠度响应值,根据方差分析,从设计参数中找出对线控底盘系统容错性影响大的4个参数作为设计变量De1,De2,De3,De4。
设计参数可以选择但不局限为:齿轮齿条转向器分度圆半径、第一转向电机总成转动惯量、第一转向电机总成扭转刚度、电动轮转动惯量、电动轮等效阻尼系数、制动盘有效半径。
优选地,所述步骤4)中不确定性分析采用蒙特卡洛模拟方法,具体为:
411)将参数灵敏度分析得到的对容错性能影响大的参数作为不确定性参数,并将不确定性参数建模为随机变量,指定随机变量的概率分布为正态分布,定义最大模拟计算次数为NM,设置初始次数k=1;
412)产生均匀分布的随机数序列,将随机数序列转换为相应的随机变量的数值;
413)计算线控底盘系统容错性的可靠度响应值的概率分布特征;
414)当k<NM时,令k=k+1,进入步骤412);当k=NM时,结束不确定性分析,得到线控底盘系统容错性的可靠度响应值的概率分布特征。
优选地,所述步骤4)中不确定性优化模型包括:选定转向稳定性、制动效能、驱动经济性为子系统级目标函数,线控底盘系统容错性能为系统级目标函数,根据参数灵敏度分析结果选取设计变量,并设置约束条件;
具体表示为:
式中,Fe为系统级目标函数,Fj为子系统级目标函数,μe为不确定性参数的期望,σe为标准差,gk为设置的约束条件,sk为本地变量,ygk为第k个约束条件的耦合输入状态变量向量,pki为第k个约束对应的逆最大可能点,DL ei,DU ei分别为设计参数Dei的上下限。
优选地,所述步骤4)中免疫粒子群算法具体步骤如下:
421)初始化粒子群,设定粒子群体个数M,两个学习因子c1和c2,两个随机数r1和r2,惯性权重w;
422)根据参数不确定性分析结果,确定设计变量的初始值,产生N个粒子的位置xh及速度vh,h=1,2,…,N,生成初始粒子种群P0;
423)生成免疫记忆粒子,计算当前粒子种群中粒子的底盘容错性的适应度函数值;
424)在当前种群中更新局部最优和全局最优;
425)更新粒子的位置和速度:
426)根据logistic映射产生N个新的粒子,用种群中相似抗体百分比,计算生成N+M个新粒子的概率P(xh),按概率从大到小排序,选择N个粒子,产生新的种群P;
式中,D表示抗体浓度,f表示适应度函数值;
427)重复执行423)~426)直至系统优化目标收敛,得到线控底盘系统不确定优化结果。
本发明的有益效果:
1、本发明的汽车智能线控底盘系统,融合了线控转向、线控制动、线控驱动功能,简化了底盘结构,有助于底盘轻量化和布置空间优化,增强了各线控系统间的联系,提高了底盘集成化的程度,利用线控底盘域控制的方案实现转向、制动、驱动等执行机构和外界环境信息的智能化协调控制,有利于整车集成一体化控制。
2、本发明考虑了不确定因素的影响,对汽车智能线控底盘系统进行不确定优化,克服了确定性优化造成的局部最优,在参数变化时保证设计目标的鲁棒性,提高了各个工况下线控底盘的综合性能,从而提升整车综合性能。
3、本发明的线控底盘系统,采用四个轮毂电机分布式驱动的方式,直接从电动轮内输出功率,减少了动力传动的距离,减少了驱动系统的零件;同时将制动系统集成在电动轮内,可实现高控制精度和高效的协调式制动能量回收;还可以通过电动轮输出差动力矩的方式,在线控转向系统之外执行差动转向操作,丰富了底盘的转向功能。
4、本发明的线控底盘系统通过独立驱动/转向/制动子系统提供了冗余的执行器,为底盘系统的功能实现和性能提升提供了统一的平台;采用多核芯片集中的底盘域控制器,不仅克服了的单独控制器分别负责转向、制动、驱动,难以集成协调控制,线束复杂、成本高等缺陷,而且能够结合智能云服务器获取车联网获道路车辆信息、智能交通云平台的交通流信息、道路终端智能设备的传感信息等,进一步实现线控底盘系统的主动化和智能化。
附图说明
图1为本发明线控底盘系统原理图。
图2本发明线控底盘域控制器原理图。
图3本发明不确定优化方法流程图。
具体实施方式
为了便于本领域技术人员的理解,下面结合实施例与附图对本发明作进一步的说明,实施方式提及的内容并非对本发明的限定。
参照图1所示,本发明的一种汽车智能线控底盘系统,包括:线控转向子系统、线控制动子系统、线控驱动子系统和线控底盘域控制器;
所述线控驱动子系统包括:四个电动轮和四个轮毂电机;各轮毂电机分别安装于各电动轮内(左前电动轮5、右前电动轮9、左后电动轮4、右后电动轮3),并驱动电动轮工作;所述电动轮中的左前电动轮和右前电动轮之间设有转向梯形连接机构和麦弗逊独立悬架系统连接机构;左后电动轮和右后电动轮之间设有横臂式独立悬架连接机构。
所述线控驱动子系统还包括:电子油门踏板总成,用于采集驾驶员输入的油门信号;
所述线控转向子系统包括:第一转向电机总成7、第二转向电机总成8、齿轮齿条转向器6、转向梯形12及下转向柱11;下转向柱11与齿轮齿条转向器6的输入端连接,齿轮齿条转向器6的输出端与转向梯形12连接;转向梯形12与上述电动轮中的左前电动轮5、右前电动轮9连接;第一转向电机总成7安装于下转向柱11上,第二转向电机总成8安装于齿轮齿条转向器6的齿条上;所述线控转向子系统还包括方向盘总成1,用于采集驾驶员输入的转角信号;
所述线控制动子系统包括执行机构和制动电机总成,所述执行机构包括:制动卡钳、传动装置及制动盘;所述制动电机总成通过传动装置与制动卡钳连接,制动卡钳在制动力的作用下,通过对制动盘的夹紧和放松实现对电动轮制动;
所述线控制动子系统还包括电子制动踏板总成2,用于采集驾驶员输入的制动信号;
参照图2所示,线控底盘域控制器(DCU)10用于产生各电机的控制指令,其输入端分别连接车辆状态单元和云服务器;其中,车辆状态单元包括电子制动踏板总成、电子油门踏板总成及方向盘总成;云服务器用于发送车联网获取的道路车辆信息、交通云平台的交通流信息、道路终端设备的传感信息;线控底盘域控制器输出端分别与线控转向子系统、线控制动子系统以及线控驱动子系统连接;所述线控底盘域控制器输出端分别与第一转向电机总成、第二转向电机总成、轮毂电机、制动电机总成连接。
所述线控底盘域控制器根据云服务器发送的道路车辆信息、交通流信息和传感信息,获取车辆周围的环境信息,计算当前环境信息下的线控底盘系统最优控制方案(即线控底盘系统的制动器因数最小,满足转向稳定性,瞬时驱动能耗最低,且与周围车辆无碰撞风险),并判断电子制动踏板、电子油门踏板和方向盘总成输出的信号是否匹配当前环境信息的最优控制方案;若结果为匹配,则产生第一转向电机总成、第二转向电机总成、制动电机总成和轮毂电机的控制指令,完成对线控底盘的控制;若结果为不匹配,则线控底盘域控制器对电子制动踏板总成、电子油门踏板总成和方向盘总成输出的信号中的部分或全部信号进行实时优化,并输出优化后的对应的第一转向电机总成、第二转向电机总成、制动电机总成和轮毂电机的控制指令,完成对线控底盘的辅助控制。
所述线控底盘域控制器采用高性能微处理器和微控制器双核心架构,搭载10路以太网和10路CAN FD高速通信总线。
参照图3示,本发明的一种汽车智能线控底盘系统的不确定优化方法,基于上述系统,包括以下步骤:
步骤1):建立整车模型及线控底盘系统模型;
整车模型为:
式中,Ix为整车绕x轴转动惯量;Iz为整车绕z轴转动惯量;Ixz为整车绕x、y轴惯性积;Fyi为电动轮侧向力;Fxi为轮毂电机驱动力;a,b分别为汽车质心到前、后轴距离;d为轮距的一半;ωr为横摆角速度;β为质心侧偏角;为车身侧倾角;m为整车质量;ms为簧载质量;h为整车质心高度;u为车速;F2i为电动轮通过悬架对车身的作用力,其中,i=1,2,3,4。
线控底盘系统模型包括线控转向子系统模型、线控驱动子系统模型和线控制动子系统模型;
11)线控转向子系统模型为:
式中,Js1为第一转向电机总成转动惯量,θs1为第一转向电机总成转角;Bs1为第一转向电机总成阻尼系数;Ks1为第一转向电机总成扭转刚度;Gs1为第一转向电机总成减速比;rp为齿轮齿条转向器分度圆半径;xr为齿条齿条转向器输出位移;fs1为第一转向电机总成摩擦力矩;Ts1为第一转向电机总成转矩,Js2为第二转向电机总成转动惯量,θs2为第二转向电机总成转角;Bs2为第二转向电机总成阻尼系数;Ks2为第二转向电机总成扭转刚度;Gs2为第二转向电机总成减速比;fs2为第二转向电机总成摩擦力矩;Ts2为第二转向电机总成转矩;
12)线控制动子系统模型为:
式中,Fcl为制动盘夹紧力;KF为夹紧力系数;xl为制动卡钳驱动位移;Tu为制动盘夹紧力矩;up为制动摩擦系数;Rb为制动盘有效半径;
13)线控驱动子系统模型为:
式中,Jeq为电动轮转动惯量;Beq为电动轮等效阻尼系数;θi为电动轮旋转角度;Fxi'为地面对电动轮反作用力;Tti为电动轮驱动力矩。
步骤2):基于步骤1)建立的模型,进行线控底盘子系统级性能分析;包括线控转向子系统的转向稳定性分析、线控制动子系统的制动效能分析、线控驱动子系统的驱动经济性分析;
21)转向稳定性采用线控转向子系统传递函数的稳定性判据表示为:
式中,Fi为方向盘转角θs到汽车横摆角速度ωr的传递函数的分子等效系数,Qi为方向盘转角θs到汽车横摆角速度ωr的传递函数的分母等效系数;
22)制动效能采用线控制动子系统的制动器因数Kbf表示为:
23)驱动经济性采用线控驱动子系统的瞬时驱动能耗ΔPd表示为:
式中,ni为轮毂电机驱动转速。
步骤3):进行线控底盘系统级容错性能分析,并分析参数灵敏度;
线控底盘系统级容错性能分析采用可靠度Rf表示:
式中,失效率Pf采用6σ可靠度方法进行分析得到,Pr为不可行域内的点数,Pu为总的抽样点数。
采用DOE模型进行参数灵敏度分析:
31)定义目标为线控底盘系统容错性;
32)设置输入因素为线控底盘系统设计参数;
33)采用拉丁方设计产生设计矩阵,执行1000次试验;
34)记录线控底盘系统容错性的可靠度响应值,根据方差分析,从设计参数中找出对线控底盘系统容错性影响大的4个参数作为设计变量De1,De2,De3,De4。
设计参数可以选择但不局限为:齿轮齿条转向器分度圆半径、第一转向电机总成转动惯量、第一转向电机总成扭转刚度、电动轮转动惯量、电动轮等效阻尼系数、制动盘有效半径。
步骤4):进行线控底盘系统不确定性分析,建立系统不确定性优化模型,采用免疫粒子群算法进行不确定性优化。
不确定性分析采用蒙特卡洛模拟方法,具体为:
411)将参数灵敏度分析得到的对容错性能影响大的参数作为不确定性参数,并将不确定性参数建模为随机变量,指定随机变量的概率分布为正态分布,定义最大模拟计算次数为NM,设置初始次数k=1;
412)产生均匀分布的随机数序列,将随机数序列转换为相应的随机变量的数值;
413)计算线控底盘系统容错性的可靠度响应值的概率分布特征;
414)当k<NM时,令k=k+1,进入步骤412);当k=NM时,结束不确定性分析,得到线控底盘系统容错性的可靠度响应值的概率分布特征。
不确定性优化模型包括:选定转向稳定性、制动效能、驱动经济性为子系统级目标函数,线控底盘系统容错性能为系统级目标函数,根据参数灵敏度分析结果选取设计变量,并设置约束条件;
具体表示为:
式中,Fe为系统级目标函数,Fj为子系统级目标函数,μe为不确定性参数的期望,σe为标准差,gk为设置的约束条件,sk为本地变量,ygk为第k个约束条件的耦合输入状态变量向量,pki为第k个约束对应的逆最大可能点,DL ei,DU ei分别为设计参数Dei的上下限。
免疫粒子群算法具体步骤如下:
421)初始化粒子群,设定粒子群体个数M,两个学习因子c1和c2,两个随机数r1和r2,惯性权重w;
422)根据参数不确定性分析结果,确定设计变量的初始值,产生N个粒子的位置xh及速度vh,h=1,2,…,N,生成初始粒子种群P0;
423)生成免疫记忆粒子,计算当前粒子种群中粒子的底盘容错性的适应度函数值;
424)在当前种群中更新局部最优和全局最优;
425)更新粒子的位置和速度:
426)根据logistic映射产生N个新的粒子,用种群中相似抗体百分比,计算生成N+M个新粒子的概率P(xh),按概率从大到小排序,选择N个粒子,产生新的种群P;
式中,D表示抗体浓度,f表示适应度函数值;
427)重复执行423)~426)直至系统优化目标收敛,得到线控底盘系统不确定优化结果。
本发明具体应用途径很多,以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以作出若干改进,这些改进也应视为本发明的保护范围。
Claims (10)
1.一种汽车智能线控底盘系统,其特征在于,包括:线控转向子系统、线控制动子系统、线控驱动子系统和线控底盘域控制器;
所述线控驱动子系统包括:四个电动轮和四个轮毂电机;各轮毂电机分别安装于各电动轮内,并驱动电动轮工作;
所述线控驱动子系统还包括:电子油门踏板总成,用于采集驾驶员输入的油门信号;
所述线控转向子系统包括:第一转向电机总成、第二转向电机总成、齿轮齿条转向器、转向梯形及下转向柱;下转向柱与齿轮齿条转向器的输入端连接,齿轮齿条转向器的输出端与转向梯形连接;转向梯形与上述电动轮中的左前电动轮、右前电动轮连接;第一转向电机总成安装于下转向柱上,第二转向电机总成安装于齿轮齿条转向器的齿条上;所述线控转向子系统还包括方向盘总成,用于采集驾驶员输入的转角信号;
所述线控制动子系统包括:执行机构和制动电机总成,所述执行机构包括:制动卡钳、传动装置及制动盘;所述制动电机总成通过传动装置与制动卡钳连接,制动卡钳在制动力的作用下,通过对制动盘的夹紧和放松实现对电动轮制动;
所述线控制动子系统还包括电子制动踏板总成,用于采集驾驶员输入的制动信号;
所述线控底盘域控制器用于产生各电机的控制指令,其输入端分别连接车辆状态单元和云服务器;其中,车辆状态单元包括电子制动踏板总成、电子油门踏板总成及方向盘总成;云服务器用于发送车联网获取的道路车辆信息、交通云平台的交通流信息、道路终端设备的传感信息;线控底盘域控制器输出端分别与线控转向子系统、线控制动子系统以及线控驱动子系统连接。
2.根据权利要求1所述的汽车智能线控底盘系统,其特征在于,所述电动轮中的左前电动轮和右前电动轮之间设有转向梯形连接机构和麦弗逊独立悬架系统连接机构;电动轮中的左后电动轮和右后电动轮之间设有横臂式独立悬架连接机构。
3.根据权利要求1所述的汽车智能线控底盘系统,其特征在于,所述线控底盘域控制器输出端分别与第一转向电机总成、第二转向电机总成、轮毂电机、制动电机总成连接。
4.根据权利要求1所述的汽车智能线控底盘系统,其特征在于,所述线控底盘域控制器采用高性能微处理器和微控制器双核心架构,搭载10路以太网和10路CAN FD高速通信总线。
5.一种汽车智能线控底盘系统的不确定优化方法,基于上述权利要求1-4中任一系统,其特征在于,包括以下步骤:
步骤1):建立整车模型及线控底盘系统模型;
步骤2):基于步骤1)建立的模型,进行线控底盘子系统级性能分析;包括线控转向子系统的转向稳定性分析、线控制动子系统的制动效能分析、线控驱动子系统的驱动经济性分析;
步骤3):进行线控底盘系统级容错性能分析,并分析参数灵敏度;
步骤4):进行线控底盘系统不确定性分析,建立系统不确定性优化模型,采用免疫粒子群算法进行不确定性优化。
6.根据权利要求5所述的汽车智能线控底盘系统的不确定优化方法,其特征在于,所述步骤1)中的整车模型为:
式中,Ix为整车绕x轴转动惯量;Iz为整车绕z轴转动惯量;Ixz为整车绕x、y轴惯性积;Fyi为电动轮侧向力;Fxi为轮毂电机驱动力;a,b分别为汽车质心到前、后轴距离;d为轮距的一半;ωr为横摆角速度;β为质心侧偏角;为车身侧倾角;m为整车质量;ms为簧载质量;h为整车质心高度;u为车速;F2i为电动轮通过悬架对车身的作用力,其中,i=1,2,3,4。
7.根据权利要求6所述的汽车智能线控底盘系统的不确定优化方法,其特征在于,所述步骤1)中线控底盘系统模型包括线控转向子系统模型、线控驱动子系统模型和线控制动子系统模型;
11)线控转向子系统模型为:
式中,Js1为第一转向电机总成转动惯量,θs1为第一转向电机总成转角;Bs1为第一转向电机总成阻尼系数;Ks1为第一转向电机总成扭转刚度;Gs1为第一转向电机总成减速比;rp为齿轮齿条转向器分度圆半径;xr为齿条齿条转向器输出位移;fs1为第一转向电机总成摩擦力矩;Ts1为第一转向电机总成转矩,Js2为第二转向电机总成转动惯量,θs2为第二转向电机总成转角;Bs2为第二转向电机总成阻尼系数;Ks2为第二转向电机总成扭转刚度;Gs2为第二转向电机总成减速比;fs2为第二转向电机总成摩擦力矩;Ts2为第二转向电机总成转矩;
12)线控制动子系统模型为:
式中,Fcl为制动盘夹紧力;KF为夹紧力系数;xl为制动卡钳驱动位移;Tu为制动盘夹紧力矩;up为制动摩擦系数;Rb为制动盘有效半径;
13)线控驱动子系统模型为:
式中,Jeq为电动轮转动惯量;Beq为电动轮等效阻尼系数;θi为电动轮旋转角度;Fxi'为地面对电动轮反作用力;Tti为电动轮驱动力矩。
8.根据权利要求7所述的汽车智能线控底盘系统的不确定优化方法,其特征在于,所述步骤2)具体包括:
21)转向稳定性采用线控转向子系统传递函数的稳定性判据表示为:
式中,Fi为方向盘转角θs到汽车横摆角速度ωr的传递函数的分子等效系数,Qi为方向盘转角θs到汽车横摆角速度ωr的传递函数的分母等效系数;
22)制动效能采用线控制动子系统的制动器因数Kbf表示为:
23)驱动经济性采用线控驱动子系统的瞬时驱动能耗ΔPd表示为:
式中,ni为轮毂电机驱动转速。
9.根据权利要求8所述的汽车智能线控底盘系统的不确定优化方法,其特征在于,所述步骤3)中线控底盘系统级容错性能分析采用可靠度Rf表示:
式中,失效率Pf采用6σ可靠度方法进行分析得到,Pr为不可行域内的点数,Pu为总的抽样点数。
10.根据权利要求9所述的汽车智能线控底盘系统的不确定优化方法,其特征在于,所述步骤4)中不确定性分析采用蒙特卡洛模拟方法,具体为:
411)将参数灵敏度分析得到的对容错性能影响大的参数作为不确定性参数,并将不确定性参数建模为随机变量,指定随机变量的概率分布为正态分布,定义最大模拟计算次数为NM,设置初始次数k=1;
412)产生均匀分布的随机数序列,将随机数序列转换为相应的随机变量的数值;
413)计算线控底盘系统容错性的可靠度响应值的概率分布特征;
414)当k<NM时,令k=k+1,进入步骤412);当k=NM时,结束不确定性分析,得到线控底盘系统容错性的可靠度响应值的概率分布特征。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010668028.8A CN112084698B (zh) | 2020-07-13 | 2020-07-13 | 一种汽车智能线控底盘系统及其不确定优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010668028.8A CN112084698B (zh) | 2020-07-13 | 2020-07-13 | 一种汽车智能线控底盘系统及其不确定优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112084698A CN112084698A (zh) | 2020-12-15 |
CN112084698B true CN112084698B (zh) | 2024-04-30 |
Family
ID=73735083
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010668028.8A Active CN112084698B (zh) | 2020-07-13 | 2020-07-13 | 一种汽车智能线控底盘系统及其不确定优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112084698B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112572327B (zh) * | 2020-12-23 | 2022-04-05 | 南京航空航天大学 | 一种网联式智能线控底盘域控制装置及其控制方法 |
CN112834242B (zh) * | 2021-01-06 | 2023-09-29 | 舜泰汽车有限公司 | 一种线控底盘检测系统 |
CN112918458B (zh) * | 2021-02-01 | 2022-04-08 | 南京航空航天大学 | 一种全工况下的智能线控底盘能耗预测优化方法 |
CN112987687B (zh) * | 2021-02-08 | 2022-05-24 | 南京航空航天大学 | 一种云-端融合的智能线控底盘健康监测系统及方法 |
CN112874502B (zh) * | 2021-03-01 | 2022-07-12 | 南京航空航天大学 | 一种智能交通环境下的线控底盘信息物理系统及控制方法 |
CN113406412A (zh) * | 2021-06-03 | 2021-09-17 | 东风柳州汽车有限公司 | 一种底盘测试系统及其设备 |
CN113682308A (zh) * | 2021-08-27 | 2021-11-23 | 北京理工大学深圳汽车研究院(电动车辆国家工程实验室深圳研究院) | 一种用于平台化开发线控底盘系统的集中式控制系统 |
CN115303358B (zh) * | 2022-08-30 | 2023-12-05 | 中兴智能汽车有限公司 | 一种分布式驱动线控底盘、控制方法及新能源电车 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106585709A (zh) * | 2016-12-21 | 2017-04-26 | 南京航空航天大学 | 一种汽车底盘集成系统及其优化方法 |
CN107738691A (zh) * | 2017-09-28 | 2018-02-27 | 南京航空航天大学 | 一种适时四驱复合转向系统及其多目标优化方法 |
CN108216363A (zh) * | 2018-02-05 | 2018-06-29 | 南京航空航天大学 | 一种电动轮汽车底盘集成系统及其多学科优化方法 |
-
2020
- 2020-07-13 CN CN202010668028.8A patent/CN112084698B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106585709A (zh) * | 2016-12-21 | 2017-04-26 | 南京航空航天大学 | 一种汽车底盘集成系统及其优化方法 |
CN107738691A (zh) * | 2017-09-28 | 2018-02-27 | 南京航空航天大学 | 一种适时四驱复合转向系统及其多目标优化方法 |
CN108216363A (zh) * | 2018-02-05 | 2018-06-29 | 南京航空航天大学 | 一种电动轮汽车底盘集成系统及其多学科优化方法 |
Non-Patent Citations (2)
Title |
---|
Energy analysis and optimization design of vehicle electro-hydraulic compound steering system;Wanzhong Zhao等;Applied Energy;第255卷;第1-17页 * |
智能化全线控电动车辆的自主跟踪控制研究;华敏;中国 优秀硕士学位论文全文数据库(第11期);第1-116页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112084698A (zh) | 2020-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112084698B (zh) | 一种汽车智能线控底盘系统及其不确定优化方法 | |
CN110175428B (zh) | 基于车辆动力学模型的车辆运动特性仿真方法及系统 | |
Xiang et al. | Automobile brake-by-wire control system design and analysis | |
CN107738691B (zh) | 一种适时四驱复合转向系统及其多目标优化方法 | |
Song et al. | Virtual-point-based fault-tolerant lateral and longitudinal control of 4W-steering vehicles | |
Aparow et al. | Modelling and PID control of antilock braking system with wheel slip reduction to improve braking performance | |
CN113359457B (zh) | 智能车底盘域控制器的高维动力学模型解算装置及方法 | |
WO2022183808A1 (zh) | 一种智能交通环境下的线控底盘信息物理系统及控制方法 | |
CN108216363B (zh) | 一种电动轮汽车底盘集成系统的多学科优化方法 | |
Choi et al. | The performance of independent wheels steering vehicle (4WS) applied Ackerman geometry | |
CN112109705A (zh) | 增程式分布驱动电动车辆避撞优化控制系统及控制方法 | |
Chen et al. | Design of vehicle running states-fused estimation strategy using Kalman filters and tire force compensation method | |
CN108569138B (zh) | 一种基于神经网络的纯电动汽车四轮转速独立控制方法 | |
CN110155009A (zh) | 基于智能助力的制动控制方法、系统、设备及存储介质 | |
Zhang et al. | Path tracking control for active rear steering vehicles considering driver steering characteristics | |
CN115303358B (zh) | 一种分布式驱动线控底盘、控制方法及新能源电车 | |
CN116605188A (zh) | 一种电动车-两轮车自动紧急制动控制系统 | |
CN108657268A (zh) | 实验平台车及其控制系统 | |
Patil | Generic and complete vehicle dynamic models for open-source platforms | |
Fehér et al. | Proving ground test of a ddpg-based vehicle trajectory planner | |
Xu et al. | Stable trajectory planning and energy-efficience control allocation of lane change maneuver for autonomous electric vehicle | |
Németh et al. | Trajectory tracking based on independently controlled variable-geometry suspension for in-wheel electric vehicles | |
Liu et al. | Design of driverless racing chassis based on MPC | |
CN108760353A (zh) | 一种驱动轮毂电机四轮驱动转向实验系统 | |
Li et al. | Research on failure classification and control strategy of four-wheel independent drive electric vehicle drive system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |