CN112590483B - 一种基于观测器的汽车横向稳定性与主动悬架多目标集成控制方法 - Google Patents

Abstract

本发明公开了一种基于观测器的汽车横向稳定性与主动悬架多目标集成控制方法，基于观测器在考虑时变的纵向速度的情况下构建增益调度的状态反馈控制器；考虑轮胎侧偏刚度为不确定变量，在受到执行器饱和与悬架设计限制的情况下，通过构建的状态反馈控制器计算需要提供的横摆力矩与主动悬架的控制力，控制质心侧偏角、横摆角速度、车身垂向加速度以及车身俯仰角角加速度该四个控制参数，从而提高汽车的操纵性能，改善汽车的横向稳定性能以及乘坐舒适性，降低汽车运行过程中发生危险情况的可能。

Description

一种基于观测器的汽车横向稳定性与主动悬架多目标集成控 制方法

技术领域

本发明涉及汽车动力学控制的技术领域，尤其涉及到一种基于观测器的汽车 横向稳定性与主动悬架多目标集成控制方法。

背景技术

随着汽车工业水平的提升，人们生活节奏的加快以及对物质生活的追求，中 国的汽车保有量迅速上升，而随着汽车数量的増多，交通安全问题己经成为了一 个社会性问题。同时，随着人们生活水平的提高，车辆的乘坐舒适性也受到了人 们的关注。这些都促进了汽车动力学控制技术的发展。汽车的运动控制可划分为 三种:控制汽车加减速特性的纵向运动控制、确保操纵性与横向稳定性的横向运 动控制以及提升乘坐舒适性与行驶安全性的垂向运动控制。而在汽车横向与垂向 动力学控制方面较突出的有汽车直接横摆力矩控制(简称DYC,Direct Yaw-moment Control)与主动悬架系统(简称ASS,ActiveSuspension System)， 直接横摆力矩能够在车辆的各种行驶状态下通过对每个车轮的受力进行调节,产 生横摆力矩,克服过多转向或不足转向,提高汽车在高速和恶劣道路等极限条件 下行驶时的操纵稳定性；主动悬架系统能够通过动作器施加控制力减缓路面干扰对车身的影响并避免车轮跳动，保证乘客的乘坐舒适性与车辆行驶的安全性。汽 车上装载有多个控制系统以确保理想的动力学控制性能，这些系统之间存在着耦 合关联与相互影响，一个设计良好的汽车动力学集成控制系统可以综合发挥各个 控制系统的优点，从而更加经济有效的实现车辆的最优控制性能，所以不同车辆 动力学控制系统的集成已经受到了国内外各大汽车企业和高校的重视和研究。在 汽车动力学的控制中，需要不断的获取可以表征当前汽车状态的精确信息。但其 中有些参数难以直接测量或者所需测量设备比较昂贵，安装复杂，出于对汽车成 本考虑，需要设计合适的状态观测器实现对汽车状态的精准估计。车辆的状态观 测器设计一直是车辆运动控制的研究热点，其估计精度和实时性对控制效果有很 大影响。

中国发明专利申请CN1089093969A公开了一种基于主动悬架与电动助力转 向系集成控制装置及工作方法，该方法也是针对不同汽车动力学控制系统的协同 的控制方法，所用方法为滑模控制算法，但是没有考虑汽车执行器饱和的限制以 及部分状态参数难以测量的问题，因此所设计的控制器难以适应实际工况。

发明内容

为了保证汽车行驶过程中的稳定性、安全性和舒适性，本发明提供一种基于 观测器的汽车横向稳定性与主动悬架多目标集成控制方法，平衡了系统的不同控 制目标，避免系统之间的相互干扰，实现了更优的整车控制性能。

为实现上述目的，本发明所提供的技术方案为：

一种基于观测器的汽车横向稳定性与主动悬架多目标集成控制方法，基于观 测器在考虑时变的纵向速度的情况下构建增益调度的状态反馈控制器；考虑轮胎 侧偏刚度为不确定变量，在受到执行器饱和与悬架设计限制的情况下，通过构建 的状态反馈控制器计算需要提供的横摆力矩与主动悬架的控制力，控制质心侧偏 角、横摆角速度、车身垂向加速度以及车身俯仰角角加速度该四个控制参数，从 而提高汽车的操纵性能，改善汽车的横向稳定性能以及乘坐舒适性，降低汽车运 行过程中发生危险情况的可能。

进一步地，包括以下步骤：

S1、采集汽车参数；

S2、利用汽车的参数，建立包含参数不确定性的汽车动力学模型；

S3、在步骤S2建立的汽车动力学模型的基础上，引入状态观测器，得到基 于观测器的状态反馈控制模型；

S4、基于步骤S3建立的状态反馈控制模型，求解观测器增益矩阵L(ρ)与状 态反馈控制器增益矩阵K(ρ)；

S5、通过观测器增益矩阵L(ρ)与状态反馈控制器增益矩阵K(ρ)计算得出横摆 力矩ΔM_z和前后主动悬架控制力F_uf,F_ur；

S6、通过横摆力矩ΔM_z控制质心侧偏角和横摆角速度，通过前后主动悬架控 制力F_uf,F_ur控制车身垂向加速度和车身俯仰角角加速度。

进一步地，所述步骤S1采集的汽车参数包括固有参数和实时参数，其中：

固有参数：包括汽车总质量m，汽车簧载质量m_s，汽车前后非簧载质量m_usf, m_usr，横摆转动惯量I_z，前、后轴到汽车重心的距离l_f、l_r，前、后轮的侧偏刚度 C_yf、C_yr，前后侧的悬架等效阻尼系数C_sf、C_sr；

实时参数：包括前轮转向角δ，汽车纵向速度V_x，横摆角速度r，质心侧偏 角β，汽车簧载部分前后侧的垂向速度

汽车前后非簧载部分的垂向速 度/>

汽车前后侧的悬架动行程Z_usf-Z_sf，Z_usr-Z_sr，汽车前后轮的形变Z_cf-Z_usf， Z_cr-Z_usr。

进一步地，所述步骤S2建立包含参数不确定性的汽车动力学模型的具体过 程包括：

建立线性二自由度汽车模型与半车主动悬架模型；

在线性二自由度汽车模型中，根据牛顿力学定律，可得到以下方程：

在上面的方程中：

F_yf＝C_yfα_f,F_yr＝C_yrα_r

其中，m为汽车总质量，β为汽车质心侧偏角，r为横摆角速度，

为横摆角 加速度，F_yf和F_yr分别为前、后轮的侧向力，I_z为车身转动惯量，l_f、l_r分别为前 后轴到汽车重心的距离，ΔM_z为横摆力矩，V_x为汽车纵向速度，C_yf、C_yr分别为前 后轮胎的侧偏刚度，α_f,α_r分别为前、后轮侧偏角；

在半车主动悬架模型中，

上式中，Z_s和θ分别为车身的垂向位移与俯仰角，Z_sf,Z_sr和Z_usf,Z_usr分别为前 后簧载与非簧载部分的垂向位移，

和/>

分别为前后簧载与非簧载部 分的垂向速度，Z_cf,Z_cr分别为前后轮的路面垂向变化，F_uf,F_ur分别为前后主动悬架 控制力，K_sf,K_sr与K_tf,K_tr分别为前后侧悬架和轮胎的等效弹簧系数，C_sf、C_sr分别 为前后侧的悬架等效阻尼系数，/>

为车身的垂向加速度，I_p为俯仰转动惯量，/>

为车身的俯仰角加速度，/>

分别为前后非簧载部分的垂向加速度；

针对控制器设计设定状态变量，得到如下汽车多向动力学控制模型：

上式中，

汽车的侧偏刚度C_yf和C_yr的不确定性是由道路和车辆状态变化引起的，设置 不确定变化侧偏刚度引起的不确定性为：

C_yf＝C_0yf+ΔC_yf＝C_0yf+η_fΔC_fm,

C_yr＝C_0yr+ΔC_yr＝C_0yr+η_rΔC_rm.

上式中，C_0yf，C_0yr分别为C_yf，C_yr的标称值，ΔC_fm,ΔC_fm分别为C_yf，C_yr的最 大变化值，η_f,η_r为不确定系数，且满足|η_f|≤1,|η_r|≤1；

同时，考虑在范围内变化的时变纵向速度

选取辅助参数/>

选取规定辅助参数变化范围的多胞体MPRS的各顶点为：

ρ的所有变化值都可用上述四个顶点与系数α_i,i＝1,2,3,4.表示，α_i可表示为：

因此，得到基于LPV的汽车动力学模型：

上式中：

ΔA(ρ),ΔB₂(ρ)表示为：ΔA(ρ)＝H₁F₁E₁(ρ),ΔB₂(ρ)＝H₂F₂E₂(ρ)；

A₀(ρ),E₁(ρ),B₀₂(ρ),E₂(ρ)可用多胞体顶点及系数表示为：

其中，A_0i,E_1i,B_2i,E_2i是用各个多胞体顶点表示的A₀(ρ),E₁(ρ),B₀₂(ρ),E₂(ρ)。

进一步地，所述步骤S3建立基于观测器的车辆多向动力学状态反馈控制系 统的具体过程包括：

建立基于观测器的状态反馈控制模型：

由于车身侧滑角、悬架动行程与轮胎形变难以直接测量，选取系统的可测量 输出为y(t)，其中包含，前后悬架簧载与非簧载部分垂向速度

进一步的，引入状态观测器，状态方程可写为：

上式中，

为观测输出，/>

为观测器状态变量，L(ρ)为观测器增益矩阵；

然后，引入结构为

的状态反馈控制器，则基于观测器的状态反 馈控制模型可以描述为：

上式中，

为定义的新的状态变量，/>

为观测误差，

进一步地，汽车横向动力学控制遵循以下目标：

(1)质心侧偏角应趋近于0，横摆角速度趋近于以下参考值：

上式中，K_u为车身相关的固有参数；

(2)考虑直接横摆力矩控制中的执行器饱和限制，汽车产生的外部横摆力 矩满足：

|ΔM_z|≤ΔM_zmax

上式中，ΔM_zmax为外部横摆力矩的最大值。

进一步地，主动悬架的控制遵循以下目标：

(1)车身的垂向加速度

与俯仰加速度/>

越小越好；

(2)悬架动行程受限于自身结构限制，所以悬架的动作幅度不应超出其物 理限制：

|Z_sf-Z_usf|≤Z_fmax,

|Z_sr-Z_usr|≤Z_rmax

上式中，Z_fmax和Z_rmax分别是前后悬架动行程的最大值；

(3)为保证行驶安全，需要确保行驶过程中轮胎与路面保持接触，不发生 跳动，即，轮胎的动态载荷不超过其静态值：

上式中，g表示重力加速度；

(4)主动悬架的执行器受物理限制存在饱和情况，即主动悬架控制力应满 足：

|F_uf|≤F_ufmax,

|F_ur|≤F_urmax

上式中，F_ufmax,F_urmax分别为前后主动悬架控制力的最大值；

选取系统输出变量为：

上式中，c₁₁,c₁₂,c₂₁,c₂₂为各个被控变量的权重系数：

C_c1＝[C₁ C₁],

C_c2＝[C₂+D₂K(ρ) C₂],

C_c3＝[C₃ C₃],

C_c4＝[C₄ C₄],/>

C_c5＝[C₅ C₅],

C_c6＝[C₆ C₆],

C_c7＝[D₇K(ρ) 0],

C_c8＝[D₈K(ρ) 0],/>

C_c9＝[D₉K(ρ) 0],

进一步地，所述步骤S4求解观测器增益矩阵L(ρ)与状态反馈控制器增益矩 阵K(ρ)的具体过程如下：

选取H_∞参数来表征输出z₁(t)与z₂(t)，同时，选取广义H₂参数来表征输出z₃(t) 至z₉(t)，设

||T||_∞表示系统的H_∞增益，/>

表示 系统的广义H₂增益，||z||₂,||z||_∞,||w||₂分别表示z(t)的二范数与无穷范数以及w(t)的二 范数，由于实际情况中扰动输入w(t)有一定限度，因此δ∈L₂，L₂表示w(t)的取值 范围；

基于以上分析，通过求解以下线性矩阵不等式，即可解出L(ρ)，K(ρ)：

上式中，i＝3,4,5,6,j＝7,8,9,k＝1,2,3,4.γ₁,γ₂为给定的正标量，ε₁,ε₂,ε₃为需要求 解的正标量，

W＝diag{W₁,W₂}和Q_k,R_k为需要求解的矩阵变量，且W为正定对称矩阵，通过 求解出W,Q_k,R_k，可得观测器增益L(ρ)＝R(ρ)W₃ ^-1＝R(ρ)C^-1W₂ ^-1C以及控制器增益 K(ρ)＝Q(ρ)W₁ ^-1，其中，

Q(ρ)＝α₁(ρ)Q₁+α₂(ρ)Q₂+α₃(ρ)Q₃+α₄(ρ)Q₄,

R(ρ)＝α₁(ρ)R₁+α₂(ρ)R₂+α₃(ρ)R₃+α₄(ρ)R₄。

与现有技术相比，本方案原理及优点如下：

基于观测器在考虑时变的纵向速度的情况下构建增益调度的状态反馈控制 器；考虑轮胎侧偏刚度为不确定变量，在受到执行器饱和与悬架设计限制的情况 下，通过构建的状态反馈控制器计算需要提供的横摆力矩与主动悬架的控制力， 控制质心侧偏角、横摆角速度、车身垂向加速度以及车身俯仰角角加速度该四个 控制参数，从而发挥了各控制系统的优点，提高了汽车的操纵性能，改善了汽车 的横向稳定性能以及乘坐舒适性，最大限度地降低了汽车运行过程中发生危险情 况的可能。

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服务作简单地介绍，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为控制系统的示意图；

图2为线性二自由度汽车模型示意图；

图3为半车主动悬架模型示意图；

图4为多胞体结构示意图。

具体实施方式

下面结合具体实施例对本发明作进一步说明：

如图1所示，本发明实施例所述的一种基于观测器的汽车横向稳定性与主动 悬架多目标集成控制方法，包括以下步骤：

S1、采集汽车参数；

需要采集的参数包括固有参数和实时参数，其中：

固有参数：包括汽车总质量m，汽车簧载质量m_s，汽车前后非簧载质量m_usf, m_usr，横摆转动惯量I_z，前、后轴到汽车重心的距离l_f、l_r，前、后轮的侧偏刚度 C_yf、C_yr，前后侧的悬架等效阻尼系数C_sf、C_sr；

实时参数：包括前轮转向角δ，汽车纵向速度V_x，横摆角速度r，质心侧偏 角β，汽车簧载部分前后侧的垂向速度

汽车前后非簧载部分的垂向速 度/>

汽车前后侧的悬架动行程Z_usf-Z_sf，Z_usr-Z_sr，汽车前后轮的形变Z_cf-Z_usf， Z_cr-Z_usr。

S2、利用汽车的参数，建立包含参数不确定性的汽车动力学模型；

本步骤中，首先包括建立线性二自由度汽车模型与半车主动悬架模型，如图 2和图3所示；

在线性二自由度汽车模型中，根据牛顿力学定律，可得到以下方程：

在上面的方程中：

F_yf＝C_yfα_f,F_yr＝C_yrα_r

其中，m为汽车总质量，β为汽车质心侧偏角，r为横摆角速度，

为横摆角 加速度，F_yf和F_yr分别为前、后轮的侧向力，I_z为车身转动惯量，l_f、l_r分别为前 后轴到汽车重心的距离，ΔM_z为横摆力矩，V_x为汽车纵向速度，C_yf、C_yr分别为前 后轮胎的侧偏刚度，α_f,α_r分别为前、后轮侧偏角；

在半车主动悬架模型中，

上式中，Z_s和θ分别为车身的垂向位移与俯仰角，Z_sf,Z_sr和Z_usf,Z_usr分别为前 后簧载与非簧载部分的垂向位移，

和/>

分别为前后簧载与非簧载部 分的垂向速度，Z_cf,Z_cr分别为前后轮的路面垂向变化，F_uf,F_ur分别为前后主动悬架 控制力，K_sf,K_sr与K_tf,K_tr分别为前后侧悬架和轮胎的等效弹簧系数，C_sf、C_sr分别 为前后侧的悬架等效阻尼系数，/>

为车身的垂向加速度，I_p为俯仰转动惯量，/>

为车身的俯仰角加速度，/>

分别为前后非簧载部分的垂向加速度；

针对控制器设计设定状态变量，得到如下汽车多向动力学控制模型：

/>

上式中，

汽车的侧偏刚度C_yf和C_yr的不确定性是由道路和车辆状态变化引起的，设置 不确定变化侧偏刚度引起的不确定性为：

C_yf＝C_0yf+ΔC_yf＝C_0yf+η_fΔC_fm,

C_yr＝C_0yrΔC_yr＝C_0yr+η_rΔC_rm.

上式中，C_0yf，C_0yr分别为C_yf，C_yr的标称值，ΔC_fm,ΔC_fm分别为C_yf，C_yr的最 大变化值，η_f,η_r为不确定系数，且满足|η_f|≤1,|η_r|≤1；

同时，考虑在范围内变化的时变纵向速度

选取辅助参数/>

其可能的变化轨迹如图4弧度实线MP所示，选取规定辅助参 数变化范围的多胞体MPRS的各顶点为：

ρ的所有变化值都可用上述四个顶点与系数α_i,i＝1,2,3,4.表示，α_i可表示为：

因此，得到基于LPV的汽车动力学模型：

上式中：

/>

ΔA(ρ),ΔB₂(ρ)表示为：ΔA(ρ)＝H₁F₁E₁(ρ),ΔB₂(ρ)＝H₂F₂E₂(ρ)；

A₀(ρ),E₁(ρ),B₀₂(ρ),E₂(ρ)可用多胞体顶点及系数表示为：

其中，A_0i,E_1i,B_2i,E_2i是用各个多胞体顶点表示的A₀(ρ),E₁(ρ),B₀₂(ρ),E₂(ρ)。

S3、在步骤S2建立的汽车动力学模型的基础上，引入状态观测器与状态反 馈控制器，得到基于观测器的状态反馈控制模型；

由于车身侧滑角、悬架动行程与轮胎形变难以直接测量，选取系统的可测量 输出为y(t)，其中包含，前后悬架簧载与非簧载部分垂向速度

建立状态观测器，状态方程可写为：

上式中，

为观测输出，/>

为观测器状态变量，L(ρ)为观测器增益矩阵；

然后，引入结构为

的状态反馈控制器，则基于观测器的状态反 馈控制模型可以描述为：/>

上式中，

为定义的新的状态变量，/>

为观测误差，

为了获得更好的操纵性和稳定性，汽车横向动力学控制应遵循以下目标：

质心侧偏角应趋近于0，横摆角速度应趋近于以下参考值：

上式中，K_u为车身相关的一个固有参数；

考虑直接横摆力矩控制中的执行器饱和限制，汽车产生的外部横摆力矩应满 足：

|ΔM_z|≤ΔM_zmax

上式中，ΔM_zmax为外部横摆力矩的最大值；

为了获得更好的乘坐舒适性并确保行驶安全，主动悬架的控制应遵循以下目 标：

主动悬架的一大优势体现在能够减少轮胎到车身的力的传递，以提升乘坐的 舒适性，所以，车身的垂向加速度

与俯仰加速度/>

应越小越好；

悬架动行程受限于自身结构限制，所以悬架的动作幅度不应超出其物理限 制：

|Z_sf-Z_usf|≤Z_fmax,

|Z_sr-Z_usr|≤Z_rmax

上式中，Z_fmax和Z_rmax分别是前后悬架动行程的最大值；

为了保证行驶安全，需要确保行驶过程中轮胎与路面保持接触，不发生跳动， 即，轮胎的动态载荷不超过其静态值：

上式中，g表示重力加速度，取其为9.8m/m²；

主动悬架的执行器受物理限制存在饱和情况，即主动悬架控制力应满足：

|F_uf|≤F_ufmax,

|F_ur|≤F_urmax

上式中，F_ufmax,F_urmax分别为前后主动悬架控制力的最大值。

选取系统输出变量为：

/>

其中c₁₁,c₁₂,c₂₁,c₂₂为各个被控变量的权重系数：

C_c1＝[C₁ C₁],

C_c2＝[C₂+D₂K(ρ) C₂],

C_c3＝[C₃ C₃],

C_c4＝[C₄ C₄],/>

C_c5＝[C₅ C₅],

C_c6＝[C₆ C₆],

/>

C_c7＝[D₇K(ρ) 0],

C_c8＝[D₈K(ρ) 0],/>

C_c9＝[D₉K(ρ) 0],/>

S4、基于步骤S3建立的状态反馈控制模型，求解观测器增益矩阵L(ρ)与状 态反馈控制器增益矩阵K(ρ)；

选取H_∞参数来表征输出z₁(t)与z₂(t)，同时，选取广义H₂参数来表征输出z₃(t) 至z₉(t)，设

||T||_∞表示系统的H_∞增益，/>

表示 系统的广义H₂增益，||z||₂,||z||_∞,||w||₂分别表示z(t)的二范数与无穷范数以及w(t)的二 范数，由于实际情况中扰动输入w(t)有一定限度，因此δ∈L₂，L₂表示w(t)的取值 范围；

基于以上分析，通过求解以下线性矩阵不等式，即可解出L(ρ)，K(ρ)：

/>

上式中，i＝3,4,5,6,j＝7,8,9,k＝1,2,3,4.γ₁,γ₂为给定的正标量，ε₁,ε₂,ε₃为需要求 解的正标量，

W＝diag{W₁,W₂}和Q_k,R_k为需要求解的矩阵变量，且W为正定对称矩阵，通过 求解出W,Q_k,R_k，可得观测器增益L(ρ)＝R(ρ)W₃ ^-1＝R(ρ)C^-1W₂ ^-1C以及控制器增益 K(ρ)＝Q(ρ)W₁ ^-1，其中，

Q(ρ)＝α₁(ρ)Q₁+α₂(ρ)Q₂+α₃(ρ)Q₃+α₄(ρ)Q₄,

R(ρ)＝α₁(ρ)R₁+α₂(ρ)R₂+α₃(ρ)R₃+α₄(ρ)R₄。

S5、通过观测器增益矩阵L(ρ)与状态反馈控制器增益矩阵K(ρ)计算得出横摆 力矩ΔM_z和前后主动悬架控制力F_uf,F_ur：

S6、通过横摆力矩ΔM_z控制质心侧偏角和横摆角速度，通过前后主动悬架控 制力F_uf,F_ur控制车身垂向加速度和车身俯仰角角加速度。

本实施例基于观测器在考虑时变的纵向速度的情况下构建增益调度的状态 反馈控制器；考虑轮胎侧偏刚度为不确定变量，在受到执行器饱和与悬架设计限 制的情况下，通过构建的状态反馈控制器计算需要提供的横摆力矩与主动悬架的 控制力，控制质心侧偏角、横摆角速度、车身垂向加速度以及车身俯仰角角加速 度该四个控制参数，从而提高汽车的操纵性能，改善汽车的横向稳定性能以及乘 坐舒适性，降低汽车运行过程中发生危险情况的可能。

以上所述之实施例子只为本发明之较佳实施例，并非以此限制本发明的实施 范围，故凡依本发明之形状、原理所作的变化，均应涵盖在本发明的保护范围内。

Claims (6)

1.一种基于观测器的汽车横向稳定性与主动悬架多目标集成控制方法，其特征在于，基于观测器在考虑时变的纵向速度的情况下构建增益调度的状态反馈控制器；考虑轮胎侧偏刚度为不确定变量，在受到执行器饱和与悬架设计限制的情况下，通过构建的状态反馈控制器计算需要提供的横摆力矩与主动悬架的控制力，控制质心侧偏角、横摆角速度、车身垂向加速度以及车身俯仰角角加速度该四个控制参数；

包括以下步骤：

S1、采集汽车参数；

S2、利用汽车的参数，建立包含参数不确定性的汽车动力学模型；

S3、在步骤S2建立的汽车动力学模型的基础上，引入状态观测器，得到基于观测器的状态反馈控制模型；

S4、基于步骤S3建立的状态反馈控制模型，求解观测器增益矩阵L(ρ)与状态反馈控制器增益矩阵K(ρ)；

S5、通过观测器增益矩阵L(ρ)与状态反馈控制器增益矩阵K(ρ)计算得出横摆力矩ΔM_z和前后主动悬架控制力F_uf,F_ur；

S6、通过横摆力矩ΔM_z控制质心侧偏角和横摆角速度，通过前后主动悬架控制力F_uf,F_ur控制车身垂向加速度和车身俯仰角角加速度；

所述步骤S1采集的汽车参数包括固有参数和实时参数，其中：

固有参数：包括汽车总质量m，汽车簧载质量m_s，汽车前后非簧载质量m_usf,m_usr，横摆转动惯量I_z，前、后轴到汽车重心的距离l_f、l_r，前、后轮的侧偏刚度C_yf、C_yr，前后侧的悬架等效阻尼系数C_sf、C_sr；

实时参数：包括前轮转向角δ，汽车纵向速度V_x，横摆角速度r，质心侧偏角β，汽车簧载部分前后侧的垂向速度

汽车前后非簧载部分的垂向速度/>

汽车前后侧的悬架动行程Z_usf-Z_sf，Z_usr-Z_sr，汽车前后轮的形变Z_cf-Z_usf，Z_cr-Z_usr。

2.根据权利要求1所述的一种基于观测器的汽车横向稳定性与主动悬架多目标集成控制方法，其特征在于，所述步骤S2建立包含参数不确定性的汽车动力学模型的具体过程包括：

建立线性二自由度汽车模型与半车主动悬架模型；

在线性二自由度汽车模型中，根据牛顿力学定律，可得到以下方程：

在上面的方程中：

F_yf＝C_yfα_f,F_yr＝C_yrα_r

其中，m为汽车总质量，β为汽车质心侧偏角，r为横摆角速度，

为横摆角加速度，F_yf和F_yr分别为前、后轮的侧向力，I_z为车身转动惯量，l_f、l_r分别为前后轴到汽车重心的距离，ΔM_z为横摆力矩，V_x为汽车纵向速度，C_yf、C_yr分别为前后轮胎的侧偏刚度，α_f,α_r分别为前、后轮侧偏角；

在半车主动悬架模型中，

上式中，Z_s和θ分别为车身的垂向位移与俯仰角，Z_sf,Z_sr和Z_usf,Z_usr分别为前后簧载与非簧载部分的垂向位移，

和/>

分别为前后簧载与非簧载部分的垂向速度，Z_cf,Z_cr分别为前后轮的路面垂向变化，F_uf,F_ur分别为前后主动悬架控制力，K_sf,K_sr与K_tf,K_tr分别为前后侧悬架和轮胎的等效弹簧系数，C_sf、C_sr分别为前后侧的悬架等效阻尼系数，/>

为车身的垂向加速度，I_p为俯仰转动惯量，/>

为车身的俯仰角加速度，/>

分别为前后非簧载部分的垂向加速度；

针对控制器设计设定状态变量，得到如下汽车多向动力学控制模型：

上式中，

汽车的侧偏刚度C_yf和C_yr的不确定性是由道路和车辆状态变化引起的，设置不确定变化侧偏刚度引起的不确定性为：

C_yf＝C_0yf+ΔC_yf＝C_0yf+η_fΔC_fm,

C_yr＝C_0yr+ΔC_yr＝C_0yr+η_rΔC_rm,

上式中，C_0yf，C_0yr分别为C_yf，C_yr的标称值，ΔC_fm,ΔC_fm分别为C_yf，C_yr的最大变化值，η_f,η_r为不确定系数，且满足|η_f|≤1,|η_r|≤1；

同时，考虑在范围内变化的时变纵向速度

选取辅助参数/>

选取规定辅助参数变化范围的多胞体MPRS的各顶点为：

ρ的所有变化值都用上述四个顶点与系数α_i表示，i＝1,2,3,4；α_i可表示为：

因此，得到基于LPV的汽车动力学模型：

上式中：

ΔA(ρ),ΔB₂(ρ)表示为：ΔA(ρ)＝H₁F₁E₁(ρ),ΔB₂(ρ)＝H₂F₂E₂(ρ)；

A₀(ρ),E₁(ρ),B₀₂(ρ),E₂(ρ)可用多胞体顶点及系数表示为：

其中，A_0i,E_1i,B_2i,E_2i是用各个多胞体顶点表示的A₀(ρ),E₁(ρ),B₀₂(ρ),E₂(ρ)。

3.根据权利要求2所述的一种基于观测器的汽车横向稳定性与主动悬架多目标集成控制方法，其特征在于，所述步骤S3的具体过程如下：

由于车身侧滑角、悬架动行程与轮胎形变难以直接测量，选取系统的可测量输出为y(t)，其中包含，前后悬架簧载与非簧载部分垂向速度

建立状态观测器，状态方程可写为：

上式中，

为观测输出，/>

为观测器状态变量，L(ρ)为观测器增益矩阵；

然后，引入结构为

的状态反馈控制器，则基于观测器的状态反馈控制模型描述为：

上式中，

为定义的新的状态变量，/>

为观测误差，

4.根据权利要求3所述的一种基于观测器的汽车横向稳定性与主动悬架多目标集成控制方法，其特征在于，汽车横向动力学控制遵循以下目标：

(1)质心侧偏角应趋近于0，横摆角速度趋近于以下参考值：

上式中，K_u为车身相关的固有参数；

(2)考虑直接横摆力矩控制中的执行器饱和限制，汽车产生的外部横摆力矩满足：

|ΔM_z|≤ΔM_zmax

上式中，ΔM_zmax为外部横摆力矩的最大值。

5.根据权利要求4所述的一种基于观测器的汽车横向稳定性与主动悬架多目标集成控制方法，其特征在于，主动悬架的控制遵循以下目标：

(1)车身的垂向加速度

与俯仰加速度/>

越小越好；

(2)悬架动行程受限于自身结构限制，所以悬架的动作幅度不应超出其物理限制：

|Z_sf-Z_usf|≤Z_fmax,

|Z_sr-Z_usr|≤Z_rmax

上式中，Z_fmax和Z_rmax分别是前后悬架动行程的最大值；

(3)为保证行驶安全，需要确保行驶过程中轮胎与路面保持接触，不发生跳动，即，轮胎的动态载荷不超过其静态值：

上式中，g表示重力加速度；

(4)主动悬架的执行器受物理限制存在饱和情况，即主动悬架控制力应满足：

|F_uf|≤F_ufmax,

|F_ur|≤F_urmax

上式中，F_ufmax,F_urmax分别为前后主动悬架控制力的最大值；

选取系统输出变量为：

上式中，c₁₁,c₁₂,c₂₁,c₂₂为各个被控变量的权重系数：

C_c2＝[C₂+D₂K(ρ) C₂],

C_c3＝[C₃ C₃],

C_c4＝[C₄ C₄],/>

C_c5＝[C₅ C₅],

C_c6＝[C₆ C₆],

C_c7＝[D₇K(ρ) 0],

C_c8＝[D₈K(ρ) 0],/>

C_c9＝[D₉K(ρ) 0],

6.根据权利要求5所述的一种基于观测器的汽车横向稳定性与主动悬架多目标集成控制方法，其特征在于，所述步骤S4求解观测器增益矩阵L(ρ)与状态反馈控制器增益矩阵K(ρ)的具体过程如下：

选取H_∞参数来表征输出z₁(t)与z₂(t)，同时，选取广义H₂参数来表征输出z₃(t)至z₉(t)，设

||T||_∞表示系统的H_∞增益，/>

表示系统的广义H₂增益，||z||₂,||z||_∞,||w||₂分别表示z(t)的二范数与无穷范数以及w(t)的二范数，由于实际情况中扰动输入w(t)有一定限度，因此δ∈L₂，L₂表示w(t)的取值范围；

基于以上分析，通过求解以下线性矩阵不等式，即可解出L(ρ),K(ρ)：

上式中，i＝3,4,5,6,j＝7,8,9,k＝1,2,3,4；γ₁,γ₂为给定的正标量，ε₁,ε₂,ε₃为需要求解的正标量，

W＝diag{W₁,W₂}和Q_k,R_k为需要求解的矩阵变量，且W为正定对称矩阵，通过求解出W,Q_k,R_k，可得观测器增益

以及控制器增益K(ρ)＝Q(ρ)W₁ ^-1，其中，

Q(ρ)＝α₁(ρ)Q₁+α₂(ρ)Q₂+α₃(ρ)Q₃+α₄(ρ)Q₄,

R(ρ)＝α₁(ρ)R₁+α₂(ρ)R₂+α₃(ρ)R₃+α₄(ρ)R₄。

Images