CN114357631B - 基于协同分布式优化的集成式车辆防侧翻主动控制方法 - Google Patents

基于协同分布式优化的集成式车辆防侧翻主动控制方法 Download PDF

Info

Publication number
CN114357631B
CN114357631B CN202210266856.8A CN202210266856A CN114357631B CN 114357631 B CN114357631 B CN 114357631B CN 202210266856 A CN202210266856 A CN 202210266856A CN 114357631 B CN114357631 B CN 114357631B
Authority
CN
China
Prior art keywords
vehicle
active
control
suspension
lateral
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.)
Active
Application number
CN202210266856.8A
Other languages
English (en)
Other versions
CN114357631A (zh
Inventor
张辉
陈继成
朱超杰
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.)
Beihang University
Original Assignee
Beihang University
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 Beihang University filed Critical Beihang University
Priority to CN202210266856.8A priority Critical patent/CN114357631B/zh
Publication of CN114357631A publication Critical patent/CN114357631A/zh
Application granted granted Critical
Publication of CN114357631B publication Critical patent/CN114357631B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/15—Vehicle, aircraft or watercraft design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
    • 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
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Geometry (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • General Business, Economics & Management (AREA)
  • Computer Hardware Design (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Evolutionary Computation (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Vehicle Body Suspensions (AREA)

Abstract

本发明提出了一种基于协同分布式优化的集成式车辆防侧翻主动控制系统，该方法通过对车辆信息进行采集，经过状态观测器对侧翻指标进行在线估计和预测，然后以此侧翻指标来调节主动制动控制器、主动转向控制器、和主动悬架控制器在协同式分布优化问题中的权重，最后通过求解优化问题的方法，得到最终的控制信号，以提高车辆的侧向运动稳定性，保证车辆防侧翻性能。本发明在车辆防侧翻控制中引入了协同分布式优化的设计方法，智能应对不同驾驶场景的侧向控制需求，协同不同侧向控制器，提高车辆的驾驶安全性。本发明能够有效的提高车辆在应对不同工况下的协同控制问题，提高防侧翻性能的控制效果。

Description

基于协同分布式优化的集成式车辆防侧翻主动控制方法
技术领域
本发明属于车辆主动安全控制技术领域，具体涉及一种基于协同分布式优化的集成式车辆防侧翻主动控制方法。
背景技术
在高速过弯、规避障碍、急转并道等驾驶场景中，车辆侧翻是一种常见的交通事故，对驾驶员、乘客和行人均会造成严重的伤害。车辆侧翻现象常见于重型卡车、SUV、皮卡等轴距长、重心高车辆。这类车辆在转向时由于侧向加速度过大，导致左右轮胎的配重不均衡，一旦超过临界点后，就会发生侧翻。针对这一重大交通事故类型，各大汽车制造商分别研制了多种防侧翻主动控制系统，包括主动制动系统（Active breaking）、主动悬挂系统（Active suspending）、主动转向系统（Active steering）等，旨在控制车辆的侧向加速度在一定范围之内，预防侧翻的发生。其中，主动转向系统和差速制动系统具有应用范围广、控制效果好的特点，是当前研究的热点。同时，在车辆行驶的过程中，主动转向系统和差速制动系统可能与其他车辆侧向控制系统（如横摆力矩控制器、侧向稳定控制器、和持续减震控制器等）产生冲突，造成安全隐患。各个主动控制系统在设计时，主要考虑某种特殊工况下的车辆控制效果，缺乏对于车辆运动过程的整体考量，忽略其他车辆主动控制系统的影响。因此，如何有效的协同多种车辆侧向控制系统生成的控制信号，对于保持车辆的侧向稳定性和提高驾驶舒适性具有重要意义，也是当前关于底盘集成控制的重要研究方向。此外，当前的防侧翻主动控制系统会影响驾驶员控制意图，即生成的主动侧向运动控制信号可能会对驾驶员产生干预。最后，车辆在进行急转弯时的非线性动力学约束、动态避障约束和状态测量扰动等因素也对车辆防侧翻控制算法的设计提出了挑战。综上，如何在保证系统稳定的前提下，设计具有监督、协同能力的车辆侧向运动主动控制算法，以强化当前防侧翻主动控制系统的侧向运动稳定性，具有重要的实际应用意义。
因此，急需发明一种能够有效协调车辆中不同侧向主动控制器的方法来强化车辆防侧翻性能，降低车辆在某些极限工况下的侧翻风险，提高车辆的驾驶安全性和驾驶舒适性。
发明内容
针对当前缺乏协同式车辆侧向主动控制器，车辆的侧向运动稳定性和防侧翻性能难以同时得到保障的现状，本发明提出了一种基于协同分布式优化的集成式车辆防侧翻主动控制方法，该方法通过对车辆信息进行采集，经过状态观测器对侧翻指标进行在线估计和预测，然后以此侧翻指标来调节主动制动控制器、主动转向控制器、和主动悬架控制器在协同式分布优化问题中的权重，最后通过求解优化问题的方法，得到最终的控制信号，以提高车辆的侧向运动稳定性，保证车辆防侧翻性能。本发明在车辆防侧翻控制中引入了协同分布式优化的设计方法，智能应对不同驾驶场景的侧向控制需求，协同不同侧向控制器，提高车辆的驾驶安全性。本发明能够有效的提高车辆在应对不同工况下的协同控制问题，提高防侧翻性能的控制效果。具体技术方案如下：
一种基于协同分布式优化的集成式车辆防侧翻主动控制方法，包括以下步骤：
步骤一、车辆状态变量选取与状态空间建模：确定车辆侧向控制系统对应的控制输入变量以及与车辆侧向控制相关的状态变量与输出变量，建立关于车辆侧向控制的状态空间模型；
步骤二、车辆侧翻风险在线评估与侧翻指标预测：对车辆侧翻指标进行在线评估，依据车辆侧向控制的状态空间模型进行预测；
步骤三、建立侧翻指标与优化权重映射关系：设定车辆侧向控制系统的各个侧向控制器的激活条件，建立侧翻指标与优化权重映射关系，对各个侧向控制器在车辆侧向控制系统中的权重做出调节；
步骤四、基于协同分布式优化的防侧翻控制方法：针对不同侧向控制器设计不同的目标函数和约束条件，通过求解协同分布式优化问题得到各个侧向控制器的最优控制序列，生成车辆侧向控制信号。
进一步，所述步骤一，所述车辆侧向控制系统包括主动制动控制器、主动转向控制器、主动悬架控制器；所述控制器对应的控制输入变量分别为：
主动制动控制器：轮胎制动压力
Figure 887754DEST_PATH_IMAGE001
，其中
Figure 296344DEST_PATH_IMAGE002
为左前轮制动压力，
Figure 409793DEST_PATH_IMAGE003
为右前轮制动压力，
Figure 741549DEST_PATH_IMAGE004
为左后轮制动压力，
Figure 497015DEST_PATH_IMAGE005
为右后轮制动压力；
主动转向控制器：车辆前轮转向角
Figure 89670DEST_PATH_IMAGE006
；
主动悬架控制器：悬架左右侧压力
Figure 29813DEST_PATH_IMAGE007
，其中
Figure 973499DEST_PATH_IMAGE008
为左侧悬挂压力，
Figure 876864DEST_PATH_IMAGE009
为右侧悬挂压力；
所述与车辆侧向控制相关的状态变量分别为：
与车辆主动制动控制相关的状态变量矩阵为
Figure 589605DEST_PATH_IMAGE010
，其中
Figure 700649DEST_PATH_IMAGE011
为车辆质心处纵向速度，
Figure 866051DEST_PATH_IMAGE012
为质心处侧偏角，
Figure 963320DEST_PATH_IMAGE013
为车身横摆角，
Figure 405934DEST_PATH_IMAGE014
为质心处侧倾角，
Figure 297667DEST_PATH_IMAGE015
为质心处侧倾角速度；
与车辆主动转向控制相关的状态变量矩阵为
Figure 340578DEST_PATH_IMAGE016
，其中
Figure 975959DEST_PATH_IMAGE017
为质心处侧偏角，
Figure 397713DEST_PATH_IMAGE018
为侧偏角速度；
与车辆主动悬挂控制相关的状态变量矩阵为
Figure 601292DEST_PATH_IMAGE019
，其中
Figure 475707DEST_PATH_IMAGE020
为悬架质量位移，
Figure 307921DEST_PATH_IMAGE021
为质心侧倾角，
Figure 849761DEST_PATH_IMAGE022
，
Figure 83296DEST_PATH_IMAGE023
为非悬架质量位移，
Figure 585953DEST_PATH_IMAGE024
为悬架质量位移速度，
Figure 563136DEST_PATH_IMAGE025
为质心侧倾角速度，
Figure 84116DEST_PATH_IMAGE026
，
Figure 754132DEST_PATH_IMAGE027
为非悬架质量位移速度。
进一步，所述主动制动控制器的动力学模型为：
Figure 744085DEST_PATH_IMAGE028
Figure 259380DEST_PATH_IMAGE029
Figure 775812DEST_PATH_IMAGE030
Figure 475783DEST_PATH_IMAGE031
（1.1）
上式中，
Figure 77666DEST_PATH_IMAGE032
为车辆质量，
Figure 537597DEST_PATH_IMAGE033
为车辆纵向速度，
Figure 642957DEST_PATH_IMAGE034
为车辆侧向速度，
Figure 654775DEST_PATH_IMAGE035
为车辆前轮转向角，
Figure 603008DEST_PATH_IMAGE036
,
Figure 725685DEST_PATH_IMAGE037
代表四个轮胎的纵向力与侧向力，
Figure 826496DEST_PATH_IMAGE038
可以取
Figure 9216DEST_PATH_IMAGE039
，
Figure 320112DEST_PATH_IMAGE040
，
Figure 374043DEST_PATH_IMAGE041
，
Figure 453994DEST_PATH_IMAGE042
，其中
Figure 948561DEST_PATH_IMAGE043
，
Figure 481173DEST_PATH_IMAGE040
，
Figure 70286DEST_PATH_IMAGE041
，
Figure 270323DEST_PATH_IMAGE042
分别为左前轮、右前轮、左后轮、右后轮，
Figure 935791DEST_PATH_IMAGE044
代表车辆关于垂直轴的转动惯量，
Figure 955700DEST_PATH_IMAGE045
和
Figure 223870DEST_PATH_IMAGE046
代表重心到前后轴的距离，
Figure 403048DEST_PATH_IMAGE047
代表车的宽度，
Figure 832892DEST_PATH_IMAGE048
代表车辆关于旋转的转动惯量，
Figure 481042DEST_PATH_IMAGE049
代表侧向加速度，
Figure 552903DEST_PATH_IMAGE050
代表重心到转动中心的距离，
Figure 196374DEST_PATH_IMAGE051
为悬架刚度，
Figure 452912DEST_PATH_IMAGE052
为悬架阻尼；
由式（1.1）得到关于状态变量矩阵
Figure 447413DEST_PATH_IMAGE053
和制动压力
Figure 932752DEST_PATH_IMAGE054
的非线性状态空间表达式：
Figure 961888DEST_PATH_IMAGE055
（1.2）
其中
Figure 733535DEST_PATH_IMAGE056
和
Figure 608474DEST_PATH_IMAGE057
为对应的矩阵，如下式所示：
Figure 22138DEST_PATH_IMAGE058
Figure 515567DEST_PATH_IMAGE059
。
进一步，所述主动转向控制器的动力学模型为：
Figure 723695DEST_PATH_IMAGE060
（1.3）
其中
Figure 817422DEST_PATH_IMAGE061
，
Figure 769197DEST_PATH_IMAGE062
为前后轮胎的侧偏刚度。
进一步，所述主动悬架控制器的动力学模型为：
Figure 507346DEST_PATH_IMAGE063
Figure 27320DEST_PATH_IMAGE064
Figure 218130DEST_PATH_IMAGE065
Figure 98230DEST_PATH_IMAGE066
Figure 690886DEST_PATH_IMAGE067
Figure 506395DEST_PATH_IMAGE068
（1.4）
其中
Figure 59867DEST_PATH_IMAGE069
，
Figure 353445DEST_PATH_IMAGE070
为悬架质量左右位移，
Figure 190820DEST_PATH_IMAGE071
，
Figure 177231DEST_PATH_IMAGE072
为路面扰动位移，
Figure 342633DEST_PATH_IMAGE073
，
Figure 315268DEST_PATH_IMAGE074
代表左右侧非悬架质量，
Figure 616936DEST_PATH_IMAGE075
，
Figure 890093DEST_PATH_IMAGE076
，
Figure 542791DEST_PATH_IMAGE077
，
Figure 178172DEST_PATH_IMAGE078
代表左右侧悬架刚度和悬架阻尼，
Figure 740871DEST_PATH_IMAGE079
，
Figure 69085DEST_PATH_IMAGE080
代表左右侧轮胎刚度，
Figure 68133DEST_PATH_IMAGE081
为左侧悬挂压力，
Figure 507205DEST_PATH_IMAGE082
为右侧悬挂压力，
Figure 924411DEST_PATH_IMAGE083
为悬架质量垂直方向位移。
进一步，所述步骤二包括以下子步骤：
S2-1，确定与车辆侧翻指标有关的状态变量为
Figure 157946DEST_PATH_IMAGE084
，其中
Figure 785237DEST_PATH_IMAGE085
为质心处侧倾角，
Figure 887054DEST_PATH_IMAGE086
为质心处侧倾角速度；车辆侧翻指标为
Figure 548979DEST_PATH_IMAGE087
，其中
Figure 953416DEST_PATH_IMAGE088
为当前时刻，
Figure 677789DEST_PATH_IMAGE089
为悬架刚度，
Figure 724243DEST_PATH_IMAGE090
为悬架阻尼，
Figure 365308DEST_PATH_IMAGE091
为车辆质量，
Figure 940646DEST_PATH_IMAGE092
为重力加速度，
Figure 152316DEST_PATH_IMAGE093
为悬架纵向距离；
S2-2，通过车辆侧向控制的状态空间模型，对侧倾角
Figure 471302DEST_PATH_IMAGE094
和侧倾角速度
Figure 842240DEST_PATH_IMAGE095
进行预测，得到预测侧倾角
Figure 981622DEST_PATH_IMAGE096
和侧倾角速度
Figure 70801DEST_PATH_IMAGE097
，其中
Figure 803265DEST_PATH_IMAGE088
为当前时刻，
Figure 294289DEST_PATH_IMAGE099
为预测步长；
S2-3，对车辆侧翻指标进行预测，得到预测车辆侧翻指标
Figure 601642DEST_PATH_IMAGE100
。
进一步，所述步骤三包括以下子步骤：
S3-1，根据不同的当前时刻车辆侧翻指标
Figure 646959DEST_PATH_IMAGE101
和预测车辆侧翻指标
Figure 573326DEST_PATH_IMAGE102
，确定防侧翻主动控制工作模式：操作辅助模式、侧向稳定模式、防侧翻模式；其中，操作辅助模式的控制目标是最小化实际车辆侧偏角速度
Figure 794223DEST_PATH_IMAGE103
与参考侧偏角速度
Figure 882265DEST_PATH_IMAGE104
的误差；侧向稳定模式的控制目标是减少车辆侧偏角
Figure 805090DEST_PATH_IMAGE105
；防侧翻模式的控制目标是防止
Figure 535149DEST_PATH_IMAGE106
，其中
Figure 469607DEST_PATH_IMAGE107
为车辆侧翻指标最大值；
S3-2，分配各个侧向控制器在协同分布式优化问题中的权重，规划相应侧向稳定控制和防侧翻控制的参考轨迹；其中，各个工作模式的激活条件由当前车辆侧偏角
Figure 869496DEST_PATH_IMAGE108
，侧偏角速度
Figure 889404DEST_PATH_IMAGE109
，车辆侧翻指标
Figure 547787DEST_PATH_IMAGE110
，和预测车辆侧翻指标
Figure 602331DEST_PATH_IMAGE111
决定；权重值的选取离线给出初值，权重系数在控制过程中通过帕累托最优自适应变化。
进一步，所述步骤四包括以下子步骤：
S4-1，确定各个侧向控制器的目标函数和约束；
S4-2，确定协同分布式优化问题的目标函数：目标函数为
Figure 173121DEST_PATH_IMAGE112
，其中权重系数
Figure 680326DEST_PATH_IMAGE113
，
Figure 752187DEST_PATH_IMAGE114
，
Figure 523221DEST_PATH_IMAGE115
分别代表主动转向、主动制动、和主动悬挂在协同优化问题中所占的权重，且
Figure 655125DEST_PATH_IMAGE116
；每个子控制器的目标函数均被定义为
Figure 524992DEST_PATH_IMAGE117
，其约束条件为主动转向控制器、主动制动控制器、和主动悬挂控制器中的约束条件；
S4-3，各个侧向控制器通过求解协同分布式优化问题对控制变量进行更新：每一时刻求解优化问题时，使用上一时刻接收的邻居控制变量作为假设的邻居系统控制量；完成求解后，各个侧向控制器执行求得的控制指令，并将当前控制序列传递给其他侧向控制器；通过寻找帕累托最优的方式进行权重系数
Figure 400544DEST_PATH_IMAGE118
，
Figure 898522DEST_PATH_IMAGE114
，
Figure 325961DEST_PATH_IMAGE119
的迭代，直到满足帕累托最优条件。
进一步，所述步骤S4-1，对于主动转向控制器，目标函数为
Figure 542179DEST_PATH_IMAGE120
Figure 831209DEST_PATH_IMAGE121
，其中
Figure 714851DEST_PATH_IMAGE122
为主动转向状态参考轨迹，
Figure 313192DEST_PATH_IMAGE123
、
Figure 16705DEST_PATH_IMAGE124
为加权矩阵，
Figure 234060DEST_PATH_IMAGE125
为预测步长；约束包括，转向执行器输出饱和约束
Figure 847575DEST_PATH_IMAGE126
，其中
Figure 492183DEST_PATH_IMAGE127
，
Figure 807627DEST_PATH_IMAGE128
分别为
Figure 563093DEST_PATH_IMAGE129
的上下界，依据实际系统而定；转向执行器变化率约束
Figure 296694DEST_PATH_IMAGE130
，其中
Figure 581045DEST_PATH_IMAGE131
表示转向速率，
Figure 524730DEST_PATH_IMAGE132
，
Figure 211451DEST_PATH_IMAGE133
分别为
Figure 658613DEST_PATH_IMAGE134
的上下界，依据实际系统而定；侧向稳定状态约束为
Figure 520389DEST_PATH_IMAGE135
，其中
Figure 420212DEST_PATH_IMAGE136
为状态约束矩阵，
Figure 517481DEST_PATH_IMAGE137
，
Figure 474942DEST_PATH_IMAGE138
为状态约束边界，其具体值依据实际系统的
Figure 366675DEST_PATH_IMAGE139
稳定性区域分析得到；
对于主动制动控制器的，目标函数为
Figure 894739DEST_PATH_IMAGE140
Figure 795699DEST_PATH_IMAGE141
，其中
Figure 607666DEST_PATH_IMAGE142
为主动制动状态参考轨迹，
Figure 670300DEST_PATH_IMAGE143
、
Figure 810294DEST_PATH_IMAGE144
为加权矩阵；约束包括，轮胎制动压力饱和约束
Figure 859153DEST_PATH_IMAGE145
，其中
Figure 400993DEST_PATH_IMAGE146
，
Figure 24741DEST_PATH_IMAGE147
分别为
Figure 386452DEST_PATH_IMAGE148
的上下界，依据实际系统的轮胎参数而定；轮胎制动压力变化率约束
Figure 629215DEST_PATH_IMAGE149
，其中
Figure 635348DEST_PATH_IMAGE150
表示轮胎制动压力变化率，
Figure 305364DEST_PATH_IMAGE151
，
Figure 559232DEST_PATH_IMAGE152
分别为
Figure 605686DEST_PATH_IMAGE153
的上下界，依据实际系统的轮胎参数而定；
对于主动悬挂控制器，目标函数为
Figure 731905DEST_PATH_IMAGE154
Figure 307243DEST_PATH_IMAGE155
，其中
Figure 909125DEST_PATH_IMAGE156
为主动悬挂状态参考轨迹，
Figure 618324DEST_PATH_IMAGE157
、
Figure 723683DEST_PATH_IMAGE158
为加权矩阵；约束包括，悬挂压力饱和约束
Figure 610868DEST_PATH_IMAGE159
，其中
Figure 700047DEST_PATH_IMAGE160
,
Figure 557144DEST_PATH_IMAGE161
为
Figure 907223DEST_PATH_IMAGE162
的上下界，由实际系统确定；悬挂状态约束
Figure 89943DEST_PATH_IMAGE163
，其中
Figure 276204DEST_PATH_IMAGE164
为状态约束矩阵，
Figure 202572DEST_PATH_IMAGE165
,
Figure 672737DEST_PATH_IMAGE166
为状态约束上下界，由车辆重心垂直方向位移要求确定；翻滚稳定约束
Figure 26358DEST_PATH_IMAGE167
，其中
Figure 558970DEST_PATH_IMAGE168
为状态翻滚约束矩阵，
Figure 164395DEST_PATH_IMAGE169
，
Figure 98853DEST_PATH_IMAGE170
为状态翻滚稳定约束边界，其具体值依据实际系统的
Figure 750939DEST_PATH_IMAGE171
稳定性区域分析得到。
本发明相对于现有技术的有益效果：
（1）针对现有车辆侧向控制器冗余且相互之间独立设计的现状，本发明通过分布式优化算法的引入，有效的协调了多种车辆侧向控制器之间产生的控制信号，保证车辆行驶的稳定性和防侧翻性能；
（2）针对现有车辆侧向控制器难以同时考虑控制器饱和和状态约束的现状，本发明通过引入模型预测控制算法，将车辆状态保持在稳定区间内，进一步提高防侧翻能力。
（3）本发明将预测侧翻指标引入到工作模式判断条件中，可以有效地提高车辆侧翻状态判断准确性，减少侧翻事故的发生率，提高汽车行驶的安全性能。
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附图作简单地介绍，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为本发明所述的控制方法流程示意图；
图2为本发明所述的车辆防侧翻控制系统示意图；
图3为本发明所述的车辆偏航平面动力学模型结构示意图；
图4为本发面所述的单轨车辆侧向动力学模型结构示意图；
图5为本发明所述的车辆滚转动力学模型结构示意图；
图6为本发明所述的车辆状态变量分布式最优化求解示意图。
具体实施方式
为了使本领域技术人员更好的理解本发明方案，下面将结合本发明中的附图对技术方案进行清楚、完整的描述。
在本发明中，提供了一种基于协同分布式优化的车辆防侧翻主动控制方法，适用于车辆底盘的协同防侧翻控制。首先，确定车辆侧向控制系统对应的控制输入变量以及与车辆侧向控制相关的状态变量与输出变量，建立关于车辆侧向控制的状态空间模型。其次，对车辆侧翻指标进行在线估计，并依据车辆的非线性模型进行预测。在此基础之上，设定各个侧向控制器的激活条件，建立侧翻指标与优化权重映射关系，对各个侧向控制器在主动防侧翻控制器中的权重做出调节，最后，车辆的侧向控制效果由三个不同的控制器协同完成，针对不同控制器设计不同的目标函数和约束条件，通过求解协同分布式优化问题的方式得到各个控制器的最优控制序列，生成车辆侧向控制信号；总体流程如图1所示，总体控制框图如图2所示。
本发明的技术方案详细描述如下：
车辆侧向控制系统包括主动制动控制器、主动转向控制器、和主动悬架控制器；主动制动控制器的控制输入变量为轮胎制动压力
Figure 36426DEST_PATH_IMAGE172
，其中
Figure 39017DEST_PATH_IMAGE173
为左前轮制动压力，
Figure 968927DEST_PATH_IMAGE174
为右前轮制动压力，
Figure 929930DEST_PATH_IMAGE175
为左后轮制动压力，
Figure 561769DEST_PATH_IMAGE176
为右后轮制动压力；选择与车辆主动制动控制相关的状态变量矩阵为
Figure 368051DEST_PATH_IMAGE177
，其中
Figure 418046DEST_PATH_IMAGE178
为车辆质心处纵向速度，
Figure 18792DEST_PATH_IMAGE179
为质心处侧偏角，
Figure 278872DEST_PATH_IMAGE180
为车身横摆角，
Figure 13479DEST_PATH_IMAGE181
为质心处侧倾角，
Figure 777035DEST_PATH_IMAGE182
为质心处侧倾角速度。考虑车辆在横摆方向的动力学模型如图3，包括车辆纵向运动、侧向运动、横摆运动和四轮转动，其表达式为
Figure 955207DEST_PATH_IMAGE183
Figure 437004DEST_PATH_IMAGE184
Figure 975301DEST_PATH_IMAGE185
Figure 593364DEST_PATH_IMAGE186
（1.1）
上式中，
Figure 67071DEST_PATH_IMAGE187
为车辆质量，
Figure 645951DEST_PATH_IMAGE188
为车辆纵向速度，
Figure 597727DEST_PATH_IMAGE189
为车辆侧向速度，
Figure 335875DEST_PATH_IMAGE190
为车辆前轮转向角，
Figure 373626DEST_PATH_IMAGE191
,
Figure 705381DEST_PATH_IMAGE192
代表四个轮胎的纵向力与侧向力，
Figure 195269DEST_PATH_IMAGE193
可以取
Figure 787924DEST_PATH_IMAGE194
，
Figure 462488DEST_PATH_IMAGE195
，
Figure 406173DEST_PATH_IMAGE196
，
Figure 840697DEST_PATH_IMAGE197
，其中
Figure 553438DEST_PATH_IMAGE198
，
Figure 8690DEST_PATH_IMAGE195
，
Figure 564305DEST_PATH_IMAGE196
，
Figure 661574DEST_PATH_IMAGE197
分别为左前轮、右前轮、左后轮、右后轮，
Figure 369767DEST_PATH_IMAGE199
代表车辆关于垂直轴的转动惯量，
Figure 261500DEST_PATH_IMAGE045
和
Figure 304411DEST_PATH_IMAGE046
代表重心到前后轴的距离，
Figure 205371DEST_PATH_IMAGE047
代表车的宽度，
Figure 236912DEST_PATH_IMAGE048
代表车辆关于旋转的转动惯量，
Figure 565125DEST_PATH_IMAGE049
代表侧向加速度，
Figure 439540DEST_PATH_IMAGE050
代表重心到转动中心的距离，
Figure 271754DEST_PATH_IMAGE051
为悬架刚度，
Figure 813594DEST_PATH_IMAGE052
为悬架阻尼。整理以上公式可得关于状态变量矩阵
Figure 188075DEST_PATH_IMAGE053
和制动压力
Figure 549786DEST_PATH_IMAGE054
的非线性状态空间表达式可以表示为
Figure 917182DEST_PATH_IMAGE055
（1.2）
其中
Figure 313528DEST_PATH_IMAGE056
和
Figure 717965DEST_PATH_IMAGE057
为对应的矩阵，形式如下式所示：
Figure 707918DEST_PATH_IMAGE058
Figure 488792DEST_PATH_IMAGE059
。
主动转向控制器的控制输入变量为车辆前轮转向角
Figure 129858DEST_PATH_IMAGE200
；选择与车辆主动转向控制相关的状态变量矩阵为
Figure 705196DEST_PATH_IMAGE201
，其中
Figure 182444DEST_PATH_IMAGE179
为质心处侧偏角，
Figure 767009DEST_PATH_IMAGE202
为侧偏角速度。基于单轨车辆侧向动力学模型如图4，其动力学模型可以表示为
Figure 872369DEST_PATH_IMAGE203
（1.3）
其中
Figure 8821DEST_PATH_IMAGE204
，
Figure 832420DEST_PATH_IMAGE062
为前后轮胎的侧偏刚度。
主动悬架控制器的控制输入变量为各悬架左右侧压力
Figure 830463DEST_PATH_IMAGE205
，其中
Figure 55908DEST_PATH_IMAGE206
为左侧悬挂压力，
Figure 973049DEST_PATH_IMAGE207
为右侧悬挂压力；选择与车辆主动悬挂控制相关的状态变量矩阵为
Figure 665368DEST_PATH_IMAGE208
，其中
Figure 591736DEST_PATH_IMAGE209
为质心位移，
Figure 547054DEST_PATH_IMAGE210
为质心侧倾角，
Figure 900675DEST_PATH_IMAGE211
，
Figure 823500DEST_PATH_IMAGE212
为非悬架质量位移，
Figure 287980DEST_PATH_IMAGE213
为质心位移速度，
Figure 222438DEST_PATH_IMAGE214
为质心侧倾角速度，
Figure 887905DEST_PATH_IMAGE215
，
Figure 173393DEST_PATH_IMAGE216
为非悬架质量位移速度。其关于x-轴旋转的垂直方向动力学模型如图5可以由以下公式描述：
Figure 300618DEST_PATH_IMAGE217
Figure 355162DEST_PATH_IMAGE218
Figure 50585DEST_PATH_IMAGE065
Figure 433156DEST_PATH_IMAGE066
Figure 505017DEST_PATH_IMAGE067
Figure 804280DEST_PATH_IMAGE068
（1.4）
其中
Figure 405026DEST_PATH_IMAGE069
，
Figure 540472DEST_PATH_IMAGE070
为悬架质量左右位移，
Figure 884866DEST_PATH_IMAGE071
，
Figure 914002DEST_PATH_IMAGE072
为路面扰动位移，
Figure 78791DEST_PATH_IMAGE073
，
Figure 560588DEST_PATH_IMAGE219
代表左右侧非悬架质量，
Figure 849618DEST_PATH_IMAGE075
，
Figure 733261DEST_PATH_IMAGE220
，
Figure 941388DEST_PATH_IMAGE077
，
Figure 35115DEST_PATH_IMAGE221
代表左右侧悬架刚度和悬架阻尼，
Figure 986891DEST_PATH_IMAGE079
，
Figure 865985DEST_PATH_IMAGE222
代表左右侧轮胎刚度，
Figure 979434DEST_PATH_IMAGE223
为左侧悬挂压力，
Figure 560457DEST_PATH_IMAGE224
为右侧悬挂压力，
Figure 315924DEST_PATH_IMAGE083
为悬架质量垂直方向位移。
步骤二具体包括：
首先，确定与车辆侧翻指标有关的状态变量为
Figure 908579DEST_PATH_IMAGE225
，其中
Figure 599455DEST_PATH_IMAGE226
为质心处侧倾角，
Figure 543140DEST_PATH_IMAGE227
为质心处侧倾角速度。车辆侧翻指标为
Figure 695772DEST_PATH_IMAGE228
，其中
Figure 408513DEST_PATH_IMAGE089
为悬架刚度，
Figure 270290DEST_PATH_IMAGE090
为悬架阻尼，
Figure 435692DEST_PATH_IMAGE091
为车辆质量，
Figure 532961DEST_PATH_IMAGE229
为重力加速度，
Figure 962193DEST_PATH_IMAGE093
为悬架纵向距离。通过车辆的非线性动力学模型（1.1）-（1.4），可以对侧倾角
Figure 119505DEST_PATH_IMAGE230
和侧倾角速度
Figure 913149DEST_PATH_IMAGE231
进行预测，得到预测侧倾角
Figure 282950DEST_PATH_IMAGE232
和侧倾角速度
Figure 970283DEST_PATH_IMAGE097
，其中
Figure 157551DEST_PATH_IMAGE088
为当前时刻，
Figure 297545DEST_PATH_IMAGE099
为预测步长。最后，可以对车辆侧翻指标进行预测，得到预测车辆侧翻指标
Figure 877563DEST_PATH_IMAGE233
。
步骤三具体包括：
首先，根据不同的侧翻指标
Figure 153823DEST_PATH_IMAGE101
和侧翻指标预测
Figure 652938DEST_PATH_IMAGE234
，确定防侧翻主动控制工作模式。防侧翻主动控制有三个工作模式，分别为操作辅助模式、侧向稳定模式、和防侧翻模式。其中，操作辅助模式的控制目标是最小化实际车辆侧偏角速度
Figure 404862DEST_PATH_IMAGE103
与参考侧偏角速度
Figure 116466DEST_PATH_IMAGE104
的误差；侧向稳定模式的控制目标是减少车辆侧偏角
Figure 653758DEST_PATH_IMAGE105
；防侧翻模式的控制目标是防止
Figure 323773DEST_PATH_IMAGE235
，其中
Figure 562994DEST_PATH_IMAGE107
为车辆侧翻指标最大值。
进而，分配每个子侧向控制器在协同分布式优化问题中的权重，并规划出相应侧向稳定控制和防侧翻控制的参考轨迹。各个工作模式的激活条件与当前车辆侧偏角
Figure 78289DEST_PATH_IMAGE108
，侧偏角速度
Figure 594721DEST_PATH_IMAGE109
，侧翻指标
Figure 311004DEST_PATH_IMAGE110
，和侧翻指标预测
Figure 647307DEST_PATH_IMAGE111
有关，具体条件如表1所示。权重值的选取离线给出初值，权重系数在控制过程中通过帕累托最优自适应变化，如步骤四中所示。
表1工作模式激活条件与权重系数初值
Figure 359436DEST_PATH_IMAGE236
表中，阈值设置为
Figure 730374DEST_PATH_IMAGE237
为0.7~0.9中的常实数，
Figure 476613DEST_PATH_IMAGE238
为0.8~0.9中的常实数，
Figure 175579DEST_PATH_IMAGE239
为3°~5°的常角度，
Figure 563835DEST_PATH_IMAGE240
为0.08~0.12rad/s的常角速度。权重系数
Figure 648335DEST_PATH_IMAGE241
，
Figure 831054DEST_PATH_IMAGE242
，
Figure 282895DEST_PATH_IMAGE243
分别代表主动转向、主动制动、和主动悬挂在协同优化问题中所占的权重系数初值。
步骤四具体包括：
首先，确定各个主动控制的目标函数和约束。对于主动转向控制器，其目标函数为
Figure 943684DEST_PATH_IMAGE120
Figure 23635DEST_PATH_IMAGE244
，其中
Figure 501890DEST_PATH_IMAGE122
为主动转向状态参考轨迹，
Figure 300082DEST_PATH_IMAGE123
、
Figure 639927DEST_PATH_IMAGE124
为加权矩阵，
Figure 574385DEST_PATH_IMAGE125
为预测步长。其约束为，转向执行器输出饱和约束
Figure 364487DEST_PATH_IMAGE126
，其中
Figure 509029DEST_PATH_IMAGE127
，
Figure 777200DEST_PATH_IMAGE128
分别为
Figure 707109DEST_PATH_IMAGE129
的上下界，依据实际系统而定；转向执行器变化率约束
Figure 136954DEST_PATH_IMAGE130
，其中
Figure 909738DEST_PATH_IMAGE131
表示转向速率，
Figure 120881DEST_PATH_IMAGE132
，
Figure 29931DEST_PATH_IMAGE133
分别为
Figure 771622DEST_PATH_IMAGE134
的上下界，依据实际系统而定；侧向稳定状态约束为
Figure 766123DEST_PATH_IMAGE135
，其中
Figure 376096DEST_PATH_IMAGE136
状态约束矩阵，
Figure 529866DEST_PATH_IMAGE137
，
Figure 301513DEST_PATH_IMAGE138
为状态约束边界，其具体值依据实际系统的
Figure 924255DEST_PATH_IMAGE139
稳定性区域分析得到。
进而，确定主动制动控制器的目标函数和约束。其目标函数为
Figure 337919DEST_PATH_IMAGE140
Figure 346195DEST_PATH_IMAGE141
，其中
Figure 288743DEST_PATH_IMAGE142
为主动制动状态参考轨迹，
Figure 257836DEST_PATH_IMAGE143
、
Figure 84978DEST_PATH_IMAGE144
为加权矩阵。其约束包括，轮胎制动压力饱和约束
Figure 823127DEST_PATH_IMAGE145
，其中
Figure 592368DEST_PATH_IMAGE146
，
Figure 783178DEST_PATH_IMAGE147
分别为
Figure 538645DEST_PATH_IMAGE148
的上下界，依据实际系统的轮胎参数而定；轮胎制动压力变化率约束
Figure 272246DEST_PATH_IMAGE149
，其中
Figure 822176DEST_PATH_IMAGE150
表示轮胎制动压力变化率，
Figure 627845DEST_PATH_IMAGE151
，
Figure 187002DEST_PATH_IMAGE152
分别为
Figure 634164DEST_PATH_IMAGE153
的上下界，依据实际系统的轮胎参数而定。
进而，确定主动悬挂控制器的目标函数和约束。其目标函数为
Figure 495941DEST_PATH_IMAGE154
Figure 926922DEST_PATH_IMAGE155
，其中
Figure 883246DEST_PATH_IMAGE156
为主动悬挂状态参考轨迹，
Figure 184914DEST_PATH_IMAGE157
、
Figure 342226DEST_PATH_IMAGE158
为加权矩阵。其约束包括，悬挂压力饱和约束
Figure 870291DEST_PATH_IMAGE159
，其中
Figure 771250DEST_PATH_IMAGE160
,
Figure 317638DEST_PATH_IMAGE161
为
Figure 645851DEST_PATH_IMAGE162
的上下界，由实际系统确定；悬挂状态约束
Figure 520267DEST_PATH_IMAGE163
，其中为
Figure 834704DEST_PATH_IMAGE164
状态约束矩阵，
Figure 376544DEST_PATH_IMAGE165
,
Figure 734713DEST_PATH_IMAGE166
为状态约束上下界，由车辆重心垂直方向位移要求确定；翻滚稳定约束
Figure 362004DEST_PATH_IMAGE167
，其中
Figure 480132DEST_PATH_IMAGE168
状态翻滚约束矩阵，
Figure 876479DEST_PATH_IMAGE245
，
Figure 546494DEST_PATH_IMAGE170
为状态翻滚稳定约束边界，其具体值依据实际系统的
Figure 257486DEST_PATH_IMAGE246
稳定性区域分析得到。
进而，确定协同分布式优化问题的目标函数。其目标函数为
Figure 303939DEST_PATH_IMAGE247
，其中权重系数
Figure 695738DEST_PATH_IMAGE248
，
Figure 271075DEST_PATH_IMAGE249
，
Figure 607379DEST_PATH_IMAGE250
分别代表主动转向、主动制动、和主动悬挂在协同优化问题中所占的权重，且
Figure 316578DEST_PATH_IMAGE251
。每个子控制器的目标函数均被定义为
Figure 421937DEST_PATH_IMAGE252
，其约束条件为上述主动转向、主动制动、和主动悬挂子控制器中的约束条件。
具体来说，主动转向控制器所涉及的分布式优化问题
Figure 309121DEST_PATH_IMAGE253
为:
Figure 398300DEST_PATH_IMAGE254
Figure 114452DEST_PATH_IMAGE255
（1.5）
主动制动控制器所设计的分布式优化问题
Figure 730110DEST_PATH_IMAGE256
为：
Figure 647251DEST_PATH_IMAGE257
Figure 958146DEST_PATH_IMAGE258
（1.6）
主动悬挂控制器所设计的分布式优化问题
Figure 759880DEST_PATH_IMAGE259
为：
Figure 839832DEST_PATH_IMAGE260
Figure 321016DEST_PATH_IMAGE261
（1.7）
上式中，
Figure 119208DEST_PATH_IMAGE262
，
Figure 724633DEST_PATH_IMAGE263
，
Figure 659091DEST_PATH_IMAGE264
分别表示主动制动控制器、主动转向控制器、和主动悬挂控制器在上一时刻所得的最优控制序列。各个子系统通过求解协同分布式优化问题对控制变量进行更新，得到最新的控制序列
Figure 183613DEST_PATH_IMAGE265
，
Figure 328155DEST_PATH_IMAGE266
，
Figure 861905DEST_PATH_IMAGE267
。每一时刻求解优化问题时，使用上一时刻接收的邻居控制变量
Figure 791815DEST_PATH_IMAGE268
，
Figure 221659DEST_PATH_IMAGE269
，
Figure 994443DEST_PATH_IMAGE270
作为假设的邻居系统控制量。完成求解后，每个子控制器执行求得的控制指令，并将当前控制序列传递给其他子控制器。通过寻找帕累托最优的方式进行权重系数
Figure 190938DEST_PATH_IMAGE248
，
Figure 834409DEST_PATH_IMAGE249
，
Figure 841679DEST_PATH_IMAGE250
的迭代，直到满足帕累托最优条件。算法的整体流程参阅图6。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于协同分布式优化的集成式车辆防侧翻主动控制方法，其特征在于，包括以下步骤：
步骤一、车辆状态变量选取与状态空间建模：确定车辆侧向控制系统对应的控制输入变量以及与车辆侧向控制相关的状态变量与输出变量，建立关于车辆侧向控制的状态空间模型；
步骤二、车辆侧翻风险在线评估与侧翻指标预测：对车辆侧翻指标进行在线评估，依据车辆侧向控制的状态空间模型进行预测；
步骤三、建立侧翻指标与优化权重映射关系：设定车辆侧向控制系统的各个侧向控制器的激活条件，建立侧翻指标与优化权重映射关系，对各个侧向控制器在车辆侧向控制系统中的权重做出调节；
步骤四、基于协同分布式优化的防侧翻控制方法：针对不同侧向控制器设计不同的目标函数和约束条件，通过求解协同分布式优化问题得到各个侧向控制器的最优控制序列，生成车辆侧向控制信号；
所述步骤二包括以下子步骤：
S2-1，确定与车辆侧翻指标有关的状态变量为
Figure 565425DEST_PATH_IMAGE001
，其中
Figure 414301DEST_PATH_IMAGE002
为质心处侧倾角，
Figure 22000DEST_PATH_IMAGE003
为质心处侧倾角速度；车辆侧翻指标为
Figure 74270DEST_PATH_IMAGE004
，其中
Figure 58406DEST_PATH_IMAGE005
为当前时刻，
Figure 512521DEST_PATH_IMAGE006
为悬架刚度，
Figure 540389DEST_PATH_IMAGE007
为悬架阻尼，
Figure 345534DEST_PATH_IMAGE008
为车辆质量，
Figure 867782DEST_PATH_IMAGE009
为重力加速度，
Figure 441983DEST_PATH_IMAGE010
为悬架纵向距离；
S2-2，通过车辆侧向控制的状态空间模型，对侧倾角
Figure 391485DEST_PATH_IMAGE011
和侧倾角速度
Figure 667614DEST_PATH_IMAGE012
进行预测，得到预测侧倾角
Figure 993553DEST_PATH_IMAGE013
和侧倾角速度
Figure 156681DEST_PATH_IMAGE014
，其中
Figure 277084DEST_PATH_IMAGE005
为当前时刻，
Figure 56821DEST_PATH_IMAGE016
为预测步长；
S2-3，对车辆侧翻指标进行预测，得到预测车辆侧翻指标
Figure 170140DEST_PATH_IMAGE017
。
2.根据权利要求1所述的基于协同分布式优化的集成式车辆防侧翻主动控制方法，其特征在于，所述步骤一，所述车辆侧向控制系统包括主动制动控制器、主动转向控制器、主动悬架控制器；所述控制器对应的控制输入变量分别为：
主动制动控制器：轮胎制动压力
Figure 187774DEST_PATH_IMAGE018
，其中
Figure 10237DEST_PATH_IMAGE019
为左前轮制动压力，
Figure 746111DEST_PATH_IMAGE020
为右前轮制动压力，
Figure 397542DEST_PATH_IMAGE021
为左后轮制动压力，
Figure 800841DEST_PATH_IMAGE022
为右后轮制动压力；
主动转向控制器：车辆前轮转向角
Figure 528626DEST_PATH_IMAGE023
；
主动悬架控制器：悬架左右侧压力
Figure 751797DEST_PATH_IMAGE024
，其中
Figure 223229DEST_PATH_IMAGE025
为左侧悬挂压力，
Figure 481035DEST_PATH_IMAGE026
为右侧悬挂压力；
所述与车辆侧向控制相关的状态变量分别为：
与车辆主动制动控制相关的状态变量矩阵为
Figure 357550DEST_PATH_IMAGE027
，其中
Figure 68017DEST_PATH_IMAGE028
为车辆质心处纵向速度，
Figure 77561DEST_PATH_IMAGE029
为质心处侧偏角，
Figure 189874DEST_PATH_IMAGE030
为车身横摆角，
Figure 525040DEST_PATH_IMAGE031
为质心处侧倾角，
Figure 706492DEST_PATH_IMAGE032
为质心处侧倾角速度；
与车辆主动转向控制相关的状态变量矩阵为
Figure 519727DEST_PATH_IMAGE033
，其中
Figure 752125DEST_PATH_IMAGE034
为质心处侧偏角，
Figure 727034DEST_PATH_IMAGE035
为侧偏角速度；
与车辆主动悬挂控制相关的状态变量矩阵为
Figure 661361DEST_PATH_IMAGE036
，其中
Figure 278287DEST_PATH_IMAGE037
为悬架质量位移，
Figure 99613DEST_PATH_IMAGE038
为质心侧倾角，
Figure 511003DEST_PATH_IMAGE039
，
Figure 417779DEST_PATH_IMAGE040
为非悬架质量位移，
Figure 822084DEST_PATH_IMAGE041
为悬架质量位移速度，
Figure 763495DEST_PATH_IMAGE042
为质心侧倾角速度，
Figure 345786DEST_PATH_IMAGE043
，
Figure 5438DEST_PATH_IMAGE044
为非悬架质量位移速度。
3.根据权利要求2所述的基于协同分布式优化的集成式车辆防侧翻主动控制方法，其特征在于，所述主动制动控制器的动力学模型为：
Figure 698587DEST_PATH_IMAGE045
Figure 743773DEST_PATH_IMAGE046
Figure 762544DEST_PATH_IMAGE047
Figure 378333DEST_PATH_IMAGE048
（1.1）
上式中，
Figure 875174DEST_PATH_IMAGE049
为车辆质量，
Figure 791177DEST_PATH_IMAGE050
为重力加速度，
Figure 964538DEST_PATH_IMAGE051
为车辆纵向速度，
Figure 598782DEST_PATH_IMAGE052
为车辆侧向速度，
Figure 633734DEST_PATH_IMAGE053
为车辆前轮转向角，
Figure 138665DEST_PATH_IMAGE054
,
Figure 499239DEST_PATH_IMAGE055
代表四个轮胎的纵向力与侧向力，
Figure 338888DEST_PATH_IMAGE056
取
Figure 177531DEST_PATH_IMAGE057
，
Figure 68127DEST_PATH_IMAGE058
，
Figure 334023DEST_PATH_IMAGE059
，
Figure 677280DEST_PATH_IMAGE060
之一，其中
Figure 303302DEST_PATH_IMAGE061
，
Figure 782825DEST_PATH_IMAGE058
，
Figure 485201DEST_PATH_IMAGE059
，
Figure 50175DEST_PATH_IMAGE060
分别为左前轮、右前轮、左后轮、右后轮，
Figure 496200DEST_PATH_IMAGE062
代表车辆关于垂直轴的转动惯量，
Figure 350935DEST_PATH_IMAGE063
和
Figure 958634DEST_PATH_IMAGE064
代表重心到前后轴的距离，
Figure 10904DEST_PATH_IMAGE065
代表车的宽度，
Figure 995040DEST_PATH_IMAGE066
代表车辆关于旋转的转动惯量，
Figure 449156DEST_PATH_IMAGE067
代表侧向加速度，
Figure 742602DEST_PATH_IMAGE068
代表重心到转动中心的距离，
Figure 16589DEST_PATH_IMAGE069
为悬架刚度，
Figure 538837DEST_PATH_IMAGE070
为悬架阻尼；
由式（1.1）得到关于状态变量矩阵
Figure 113038DEST_PATH_IMAGE071
和制动压力
Figure 62539DEST_PATH_IMAGE072
的非线性状态空间表达式：
Figure 604248DEST_PATH_IMAGE073
（1.2）
其中
Figure 664608DEST_PATH_IMAGE074
和
Figure 358895DEST_PATH_IMAGE075
为对应的矩阵，如下式所示：
Figure 479297DEST_PATH_IMAGE076
Figure 727876DEST_PATH_IMAGE077
。
4.根据权利要求2所述的基于协同分布式优化的集成式车辆防侧翻主动控制方法，其特征在于，所述主动转向控制器的动力学模型为：
Figure 841194DEST_PATH_IMAGE078
（1.3）
其中
Figure 389987DEST_PATH_IMAGE079
，
Figure 681291DEST_PATH_IMAGE080
为前后轮胎的侧偏刚度，
Figure 682746DEST_PATH_IMAGE081
为车辆质量，
Figure 350487DEST_PATH_IMAGE053
为车辆前轮转向角，
Figure 737475DEST_PATH_IMAGE082
代表车辆关于垂直轴的转动惯量，
Figure 465260DEST_PATH_IMAGE083
和
Figure 688431DEST_PATH_IMAGE084
代表重心到前后轴的距离。
5.根据权利要求2所述的基于协同分布式优化的集成式车辆防侧翻主动控制方法，其特征在于，所述主动悬架控制器的动力学模型为：
Figure 159863DEST_PATH_IMAGE085
Figure 417669DEST_PATH_IMAGE086
Figure 300043DEST_PATH_IMAGE087
Figure 10511DEST_PATH_IMAGE088
Figure 285634DEST_PATH_IMAGE089
Figure 132367DEST_PATH_IMAGE090
（1.4）
其中
Figure 467534DEST_PATH_IMAGE091
，
Figure 648985DEST_PATH_IMAGE092
为悬架质量左右位移，
Figure 727800DEST_PATH_IMAGE093
，
Figure 429039DEST_PATH_IMAGE094
为路面扰动位移，
Figure 669528DEST_PATH_IMAGE095
，
Figure 338275DEST_PATH_IMAGE096
代表左右侧非悬架质量，
Figure 955202DEST_PATH_IMAGE097
，
Figure 776527DEST_PATH_IMAGE098
，
Figure 453496DEST_PATH_IMAGE099
，
Figure 360272DEST_PATH_IMAGE100
代表左右侧悬架刚度和悬架阻尼，
Figure 780889DEST_PATH_IMAGE101
，
Figure 723567DEST_PATH_IMAGE102
代表左右侧轮胎刚度，
Figure 305858DEST_PATH_IMAGE103
为左侧悬挂压力，
Figure 965509DEST_PATH_IMAGE104
为右侧悬挂压力，
Figure 658659DEST_PATH_IMAGE105
为悬架质量垂直方向位移，
Figure 720156DEST_PATH_IMAGE049
为车辆质量，
Figure 457037DEST_PATH_IMAGE065
代表车的宽度，
Figure 603984DEST_PATH_IMAGE066
代表车辆关于旋转的转动惯量，
Figure 100825DEST_PATH_IMAGE067
代表侧向加速度，
Figure 751249DEST_PATH_IMAGE068
代表重心到转动中心的距离，
Figure 940922DEST_PATH_IMAGE050
为重力加速度。
6.根据权利要求1所述的基于协同分布式优化的集成式车辆防侧翻主动控制方法，其特征在于，所述步骤三包括以下子步骤：
S3-1，根据不同的当前时刻车辆侧翻指标
Figure 293274DEST_PATH_IMAGE106
和预测车辆侧翻指标
Figure 593806DEST_PATH_IMAGE107
，其中
Figure 364316DEST_PATH_IMAGE108
为当前时刻，
Figure 459311DEST_PATH_IMAGE110
为预测步长，确定防侧翻主动控制工作模式：操作辅助模式、侧向稳定模式、防侧翻模式；其中，操作辅助模式的控制目标是最小化实际车辆侧偏角速度
Figure 315271DEST_PATH_IMAGE111
与参考侧偏角速度
Figure 403182DEST_PATH_IMAGE112
的误差；侧向稳定模式的控制目标是减少车辆侧偏角
Figure 28198DEST_PATH_IMAGE113
；防侧翻模式的控制目标是防止
Figure 559674DEST_PATH_IMAGE114
，其中
Figure 902930DEST_PATH_IMAGE115
为车辆侧翻指标最大值；
S3-2，分配各个侧向控制器在协同分布式优化问题中的权重，规划相应侧向稳定控制和防侧翻控制的参考轨迹；其中，各个工作模式的激活条件由当前车辆侧偏角
Figure 279685DEST_PATH_IMAGE116
，侧偏角速度
Figure 8475DEST_PATH_IMAGE117
，车辆侧翻指标
Figure 710852DEST_PATH_IMAGE118
，和预测车辆侧翻指标
Figure 275826DEST_PATH_IMAGE119
决定；权重值的选取离线给出初值，权重系数在控制过程中通过帕累托最优自适应变化。
7.根据权利要求1所述的基于协同分布式优化的集成式车辆防侧翻主动控制方法，其特征在于，所述步骤四包括以下子步骤：
S4-1，确定各个侧向控制器的目标函数和约束；
S4-2，确定协同分布式优化问题的目标函数：目标函数为
Figure 456271DEST_PATH_IMAGE120
，其中权重系数
Figure 55880DEST_PATH_IMAGE121
，
Figure 178426DEST_PATH_IMAGE122
，
Figure 230695DEST_PATH_IMAGE123
分别代表主动转向、主动制动、和主动悬挂在协同优化问题中所占的权重，且
Figure 214832DEST_PATH_IMAGE124
，
Figure 403368DEST_PATH_IMAGE108
为当前时刻，
Figure 447547DEST_PATH_IMAGE125
、
Figure 236380DEST_PATH_IMAGE126
、
Figure 24208DEST_PATH_IMAGE127
分别为主动转向控制器、主动制动控制器、主动悬挂控制器的目标函数，其约束条件为主动转向控制器、主动制动控制器、和主动悬挂控制器中的约束条件；
S4-3，各个侧向控制器通过求解协同分布式优化问题对控制变量进行更新：每一时刻求解优化问题时，使用上一时刻接收的邻居控制变量作为假设的邻居系统控制量；完成求解后，各个侧向控制器执行求得的控制指令，并将当前控制序列传递给其他侧向控制器；通过寻找帕累托最优的方式进行权重系数
Figure 332829DEST_PATH_IMAGE128
，
Figure 282331DEST_PATH_IMAGE122
，
Figure 574772DEST_PATH_IMAGE123
的迭代，直到满足帕累托最优条件。
8.根据权利要求7所述的基于协同分布式优化的集成式车辆防侧翻主动控制方法，其特征在于，所述步骤S4-1，对于主动转向控制器，目标函数为
Figure 884399DEST_PATH_IMAGE129
Figure 47527DEST_PATH_IMAGE130
，其中
Figure 699089DEST_PATH_IMAGE131
为与车辆主动转向控制相关的状态变量矩阵，
Figure 947667DEST_PATH_IMAGE132
为主动转向状态参考轨迹，
Figure 77297DEST_PATH_IMAGE133
、
Figure 615638DEST_PATH_IMAGE134
为加权矩阵，
Figure 906942DEST_PATH_IMAGE135
为预测步长；约束包括，转向执行器输出饱和约束
Figure 908396DEST_PATH_IMAGE136
，其中
Figure 576138DEST_PATH_IMAGE137
，
Figure 979438DEST_PATH_IMAGE138
分别为车辆前轮转向角
Figure 690910DEST_PATH_IMAGE139
的上下界，依据实际系统而定；转向执行器变化率约束
Figure 179661DEST_PATH_IMAGE140
，其中
Figure 385514DEST_PATH_IMAGE141
表示转向速率，
Figure 377741DEST_PATH_IMAGE142
，
Figure 525694DEST_PATH_IMAGE143
分别为
Figure 501741DEST_PATH_IMAGE144
的上下界，依据实际系统而定；侧向稳定状态约束为
Figure 245706DEST_PATH_IMAGE145
，其中
Figure 623597DEST_PATH_IMAGE146
为状态约束矩阵，
Figure 427605DEST_PATH_IMAGE147
，
Figure 874636DEST_PATH_IMAGE148
为状态约束边界，其具体值依据实际系统的车辆侧偏角
Figure 687871DEST_PATH_IMAGE113
—车辆侧偏角速度
Figure 654690DEST_PATH_IMAGE111
稳定性区域分析得到；
对于主动制动控制器，目标函数为
Figure 895179DEST_PATH_IMAGE149
Figure 580238DEST_PATH_IMAGE150
，其中X AB为与车辆主动制动控制相关的状态变量矩阵，
Figure 180852DEST_PATH_IMAGE151
为主动制动状态参考轨迹，
Figure 2178DEST_PATH_IMAGE152
、
Figure 413568DEST_PATH_IMAGE153
为加权矩阵；约束包括，轮胎制动压力饱和约束
Figure 585923DEST_PATH_IMAGE154
，其中
Figure 475382DEST_PATH_IMAGE155
，
Figure 666060DEST_PATH_IMAGE156
分别为制动压力
Figure 513931DEST_PATH_IMAGE157
的上下界，依据实际系统的轮胎参数而定；轮胎制动压力变化率约束
Figure 908003DEST_PATH_IMAGE158
，其中
Figure 601152DEST_PATH_IMAGE159
表示轮胎制动压力变化率，
Figure 397070DEST_PATH_IMAGE160
，
Figure 399530DEST_PATH_IMAGE161
分别为
Figure 546478DEST_PATH_IMAGE162
的上下界，依据实际系统的轮胎参数而定；
对于主动悬挂控制器，目标函数为
Figure 43318DEST_PATH_IMAGE163
Figure 959321DEST_PATH_IMAGE164
，其中X AS为与车辆主动悬挂控制相关的状态变量矩阵，
Figure 617836DEST_PATH_IMAGE165
为主动悬挂状态参考轨迹，
Figure 235768DEST_PATH_IMAGE166
、
Figure 536299DEST_PATH_IMAGE167
为加权矩阵；约束包括，悬挂压力饱和约束
Figure 306809DEST_PATH_IMAGE168
，其中
Figure 401804DEST_PATH_IMAGE169
,
Figure 257765DEST_PATH_IMAGE170
为悬架左右侧压力
Figure 339816DEST_PATH_IMAGE171
的上下界，由实际系统确定；悬挂状态约束
Figure 699253DEST_PATH_IMAGE172
，其中
Figure 230729DEST_PATH_IMAGE173
为状态约束矩阵，
Figure 308406DEST_PATH_IMAGE174
,
Figure 216319DEST_PATH_IMAGE175
为状态约束上下界，由车辆重心垂直方向位移要求确定；翻滚稳定约束
Figure 945110DEST_PATH_IMAGE176
，其中
Figure 647486DEST_PATH_IMAGE177
为状态翻滚约束矩阵，
Figure 212460DEST_PATH_IMAGE178
，
Figure 658485DEST_PATH_IMAGE179
为状态翻滚稳定约束边界，其具体值依据实际系统的质心处侧倾角
Figure 992514DEST_PATH_IMAGE180
—质心处侧倾角速度
Figure 849481DEST_PATH_IMAGE032
稳定性区域分析得到。
CN202210266856.8A 2022-03-18 2022-03-18 基于协同分布式优化的集成式车辆防侧翻主动控制方法 Active CN114357631B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210266856.8A CN114357631B (zh) 2022-03-18 2022-03-18 基于协同分布式优化的集成式车辆防侧翻主动控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210266856.8A CN114357631B (zh) 2022-03-18 2022-03-18 基于协同分布式优化的集成式车辆防侧翻主动控制方法

Publications (2)

Publication Number Publication Date
CN114357631A CN114357631A (zh) 2022-04-15
CN114357631B true CN114357631B (zh) 2022-07-12

Family

ID=81094549

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210266856.8A Active CN114357631B (zh) 2022-03-18 2022-03-18 基于协同分布式优化的集成式车辆防侧翻主动控制方法

Country Status (1)

Country Link
CN (1) CN114357631B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117272689B (zh) * 2023-11-20 2024-02-06 湖南省交通科学研究院有限公司 一种架桥机架梁侧翻风险评估方法、系统及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111731268A (zh) * 2020-06-01 2020-10-02 南京航空航天大学 一种考虑不同驾驶员特性的车辆防侧翻控制方法
CN111891118A (zh) * 2020-08-05 2020-11-06 桂林电子科技大学 基于模型预测控制算法的电动汽车防侧翻控制方法
CN112230551A (zh) * 2020-10-29 2021-01-15 北京理工大学 基于车辆底盘集成控制技术的防侧翻主动控制方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108099919B (zh) * 2017-11-09 2019-01-29 珠海格力电器股份有限公司 车辆防侧翻预警方法、装置、存储介质及车辆

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111731268A (zh) * 2020-06-01 2020-10-02 南京航空航天大学 一种考虑不同驾驶员特性的车辆防侧翻控制方法
CN111891118A (zh) * 2020-08-05 2020-11-06 桂林电子科技大学 基于模型预测控制算法的电动汽车防侧翻控制方法
CN112230551A (zh) * 2020-10-29 2021-01-15 北京理工大学 基于车辆底盘集成控制技术的防侧翻主动控制方法

Also Published As

Publication number Publication date
CN114357631A (zh) 2022-04-15

Similar Documents

Publication Publication Date Title
CN106004870B (zh) 一种基于变权重模型预测算法的车辆稳定性集成控制方法
CN110286681B (zh) 一种变曲率弯道的动态自动驾驶换道轨迹规划方法
CN101932462B (zh) 车辆衰减力控制装置
CN111750866B (zh) 基于区域虚拟力场的智能汽车横纵向耦合路径规划方法
WO2008021676A2 (en) Vehicle yaw/roll stability control with semi-active suspension
CN108773376A (zh) 一种融合驾驶意图的汽车多目标分层协同控制与优化方法
CN112068445B (zh) 自动驾驶车辆路径规划与路径跟踪集成控制方法及系统
CN108819796B (zh) 双轮毂电机电动汽车的智能转向控制方法
CN112578672B (zh) 基于底盘非线性的无人驾驶汽车轨迹控制系统及其轨迹控制方法
CN112406853B (zh) 轮毂电机驱动越野车横摆与侧倾稳定性集成控制方法
CN112406854B (zh) 轮毂电机驱动越野车侧倾稳定性控制方法
CN111391595A (zh) 车辆防侧翻主动倾摆模型预测控制方法
CN111002976A (zh) 一种基于模糊自适应pid控制的智能车辆抗侧风控制方法
Huang et al. Lateral stability control of four-wheel independent drive electric vehicles based on model predictive control
CN114357631B (zh) 基于协同分布式优化的集成式车辆防侧翻主动控制方法
CN208585235U (zh) 一种提高公交车乘坐舒适性的智能辅助系统
CN103407342B (zh) 一种车辆横向动力学模糊混沌控制系统及其控制方法
CN108382395B (zh) 一种提高公交车乘坐舒适性的智能辅助系统
Xu et al. Roll stability and path tracking control strategy considering driver in the loop
Li et al. Adaptive sliding mode control of lateral stability of four wheel hub electric vehicles
Liang et al. Integration of active tilting control and full-wheel steering control system on vehicle lateral performance
CN114454871A (zh) 一种用于四轮独立驱动的无人驾驶平台稳定跟踪控制方法
CN114312848A (zh) 基于双层mpc的智能驾驶汽车轨迹规划与跟踪控制方法
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
CN114407880B (zh) 一种无人驾驶紧急避障路径跟踪方法

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