CN114771476B - 一种基于非线性自适应滑模的汽车防抱死制动方法 - Google Patents

Abstract

本发明公开了一种基于非线性自适应滑模的汽车防抱死制动方法。通过测量车辆行驶速度与车轮转动角速度计算滑移率，进行积分与非线性变换组合得到非线性滑模信号，再通过积分得到滑模积分信号；然后根据非线性滑模信号与半影滑模信号求商得到相对滑模率信号并积分得到相对滑模率积分信号；最后由非线性滑模信号、滑模积分信号、相对滑模率信号以及相对滑模率积分信号组成刹车控制滑模力矩信号，并采用自适应方法对系数进行估计，得到车轮制动摩檫力与风阻力补偿信号以及车轮制动摩檫力矩补偿信号，最后综合形成制动力矩，实现车辆防抱死制动控制。该方法能够对不同路面进行自动适应，因此制动效果在不同环境与轮胎情况下均有不错的效果。

Description

一种基于非线性自适应滑模的汽车防抱死制动方法

技术领域

本发明涉及汽车刹车制动与控制领域，具体而言，涉及一种基于非线性自适应滑模的汽车防抱死制动的方法。

背景技术

滑模控制由于具有良好的鲁棒性而被广泛应用与各类工业工程控制中，而汽车防抱死控制由于面临的不同轮胎、不同地面环境的随时变换切换等影响，需要综合起来具有很好的对环境自适应能力。基于上述研究，以及汽车车轮制动过程的严重非线性，提出了一种基于非线性自适应滑模相结合的车辆制动方法，从力和力矩两方面进行自适应补偿，从而取得了良好的制动效果。从而使得本发明不仅具有良好的理论价值，而且具有较好的经济价值。

需要说明的是，在上述背景技术部分发明的信息仅用于加强对本发明的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本发明的目的在于提供一种基于非线性自适应滑模的汽车防抱死制动方法，进而克服了由于相关技术的限制和缺陷而导致的不同路面与环境自适应能力不足与防抱死制动效果不佳的问题。

根据本发明的一个方面，提供一种基于非线性自适应滑模的汽车防抱死制动方法动，包括以下步骤：

步骤S10，安装传感器测量的车辆行驶速度与车轮转动角速度计算车辆滑移率，并设定期望滑移率，通过比较得到滑移率误差信号，并乘以速度信号，得到速度滑移率误差信号，并进行积分与非线性变换分别得到速度滑移率误差积分信号与速度滑移率误差非线性变换信号，再与速度滑移率误差信号进行组合得到非线性滑模信号；

步骤S20，根据所述的速度滑移率误差信号建立半影滑模信号，再通过对所述的非线性滑模信号进行积分，得到滑模积分信号；然后根据非线性滑模信号与半影滑模信号求商得到相对滑模率信号；再对相对滑模率信号进行积分，得到相对滑模率积分信号；最后由非线性滑模信号、滑模积分信号、相对滑模率信号以及相对滑模率积分信号组成刹车控制滑模力矩信号；

步骤S30，根据所述的车辆滑移率构建滑移率指数信号与滑移率一次信号；再根据车辆质量参数，求解车辆支持力；并结合车辆行驶速度与半影滑模信号以及非线性滑模信号进行自适应估计，分别得到滑移率指数系数估计信号与滑移率一次系数估计信号；

步骤S40，根据所述的滑移率指数系数估计信号与滑移率一次系数估计信号以及车辆滑移率信号计算车轮摩擦系数估计信号；再根据半影滑模信号计算车轮制动摩擦力与风阻力补偿信号以及车轮制动摩擦力矩补偿信号；最后叠加刹车控制滑模力矩信号形成总的刹车制动力矩信号，输送给车辆制动系统，实现车辆车轮的刹车制动。

在本发明的一种示例实施例中，根据传感器测量的车辆行驶速度与车轮转动角速度计算车辆滑移率，并设定期望滑移率，通过比较得到滑移率误差信号，并乘以速度信号，得到速度滑移率误差信号，并进行积分与非线性变换分别得到速度滑移率误差积分信号与速度滑移率误差非线性变换信号，再与速度滑移率误差信号进行组合得到非线性滑模信号包括：

σ＝ve_a；

s_σ＝∫σdt；

w＝σ+c₁s_σ+c₂n_σ；

其中v为通过安装速度传感器测量得到车辆行驶速度；ω为在车轮上安装角速度传感器，测量得到的车轮转动角速度；r为车轮半径；s为车辆滑移率；s^d为根据路面情况设定的期望滑移率；e_a为滑移率误差信号；σ为速度滑移率误差信号；s_σ为速度滑移率误差积分信号；n_σ为速度滑移率误差非线性变换信号；c₁、c₂、c₃为常值参数，详见后文案例实施；w为非线性滑模信号。

在本发明的一种示例实施例中，根据所述的速度滑移率误差信号建立半影滑模信号，再通过对所述的非线性滑模信号进行积分，得到滑模积分信号；然后根据非线性滑模信号与半影滑模信号求商得到相对滑模率信号；再对相对滑模率信号进行积分，得到相对滑模率积分信号；最后由非线性滑模信号、滑模积分信号、相对滑模率信号以及相对滑模率积分信号组成刹车控制滑模力矩信号包括：

s₂＝∫wdt；

s₃＝∫rdt；

u_d＝-k₁w-k₂s₂-k₃r_a-k₄s₃；

其中w_a为半影滑模信号；s₂为滑模积分信号；r_a为相对滑模率信号；s₃为相对滑模率积分信号；k₁、k₂、k₃、k₄为常值参数，详细选取见后文案例实施；u_d为刹车控制滑模力矩信号。

在本发明的一种示例实施例中，根据所述的车辆滑移率构建滑移率指数信号与滑移率一次信号；再根据车辆质量参数，求解车辆支持力；并结合车辆行驶速度与半影滑模信号以及非线性滑模信号进行自适应估计，分别得到滑移率指数系数估计信号与滑移率一次系数估计信号包括：

f_b(s)＝-s，

N＝Mg；

其中s为车辆滑移率，c_2a为根据路面情况设置的常值参数，详细选取见后文案例实施；f_a(s)为滑移率指数信号；f_b(s)为滑移率一次信号；M为车辆质量的四分之一，详细选取见后文案例实施；g为重力加速度常数；N为车辆支持力；k₅、k₆为控制自适应估计速率的常值参数，详细选取见后文案例实施；A为车辆横截面面积参数，详细选取见后文案例实施；w_a为半影滑模信号；I为车辆车轮转动的转动惯量参数；ρ为空气密度；C_d为风阻力系数，为常值参数，详细选取见后文案例实施；为滑移率指数系数估计信号/>的第n+1个数据；为滑移率一次系数估计信号/>的第n+1个数据。

在本发明的一种示例实施例中，根据所述的滑移率指数系数估计信号与滑移率一次系数估计信号以及车辆滑移率信号计算车轮摩擦系数估计信号；再根据半影滑模信号计算车轮制动摩擦力与风阻力补偿信号以及车轮制动摩擦力矩补偿信号；最后叠加刹车控制滑模力矩信号形成总的刹车制动力矩信号包括：

T_a＝I(u_c+u_b+u_d)；

其中为滑移率指数系数估计信号，/>为滑移率一次系数估计信号，c₁₀与c₂₀为根据路面情况设置的常值参数，详细选取见后文案例实施；f(s)为车轮摩擦系数估计信号；u_c为车轮制动摩擦力与风阻力补偿信号；u_b为车轮制动摩擦力矩补偿信号；T_a为总的刹车制动力矩信号。

有益效果

本发明一种基于非线性自适应滑模的汽车防抱死制动方法，其主要创新点有如下两点：其一是采用基于非线性滑模的方法，从力与力矩两方面，对摩擦力以及空气阻力的力效应与力矩效应了补偿，而传统补偿方法往往是从力矩一个方面进行补偿或者仅补偿了摩擦力。其二是采用了自适应参数估计的方法，分别从滑移率指数系数与滑移率一次系数两个方面对不同路面与轮胎的摩擦情况进行了自适应估计，从而减少了刹车制动对模型的依赖性。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。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是本发明提供的一种基于非线性自适应滑模的汽车防抱死制动方法动方法流程图。

图2是本发明实施例所提供方法的车辆行驶速度曲线；

图3是本发明实施例所提供方法的车辆车轮转动角速度曲线；

图4是本发明实施例所提供方法的车轮制动摩擦力矩补偿信号曲线；

图5是本发明实施例所提供方法的刹车制动力矩信号；

图6是本发明实施例所提供方法的车辆滑移率信号曲线。

具体实施方式

现在将参考附图基础上更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本发明将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本发明的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本发明的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本发明的各方面变得模糊。

本发明提供了一种通过测量车辆行驶速度与车轮转动角速度来计算滑移率，进行积分与非线性变换后组合得到非线性滑模信号，再由非线性滑模信号与半影滑模信号求商得到相对滑模率以及其积分信号；最后由非线性滑模信号、滑模积分信号、相对滑模率信号以及相对滑模率积分信号组成刹车控制滑模力矩信号。然后采用自适应方法对并采用自适应方法对摩擦力中的滑移率指数系数与滑移率一次系数两个重要系数进行估计，得到车轮制动摩擦力与风阻力补偿信号以及车轮制动摩擦力矩补偿信号，最后综合形成制动力矩，实现车辆防抱死制动控制。

下面，将结合附图对本发明的一种基于非线性自适应滑模的汽车防抱死制动方法，进行进一步的解释以及说明。参考图1所示，该一种基于非线性自适应滑模的汽车防抱死制动方法，可以包括以下步骤：

步骤S10，安装传感器测量的车辆行驶速度与车轮转动角速度计算车辆滑移率，并设定期望滑移率，通过比较得到滑移率误差信号，并乘以车辆行驶速度，得到速度滑移率误差信号，并进行积分与非线性变换分别得到速度滑移率误差积分信号与速度滑移率误差非线性变换信号，再与速度滑移率误差信号进行组合得到非线性滑模信号。

具体的，首先，通过安装速度传感器，测量车辆的行驶速度，记作v；在车轮上安装速度传感器，测量车轮转动角速度，记作ω；

其次，计算车辆滑移率，记作s，其计算方式如下：

其中r为车轮半径，其详细选取见后文案例实施。

再次，根据路面情况，设定期望滑移率，记作s^d，并计算滑移率误差信号，记作e_a，其计算方式如下：

然后，将滑移率误差信号乘以车辆速度信号，得到速度滑移率误差信号，记作σ，其计算方式如下：

σ＝ve_a；

再对速度滑移率误差信号进行积分与非线性变换分别得到速度滑移率误差积分信号与速度滑移率误差非线性变换信号如下：

s_σ＝∫σdt；

其中s_σ为速度滑移率误差积分信号；n_σ为速度滑移率误差非线性变换信号，c₃为常值参数，详见后文案例实施。

最后将上述速度滑移率误差积分信号与速度滑移率误差非线性变换信号以及速度滑移率误差信号进行组合得到非线性滑模信号如下所示：

w＝σ+c₁s_σ+c₂n_σ；

其中c₁、c₂、c₃为常值参数，详见后文案例实施；w为非线性滑模信号。

步骤S20，根据所述的速度滑移率误差信号建立半影滑模信号，再通过对所述的非线性滑模信号进行积分，得到滑模积分信号；然后根据非线性滑模信号与半影滑模信号求商得到相对滑模率信号；再对相对滑模率信号进行积分，得到相对滑模率积分信号；最后由非线性滑模信号、滑模积分信号、相对滑模率信号以及相对滑模率积分信号组成刹车控制滑模力矩信号。

具体的，首先根据所述的速度滑移率误差信号建立半影滑模信号如下：

其中w_a为半影滑模信号。

其次，对所述的非线性滑模信号进行积分，得到滑模积分信号如下：

s₂＝∫wdt；

其中s₂为滑模积分信号。

然后，根据非线性滑模信号与半影滑模信号求商得到相对滑模率信号如下：

其中r_a为相对滑模率信号。

再对相对滑模率信号进行积分，得到相对滑模率积分信号如下：

s₃＝∫rdt；

其中s₃为相对滑模率积分信号。

最后由非线性滑模信号、滑模积分信号、相对滑模率信号以及相对滑模率积分信号组成刹车控制滑模力矩信号如下：

u_d＝-k₁w-k₂s₂-k₃r_a-k₄s₃；

其中k₁、k₂、k₃、k₄为常值参数，详细选取见后文案例实施；u_d为刹车控制滑模力矩信号。

步骤S30，根据所述的车辆滑移率构建滑移率指数信号与滑移率一次信号；再根据车辆质量参数，求解车辆支持力；并结合车辆行驶速度与半影滑模信号以及非线性滑模信号进行自适应估计，分别得到滑移率指数系数估计信号与滑移率一次系数估计信号。

具体的，首先根据所述的车辆滑移率构建滑移率指数信号与滑移率一次信号如下：

f_b(s)＝-s，

其中s为车辆滑移率，c_2a为根据路面情况设置的常值参数，详细选取见后文案例实施；f_a(s)为滑移率指数信号；f_b(s)为滑移率一次信号。

其次，根据车辆质量参数，求解车辆支持力，并结合车辆行驶速度与半影滑模信号以及非线性滑模信号进行自适应估计，分别得到滑移率指数系数估计信号与滑移率一次系数估计信号如下：

N＝Mg；

其中M为车辆质量的四分之一，详细选取见后文案例实施；N为车辆支持力；k₅、k₆为控制自适应估计速率的常值参数，详细选取见后文案例实施；A为车辆横截面面积参数，详细选取见后文案例实施；w_a为半影滑模信号；I为车辆车轮转动的转动惯量参数；ρ为空气密度；C_d为风阻力系数，为常值参数，详细选取见后文案例实施；为滑移率指数系数估计信号/>的第n+1个数据；/>为滑移率一次系数估计信号/>的第n+1个数据。

步骤S40，根据所述的滑移率指数系数估计信号与滑移率一次系数估计信号以及车辆滑移率信号计算车轮摩擦系数估计信号；再根据半影滑模信号计算车轮制动摩擦力与风阻力补偿信号以及车轮制动摩擦力矩补偿信号；最后叠加刹车控制滑模力矩信号形成总的刹车制动力矩信号，输送给车辆制动系统，实现车辆车轮的刹车制动。

具体的，根据所述的滑移率指数系数估计信号与滑移率一次系数估计信号以及车辆滑移率信号计算车轮摩擦系数估计信号如下：

其中为滑移率指数系数估计信号，/>为滑移率一次系数估计信号，c₁₀与c₂₀为根据路面情况设置的常值参数，详细选取见后文案例实施；f(s)为车轮摩擦系数估计信号。

其次，根据半影滑模信号计算车轮制动摩擦力与风阻力补偿信号以及车轮制动摩擦力矩补偿信号如下：

u_c为车轮制动摩擦力与风阻力补偿信号，u_b为车轮制动摩擦力矩补偿信号。

最后叠加刹车控制滑模力矩信号形成总的刹车制动力矩信号如下：

T_a＝I(u_c+u_b+u_d)；

T_a为总的刹车制动力矩信号，将其输送给车辆制动系统，实现车辆车轮的刹车制动。

案例实施与计算机仿真模拟结果分析

在步骤S10中，选取中r＝0.326米，设置期望滑移率为s₀＝0.35，通过传感器测量得到车辆行驶速度如图2所示，车辆车轮转动角速度曲线如图3所示。

在步骤S20中，选取k₁＝5、k₂＝0.3、k₃＝2、k₄＝0.1。

在步骤S30中，选取c_2a＝0.15，M＝415，g＝9.8，k₅＝0.1、k₆＝0.05，ρ＝1.29；C_d＝0.21，，最终得到车轮制动摩擦力矩补偿信号如图4所示。

在步骤S40中选取c₁₀＝0.05，c₂₀＝0.25，得到刹车制动力矩信号如图5所示，最终得到车辆滑移率如图6所示。由图2可以看出，车辆速度能够由初始速度35m/s平稳降到0左右，由图6可以看出，车辆制动过程的滑移率全程都稳定在期望值0.35左右，近末端低速时有所上升，但不影响制动过程的稳定性，从而可以看出本发明方法具有良好的制动效果。

Claims (4)

1.一种基于非线性自适应滑模的汽车防抱死制动方法，其特征在于，安装传感器测量的车辆行驶速度与车轮转动角速度计算车辆滑移率，并设定期望滑移率，通过比较得到滑移率误差信号，并乘以车辆行驶速度信号，得到速度滑移率误差信号，并进行积分与非线性变换分别得到速度滑移率误差积分信号与速度滑移率误差非线性变换信号，再与速度滑移率误差信号进行组合得到非线性滑模信号包括：

σ＝Ve_Q；

S_σ＝∫σdt；

w＝σ+c₁s_σ+c₂n_σ；

其中v为通过安装速度传感器测量得到车辆行驶速度；ω为在车轮上安装角速度传感器，测量得到的车轮转动角速度；r为车轮半径；s为车辆滑移率；s^d为根据路面情况设定的期望滑移率；e_a为滑移率误差信号；σ为速度滑移率误差信号；s_σ为速度滑移率误差积分信号；n_σ为速度滑移率误差非线性变换信号；c₁、c₂、c₃为常值参数；w为非线性滑模信号。

2.根据权利要求1所述的一种基于非线性自适应滑模的汽车防抱死制动方法，其特征在于，根据所述的速度滑移率误差信号建立半影滑模信号，再通过对所述的非线性滑模信号进行积分，得到滑模积分信号；然后根据非线性滑模信号与半影滑模信号求商得到相对滑模率信号；再对相对滑模率信号进行积分，得到相对滑模率积分信号；最后由非线性滑模信号、滑模积分信号、相对滑模率信号以及相对滑模率积分信号组成刹车控制滑模力矩信号包括：

s₂＝∫wdt；

s₃＝∫rdt；

u_d＝-k₁w-k₂s₂-k₃r_a-k₄s₃；

其中w_a为半影滑模信号；s₂为滑模积分信号；r_a为相对滑模率信号；s₃为相对滑模率积分信号；k₁、k₂、k₃、k₄为常值参数；u_d为刹车控制滑模力矩信号。

3.根据权利要求1所述的一种基于非线性自适应滑模的汽车防抱死制动方法，其特征在于，根据所述的车辆滑移率构建滑移率指数信号与滑移率一次信号；再根据车辆质量参数，求解车辆支持力；并结合车辆行驶速度与半影滑模信号以及非线性滑模信号进行自适应估计，分别得到滑移率指数系数估计信号与滑移率一次系数估计信号包括：

f_b(s)＝-s，

N＝Mg；

其中s为车辆滑移率，c_2a为根据路面情况设置的常值参数；f_a(s)为滑移率指数信号；f_b(s)为滑移率一次信号；M为车辆质量的四分之一，g为重力加速度系数，N为车辆支持力；k₅、k₆为控制自适应估计速率的常值参数；A为车辆横截面面积参数；w_a为半影滑模信号；I为车辆车轮转动的转动惯量参数；ρ为空气密度；C_d为风阻力系数，为常值参数；为滑移率指数系数估计信号/>的第n+1个数据；/>为滑移率一次系数估计信号/>的第n+1个数据。

4.根据权利要求3所述的一种基于非线性自适应滑模的汽车防抱死制动方法，其特征在于，根据所述的滑移率指数系数估计信号与滑移率一次系数估计信号以及车辆滑移率信号计算车轮摩擦系数估计信号；再根据半影滑模信号计算车轮制动摩檫力与风阻力补偿信号以及车轮制动摩檫力矩补偿信号；最后叠加刹车控制滑模力矩信号形成总的刹车制动力矩信号包括：

T_a＝I(u_c+u_b+u_d)；

其中为滑移率指数系数估计信号，/>为滑移率一次系数估计信号，c₁₀与c₂₀为根据路面情况设置的常值参数；f(s)为车轮摩擦系数估计信号；u_c为车轮制动摩檫力与风阻力补偿信号；u_b为车轮制动摩檫力矩补偿信号；T_a为总的刹车制动力矩信号。