CN114312750A - 一种主动转向和横摆力矩自学习协同控制方法 - Google Patents
一种主动转向和横摆力矩自学习协同控制方法 Download PDFInfo
- Publication number
- CN114312750A CN114312750A CN202210052344.1A CN202210052344A CN114312750A CN 114312750 A CN114312750 A CN 114312750A CN 202210052344 A CN202210052344 A CN 202210052344A CN 114312750 A CN114312750 A CN 114312750A
- Authority
- CN
- China
- Prior art keywords
- equation
- vehicle
- formula
- yaw
- steering
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000004364 calculation method Methods 0.000 claims abstract description 26
- 230000008569 process Effects 0.000 claims abstract description 5
- 239000011159 matrix material Substances 0.000 claims description 20
- 230000006870 function Effects 0.000 claims description 15
- 238000013528 artificial neural network Methods 0.000 claims description 14
- 238000011156 evaluation Methods 0.000 claims description 10
- 230000009471 action Effects 0.000 claims description 8
- 230000005284 excitation Effects 0.000 claims description 8
- 238000005457 optimization Methods 0.000 claims description 6
- 238000013461 design Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 claims description 4
- 238000012821 model calculation Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 238000013459 approach Methods 0.000 abstract description 3
- 230000007935 neutral effect Effects 0.000 abstract description 3
- 239000000725 suspension Substances 0.000 description 3
- 235000013399 edible fruits Nutrition 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
- B62D—MOTOR VEHICLES; TRAILERS
- B62D7/00—Steering linkage; Stub axles or their mountings
- B62D7/06—Steering linkage; Stub axles or their mountings for individually-pivoted wheels, e.g. on king-pins
- B62D7/14—Steering linkage; Stub axles or their mountings for individually-pivoted wheels, e.g. on king-pins the pivotal axes being situated in more than one plane transverse to the longitudinal centre line of the vehicle, e.g. all-wheel steering
- B62D7/15—Steering linkage; Stub axles or their mountings for individually-pivoted wheels, e.g. on king-pins the pivotal axes being situated in more than one plane transverse to the longitudinal centre line of the vehicle, e.g. all-wheel steering characterised by means varying the ratio between the steering angles of the steered wheels
- B62D7/159—Steering linkage; Stub axles or their mountings for individually-pivoted wheels, e.g. on king-pins the pivotal axes being situated in more than one plane transverse to the longitudinal centre line of the vehicle, e.g. all-wheel steering characterised by means varying the ratio between the steering angles of the steered wheels characterised by computing methods or stabilisation processes or systems, e.g. responding to yaw rate, lateral wind, load, road condition
-
- 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
- B60W10/00—Conjoint control of vehicle sub-units of different type or different function
- B60W10/18—Conjoint control of vehicle sub-units of different type or different function including control of braking systems
-
- 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
- B60W10/00—Conjoint control of vehicle sub-units of different type or different function
- B60W10/20—Conjoint control of vehicle sub-units of different type or different function including control of steering systems
-
- 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
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- B60W30/02—Control of vehicle driving stability
-
- 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
-
- 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
Abstract
本发明公开了一种主动转向和横摆力矩自学习协同控制方法,第一步骤是构建储存于车载ECU中的基础方程,第二步骤是在车辆的行驶过程中,车载ECU按如下子步骤在线计算主动转向角δC和横摆力矩Mc的值,并根据δC和Mc的计算结果控制机动车的运行状态;第一子步骤是ECU采集原始实时参数值,第二子步骤是辨识器和控制目标参考模型计算步骤;第三子步骤是主动转向角δC和横摆力矩Mc计算步骤;重复第二步骤,本发明无须系统控制模型即可实现主动转向和横摆力矩自学习协同控制,修正驾驶员的转向操作,克服不当驾驶,使车拐弯时趋向于中性转向中性转向,机动车反馈的实际质心侧偏角和横摆角速度趋近于公式5计算得到的βr值和γr值,避免不当驾驶引起的失稳等事故。
Description
技术领域
本发明涉及属于自动控制、信息技术和先进制造领域,具体涉及针对具有未知模型的主动转向和横摆力矩协同控制问题。
背景技术
先进的主动底盘控制系统在实现追求更好的操纵性和稳定性、更安全汽车的目标方面起着关键作用。对于实际底盘系统来说,应具有更高的智能性,以适应各种路况。
主动转向控制系统可向驾驶员的转向指令施加额外的转向角,并通过调节轮胎横向力直接影响车辆横向动态行为。
然而,当轮胎进入非线性区域时,主动转向控制系统无法产生足够的轮胎侧向力,因此其在线性操纵区域的性能受到限制。而横摆力矩控制系统对于线性和非线性操纵区域的车辆稳定性非常有效,其通过车辆左右两侧的差速制动,产生适量的校正横摆力矩,以保持车辆稳定性。
但由于轮胎磨损和制动引起的显著减速,横摆力矩控制系统仅适用于有限的操纵。单独的主动转向控制系统和横摆力矩控制系统无法实现全面最优的安全性能。因此,需要集成主动转向控制系统和横摆力矩控制系统,通过两者之间的协同控制方法实现跟踪期望的横摆角速度和侧滑角,得到在不同驾驶动作下获得令人满意的车辆行驶稳定性性能。
轮胎转弯刚度参数、纵向车速、轮胎的非线性特性等参数所带来的模型不确定性给控制器的设计带来巨大困难。现有常用的控制方法是基于线性二次型调节方法(LQR),其主要缺点在于必须事先精确地知道悬架系统模型才能找到最优控制律。此外,反馈控制增益是由离线求解黎卡提(Riccati)方程获得的,一旦获得控制器的反馈增益,它们就不能随着不同的路面外界输入及相关车辆不确定参数而改变。因此,需要一种更有效的控制策略来实时自适应地处理不同行驶工况下参数随时间变化的智能底盘控制问题。
发明内容
本发明的目的在于提供一种主动转向和横摆力矩自学习协同控制方法,事先不需要获知悬架系统模型,应对模型不确定性给控制器的设计带来巨大困难的问题,只需要传感器数据即可进行控制,用于实时自适应地处理不同行驶工况下参数随时间变化的智能底盘控制问题。
为实现上述目的,本发明的一种主动转向和横摆力矩自学习协同控制方法用于机动车,机动车具有车载ECU,车载ECU连接有用于获取车速vx信息的车速传感器、用于获取驾驶员转向角信息δf的转角传感器,用于获取横摆角速度γ信息的横摆角速度传感器和用于获取质心侧偏角β信息的质心侧偏角传感器;
各传感器的设置位置为常规技术,如转角传感器设置于机动车的方向盘的转向轴处,横摆角速度传感器和质心侧偏角传感器设于机动车的质心处;
车载ECU内存储有表示辨识增益的常数K1、表示在线学习增益的常数Γ、时间常数τr、时间常数τβ、车辆质量m、质心到前轴的距离lf、质心到后轴的距离lr和表示控制增益的常数K2;
第一步骤是构建储存于车载ECU中的基础方程,包括辨识器、控制目标参考模型和控制器;
基础方程包括公式1至公式15;
公式1中,x=[β,γ]T∈R2为实数域R中的2维列向量,β为质心侧偏角,其单位为弧度rad,γ为横摆角速度,其单位为弧度每秒rad/s,a∈R2×2为实数域R中的2×2矩阵,ω∈R2 ×2为实数域R中的2×2矩阵,σ(x)为神经网络中的sigmoidal激励函数,σ(x)=[σ(x1),σ(x2)]T,λ∈R2×2为实数域R中的2×2矩阵,u=[δc,Mc]T∈R2为实数域R中的2维列向量;δC为主动转向角,其单位为弧度rad,Mc为横摆力矩,其单位为N·m;δC和Mc是最终用于控制车辆的计算结果;
第一步骤第二子步骤是设计辨识器及在线自学习率,构建公式3和公式4;
公式4中,Γ为试凑得到并存储于车载ECU内的常数,Γ>0并表示在线学习增益;
第一步骤第三子步骤是构建公式5表达的控制目标参考模型,产生目标跟踪信号;
公式5中,xr为参考状态,xr=[βrγr]T,βr为目标质心侧偏角,γr为目标横摆角速度,βr和γr均为公式5的计算结果并作为目标跟踪信号;
IZ是机动车绕垂向的转动惯量,单位为kg·m2,由机动车厂家确定并存储在车载ECU中;
m为车辆质量,其单位为kg;lf为质心到前轴的距离,其单位为米,lr为质心到后轴的距离,其单位为米,vx为由车速传感器获取的车速,其单位为米每秒,Cf为为前轮侧偏刚度,其单位为N/rad,Cr为后轮侧偏刚度,其单位为N/rad,;
第一步骤第四子步骤是基于近似动态规划理论构建公式6表达的控制器,以实现主动转向和横摆力矩自学习协同控制;
公式6是控制器:u=u1+u2;
公式6中的u1用来确保控制的稳态误差收敛到零,其表达式为公式7:
K2为试凑得到并存储于车载ECU内的表示控制增益的常数,K2>0;
公式6中的u2用来确保控制的性能最优,根据近似动态规划理论设计而来,具体通过公式8至公式15得到;
公式8中,Q∈R2×2为实数域R中的2×2对角矩阵,表示优化控制评价函数中跟踪误差e2的权重,通过试凑得到并存储于车载ECU内;
P∈R2×2为实数域R中的2×2对角矩阵,表示优化控制评价函数中u2的权重,通过试凑得到并存储于车载ECU内;
公式10中,WV为理想权值向量,σ(e2)为神经网络中的sigmoidal激励函数;
将公式11代入公式9中得哈密顿函数即公式12,
令公式(12)的等式左边等于零可得公式13,
由最小二乘法的原理可得公式14,
公式14是:WV=(NTN)-1NTM;
第二步骤是在车辆的行驶过程中,车载ECU按如下子步骤在线计算主动转向角δC和横摆力矩Mc的值,并根据δC和Mc的计算结果控制机动车的运行状态。
第二步骤第一子步骤是ECU采集原始实时参数值,包括来自驾驶员操纵方向盘时转角传感器测得的转向角δf数值、来自车速传感器的车速vx数值、来自质心侧偏角传感器的质心侧偏角β数值以及来自横摆角速度传感器的横摆角速度γ数值。
第二步骤第二子步骤是辨识器和控制目标参考模型计算步骤;
并提供给公式7从而计算得到公式6所需要的u1数值;
同时车载ECU将转向角δf数值和车速vx数值提供给公式5所述的控制目标参考模型,计算得到目标质心侧偏角βr值和目标横摆角速度γr值,作为公式6中u1和u2所需要的参数e2的计算基础。
车载ECU按照实时计算得到的主动转向角δC控制机动车方向盘的转向动作,并按照实时计算得到的横摆力矩Mc控制机动车制动器的制动动作;
重复执行第二步骤,实现在线无模型主动转向和横摆力矩自学习协同控制。
本发明具有如下的优点:
本发明摆脱了以往必须事先精确地知道悬架系统模型才能找到最优控制律的约束,能够实时自适应地处理不同行驶工况下参数随时间变化的智能底盘控制问题。
采用本发明,无须系统控制模型,车载ECU就能够实现对主动转向和横摆力矩的自学习协同控制,计算出理想的主动转向角δC和横摆力矩Mc,对制动和转向进行调整和控制,修正驾驶员的转向操作,克服不当驾驶,使车拐弯时趋向于中性转向;车载ECU按照主动转向角δC和横摆力矩Mc控制机动车转向动作后,机动车反馈的实际质心侧偏角和横摆角速度趋近于公式5计算得到的βr值和γr值,避免不当驾驶引起的失稳等事故。
附图说明
图1是本发明的原理示意图;
图2是车载ECU按主动转向角δC和横摆力矩Mc控制机动车在车速为28米/秒的情况下变道时的实测转向角-时间曲线图;
图3是车辆进行图2中的变道动作时,质心侧偏角的参考值(即公式5计算得到的βr值)与控制结果实侧值的对比图;
图4是车辆进行图2中的变道动作时,横摆角速度的参考值(即公式5计算得到的γr值)与控制结果实侧值的对比图。
具体实施方式
如图1所示,本发明的一种主动转向和横摆力矩自学习协同控制方法用于机动车,机动车具有车载ECU,车载ECU连接有用于获取车速vx信息的车速传感器、用于获取驾驶员转向角信息δf的转角传感器,用于获取横摆角速度γ信息的横摆角速度传感器和用于获取质心侧偏角β信息的质心侧偏角传感器;
各传感器的设置位置为常规技术,如转角传感器设置于机动车的方向盘的转向轴处,横摆角速度传感器和质心侧偏角传感器设于机动车的质心处;
车载ECU内存储有表示辨识增益的常数K1、表示在线学习增益的常数Γ、时间常数τr、时间常数τβ、车辆质量m、质心到前轴的距离lf、质心到后轴的距离lr和表示控制增益的常数K2;
前轮侧偏刚度Cf、后轮侧偏刚度Cr、车辆质量m、质心到前轴的距离lf、质心到后轴的距离lr均由机动车厂家确定并存储在车载ECU中。IZ是机动车绕垂向(竖向)的转动惯量,由机动车厂家确定并存储在车载ECU中;
第一步骤是构建储存于车载ECU中的基础方程;
基础方程包括公式1至公式15;
各公式中,x=[β,γ]T∈R2为实数域R中的2维列向量;β为质心侧偏角,其单位为弧度rad;γ为横摆角速度,其单位为弧度每秒rad/s;a∈R2×2为实数域R中的2×2矩阵;ω∈R2 ×2为实数域R中的2×2矩阵;σ(x)为神经网络中的sigmoidal激励函数;σ(x)=[σ(x1),σ(x2)]T;λ∈R2×2为实数域R中的2×2矩阵;u=[δc,Mc]T∈R2为实数域R中的2维列向量;δC为主动转向角,其单位为弧度rad,Mc为横摆力矩,其单位为N·m(即牛顿×米);θ=[a,w,λ]T,ψ=[x,σ(x),u]T;表示辨识误差;为辨识状态;表示辨识参数;K1为试凑得到并存储于车载ECU内的表示辨识增益的常数,K1>0;Γ为试凑得到并存储于车载ECU内的表示在线学习增益的常数,Γ>0;βr为目标质心侧偏角,γr为目标横摆角速度,m为车辆质量,lf为质心到前轴的距离;lr为质心到后轴的距离,vx为由车速传感器获取的车速,Cf为前轮侧偏刚度,Cr为后轮侧偏刚度;xr为参考状态,K2为试凑得到并存储于车载ECU内的表示控制增益的常数;Q∈R2×2为实数域R中的2×2对角矩阵并表示公式8中跟踪误差e2的权重;P∈R2×2为实数域R中的2×2对角矩阵并表示公式8中u2的权重;P和Q分别通过试凑得到并存储于车载ECU内;V是评价函数;WV为理想权值向量,σ(e2)为神经网络中的sigmoidal激励函数;IZ是机动车绕垂向(竖向)的转动惯量,单位为千克×米2;
公式1中,x=[β,γ]T∈R2为实数域R中的2维列向量,β为质心侧偏角,γ为横摆角速度,a∈R2×2为实数域R中的2×2矩阵,ω∈R2×2为实数域R中的2×2矩阵,σ(x)为神经网络中的sigmoidal激励函数,σ(x)=[σ(x1),σ(x2)]T,λ∈R2×2为实数域R中的2×2矩阵,u=[δc,Mc]T∈R2为实数域R中的2维列向量;δC为主动转向角,Mc为横摆力矩;δC和Mc是最终用于控制车辆的计算结果;
第二子步骤是设计辨识器及在线自学习率,构建公式3和公式4;
公式4中,Γ为试凑得到并存储于车载ECU内的常数,Γ>0并表示在线学习增益;
第三子步骤是构建公式5表达的控制目标参考模型,产生目标跟踪信号;
公式5中,xr为参考状态,xr=[βrγr]T,βr为目标质心侧偏角,γr为目标横摆角速度,βr和γr均为公式5的计算结果并作为目标跟踪信号;
IZ是机动车绕垂向(竖向)的转动惯量,单位为kg·m2(即千克×米2),由机动车厂家确定并存储在车载ECU中;
m为车辆质量,其单位为kg(千克);lf为质心到前轴的距离,其单位为米;lr为质心到后轴的距离,其单位为米;vx为由车速传感器获取的车速,其单位为m/s(即米每秒);Cf为为前轮侧偏刚度,其单位为N/rad(即牛顿/弧度);Cr为后轮侧偏刚度,其单位为N/rad;
第四子步骤是基于近似动态规划理论构建公式6表达的控制器,以实现主动转向和横摆力矩自学习协同控制;
公式6是控制器:u=u1+u2;
公式6中的u1用来确保控制的稳态误差收敛到零,其表达式为公式7:
K2为试凑得到并存储于车载ECU内的表示控制增益的常数,K2>0;
公式6中的u2用来确保控制的性能最优,根据近似动态规划理论设计而来,具体通过公式8至公式15得到;
公式8中,Q∈R2×2为实数域R中的2×2对角矩阵,表示优化控制评价函数中跟踪误差e2的权重,通过试凑得到并存储于车载ECU内;
P∈R2×2为实数域R中的2×2对角矩阵,表示优化控制评价函数中u2的权重,通过试凑得到并存储于车载ECU内;
公式10中,WV为理想权值向量,σ(e2)为神经网络中的sigmoidal激励函数;
将公式11代入公式9中得哈密顿函数即公式12,
令公式(12)的等式左边等于零可得公式13,
由最小二乘法的原理可得公式14,
公式14是:WV=(NTN)-1NTM;
第二步骤是在车辆的行驶过程中,车载ECU按如下子步骤在线计算主动转向角δC和横摆力矩Mc的值,并根据δC和Mc的计算结果控制机动车的运行状态;
第一子步骤是ECU采集原始实时参数值,包括来自驾驶员操纵方向盘时转角传感器测得的转向角δf数值、来自车速传感器的车速vx数值、来自质心侧偏角传感器的质心侧偏角β数值以及来自横摆角速度传感器的横摆角速度γ数值;
第二子步骤是辨识器和控制目标参考模型计算步骤;
并提供给公式7从而计算得到公式6所需要的u1数值;
同时车载ECU将转向角δf数值和车速vx数值提供给公式5所述的控制目标参考模型,计算得到目标质心侧偏角βr值和目标横摆角速度γr值,作为公式6中u1和u2所需要的参数e2的计算基础;
车载ECU按照实时计算得到的主动转向角δC控制机动车方向盘的转向动作,并按照实时计算得到的横摆力矩Mc控制机动车制动器的制动动作;
重复执行第二步骤,实现在线无模型主动转向和横摆力矩自学习协同控制。
如图2至图4所示,车载ECU按主动转向角δC和横摆力矩Mc控制机动车在车速为28米/秒的情况下变道,控制结果表明本发明所提出的方法可以在不需要模型信息的情况下实现对主动转向和横摆力矩的自学习协同控制,质心侧偏角和横摆角速度均趋近于参考值,机动车变道动作平滑稳定,远离侧翻风险。
以上实施例仅用以说明而非限制本发明的技术方案,尽管参照上述实施例对本发明进行了详细说明,本领域的普通技术人员应当理解:依然可以对本发明进行修改或者等同替换,而不脱离本发明的精神和范围的任何修改或局部替换,其均应涵盖在本发明的权利要求范围当中。
Claims (4)
1.一种主动转向和横摆力矩自学习协同控制方法,用于机动车,机动车具有车载ECU,车载ECU连接有用于获取车速vx信息的车速传感器、用于获取驾驶员转向角信息δf的转角传感器,用于获取横摆角速度γ信息的横摆角速度传感器和用于获取质心侧偏角β信息的质心侧偏角传感器;
各传感器的设置位置为常规技术,如转角传感器设置于机动车的方向盘的转向轴处,横摆角速度传感器和质心侧偏角传感器设于机动车的质心处;
车载ECU内存储有表示辨识增益的常数K1、表示在线学习增益的常数Γ、时间常数τr、时间常数τβ、车辆质量m、质心到前轴的距离lf、质心到后轴的距离lr和表示控制增益的常数K2;
其特征在于:
第一步骤是构建储存于车载ECU中的基础方程,包括辨识器、控制目标参考模型和控制器;
基础方程包括公式1至公式15;
公式1中,x=[β,γ]T∈R2为实数域R中的2维列向量,β为质心侧偏角,其单位为弧度rad,γ为横摆角速度,其单位为弧度每秒rad/s,a∈R2×2为实数域R中的2×2矩阵,ω∈R2×2为实数域R中的2×2矩阵,σ(x)为神经网络中的sigmoidal激励函数,σ(x)=[σ(x1),σ(x2)]T,λ∈R2×2为实数域R中的2×2矩阵,u=[δc,Mc]T∈R2为实数域R中的2维列向量;δC为主动转向角,其单位为弧度rad,Mc为横摆力矩,其单位为N·m;δC和Mc是最终用于控制车辆的计算结果;
第一步骤第二子步骤是设计辨识器及在线自学习率,构建公式3和公式4;
公式4中,Γ为试凑得到并存储于车载ECU内的常数,Γ>0并表示在线学习增益;
第一步骤第三子步骤是构建公式5表达的控制目标参考模型,产生目标跟踪信号;
公式5中,xr为参考状态,xr=[βr γr]T,βr为目标质心侧偏角,γr为目标横摆角速度,βr和γr均为公式5的计算结果并作为目标跟踪信号;
IZ是机动车绕垂向的转动惯量,单位为kg·m2,由机动车厂家确定并存储在车载ECU中;
m为车辆质量,其单位为kg;lf为质心到前轴的距离,其单位为米,lr为质心到后轴的距离,其单位为米,vx为由车速传感器获取的车速,其单位为米每秒,Cf为为前轮侧偏刚度,其单位为N/rad,Cr为后轮侧偏刚度,其单位为N/rad,;
第一步骤第四子步骤是基于近似动态规划理论构建公式6表达的控制器,以实现主动转向和横摆力矩自学习协同控制;
公式6是控制器:u=u1+u2;
公式6中的u1用来确保控制的稳态误差收敛到零,其表达式为公式7:
K2为试凑得到并存储于车载ECU内的表示控制增益的常数,K2>0;
公式6中的u2用来确保控制的性能最优,根据近似动态规划理论设计而来,具体通过公式8至公式15得到;
公式8中,Q∈R2×2为实数域R中的2×2对角矩阵,表示优化控制评价函数中跟踪误差e2的权重,通过试凑得到并存储于车载ECU内;
P∈R2×2为实数域R中的2×2对角矩阵,表示优化控制评价函数中u2的权重,通过试凑得到并存储于车载ECU内;
公式10中,WV为理想权值向量,σ(e2)为神经网络中的sigmoidal激励函数;
将公式11代入公式9中得哈密顿函数即公式12,
令公式(12)的等式左边等于零可得公式13,
由最小二乘法的原理可得公式14,
公式14是:WV=(NTN)-1NTM;
第二步骤是在车辆的行驶过程中,车载ECU按如下子步骤在线计算主动转向角δC和横摆力矩Mc的值,并根据δC和Mc的计算结果控制机动车的运行状态。
2.根据权利要求1所述的一种主动转向和横摆力矩自学习协同控制方法,其特征在于:
第二步骤第一子步骤是ECU采集原始实时参数值,包括来自驾驶员操纵方向盘时转角传感器测得的转向角δf数值、来自车速传感器的车速vx数值、来自质心侧偏角传感器的质心侧偏角β数值以及来自横摆角速度传感器的横摆角速度γ数值。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210052344.1A CN114312750B (zh) | 2022-01-18 | 2022-01-18 | 一种主动转向和横摆力矩自学习协同控制方法 |
PCT/CN2022/138265 WO2023138258A1 (zh) | 2022-01-18 | 2022-12-11 | 一种主动转向和横摆力矩自学习协同控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210052344.1A CN114312750B (zh) | 2022-01-18 | 2022-01-18 | 一种主动转向和横摆力矩自学习协同控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114312750A true CN114312750A (zh) | 2022-04-12 |
CN114312750B CN114312750B (zh) | 2022-08-09 |
Family
ID=81029642
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210052344.1A Active CN114312750B (zh) | 2022-01-18 | 2022-01-18 | 一种主动转向和横摆力矩自学习协同控制方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN114312750B (zh) |
WO (1) | WO2023138258A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115195757A (zh) * | 2022-09-07 | 2022-10-18 | 郑州轻工业大学 | 电动公交起步驾驶行为建模及识别训练方法 |
WO2023138258A1 (zh) * | 2022-01-18 | 2023-07-27 | 郑州轻工业大学 | 一种主动转向和横摆力矩自学习协同控制方法 |
CN117311346A (zh) * | 2023-09-15 | 2023-12-29 | 广东省机场管理集团有限公司工程建设指挥部 | 机器人横向稳定协同转向控制方法、装置、终端及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103019098A (zh) * | 2012-12-15 | 2013-04-03 | 江苏大学 | 汽车底盘集成系统鲁棒控制器及构造方法 |
KR20130052790A (ko) * | 2011-11-14 | 2013-05-23 | 현대자동차주식회사 | 차량 동적 성능 향상 장치 및 방법 |
CN109050661A (zh) * | 2018-09-20 | 2018-12-21 | 合肥工业大学 | 电子差速和主动差动转向的协调控制方法及协调控制装置 |
CN111487870A (zh) * | 2020-04-26 | 2020-08-04 | 贵州理工学院 | 一种柔性主动悬架系统中自适应反演控制器的设计方法 |
CN112987687A (zh) * | 2021-02-08 | 2021-06-18 | 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 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101988510B1 (ko) * | 2014-04-11 | 2019-09-30 | 주식회사 만도 | 차량의 전자식 안정성 제어 장치 및 방법 |
CN111746633B (zh) * | 2020-07-02 | 2022-06-17 | 南京航空航天大学 | 一种基于强化学习的车辆分布式转向驱动系统控制方法 |
CN113022551B (zh) * | 2021-03-26 | 2022-03-29 | 华南理工大学 | 一种操纵杆线控转向控制方法 |
CN114312750B (zh) * | 2022-01-18 | 2022-08-09 | 郑州轻工业大学 | 一种主动转向和横摆力矩自学习协同控制方法 |
-
2022
- 2022-01-18 CN CN202210052344.1A patent/CN114312750B/zh active Active
- 2022-12-11 WO PCT/CN2022/138265 patent/WO2023138258A1/zh unknown
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130052790A (ko) * | 2011-11-14 | 2013-05-23 | 현대자동차주식회사 | 차량 동적 성능 향상 장치 및 방법 |
CN103019098A (zh) * | 2012-12-15 | 2013-04-03 | 江苏大学 | 汽车底盘集成系统鲁棒控制器及构造方法 |
CN109050661A (zh) * | 2018-09-20 | 2018-12-21 | 合肥工业大学 | 电子差速和主动差动转向的协调控制方法及协调控制装置 |
CN111487870A (zh) * | 2020-04-26 | 2020-08-04 | 贵州理工学院 | 一种柔性主动悬架系统中自适应反演控制器的设计方法 |
CN112987687A (zh) * | 2021-02-08 | 2021-06-18 | 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 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023138258A1 (zh) * | 2022-01-18 | 2023-07-27 | 郑州轻工业大学 | 一种主动转向和横摆力矩自学习协同控制方法 |
CN115195757A (zh) * | 2022-09-07 | 2022-10-18 | 郑州轻工业大学 | 电动公交起步驾驶行为建模及识别训练方法 |
CN115195757B (zh) * | 2022-09-07 | 2023-08-04 | 郑州轻工业大学 | 电动公交起步驾驶行为建模及识别训练方法 |
CN117311346A (zh) * | 2023-09-15 | 2023-12-29 | 广东省机场管理集团有限公司工程建设指挥部 | 机器人横向稳定协同转向控制方法、装置、终端及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114312750B (zh) | 2022-08-09 |
WO2023138258A1 (zh) | 2023-07-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114312750B (zh) | 一种主动转向和横摆力矩自学习协同控制方法 | |
US10858040B2 (en) | Method for the control of vehicle steering and vehicle behaviour | |
EP1977954B1 (en) | Steering control method and apparatus, also automotive vehicle using said steering control method | |
US11873042B2 (en) | Method and system for controlling vehicle steering | |
JP2641743B2 (ja) | 四輪操舵車の後輪制御方法 | |
CN110466602B (zh) | 轮毂电机驱动电动汽车的分时四轮转向系统及其控制方法 | |
US7191047B2 (en) | Motor vehicle control using a dynamic feedforward approach | |
CN111645755B (zh) | 一种控制方法和装置 | |
US8594888B2 (en) | Steering control apparatus | |
US20220289288A1 (en) | A method and system arrangement for vehicle steering and vehicle with such a system | |
JP2005014901A (ja) | アクティブ法線力調整システムを備えたビークルダイナミクスコントロールシステムおよびその調整方法 | |
EP3445638B1 (en) | Method for the control of vehicle steering | |
US20040158375A1 (en) | Motion control apparatus and method for automotive vehicle | |
WO2007093969A1 (en) | Turning behavior control apparatus and turning behavior control process for a motor vehicle | |
Zhang et al. | Human-centered torque vectoring control for distributed drive electric vehicle considering driving characteristics | |
US5515275A (en) | Control system for steering a road vehicle having both front-wheel steering and rear wheel steering | |
CN109849898B (zh) | 基于遗传算法混合优化gpc的车辆横摆稳定性控制方法 | |
CN111142534A (zh) | 一种智能车横纵向综合轨迹跟踪方法及控制系统 | |
JP2003231429A (ja) | 車両の中心対称面の両側での荷重移動を考慮した横方向力の測定値による車両の軌道へのアクション | |
JPH0717290A (ja) | 自動車用走行安定性制御装置 | |
JP3441572B2 (ja) | 車両用タイヤ・路面間摩擦状態推定装置 | |
JP3212134B2 (ja) | 車両の統合制御装置 | |
US20240132152A1 (en) | Self-learning collaborative control method for active steering and yaw moment | |
JPH0481316A (ja) | 車両の統合制御装置 | |
Termous et al. | Effect of vertical dynamics on vehicle's lateral stability control 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 |