CN112622857B - 一种车用线控制动系统电动主缸液压力预设性能控制方法 - Google Patents

Abstract

本发明提出一种车用线控制动系统电动主缸液压力预设性能控制方法，属于车辆线控制动领域。该方法首先基于对助力电机、传动轴、主缸的动力学建模，得到面向控制的电机助力式线控制动系统主缸液压动力学模型，然后设计合适的预设性能函数并对系统进行预设性能变化，最后通过神经网络自适应非线性估计方法对变化后的系统进行有限时间终端滑模控制。本发明从预先设定的性能出发，设计出满足性能要求的控制方法，从而实现对预先设定的主缸推杆位移和液压力的瞬态和稳态响应的精密控制。

Description

一种车用线控制动系统电动主缸液压力预设性能控制方法

技术领域

本发明提出一种车用线控制动系统电动主缸液压力预设性能控制方法，涉及车辆线控制动领域。

背景技术

线控制动系统(brake-by-wire system)是电驱动车辆实现制动能量回收以及智能化车辆实现主动制动的基础和前提，对于实现高级别无人驾驶技术具有至关重要的作用。线控制动系统可以通过对车辆中央控制器的制动信号的响应，直接操控制动系统实现主动制动，整个制动过程无需驾驶员通过踩下制动踏板参与制动。由此可见，线控制动系统的基本要求之一即为制动踏板行程与制动力大小的完全解耦。基于这一条件，装备有线控制动系统的车辆可实现无需驾驶员干预的主动制动。与此同时，解耦的踏板行程与制动力大小为电制动力与液压制动力的自由分配提供了基础。因此，实现制动踏板行程与制动力解耦也是实现电驱动车辆制动能量回收的基本要求。

当前实现车用线控制动系统的技术路线根据制动压力的来源不同分为两类：高压蓄能器式线控制动系统以及电机伺服式线控制动系统。高压蓄能器式由于大量的比例阀使用以及常态高压源的维持带来了功耗大、成本高等多种问题，难以普及，而且多个电磁阀的协调控制也需要较为复杂的控制算法。与高压蓄能器式不同，电机伺服式线控制动系统采用伺服电机作为制动系统的压力来源，压力保持可以通过自锁机构实现，系统不存在类似高压蓄能器中的常态高压，密封要求低，系统非制动状态下没有高压维持功耗。电机伺服式线控制动系统具体可分为电助力式液压线控制动系统和双主缸式线控液压制动系统两种，以德国博世公司的iBooster为代表的电子助力式液压线控制动系统由于只有一个主缸且结构紧凑，并具有相当程度的失效运行能力。随着伺服电机制造工艺的进步以及伺服电机控制精度的提升，采用单主缸结构的电助力式电机伺服线控制动系统是未来线控制动系统集高可靠性与低成本于一体的优良解决方案。

然而由于电子助力式液压线控制动系统中并不维持常态的高液压源，在产生制动需求的时候，需要控制助力电机推动制动主缸的制动液从常压状态迅速准确地达到目标压力，这对整个电动主缸的控制水平提出了非常高的要求。传统的车用电子助力式线控液压制动系统主缸液压力控制方法多采用比例-积分-微分方法或者其他鲁棒性控制方法，主缸推杆位移以及主缸液压力无法预先设定，需要不断地调整控制方法的有关参数实现需求的性能，从而带来重复性工作，增大设计难度。

发明内容

本发明的目的是为克服已有技术的不足之处，提出一种车用线控制动系统电动主缸液压力预设性能控制方法。本发明从预先设定的性能出发，设计出满足性能要求的控制方法，从而实现对预先设定的主缸推杆位移和液压力的瞬态和稳态响应的精密控制。本发明提出的方法能够提高车用电机助力式线控制动系统的电子助力精度，进而保证更为精确的制动力输出精度。本发明对于提高未来高级别线控自动驾驶车辆精密运动控制水平具有基础性作用。

本发明提出一种车用线控制动系统电动主缸液压力预设性能控制方法，其特征在于，包括以下步骤：

1)构建面向控制的电机助力式线控制动系统主缸液压力动力学模型，其中，所述电机助力式线控制动系统包括：助力电机，减速机构，推杆机构和主缸；助力电机输出驱动转矩通过减速机构将旋转运动转化推杆机构的直线运动，推动主缸活塞，压缩主缸内的制动液体；主缸内设有回位弹簧，用于在助力电机撤销推动力后推动整个系统回退；助力电机与减速机构之间通过传动轴直接相连，减速机构与推杆机构直接通过蜗轮蜗杆相连；动力学模型构建方法如下：

1.1)针对助力电机建立如下模型：

式中，θ代表助力电机转动角度；J_m代表助力电机等效转动惯量；c_m代表助力电机转动阻尼系数；k_m代表助力电机弹性阻力系数；T_m代表助力电机的输出转矩；T_g代表减速机构输入端力矩；

其中，助力电机的输出转矩正比于控制电流，即：

T_m＝k_ii_m (2)

其中k_i代表转矩-电流比例系数；i_m代表助力电机驱动电流；

1.2)将连接助力电机与减速机构之间传动轴到推杆机构之间的部分作为传动系统，对传动系统建立如下模型：

x＝Rθ (3)

其中，x代表推杆机构位移，R代表从电机端到推杆机构端的等效减速比；

1.3)针对推杆机构及活塞，建立如下模型：

其中，m_c代表推杆机构及活塞质量，c_c代表活塞阻尼系数；k_c代表活塞回位弹簧的刚度传递过程弹性系数；A_mc代表活塞的截面积；P(x)代表液压-推杆位移函数；

由式(1)-(4)得到：

对式(5)进行如下代换：

式中，m^*代表传动系统及推杆机构合并的等效质量；c^*代表线控制动系统的等效阻尼系数；k^*代表线控制动系统的等效劲度系数；k_in代表线控制动系统的输入增益系数；u代表线控制动系统的控制输入；

则式(5)转化为：

令：

其中，

2)进行预设性能函数设计及预设性能变换；具体方法如下：

建立预设性能函数如下：

ζ(t)＝(ζ₀-ζ_∞)e^-∈t+ζ_∞ (10)

其中，式(10)满足下述条件，

式中，t为时间变量，ζ(t)为以时间为自变量的光滑单调递减函数；

ζ_∞，ζ₀，∈均为大于0的常数；

系统的状态变量x存在不等式约束如下：

其中，ρ_min，ρ_max分别代表下边界约束的倍增和上边界约束的倍增；

根据瞬态及稳态性能需要设计参数ζ₀，ζ_∞，∈，ρ_min，ρ_max，即实现对系统状态的性能的显式约束；

选取以新的中间变量τ为自变量的光滑严格单调递增函数H(τ)，满足下述条件：

则，

x＝ζ(t)H(τ) (14)

选取

则，

其中，

其中，

3)设计基于自适应神经网络的终端滑模控制器；具体步骤如下：

3.1)设计终端滑模面s；

其中，q和p为奇数，代表终端滑模面的奇异参数，且满足p＞q＞0；β为正常数，代表滑模面增益；

取

其中，Φ为中间变量，代表线控制动系统控制模型内的非线性部分，u_D为名义输入；

则，

3.2)设计基于神经网络的自适应估计率；

对Φ进行神经网络近似，取针对Φ的近似向量Z为：

设理想最优近似表示为：

Φ＝W^*TS(Z)+∈_z (24)

其中W^*为理想权重向量，W^*T为理想的权重向量的转置，∈_z为理想近似误差，S(Z)为高斯函数下的径向基向量；

设自适应估计的权重向量表示为

，则自适应权重估计误差

可以表示为：

设计自适应估计率：

其中K为正定常数对角矩阵；

3.3)设计终端滑模控制率；

取滑模面的导数为：

得到控制输入为：

其中，κ为神经网络近似的误差和的上边界，γ为控制器增益；且κ满足如下条件：

其中，∈_N代表有界估计误差绝对值边界，

代表

的forensics标准型。

本发明的特点及有益效果在于：

一、通过预设性能方法，系统的液压力(即主缸的推杆位移)响应的瞬态和稳态性能可以预先设定，从而满足技术发展的要求。

二、设计神经网络自适应估计率对系统的不易知非线性特性进行精密估计，提高了方法的实用性以及鲁棒性。

三、设计终端滑模控制方法保证系统在有限时间收敛，即液压力(推杆位移)在有限时间达到预设性能。

附图说明

图1是本发明方法的整体流程图。

图2是本发明中电子助力式线控制动系统的结构示意图。

具体实施方式

本发明提出一种车用线控制动系统电动主缸液压力预设性能控制方法，下面结合附图和具体实施例进一步详细说明如下。

本发明提出一种车用线控制动系统电动主缸液压力预设性能控制方法，整体流程如图1所示，包括以下步骤：

1)构建面向控制的电机助力式线控制动系统主缸液压力动力学模型；

电机助力式线控制动系统的结构如图2所示，其中Motor代表助力电机，Gear代表减速机构，Ball-screw代表推杆机构，Master Cylinder代表主缸。由图1可以看出，助力电机输出驱动转矩通过减速机构将旋转运动转化推杆机构的直线运动，推动主缸活塞，压缩主缸内的制动液体。主缸内设有回位弹簧，作用是在助力电机撤销推动力后推动整个系统回退。助力电机与减速机构之间通过传动轴直接相连，减速机构与推杆机构直接通过蜗轮蜗杆相连。依据系统参数辨识或估计得到的主缸压力位置关系构建面向控制的电动主缸液压力(推杆位移)动力学模型。

1.1)针对助力电机建立如下模型：

其中θ代表助力电机转动角度，单位是rad；J_m代表助力电机等效转动惯量，单位是kg·m²；c_m代表助力电机转动阻尼系数，单位是kg·m²/s；k_m代表助力电机弹性阻力系数，单位是kg·m²/s²；T_m代表助力电机的输出转矩，单位是N·m；T_g代表减速机构输入端力矩，单位是N·m。

助力电机采用电流闭环控制，考虑到电机控制水平，电机电流环动态响应速度远高于电机的机械响应速度以及主缸的液压响应速度，因此忽略电流控制环的动态响应，认为助力电机的输出转矩正比于控制电流，即：

T_m＝k_ii_m (2)

其中k_i代表转矩-电流比例系数，单位是N·m/A；i_m代表助力电机驱动电流，单位是A。

1.2)针对传动系统(所述传动系统指的是图2中从连接助力电机与减速机构之间传动轴到推杆机构之间的部分)，忽略减速机构的转矩传递损失，建立如下模型：

x＝Rθ (3)

其中x代表推杆机构位移，单位是m；θ为助力电机转动角度，单位为rad，R代表从电机端到推杆机构端的等效减速比，单位是m/rad。

1.3)针对推杆机构及活塞，建立如下模型：

其中，m_c代表推杆机构及活塞质量，单位是kg；c_c代表活塞阻尼系数，单位是N/(m·s)；k_c代表活塞回位弹簧的刚度传递过程弹性系数，单位是N/m；A_mc代表活塞的截面积，单位是mm²；P(x)代表液压-推杆位移函数，单位是MPa。P(x)可以通过实验结构进行拟合或者对压力和位移关系进行估计获得，从而将主缸液压力控制转换为推杆位移控制。

由式(1)-(4)可得：

作如下代换：

进行上述代换后，m^*代表传动系统及推杆机构合并的等效质量，单位是kg；c^*代表线控制动系统的等效阻尼系数，单位是N/(m·s)；k^*代表线控制动系统的等效劲度系数，单位是N/m；k_in代表线控制动系统的输入增益系数，单位是N·rad/A；u代表线控制动系统的控制输入，单位是N。

式(5)可转化为：

做如下面向控制的代换：

其中，

为了方法应用便利，引入的中间变量。

2)进行预设性能函数设计及预设性能变换：

根据线控制动系统的状态响应要求，即系统瞬态和稳态特性，选取预设性能参数，设计预设性能函数，而后对原系统进行面向预设性能控制的动力学模型变换。

为了准确约束推杆位移的瞬态及稳态响应，首先引入预设性能函数如下：

ζ(t)＝(ζ₀-ζ_∞)e^-∈t+ζ_∞ (10)

其中，函数满足下述条件，

其中，t为时间变量，ζ(t)为以时间为自变量的光滑单调递减函数；

ζ_∞，ζ₀，∈均为大于0的不同常数；

由此系统的状态变量x可有下述不等式约束：

其中，ρ_min，ρ_max为大于0的常数，分别代表下边界约束的倍增和上边界约束的倍增。

由此可知，只需根据瞬态及稳态性能需要设计参数ζ₀，ζ_∞，∈，ρ_min，ρ_max，即可实现对系统状态的性能的显式约束。为了满足上述条件，选取以新的中间变量τ为自变量的光滑严格单调递增函数H(τ)，满足下述条件，

由此，上述条件可以转化为：

x＝ζ(t)H(τ) (14)

在预设性能控制理论中已经证明，被控系统在变换：

下具有稳定性不变的特性，由此可以对以τ为状态变量的新系统进行控制器设计。

选取

则，

其中，

为公式推导过程中的中间代换。

其中，

为公式推导过程中的中间代换。

3)设计基于自适应神经网络的终端滑模控制器；

针对经过步骤2)变化后的系统设计基于自适应神经网络的终端滑模控制器；具体步骤如下：

3.1)设计终端滑模面s；

其中q，p为奇数代表终端滑模面的奇异参数，且满足p＞q＞0。β为正常数，代表滑模面增益。

取

其中，Φ为公式推导过程中的中间变量，代表线控制动系统控制模型内的非线性部分，u_D为公式推导中的名义输入。

则，

3.2)设计基于神经网络的自适应估计率；

对未知非线性部分Φ进行神经网络近似，取针对Φ的近似向量Z为：

设理想最优近似表示为：

Φ＝W^*TS(Z)+∈_z (24)

其中W^*为理想权重向量，W^*T为理想的权重向量的转置，∈_z为理想近似误差，S(Z)为高斯函数下的径向基向量。

设自适应估计的权重向量表示为

则自适应权重估计误差

可以表示为：

设计自适应估计率：

其中K为正定常数对角矩阵。

3.3)设计终端滑模控制率；

取滑模面的导数为：

设计控制输入为：

其中，κ为神经网络近似的误差和的上边界，γ为控制器增益。且κ满足如下条件：

其中，∈_N代表已知的有界估计误差绝对值边界，

代表

的forensics标准型。

至此，控制器设计完毕。应用步骤1)-3)三个部分设计的控制方法，对于车用线控制动系统的电动主缸液压力(推杆位置)控制可以依次通过第一部分构建面向控制的电机助力式线控制动系统主缸液压动力学模型，通过第二部分设计合适的预设性能函数并对系统进行预设性能变化，最后通过第三部分完成对变化后的系统的有限时间终端滑模控制，得到最优的控制输入。

采用本发明提出的方法，车用线控制动系统的主缸液压力可以得到满足预先设定的性能，从而实现对主缸压力(推杆位移)的准确且高效的控制。

Claims (1)

1.一种车用线控制动系统电动主缸液压力预设性能控制方法，其特征在于，包括以下步骤：

1)构建面向控制的电机助力式线控制动系统主缸液压力动力学模型，其中，所述电机助力式线控制动系统包括：助力电机，减速机构，推杆机构和主缸；助力电机输出驱动转矩通过减速机构将旋转运动转化推杆机构的直线运动，推动主缸活塞，压缩主缸内的制动液体；主缸内设有回位弹簧，用于在助力电机撤销推动力后推动整个系统回退；助力电机与减速机构之间通过传动轴直接相连，减速机构与推杆机构直接通过蜗轮蜗杆相连；动力学模型构建方法如下：

1.1)针对助力电机建立如下模型：

式中，θ代表助力电机转动角度；J_m代表助力电机等效转动惯量；c_m代表助力电机转动阻尼系数；k_m代表助力电机弹性阻力系数；T_m代表助力电机的输出转矩；T_g代表减速机构输入端力矩；

其中，助力电机的输出转矩正比于控制电流，即：

T_m＝k_ii_m (2)

其中k_i代表转矩-电流比例系数；i_m代表助力电机驱动电流；

1.2)将连接助力电机与减速机构之间传动轴到推杆机构之间的部分作为传动系统，对传动系统建立如下模型：

x＝Rθ (3)

其中，x代表推杆机构位移，R代表从电机端到推杆机构端的等效减速比；

1.3)针对推杆机构及活塞，建立如下模型：

其中，m_c代表推杆机构及活塞质量，c_c代表活塞阻尼系数；k_c代表活塞回位弹簧的刚度传递过程弹性系数；A_mc代表活塞的截面积；P(x)代表液压-推杆位移函数；

由式(1)-(4)得到：

对式(5)进行如下代换：

式中，m^*代表传动系统及推杆机构合并的等效质量；c^*代表线控制动系统的等效阻尼系数；k^*代表线控制动系统的等效劲度系数；k_in代表线控制动系统的输入增益系数；u代表线控制动系统的控制输入；

则式(5)转化为：

令：

其中，

2)进行预设性能函数设计及预设性能变换；具体方法如下：

建立预设性能函数如下：

ζ(t)＝(ζ₀-ζ_∞)e^-∈t+ζ_∞ (10)

其中，式(10)满足下述条件，

式中，t为时间变量，ζ(t)为以时间为自变量的光滑单调递减函数；

ζ_∞,ζ₀,∈均为大于0的常数；

系统的状态变量x存在不等式约束如下：

其中，ρ_min，ρ_max分别代表下边界约束的倍增和上边界约束的倍增；

根据瞬态及稳态性能需要设计参数ζ₀,ζ_∞,∈,ρ_min,ρ_max，即实现对系统状态的性能的显式约束；

选取以新的中间变量τ为自变量的光滑严格单调递增函数H(τ)，满足下述条件：

则，

x＝ζ(t)H(τ) (14)

选取

则，

其中，

其中，

3)设计基于自适应神经网络的终端滑模控制器；具体步骤如下：

3.1)设计终端滑模面s；

其中，q和p为奇数，代表终端滑模面的奇异参数，且满足p>q>0；β为正常数，代表滑模面增益；

取

其中，Φ为中间变量，代表线控制动系统控制模型内的非线性部分，u_D为名义输入；

则，

3.2)设计基于神经网络的自适应估计率；

对Φ进行神经网络近似，取针对Φ的近似向量Z为：

设理想最优近似表示为：

Φ＝W^*TS(Z)+∈_Z (24)

其中W^*为理想权重向量，W^*T为理想的权重向量的转置，∈_Z为理想近似误差，S(Z)为高斯函数下的径向基向量；

设自适应估计的权重向量表示为

则自适应权重估计误差

可以表示为：

设计自适应估计率：

其中K为正定常数对角矩阵；

3.3)设计终端滑模控制率；

取滑模面的导数为：

得到控制输入为：

其中，κ为神经网络近似的误差和的上边界，γ为控制器增益；且κ满足如下条件：

其中，∈_N代表有界估计误差绝对值边界，

代表

的forensics标准型。

Images