CN112906134A - 考虑制动执行器故障的自动驾驶车辆容错控制策略设计方法 - Google Patents

Abstract

本发明公开了一种考虑制动执行器故障的自动驾驶车辆容错控制策略设计方法。针对电子液压制动系统，通过轮缸压力传感器采集轮缸真实压力与期望压力做为输入建立广义的制动系统故障模型。基于该模型，提出针对EHB系统典型的综合故障模型。同时通过该模型，计算出用于控制器设计的综合故障因子。在此基础上，结合鲁棒LPV/H∞控制理论，将故障因子作为时变调度参数设计实现上层鲁棒容错控制器的设计。最后，综合考虑各个制动执行器的故障程度，设计下层制动力矩分配算法，实现下层四个轮的制动力分配。本发明通过对EHB系统进行故障建模，将其中的故障因子作为调度参数，结合鲁棒理论设计控制器，实现容错控制，保证了自动驾驶车辆行驶过程中的稳定安全。

Description

考虑制动执行器故障的自动驾驶车辆容错控制策略设计方法

技术领域

本发明属于智能车智能驾驶领域，涉及一种考虑制动执行器故障的自动驾驶车辆容错控制策略设计方法。

背景意义

容错控制作为一门新兴的交叉学科，其意义就是要尽量保证动态系统在发生故障时仍然可以稳定运行，并具有可以接受的性能指标。因此，容错控制为提高复杂动态系统的可靠性开辟了一条新的途径。由于任何系统都不可避免地会发生故障，因此，容错控制也可以看成是保证系统安全运行的最后一道防线。经典容错控制方法包括：1)被动容错控制；2)主动容错控制；3)鲁棒容错控制；4)非线性系统的集成故障诊断与容错控制。其中被动容错控制大致可以分成可靠镇定、完整性与联立镇定3种类型，主动容错控制大致可以分为3大类：控制律重新调度；控制器重构设计；模型跟随重组控制。对于自动驾驶车辆，由于没有驾驶员在环，因此对控制系统的容错性能提出了更高的要求。

当前，主要有两种线控制动系统(Brake-By-Wire,BBW):EHB(Electric HydraulicBrake,液压式线控制动)和EMB(Electric Mechanical Brake,机械式线控制动)。虽然EMB在原理和功能上有着非常突出的优势，然而仍有很多棘手的问题需要解决(如：可靠性以及当前硬件水平难以满足其功能以及运行环境要求等)。而EHB系统具有较高的制动效率以及更易实现车辆稳定性控制(四轮独立制动)等优势逐渐成为了研究热点。而制动系统的安全可靠对于保证车辆的稳定安全具有重要意义。

而目前容错控制在车辆领域主要集中于电动汽车或者混合动力汽车，而对于液压式线控制动(EHB)研究较少。EHB作为一个典型的过驱动系统，由于成本和空间的约束，对于某些电子器件很难实现硬件冗余(如：高速开关阀)，因此在自动驾驶车辆横向稳定控制系统中当汽车一个或多个制动单元突然发生故障或失效时(制动液漏液、电源掉电、高速开关阀故障等)，如何对故障进行合理的建模以及如何结合转向系统以及协调各个车轮的制动能力涉及一种容错控制策略以保证车辆行驶过程中的稳定安全仍然是一个挑战。

发明内容

本发明针对EHB系统，提出了一种故障建模方法以及基于鲁棒控制理论的容错控制方法，目的在于解决当汽车一个或多个制动单元突然发生故障或失效时，可以结合转向系统以及协调各个车轮的制动能力保证车辆行驶过程中的稳定安全。

本发明为解决其技术问题提出以下技术方案：

一种考虑制动执行器故障的自动驾驶车辆容错控制策略设计方法，其特点是：包括以下步骤：

步骤一、针对失效故障、卡死故障、附加故障以及无故障这四种典型的故障类型，构建EHB系统广义故障模型；

步骤二、基于EHB系统广义故障模型以及车辆左右两侧制动执行器的工作区域，构建EHB系统综合故障模型，并计算相应的综合故障因子；

步骤三、基于EHB系统的综合故障因子，结合鲁棒LPV/H∞控制理论，实现上层控制器设计，获得期望的前轮转角和期望的横摆力矩；

步骤四、基于EHB系统各个制动轮缸的故障因子，考虑各个制动执行器的故障程度，设计下层制动力矩分配算法，实现四个轮的制动力分配。

进一步地，步骤一中，所述EHB系统广义故障模型如下：

其中，P_rij为四个制动轮缸的真实压力；P_mij为轮缸压力传感器测得的压力；ΔP_ij为未知干扰所产生的附加制动压力；

为四个制动轮缸的故障因子，分别代表它们各自的故障程度,

P_dij为四个轮缸期望的制动压力。

进一步地，步骤二中，所述EHB系统综合故障模型及相应的综合故障因子计算如下：

其中，

ξ＝γ(|γ_d|-|γ|)其中，λ为综合故障因子；τ为左右两侧前后轮的分配率；R_t为车轮有效半径，γ为实际横摆角速度；γ_d为期望横摆角速度；M_zr为期望横摆角速度；M_zd为期望横摆力矩；ΔM_z为由未知干扰产生的附加横摆力矩；d为车辆轮距；T_ir为实际的车轮制动力矩；

T_id为期望的车轮制动力矩；ΔT_ir为由未知干扰产生的附加车轮制动力矩。

步骤二中，所述的左右两侧制动执行器的工作区域是指由差动制动产生横摆力矩，当车辆不足转向时，即|γ_d|-|γ|＞0，车辆的内侧轮产生期望的横摆角速度；当车辆过度转向时，即|γ_d|-γ|＜0，车辆的外侧轮产生期望的横摆角速度。

进一步地，步骤三中，鲁棒LPV/H∞容错控制器的加权函数设计如下：

横摆角速度误差加权函数：

其中T表示允许的最大稳态误差，T＝0.1；M表示峰值灵敏度，M＝2；w₀表示期望带宽，主要受执行器带宽影响，w₀＝70rad/s；

为转向控制信号的加权函数：

w₁表示期望带宽。考虑转向执行器带宽，w₁＝70rad/s；

为制动控制信号的加权函数

w₂表示期望带宽。考虑制动执行器带宽，w₂＝70rad/s。

进一步地，步骤三中，鲁棒LPV/H∞容错控制器设计如下：

其中，

其中，λ为综合故障因子，

关于步骤四的补充说明：

所述步骤四中的综合考虑各个制动执行器的故障程度尽行制动力矩分配意为：无故障或故障程度低的制动执行器承担更多的制动任务。

进一步地，步骤四中，所述的基于EHB系统各个制动轮缸的故障因子，考虑各个制动执行器的故障程度的下层制动力矩分配算法如下：

其中，

本发明的优点效果

1、本发明提出了一种针对EHB系统的故障建模方法，所建模型涵盖了无故障、失效故障、卡死故障以及附加故障四种典型的故障类型，为容错控制器的设计提供了先决条件；

2、本发明结合鲁棒LPV/H∞控制理论，实现了智能车EHB制动执行器故障条件下的容错控制器设计，提高了车辆行驶过程中的安全性及稳定性；

3、本发明设计了一种综合考虑各个制动执行器的故障程度的制动力矩分配算法，有效的提高了各个车轮的稳定裕度。

附图说明

图1是本发明考虑制动执行器故障的自动驾驶车辆容错控制策略设计方法的一种实施方式的控制框图；

图2是车辆S-turn过程中全局坐标系下的行驶轨迹；

图3是车辆S-turn过程中的轨迹误差；

图4是车辆J-turn过程中全局坐标系下的行驶轨迹；

图5是车辆J-turn过程中的轨迹误差；

图6是本发明的系统逻辑图。

具体实施方式

下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。下面列举的实施例仅为对本发明技术方案的进一步理解和实施，并不构成对本发明权利要求的进一步限定，因此。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明原理概述：

1、本发明的目的在于通过对EHB系统进行故障建模，将故障模型中的故障因子作为调度参数，结合鲁棒LPV/H∞控制理论设计控制器，实现系统容错控制，以保证自动驾驶车辆行驶过程中的稳定安全。其具体方法如下：首先，针对电子液压制动系统，通过轮缸压力传感器采集得到的真实轮缸压力与期望压力对比建立广义的制动系统故障模型。基于所建立的广义模型，提出一种针对EHB系统的典型的综合故障模型。同时通过该故障模型，一个用于控制器设计的综合故障因子得以被计算。在此基础上，结合鲁棒LPV/H∞控制理论，将故障因子作为时变调度参数实现上层鲁棒容错控制器的设计。最后，综合考虑各个制动执行器的故障程度，设计下层制动力矩分配算法，实现下层四个轮的制动力分配。本发明能够有效的解决智能车在受到制动执行器故障以及外界扰动情况下，系统实时有效的实现容错控制，保证车辆行驶的稳定安全。

2、针对EHB系统进行的故障建模方法。对于包含EHB系统的智能车，其用于提高自车行驶稳定性的直接横摆力矩通常由差动制动产生，即：当车辆不足转向时，|γ_d|-|γ|＞0，车辆的内侧轮产生期望的横摆角速度；当车辆过度转向时，|γ_d|-|γ|＜0，车辆的外侧轮产生期望的横摆角速度。因此，首先据此确定左右两侧制动执行器的工作区域，整个建模过程只考虑正在工作的制动执行器对整个控制系统的影响。

3、上层容错控制器设计方法。首先，通过所建的EHB系统故障模型，一个综合的故障因子得以被实时计算。之后，基于鲁棒LPV/H∞控制理论，将计算出的综合故障因子作为时变调度系数进行容错控制器的设计。

4、下层制动力分配方法。基于EHB系统各个制动轮缸的故障因子，考虑各个制动执行器的故障程度，设计下层制动力矩分配算法，实现四个轮的制动力分配。即：无故障或故障程度低的制动执行器承担更多的制动任务。

基于以上发明原理，本发明提出了一种考虑制动执行器故障的自动驾驶车辆容错控制策略设计方法，控制结构图如图1所示，具体步骤如下：

步骤一、针对失效故障、卡死故障、附加故障以及无故障这四种典型的故障类型，构建EHB系统广义故障模型；

关于步骤一的补充说明：

EHB系统广义故障模型如下：

其中，P_rij为四个制动轮缸的真实压力；P_mij为轮缸压力传感器测得的压力；ΔP_ij为未知干扰所产生的附加制动压力；

为四个制动轮缸的故障因子，分别代表它们各自的故障程度,

P_dij为四个轮缸期望的制动压力。

基于此故障模型，以下四种典型的故障类型得以描述：

1)

ΔP_i＝0，无故障；

2)

ΔP_i≠0，附加故障；

3)

ΔP_i＝0或者ΔP_i≠0，部分失效故障；

4)

ΔP_i≠0，卡死故障。

总结：步骤一主要针对失效故障、卡死故障、附加故障以及无故障这四种典型的故障类型，构建EHB系统广义故障模型，为接下来构建EHB系统的综合故障模型提供了研究基础。

步骤二、基于EHB系统广义故障模型以及车辆左右两侧制动执行器的工作区域，构建EHB系统综合故障模型，并计算相应的综合故障因子；

关于步骤二的补充说明：

对于EHB系统制动压力和制动力矩的关系可以由下式表述：

T_bij＝fAr_wP_ij (2)

其中，f为制动蹄片和制动盘间的摩擦系数；A为制动蹄片面积；r_w为制动过程中的有效半径；T_bij为制动力矩；P_ij为轮缸制动压力。

将(1)带入(2)可得：

假设左右两侧前后轮的分配率为：

其中，τ为左右两侧前后轮的分配率。

当车辆不足转向时，即|γ_d|-|γ|＞0，车辆的内侧轮产生期望的横摆角速度；当车辆过度转向时，即|γ_d|-|γ|＜0，车辆的外侧轮产生期望的横摆角速度。因此车辆的横摆角速度计算如下：

结合方程(4)(5)，EHB系统综合故障模型及相应的综合故障因子计算如下：

其中，

ξ＝γ(|γ_d|-|γ|)

总结：到步骤二为止，完成了整个对EHB系统故障模型的构建并提出了一种综合故障因子的计算方法，为接下来的容错控制器的设计提供了先决条件。

步骤三、基于EHB系统的综合故障因子，结合鲁棒LPV/H∞控制理论，实现上层控制器设计，获得期望的前轮转角和期望的横摆力矩；

关于步骤三的补充说明：

车辆状态空间模型如下：

其中，x＝[v_y,γ]^T，[u₁,u₂]＝[M_z,δ]

轮胎垂向动力学模型如下：

结合故障模型(6)，将故障因子λ作为时变参数，系统(7)的LPV模型可以描述为如下形式：

基于鲁棒LPV/H∞控制理论，综合考虑系统性能及执行器约束的控制系统加权函数设计如下：

W_S(s)为横摆角速度误差加权函数，其中T表示允许的最大稳态误差，T＝0.1；M表示峰值灵敏度，M＝2；w₀表示期望带宽(主要受执行器带宽影响)，w₀＝70rad/s。

W_u1(s)为转向控制信号的加权函数，w₁表示期望带宽。考虑转向执行器带宽，w₁＝70rad/s。

W_u2(s)为制动控制信号的加权函数，w₂表示期望带宽。考虑制动执行器带宽，w₂＝70rad/s。

则系统增广模型可以表述为：

其中，x为广义状态向量；

为外部输入，

u为控制向量，u＝[δ,M_zd]；z＝[z,z₂,z₃]代表了系统的性能加权和控制加权，z₁＝W_S(s)(γ-γ_d)，z₂＝W_u1(s)δ，z₃＝W_u2(s)M_zd；y为测量输出，y＝γ。

由系统增广模型(9)可知，B₂，C₁，D₁₂依赖于时变参数λ，这不满足LPV控制理论的假设条件，因此需要对控制输入进行前置滤波处理：

其中，A_u是稳定的，则系统增广模型(9)可以重新写为如下形式：

其中，

假设输出反馈控制率可以由如下状态方程表述：

则结合系统增广系统模型，系统闭环状态空间方程可以表述为：

控制器(11)是系统(10)的一个H∞控制器，即闭环系统(12)是渐近稳定的，且从w到z的传递函数的H∞范数小于1的充分必要条件是存在一个对称正定矩阵X，使得：

通过变量替换法，控制器可以由下式计算获得：

其中，

可以通过求解如下线性不等式求得：

minγ

s.t

根据多胞形理论，最终的LPV/H∞控制器可以由下式获得：

总结：到此位置完成了上层容错控制的设计，为下层的制动力矩分配算法提供了控制输入。

步骤四、基于EHB系统各个制动轮缸的故障因子，考虑各个制动执行器的故障程度，设计下层制动力矩分配算法，实现四个轮的制动力分配。

关于步骤四的补充说明1：

基于EHB系统的综合故障因子，同时考虑各个制动执行器的故障程度的下层制动力矩分配算法设计如下：

其中，

关于步骤四的补充说明2：

上层控制器所产生的期望望横摆力矩由差动制动产生，当车辆不足转向时，即|γ_d|-|γ|＞0，车辆的内侧轮产生期望的横摆角速度；当车辆过度转向时，即|γ_d|-|γ|＜0，车辆的外侧轮产生期望的横摆角速度。此外制动力矩分配算法充分考虑各个车轮的制动能力，即无故障或故障程度小的车轮承担更多的制动任务。

总结：整个容错控制系统的设计到此为止已经全部完成。需要特别注意的是，在以上描述中，当已知功能或算法的详细描述也许会淡化本发明的主要内容时，会忽略已知功能或算法内容的具体描述。

实施例

本发明控制系统的结构框图如图1所示，权力要求书的推导过程详见具体实施方式。

为验证本发明控制策略的有效性，采用Simulink、Carsim以及EHB系统硬件在环联合实验的方式验证本发明所提出的控制策略，控制策略结构图如图1所示，主要由EHB系统故障建模、上层LPV/H∞鲁棒容错控制器设计以及下层制动力矩分配算法三部分构成。需要特别注意的是，在整个控制策略设计当中，当已知功能或算法的详细描述也许会淡化本发明的主要内容时，会忽略已知功能或算法内容的具体描述(如：参考模型的建立)。车辆模型采用Carsim内部车辆模型。图2和图4为全局坐标系下的行驶轨迹，图3和图5为不同场景下的轨迹跟踪误差。

图2、图3所选用的场景为S-turn，车速v＝108km/h,摩擦系数μ＝0.9,故障类型包括：2秒时左前轮发生失效故障：P_rfl＝0.2P_dfl；8秒时右后轮发生失效故障：P_rrr＝0.4P_drr。从图2和图3可以看出，当此种故障发生时，所提出的容错控制策略依然可以保持较高的轨迹跟踪精度。

图4、图5所选用的场景为J-turn，车速v＝80km/h,摩擦系数μ＝0.9,故障类型包括：1秒时左前轮发生卡死故障：P_rfl＝0P_dfl；8秒时右后轮产生附加故障：P_rrl＝P_drl+ΔP_rl(ΔP_rl＝15Nm)。从图4和图5可以看出，当此种故障发生时，所提出的容错控制策略依然可以保持较高的轨迹跟踪精度。

尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用。它完全可以被适用于各种适合本发明的领域。对于熟悉本领域的人员而言，可容易地实现另外的修改。因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。

Claims (6)

1.一种考虑制动执行器故障的自动驾驶车辆容错控制策略设计方法，其特征在于，包括：执行器故障建模方法、上层容错控制器设计方法和下层制动力矩分配算法，具体包括以下步骤：

步骤一、针对失效故障、卡死故障、附加故障以及无故障四种典型故障类型，构建EHB系统广义故障模型；

步骤二、基于EHB系统广义故障模型以及车辆左右两侧制动执行器的工作区域，构建EHB系统综合故障模型，并计算相应的综合故障因子；

步骤三、基于EHB系统的综合故障因子，结合鲁棒LPV/H∞控制理论，实现上层控制器设计，获得期望的前轮转角和期望的横摆力矩；

步骤四、基于EHB系统各个制动轮缸的故障因子，考虑各个制动执行器的故障程度，设计下层制动力矩分配算法，实现四个轮的制动力分配。

2.如权利要求书1所述的考虑制动执行器故障的自动驾驶车辆容错控制策略设计方法，其特征在于：

步骤一中，所述EHB系统广义故障模型如下：

其中，P_rij为四个制动轮缸的真实压力；P_mij为轮缸压力传感器测得的压力；ΔP_ij为未知干扰所产生的附加制动压力；

为四个制动轮缸的故障因子，分别代表它们各自的故障程度，

P_dij为四个轮缸期望的制动压力。

3.如权利要求书1所述的考虑制动执行器故障的自动驾驶车辆容错控制策略设计方法，其特征在于：

步骤二中，所述EHB系统综合故障模型及相应的综合故障因子计算如下：

其中，

ξ＝γ(|γ_d|-|γ|)

其中，λ为综合故障因子；τ为左右两侧前后轮的分配率；R_t为车轮有效半径，γ为实际横摆角速度；γ_d为期望横摆角速度；M_zr为期望横摆角速度；M_zd为期望横摆力矩；ΔM_z为由未知干扰产生的附加横摆力矩；d为车辆轮距；T_ir为实际的车轮制动力矩；T_id为期望的车轮制动力矩；ΔT_ir为由未知干扰产生的附加车轮制动力矩。

4.如权利要求书1所述的考虑制动执行器故障的自动驾驶车辆容错控制策略设计方法，其特征在于：

步骤三中，鲁棒LPV/H∞容错控制器的加权函数设计如下：

横摆角速度误差加权函数：

其中T表示允许的最大稳态误差，T＝0.1；M表示峰值灵敏度，M＝2；w₀表示期望带宽，主要受执行器带宽影响，w₀＝70rad/s；

为转向控制信号的加权函数：

w₁表示期望带宽，考虑转向执行器带宽，w₁＝70rad/s；

为制动控制信号的加权函数

w₂表示期望带宽，考虑制动执行器带宽，w₂＝70rad/s。

5.如权利要求书1所述的考虑制动执行器故障的自动驾驶车辆容错控制策略设计方法，其特征在于：

步骤三中，鲁棒LPV/H∞容错控制器设计如下：

其中，

其中，λ为综合故障因子，

6.如权利要求书1所述的考虑制动执行器故障的自动驾驶车辆容错控制策略设计方法，其特征在于：

步骤四中，所述的基于EHB系统各个制动轮缸的故障因子，考虑各个制动执行器的故障程度的下层制动力矩分配算法如下：

其中，

Images