CN113954876A - 智能汽车纵横向整体反馈线性化控制方法 - Google Patents

智能汽车纵横向整体反馈线性化控制方法 Download PDF

Info

Publication number
CN113954876A
CN113954876A CN202111363664.0A CN202111363664A CN113954876A CN 113954876 A CN113954876 A CN 113954876A CN 202111363664 A CN202111363664 A CN 202111363664A CN 113954876 A CN113954876 A CN 113954876A
Authority
CN
China
Prior art keywords
longitudinal
tire
intelligent automobile
transverse
formula
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.)
Granted
Application number
CN202111363664.0A
Other languages
English (en)
Other versions
CN113954876B (zh
Inventor
王玉琼
高松
徐艺
郭栋
邵金菊
王鹏伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shun Tai Automobile Co ltd
Original Assignee
Shandong University of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shandong University of Technology filed Critical Shandong University of Technology
Priority to CN202111363664.0A priority Critical patent/CN113954876B/zh
Publication of CN113954876A publication Critical patent/CN113954876A/zh
Application granted granted Critical
Publication of CN113954876B publication Critical patent/CN113954876B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001—Details of the control system
    • B60W2050/0019—Control system elements or transfer functions
    • B60W2050/0028—Mathematical models, e.g. for simulation
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001—Details of the control system
    • B60W2050/0019—Control system elements or transfer functions
    • B60W2050/0028—Mathematical models, e.g. for simulation
    • B60W2050/0031—Mathematical model of the vehicle
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2530/00—Input parameters relating to vehicle conditions or values, not covered by groups B60W2510/00 or B60W2520/00
    • B60W2530/20—Tyre data
    • 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
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/72—Electric energy management in electromobility

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Human Computer Interaction (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

本发明涉及智能汽车控制技术领域，具体涉及一种智能汽车纵横向整体反馈线性化控制方法。该智能汽车纵横向整体反馈线性化控制方法包括以下步骤：步骤1：建立智能汽车纵横向耦合动力学模型及轨迹跟踪偏差模型；步骤2：将步骤1所述纵横向耦合动力学模型用仿射非线性模型表示；步骤3：确定步骤2所述仿射非线性模型的相对阶，判定其能否通过输出反馈进行线性化；步骤4：设计李雅普诺夫虚拟控制律；步骤5：得出智能汽车实时轮胎驱动/制动力矩和前轮转角，实现智能汽车纵横向综合轨迹跟踪控制。提供一种考虑纵横向耦合特性，降低控制器计算负担，减少参数不确定性对控制效果影响的智能汽车纵横向整体反馈线性化控制方法。

Description

智能汽车纵横向整体反馈线性化控制方法
技术领域
本发明涉及智能汽车控制技术领域，具体涉及一种智能汽车纵横向整体反馈线性化控制方法。
背景技术
智能汽车可以提供更安全便捷、节能环保的出行方式和综合解决方案，是国际公认的未来发展方向。纵横向运动控制是智能汽车实现自主行驶的关键环节，然而智能汽车纵向和横向运动具有强耦合非线性，并且容易受到参数变化等不确定性的影响，导致智能汽车容易在高速紧急避障等纵横向耦合工况下发生失稳，因此智能汽车纵横向运动控制具有重要的研究意义。
目前，从控制器结构方面来看，智能汽车纵横向运动控制主要分为分散式控制和整体式控制。其中分散式控制结构较为常见，其将纵横向轨迹跟踪问题分解为纵向速度控制和侧向路径跟踪问题，分别设计子系统相应的控制律，算法实现相对简单，但是对车辆纵向和侧向运动的耦合特性考虑不充分；整体式的轨迹跟踪控制能够充分地考虑纵向和侧向运动间的耦合特性，但是计算量较大、物理实现成本较高。微分平坦和反馈线性化是解决非线性控制系统计算量大的行之有效的方法。
现有基于微分平坦或反馈线性化的整体式控制方法存在的问题是，需依赖实车试验数据或驾驶员预瞄转向角加权控制，不便于工程应用；或在求解四轮轮胎驱动/制动力矩和转向角时利用了轮胎侧向力的精确反馈，未进行轮胎侧向力估计。
发明内容
本发明要解决的技术问题是：克服现有技术的不足，提供一种考虑纵横向耦合特性，降低控制器计算负担，减少参数不确定性对控制效果影响的智能汽车纵横向整体反馈线性化控制方法。
本发明为解决其技术问题所采用的技术方案为：智能汽车纵横向整体反馈线性化控制方法，包括以下步骤：
步骤1：以前轮转角δf和轮胎驱动/制动力矩Tw作为车辆系统的输入，建立智能汽车纵横向耦合动力学模型及轨迹跟踪偏差模型；
步骤2：将纵向速度作为一个系统输出Y1，将侧向速度和横摆角速度的加权组合作为系统的另一个输出Y2，将步骤1所述纵横向耦合动力学模型用仿射非线性模型表示；
步骤3：分别对输出Y1、Y2依次求导直到建立起与控制输入δf、Tw的联系，据此确定步骤2所述仿射非线性模型的相对阶，判定其能否通过输出反馈进行线性化，若能，则设计反馈线性化控制律并进入步骤4，否则返回到步骤2；
步骤4：结合系统稳定性和轨迹跟踪误差一致收敛性分析，确定李雅普诺夫虚拟控制律中的各个参数，设计李雅普诺夫虚拟控制律；
步骤5：将李雅普诺夫虚拟控制律和轮胎侧偏刚度估计结果代入反馈线性化控制律，得出智能汽车实时轮胎驱动/制动力矩和前轮转角，实现智能汽车纵横向综合轨迹跟踪控制。
所述步骤1中所述智能汽车纵横向耦合动力学模型根据牛顿第二定律推导车身纵向、横向及横摆三个自由度上的动力学方程，与前后轴轮胎纵向、横向动力学方程结合建立；
步骤1中所述轨迹跟踪偏差模型包括智能汽车相对参考轨迹的侧向、横摆动力学方程及行驶位移变化动力学方程。
所述步骤1中，智能汽车纵横向耦合动力学模型建立步骤如下：
1-1：智能汽车纵横向耦合动力学模型的车身3DOF动力学方程为：
Figure BDA0003359792220000021
式中：vx、vy为车辆质心处纵向速度和侧向速度，r为横摆角速度，δf为前轮转角，Fxf、Fyf分别为前轴轮胎受到的总纵向力和总侧向力，Fxr、Fyr分别为后轴轮胎所受到的总纵向力和总侧向力，ρ为空气密度，C为空气阻力系数，A为迎风面积，m为智能汽车质量，Iz为智能汽车绕z轴的转动惯量，lf为质心到前轴的距离，lr为质心到后轴的距离；
1-2：汽车轮胎模型采用魔术公式Magic Formula，考虑轮胎纵向滑移，联合工况下的轮胎侧向力可由(2)式计算：
Figure BDA0003359792220000022
式中：α为侧偏角，λ为纵向滑移率，Fy0为纯侧偏工况下轮胎侧向力可由下式计算：
Fy＝Dysin(Cyarctan(Byα-Ey(Byα-arctan(Byα))))
Cy＝1.3
Dy＝μ(b1Fz 2+b2Fz)
By＝(b3Fz 2+b4Fz)exp(-b5Fz)/(CyDy)
Ey＝b6Fz2+b7F+b8，
式中：μ为路面附着系数；Fz为轮胎垂向载荷，单位为kN；bi(i＝1…8)为拟合系数；
1-3：前轴和后轴的轮胎侧向力表示为当量侧偏刚度与轮胎侧偏角的乘积，如式(3)所示，
Figure BDA0003359792220000031
式中：
Figure BDA0003359792220000032
分别为前轴、后轴轮胎当量侧偏刚度；αf、αr分别为前轴、后轴轮胎侧偏角；
1-4：轮胎纵向动力学模型为
Figure BDA0003359792220000033
式中：Iw为轮胎转动惯量；Rw为轮胎滚动半径；wf、wr为前轴、后轴轮胎转动角速度；Tt为轮胎驱动力矩；Tbf、Tbr为前轴、后轴轮胎制动力矩；
1-5：联合(1)(2)(3)(4)最终得到智能汽车纵横向耦合动力学模型：
Figure BDA0003359792220000034
所述步骤1中所述轨迹跟踪偏差模型通过以下公式建立：
Figure BDA0003359792220000035
式中：
Figure BDA0003359792220000036
为车辆横摆角，
Figure BDA0003359792220000037
为期望路径切线的航向角，
Figure BDA0003359792220000038
为车辆横摆角偏差，ey为质心位置侧向位移偏差，ρs为道路曲率，s为智能汽车行驶位移。
所述步骤2中，所述系统输出Y2计算公式为：Y2＝lfmvy-Izr，其中vy为侧向速度，r为横摆角速度，m为整车质量，lf为质心到前轴的距离，Iz为整车绕z轴转动惯量；
令Tw＝Tt-Tbf-Tbr，将步骤1所述纵横向耦合动力学模型用仿射非线性模型表示：
Figure BDA0003359792220000039
式中：
Figure BDA00033597922200000310
X＝[X1 X2 X3]T＝[vx vy r]T，
Figure BDA00033597922200000311
Figure BDA00033597922200000312
Figure BDA0003359792220000041
Figure BDA0003359792220000042
Figure BDA0003359792220000043
Figure BDA0003359792220000044
所述步骤3中，所述仿射非线性模型的相对阶为输出Y1的相对阶和Y2的相对阶之和，当仿射非线性模型的相对阶和非线性模型本身的阶数相同时，判定该仿射非线性模型可以反馈线性化。
输出Y1、Y2的相对阶根据各阶李导数计算，直到李导数中显含仿射非线性模型的输入时对应的阶数即为输出Y1、Y2的相对阶；
具体计算步骤如下：
输出Y1的一阶李导数为：
Figure BDA0003359792220000045
式中：
Figure BDA0003359792220000046
Figure BDA0003359792220000047
即输出Y1的一阶李导数已显含系统输入，则输出Y1的相对阶为1；
对输出Y2求一阶李导数得：
Figure BDA0003359792220000048
式中：
Figure BDA0003359792220000049
Figure BDA00033597922200000410
Figure BDA00033597922200000411
即Y2的一阶李导数不显含u1、u2，则对Y2求二阶李导数有：
Figure BDA00033597922200000412
其中，
Figure BDA00033597922200000413
Figure BDA00033597922200000414
Figure BDA0003359792220000051
即输出Y2的二阶李导数已显含系统输入，则输出Y2的相对阶为2，
则仿射非线性模型(7)的相对阶为输出Y1的相对阶和Y2的相对阶之和，即为3，等于非线性模型本身的阶数，该仿射非线性模型可以通过输出Y1、Y2精确反馈线性化；
设计反馈线性化控制律(11)：
Figure BDA0003359792220000052
得到等价线性系统(12)
Figure BDA0003359792220000053
所述步骤4中，李雅普诺夫虚拟控制律包含两个控制律，其中一个虚拟控制律用于保证纵向速度跟踪和系统稳定，另一个虚拟控制律用于保证路径跟踪效果。
将用于保证纵向速度跟踪和系统稳定的虚拟控制律记为虚拟控制律一，将用于保证路径跟踪效果的虚拟控制律记为虚拟控制律二，包括以下子步骤：
设计虚拟控制律一：
Figure BDA0003359792220000054
虚拟控制律二可表示为：
Figure BDA0003359792220000055
李雅普诺夫虚拟控制律的各个参数根据所设计的两个李雅普诺夫函数的一阶导数小于零来求得，具体计算如下：
设计李雅普诺夫函数V1，计算公式为：
Figure BDA0003359792220000056
对其求导得：
Figure BDA0003359792220000057
当参数k1 k2 k3为正实数时，可以保证Y1趋向于Y1ref，Y2趋于稳定，但不能保证Y2时刻趋于其参考值，即只能保证纵向速度跟踪和系统稳定性，不能保证路径跟踪效果；
令
Figure BDA0003359792220000058
可以使智能车辆路径跟踪偏差渐近趋于零，证明如下：
设计李雅普诺夫函数V2：
Figure BDA0003359792220000059
则有
Figure BDA0003359792220000061
所述步骤5中，前后轴的轮胎侧偏刚度根据状态观测器实时估计得到。
与现有技术相比，本发明具有以下有益效果：
本发明提供一种智能汽车纵横向整体反馈线性化控制方法，通过建立智能汽车纵横向耦合动力学模型，求解系统输出的各阶李导数确定系统的相对阶，并对车辆系统进行整体反馈线性化；其次结合轨迹跟踪偏差模型，根据李雅普诺夫稳定性理论设计可以保证系统稳定和跟踪误差渐近收敛的虚拟控制律；然后针对参数慑动影响精确反馈线性化控制性能的问题，对受车辆纵横向耦合运动影响的轮胎侧偏刚度进行实时估计，本发明可使智能汽车在纵横向耦合工况下能够稳定、准确地跟踪参考轨迹。
附图说明
图1是本发明流程图。
图2是本发明智能汽车动力学模型。
图3是本发明纵向速度和侧向稳定性控制示意图。
图4是本发明纵横向综合轨迹跟踪控制示意图。
具体实施方式
下面结合附图对本发明实施例做进一步描述：
实施例
如图1至图4所示，包括以下步骤：
步骤1：不考虑路面不平和悬架系统作用，以前轮转角δf和轮胎驱动/制动力矩Tw作为车辆系统的输入，参照图2，建立智能汽车纵横向耦合动力学模型及轨迹跟踪偏差模型。
步骤1中智能汽车纵横向耦合动力学模型根据牛顿第二定律推导车身纵向、横向及横摆三个自由度上的动力学方程，与前后轴轮胎纵向、横向动力学方程结合建立；
步骤1中轨迹跟踪偏差模型以智能汽车质心距参考轨迹的侧向位移偏差、横摆角偏差及实际行驶距离为状态变量，轨迹跟踪偏差模型包括智能汽车相对参考轨迹的侧向、横摆动力学方程及行驶位移变化动力学方程。
步骤1中，智能汽车纵横向耦合动力学模型建立步骤如下：
1-1：智能汽车纵横向耦合动力学模型的车身3DOF动力学方程为：
Figure BDA0003359792220000062
式中：vx、vy为车辆质心处纵向速度和侧向速度，r为横摆角速度，δf为前轮转角，Fxf、Fyf分别为前轴轮胎受到的总纵向力和总侧向力，Fxr、Fyr分别为后轴轮胎所受到的总纵向力和总侧向力，ρ为空气密度，C为空气阻力系数，A为迎风面积，m为智能汽车质量，Iz为智能汽车绕z轴的转动惯量，lf为质心到前轴的距离，lr为质心到后轴的距离；
1-2：汽车轮胎模型采用魔术公式Magic Formula(MF)，考虑轮胎纵向滑移，联合工况下的轮胎侧向力可由(2)式计算
Figure BDA0003359792220000071
式中：α为侧偏角，λ为纵向滑移率。Fy0为纯侧偏工况下轮胎侧向力可由下式计算：
Fy＝Dysin(Cyarctan(Byα-Ey(Byα-arctan(Byα))))
Cy＝1.3
Dy＝μ(b1Fz 2+b2Fz)
By＝(b3Fz 2+b4Fz)exp(-b5Fz)/(CyDy)
Ey＝b6Fz 2+b7F+b8，
式中：μ为路面附着系数；Fz为轮胎垂向载荷，单位为kN；bi(i＝1…8)为拟合系数；
1-3：为方便控制器设计，引入等效侧偏刚度概念，前轴和后轴的轮胎侧向力表示为当量侧偏刚度与轮胎侧偏角的乘积，如式(3)所示，
Figure BDA0003359792220000072
式中：
Figure BDA0003359792220000073
分别为前轴、后轴轮胎当量侧偏刚度；αf、αr分别为前轴、后轴轮胎侧偏角；
1-4：轮胎纵向动力学模型为
Figure BDA0003359792220000074
式中：Iw为轮胎转动惯量；Rw为轮胎滚动半径；wf、wr为前轴、后轴轮胎转动角速度；Tt为轮胎驱动力矩；Tbf、Tbr为前轴、后轴轮胎制动力矩；
1-5：联合(1)(2)(3)(4)最终得到智能汽车纵横向耦合动力学模型：
Figure BDA0003359792220000075
步骤1中轨迹跟踪偏差模型通过以下公式建立：
Figure BDA0003359792220000081
式中：
Figure BDA0003359792220000082
为车辆横摆角，
Figure BDA0003359792220000083
为期望路径切线的航向角，eφ为车辆横摆角偏差，ey为质心位置侧向位移偏差，ρs为道路曲率，s为智能汽车行驶位移。
步骤2：忽略系统输入的高阶非线性项
Figure BDA0003359792220000084
将纵向速度作为一个系统输出Y1，将侧向速度和横摆角速度的加权组合作为系统的另一个输出Y2，将步骤1纵横向耦合动力学模型用仿射非线性模型表示。
步骤2中，纵横向耦合动力学模型的输入为前轮转角和Tw，其中Tw为四轮轮胎总的驱动力矩或制动力矩。系统输出Y2计算公式为：Y2＝lfmvy-Izr，其中vy为侧向速度，r为横摆角速度，m为整车质量，lf为质心到前轴的距离，Iz为整车绕z轴转动惯量。
步骤2中，令Tw＝Tt-Tbf-Tbr，将步骤1纵横向耦合动力学模型用仿射非线性模型表示：
Figure BDA0003359792220000085
式中：
Figure BDA0003359792220000086
X＝[X1 X2 X3]T＝[vx vy r]T，
Figure BDA0003359792220000087
Figure BDA0003359792220000088
Figure BDA0003359792220000089
Figure BDA00033597922200000810
Figure BDA00033597922200000811
Figure BDA00033597922200000812
步骤3：分别对输出Y1、Y2依次求导直到建立起与控制输入δf、Tw的联系，据此确定步骤2仿射非线性模型的相对阶，判定其能否通过输出反馈进行线性化，若能，则设计反馈线性化控制律并进入步骤4，否则返回到步骤2。
步骤3中，仿射非线性模型的相对阶为输出Y1的相对阶和Y2的相对阶之和，当仿射非线性模型的相对阶和非线性模型本身的阶数相同时，判定该仿射非线性模型可以精确反馈线性化。
输出Y1、Y2的相对阶根据各阶李导数计算，直到李导数中显含仿射非线性模型的输入时对应的阶数即为输出Y1、Y2的相对阶；具体计算步骤如下：
输出Y1的一阶李导数为
Figure BDA0003359792220000091
式中：
Figure BDA0003359792220000092
Figure BDA0003359792220000093
即输出Y1的一阶李导数已显含系统输入，则输出Y1的相对阶为1。
对输出Y2求一阶李导数得：
Figure BDA0003359792220000094
式中：
Figure BDA0003359792220000095
Figure BDA0003359792220000096
Figure BDA0003359792220000097
即Y2的一阶李导数不显含u1、u2，则对Y2求二阶李导数，有：
Figure BDA0003359792220000098
其中，
Figure BDA0003359792220000099
Figure BDA00033597922200000910
Figure BDA00033597922200000911
即输出Y2的二阶李导数已显含系统输入，则输出Y2的相对阶为2。
综上，仿射非线性模型(7)的相对阶为输出Y1的相对阶和Y2的相对阶之和，即为3，等于非线性模型本身的阶数，该仿射非线性模型可以通过输出Y1、Y2精确反馈线性化，无需重新寻找其它系统输出。
随后，设计反馈线性化控制律(11)：
Figure BDA00033597922200000912
得到等价线性系统(12)：
Figure BDA00033597922200000913
步骤4：结合系统稳定性和轨迹跟踪误差一致收敛性分析，确定李雅普诺夫虚拟控制律中的各个参数，设计李雅普诺夫虚拟控制律。
步骤4中，李雅普诺夫虚拟控制律包含两个控制律，其中一个虚拟控制律用于保证纵向速度跟踪和系统稳定(如图3所示)，另一个虚拟控制律用于保证路径跟踪效果，综合两个控制律可以同时保证智能汽车的轨迹跟踪性能和稳定性(如图4所示)。
李雅普诺夫虚拟控制律的参数根据所设计的两个李雅普诺夫函数的一阶导数小于零来求得。具体地说，将用于保证纵向速度跟踪和系统稳定的虚拟控制律记为虚拟控制律一，将用于保证路径跟踪效果的虚拟控制律记为虚拟控制律二。
包括以下子步骤：
设计虚拟控制律一：
Figure BDA0003359792220000101
虚拟控制律二可表示为：
Figure BDA0003359792220000102
李雅普诺夫虚拟控制律的各个参数根据所设计的两个李雅普诺夫函数的一阶导数小于零来求得，具体计算如下：
设计李雅普诺夫函数V1，计算公式为：
Figure BDA0003359792220000103
对其求导得：
Figure BDA0003359792220000104
当参数k1 k2 k3为正实数时，可以保证Y1趋向于Y1ref，Y2趋于稳定，但不能保证Y2时刻趋于其参考值，即只能保证纵向速度跟踪和系统稳定性，不能保证路径跟踪效果。
令
Figure BDA0003359792220000105
可以使智能车辆路径跟踪偏差渐近趋于零，证明如下：
设计李雅普诺夫函数V2：
Figure BDA0003359792220000106
则有
Figure BDA0003359792220000107
步骤5：将李雅普诺夫虚拟控制律和轮胎侧偏刚度估计结果代入反馈线性化控制律，得出智能汽车实时轮胎驱动/制动力矩和前轮转角，实现智能汽车纵横向综合轨迹跟踪控制。
步骤5中，前后轴轮胎侧偏刚度根据状态观测器实时估计得到。具体地说，将李雅普诺夫虚拟控制律带入反馈线性化控制输入逻辑(17)，得出智能汽车实时轮胎驱动/制动力矩和前轮转角，实现智能汽车纵横向综合轨迹跟踪控制。
Figure BDA0003359792220000111
在步骤5中，控制输入逻辑(17)中用到的前后轴轮胎侧偏刚度根据状态观测器实时估计得到。
状态观测器设计的步骤可为：
1)以质心侧向加速度为估计系统的输入，同时对横摆角速度和后轴轮胎侧向力进行估计。
Figure BDA0003359792220000112
式中：
Figure BDA0003359792220000113
分别为横摆角速度和后轴轮胎侧向力的估计值，λ1为横摆角速度反馈增益。
取李雅普诺夫函数V3
Figure BDA0003359792220000114
则
Figure BDA0003359792220000115
因为Fyr有界，假设ε足够大，可使
Figure BDA0003359792220000116
则
Figure BDA0003359792220000117
令
Figure BDA0003359792220000118
可得
Figure BDA0003359792220000119
即可满足
Figure BDA00033597922200001110
为避免抖震，利用饱和函数(21)代替符号函数
Figure BDA00033597922200001111
其中，ξ>0为边界层厚度。
2)通过设计李雅普诺夫函数对轮胎纵向力估计，进而得到前轴轮胎侧向力估计值。
根据(4)对前轴轮胎纵向力进行估计
Figure BDA00033597922200001112
式中：
Figure BDA0003359792220000121
分别为前轴轮胎转动角速度和前轴轮胎纵向力估计值
定义李雅普诺夫函数V4
Figure BDA0003359792220000122
则
Figure BDA0003359792220000123
令
Figure BDA0003359792220000124
可使
Figure BDA0003359792220000125
观测器收敛。其中，λ2为前轴车轮转动角速度反馈增益。
根据(24)可以得到前轴轮胎侧向力估计值
Figure BDA0003359792220000126
式中：
Figure BDA0003359792220000127
为前轴轮胎侧向力估计值。
3)根据前后轴轮胎侧向力和四轮垂向载荷分配计算四轮侧向力，反求四轮轮胎侧偏角和轮胎侧偏刚度。
根据前后轴轮胎侧向力、四轮垂向载荷分配，估计四轮侧向力，如式(25)：
Figure BDA0003359792220000128
式中：
Figure BDA0003359792220000129
分别为左前、右前、左后、右后轮侧向力估计值；Fzfl、Fzfr、Fzrl、Fzrr分别为左前、右前、左后、右后轮的垂向载荷。
根据式(4)反求四轮轮胎侧偏角：
Figure BDA00033597922200001210
式中：
Figure BDA00033597922200001211
分别为左前、右前、左后、右后轮侧偏刚度估计值；λfl、λfr、λrl、λrr分别为左前、右前、左后、右后轮的轮胎滑移率。
则四轮轮胎当量侧偏刚度估计值分别为：
Figure BDA00033597922200001212
本发明可使智能汽车在纵横向耦合工况下能够稳定、准确地跟踪参考轨迹。

Claims (10)

1.一种智能汽车纵横向整体反馈线性化控制方法，其特征在于，包括以下步骤：
步骤1：以前轮转角δf和轮胎驱动/制动力矩Tw作为车辆系统的输入，建立智能汽车纵横向耦合动力学模型及轨迹跟踪偏差模型；
步骤2：将纵向速度作为一个系统输出Y1，将侧向速度和横摆角速度的加权组合作为系统的另一个输出Y2，将步骤1所述纵横向耦合动力学模型用仿射非线性模型表示；
步骤3：分别对输出Y1、Y2依次求导直到建立起与控制输入δf、Tw的联系，据此确定步骤2所述仿射非线性模型的相对阶，判定其能否通过输出反馈进行线性化，若能，则设计反馈线性化控制律并进入步骤4，否则返回到步骤2；
步骤4：结合系统稳定性和轨迹跟踪误差一致收敛性分析，确定李雅普诺夫虚拟控制律中的各个参数，设计李雅普诺夫虚拟控制律；
步骤5：将李雅普诺夫虚拟控制律和轮胎侧偏刚度估计结果代入反馈线性化控制律，得出智能汽车实时轮胎驱动/制动力矩和前轮转角，实现智能汽车纵横向综合轨迹跟踪控制。
2.根据权利要求1所述的智能汽车纵横向整体反馈线性化控制方法，其特征在于，所述步骤1中所述智能汽车纵横向耦合动力学模型根据牛顿第二定律推导车身纵向、横向及横摆三个自由度上的动力学方程，与前后轴轮胎纵向、横向动力学方程结合建立；
步骤1中所述轨迹跟踪偏差模型包括智能汽车相对参考轨迹的侧向、横摆动力学方程及行驶位移变化动力学方程。
3.根据权利要求2所述的智能汽车纵横向整体反馈线性化控制方法，其特征在于，所述步骤1中，智能汽车纵横向耦合动力学模型建立步骤如下：
1-1：智能汽车纵横向耦合动力学模型的车身3DOF动力学方程为：
Figure FDA0003359792210000011
式中：vx、vy为车辆质心处纵向速度和侧向速度，r为横摆角速度，δf为前轮转角，Fxf、Fyf分别为前轴轮胎受到的总纵向力和总侧向力，Fxr、Fyr分别为后轴轮胎所受到的总纵向力和总侧向力，ρ为空气密度，C为空气阻力系数，A为迎风面积，m为智能汽车质量，Iz为智能汽车绕z轴的转动惯量，lf为质心到前轴的距离，lr为质心到后轴的距离；
1-2：汽车轮胎模型采用魔术公式Magic Formula，考虑轮胎纵向滑移，联合工况下的轮胎侧向力可由(2)式计算：
Figure FDA0003359792210000012
Figure FDA0003359792210000021
式中：α为侧偏角，λ为纵向滑移率，Fy0为纯侧偏工况下轮胎侧向力可由下式计算：
Fy＝Dysin(Cyarctan(Byα-Ey(Byα-arctan(Byα))))
Cy＝1.3
Dy＝μ(b1Fz 2+b2Fz)
By＝(b3Fz 2+b4Fz)exp(-b5Fz)/(CyDy)
Ey＝b6Fz 2+b7F+b8，
式中：μ为路面附着系数；Fz为轮胎垂向载荷，单位为kN；bi(i＝1…8)为拟合系数；
1-3：前轴和后轴的轮胎侧向力表示为当量侧偏刚度与轮胎侧偏角的乘积，如式(3)所示，
Figure FDA0003359792210000022
式中：
Figure FDA0003359792210000023
分别为前轴、后轴轮胎当量侧偏刚度；αf、αr分别为前轴、后轴轮胎侧偏角；
1-4：轮胎纵向动力学模型为
Figure FDA0003359792210000024
式中：Iw为轮胎转动惯量；Rw为轮胎滚动半径；wf、wr为前轴、后轴轮胎转动角速度；Tt为轮胎驱动力矩；Tbf、Tbr为前轴、后轴轮胎制动力矩；
1-5：联合(1)(2)(3)(4)最终得到智能汽车纵横向耦合动力学模型：
Figure FDA0003359792210000025
4.根据权利要求3所述的智能汽车纵横向整体反馈线性化控制方法，其特征在于，所述步骤1中所述轨迹跟踪偏差模型通过以下公式建立：
Figure FDA0003359792210000026
式中：
Figure FDA0003359792210000027
为车辆横摆角，
Figure FDA0003359792210000028
为期望路径切线的航向角，
Figure FDA0003359792210000029
为车辆横摆角偏差，ey为质心位置侧向位移偏差，ρs为道路曲率，s为智能汽车行驶位移。
5.根据权利要求4所述的智能汽车纵横向整体反馈线性化控制方法，其特征在于，所述步骤2中，所述系统输出Y2计算公式为：Y2＝lfmvy-Izr，其中vy为侧向速度，r为横摆角速度，m为整车质量，lf为质心到前轴的距离，Iz为整车绕z轴转动惯量；
令Tw＝Tt-Tbf-Tbr，将步骤1所述纵横向耦合动力学模型用仿射非线性模型表示：
Figure FDA0003359792210000031
Y1＝h1(X)＝X1
Y2＝h2(X)＝lfmX2-IzX3 (7)，
式中：
Figure FDA0003359792210000032
X＝[X1 X2 X3]T＝[vx vy r]T，
Figure FDA0003359792210000033
Figure FDA0003359792210000034
Figure FDA0003359792210000035
Figure FDA0003359792210000036
Figure FDA0003359792210000037
Figure FDA0003359792210000038
6.根据权利要求5所述的智能汽车纵横向整体反馈线性化控制方法，其特征在于，所述步骤3中，所述仿射非线性模型的相对阶为输出Y1的相对阶和Y2的相对阶之和，当仿射非线性模型的相对阶和非线性模型本身的阶数相同时，判定该仿射非线性模型可以反馈线性化。
7.根据权利要求6所述的智能汽车纵横向整体反馈线性化控制方法，其特征在于，输出Y1、Y2的相对阶根据各阶李导数计算，直到李导数中显含仿射非线性模型的输入时对应的阶数即为输出Y1、Y2的相对阶；
具体计算步骤如下：
输出Y1的一阶李导数为：
Figure FDA0003359792210000039
式中：
Figure FDA00033597922100000310
即输出Y1的一阶李导数已显含系统输入，则输出Y1的相对阶为1；
对输出Y2求一阶李导数得：
Figure FDA0003359792210000041
式中：
Figure FDA0003359792210000042
Figure FDA0003359792210000043
Figure FDA0003359792210000044
即Y2的一阶李导数不显含u1、u2，则对Y2求二阶李导数有：
Figure FDA0003359792210000045
其中，
Figure FDA0003359792210000046
Figure FDA0003359792210000047
Figure FDA0003359792210000048
即输出Y2的二阶李导数已显含系统输入，则输出Y2的相对阶为2，
则仿射非线性模型(7)的相对阶为输出Y1的相对阶和Y2的相对阶之和，即为3，等于非线性模型本身的阶数，该仿射非线性模型可以通过输出Y1、Y2精确反馈线性化；
设计反馈线性化控制律(11)：
Figure FDA0003359792210000049
得到等价线性系统(12)
Figure FDA00033597922100000410
8.根据权利要求7所述的智能汽车纵横向整体反馈线性化控制方法，其特征在于，所述步骤4中，李雅普诺夫虚拟控制律包含两个控制律，其中一个虚拟控制律用于保证纵向速度跟踪和系统稳定，另一个虚拟控制律用于保证路径跟踪效果。
9.根据权利要求8所述的智能汽车纵横向整体反馈线性化控制方法，其特征在于，将用于保证纵向速度跟踪和系统稳定的虚拟控制律记为虚拟控制律一，将用于保证路径跟踪效果的虚拟控制律记为虚拟控制律二，包括以下子步骤：
设计虚拟控制律一：
Figure FDA00033597922100000411
虚拟控制律二可表示为：
Figure FDA0003359792210000051
李雅普诺夫虚拟控制律的各个参数根据所设计的两个李雅普诺夫函数的一阶导数小于零来求得，具体计算如下：
设计李雅普诺夫函数V1，计算公式为：
Figure FDA0003359792210000052
对其求导得：
Figure FDA0003359792210000053
当参数k1 k2 k3为正实数时，可以保证Y1趋向于Y1ref，Y2趋于稳定，但不能保证Y2时刻趋于其参考值，即只能保证纵向速度跟踪和系统稳定性，不能保证路径跟踪效果；
令
Figure FDA0003359792210000054
可以使智能车辆路径跟踪偏差渐近趋于零，证明如下：
设计李雅普诺夫函数V2：
Figure FDA0003359792210000055
则有
Figure FDA0003359792210000056
10.根据权利要求9所述的智能汽车纵横向整体反馈线性化控制方法，其特征在于，所述步骤5中，前后轴的轮胎侧偏刚度根据状态观测器实时估计得到。
CN202111363664.0A 2021-11-17 2021-11-17 智能汽车纵横向整体反馈线性化控制方法 Active CN113954876B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111363664.0A CN113954876B (zh) 2021-11-17 2021-11-17 智能汽车纵横向整体反馈线性化控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111363664.0A CN113954876B (zh) 2021-11-17 2021-11-17 智能汽车纵横向整体反馈线性化控制方法

Publications (2)

Publication Number Publication Date
CN113954876A true CN113954876A (zh) 2022-01-21
CN113954876B CN113954876B (zh) 2023-09-29

Family

ID=79470896

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111363664.0A Active CN113954876B (zh) 2021-11-17 2021-11-17 智能汽车纵横向整体反馈线性化控制方法

Country Status (1)

Country Link
CN (1) CN113954876B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090276111A1 (en) * 2008-05-05 2009-11-05 Southwest Research Institute Autonomous Ground Vehicle Control System For High-Speed And Safe Operation
US20180120843A1 (en) * 2016-11-03 2018-05-03 Mitsubishi Electric Research Laboratories, Inc. System and Method for Controlling Vehicle Using Neural Network
CN110347170A (zh) * 2019-06-19 2019-10-18 南京航空航天大学 可重复使用运载器再入段鲁棒容错制导系统及工作方法
CN111791898A (zh) * 2020-08-13 2020-10-20 清华大学 一种基于合作型博弈的自动驾驶汽车避撞控制方法
CN111959288A (zh) * 2020-07-02 2020-11-20 武汉理工大学 一种车辆横摆力矩控制方法、系统、装置及存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090276111A1 (en) * 2008-05-05 2009-11-05 Southwest Research Institute Autonomous Ground Vehicle Control System For High-Speed And Safe Operation
US20180120843A1 (en) * 2016-11-03 2018-05-03 Mitsubishi Electric Research Laboratories, Inc. System and Method for Controlling Vehicle Using Neural Network
CN110347170A (zh) * 2019-06-19 2019-10-18 南京航空航天大学 可重复使用运载器再入段鲁棒容错制导系统及工作方法
CN111959288A (zh) * 2020-07-02 2020-11-20 武汉理工大学 一种车辆横摆力矩控制方法、系统、装置及存储介质
CN111791898A (zh) * 2020-08-13 2020-10-20 清华大学 一种基于合作型博弈的自动驾驶汽车避撞控制方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Y. WANG, S. SHI, S. GAO, Y. XU AND P. WANG: "Active Steering and Driving/Braking Coupled Control Based on Flatness Theory and a Novel Reference Calculation Method", IEEE ACCESS, pages 180661 - 180670 *
王玉琼、高松、王玉海等: "高速无人驾驶车辆轨迹跟踪和稳定性控制", 《浙江大学学报（工学版）》, pages 1922 - 1929 *
高松、王玉琼、王玉海等: "智能汽车纵横向整体反馈线性化控制", 《吉林大学学报（工学版）》, pages 735 - 745 *

Also Published As

Publication number Publication date
CN113954876B (zh) 2023-09-29

Similar Documents

Publication Publication Date Title
US11364895B2 (en) Yaw motion control method for four-wheel distributed vehicle
CN108594652B (zh) 一种基于观测器信息迭代的车辆状态融合估计方法
CN111267835B (zh) 基于模型预测算法的四轮独立驱动汽车稳定性控制方法
Li et al. Design of a vehicle lateral stability control system via a fuzzy logic control approach
Hashemi et al. Vehicle stability control: Model predictive approach and combined-slip effect
CN111959500B (zh) 一种基于轮胎力分配的汽车路径跟踪性能提升方法
US20230339456A1 (en) Method and apparatus for front and rear driving torque distribution of vehicle, and vehicle
Tian et al. Integrated control with DYC and DSS for 4WID electric vehicles
Pang et al. Adaptive backstepping robust tracking control for stabilizing lateral dynamics of electric vehicles with uncertain parameters and external disturbances
Lai et al. Comparative study on bifurcation and stability control of vehicle lateral dynamics
Velenis FWD vehicle drifting control: The handbrake-cornering technique
CN110901630A (zh) 一种半挂汽车列车横向稳定性控制方法及系统
Song et al. A study on an anti-lock braking system controller and rear-wheel controller to enhance vehicle lateral stability
Kanchwala et al. Obtaining desired vehicle dynamics characteristics with independently controlled in-wheel motors: State of art review
CN111965977B (zh) 一种基于轮胎均等后备能力的汽车稳定性控制方法
Huang et al. Lateral stability control of four-wheel independent drive electric vehicles based on model predictive control
Song et al. Chassis integrated control for 4WIS distributed drive EVs with model predictive control based on the UKF observer
Li et al. Adaptive sliding mode control of lateral stability of four wheel hub electric vehicles
Rubin et al. Vehicle yaw stability control using rear active differential via sliding mode control methods
CN114044003B (zh) 前后双轴转向车辆的循迹控制方法
Hu et al. Integrated optimal dynamics control of 4WS4WD electric ground vehicles with tire-road frictional coefficient estimation
CN113954876A (zh) 智能汽车纵横向整体反馈线性化控制方法
Sill et al. A saturation-balancing control method for enhancing dynamic vehicle stability
CN113401113A (zh) 基于车辆稳定包络线的无人驾驶汽车直接横摆力矩控制方法及控制器
Gang et al. Coordinated Vehicle Lateral Stability Control Based on Direct Yaw Moment and Engine Torque Regulation under Complicated Road Conditions

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
TR01 Transfer of patent right

Effective date of registration: 20240514

Address after: 255400 Economic Development Zone, Linzi District, Zibo City, Shandong Province

Patentee after: Shun Tai Automobile Co.,Ltd.

Country or region after: China

Address before: 255086 room 313, block a, Gaochuang Park, No.135 Zhengtong Road, high tech Industrial Development Zone, Zibo City, Shandong Province

Patentee before: Shandong University of Technology

Country or region before: China