CN116513158A - 一种基于智能轮胎技术的4wid汽车横向失稳控制方法 - Google Patents

Abstract

本发明公开一种基于智能轮胎技术的4WID汽车横向失稳控制方法，根据智能轮胎技术获取车辆行驶状态，输出纵向车速及前轮转角；以纵向车速和前轮转角为输入，理想质心侧偏角为输出建立二自由度车辆模型；通过二自由度车辆模型建立车辆质心侧偏角‑质心侧偏角速度相平面稳定域库。将实际质心侧偏角及质心侧偏角速度输入至稳定性判定模块中对车辆当前稳定状态进行判定。若判定车辆稳定为否，则与质心侧偏角误差结果一同进入直接横摆力矩控制模块；搭建分层式直接横摆力矩控制模块以及七自由度整车动力学模型，输入为四轮轮毂电机附加力矩，输出为实际纵向车速，实际质心侧偏角等车辆参数，并将参数反馈至驾驶员模型及稳定性判定模块，以此达到闭环控制。

Description

一种基于智能轮胎技术的4WID汽车横向失稳控制方法

技术领域

本发明涉及一种基于智能轮胎技术的4WID汽车横向失稳控制方法。

背景技术

随着技术的快速发展，采用分布式驱动的车辆在稳定性控制上拥有更好的表现，其稳定性控制技术不仅可以减小驾驶员的负担、提高车辆行驶稳定性和驾驶员的操纵感，还能有效避免交通事故的发生。目前在使用质心侧偏角-质心侧偏角速度相平面图做车辆稳定性分析方面，将稳定域分为曲线型和四边形形并建立稳定域边界数据库，并判断状态点是否在稳定域内，以此作为稳定性控制介入的基础。

但是在稳定域边界表达式中，大部分学者采用线性表达式，并且忽略了相平面中的四边形稳定域类型以及前轮转角对稳定边界的影响。这样在车辆前轮转角发生变化时，稳定边界将变的不可靠。因此本发明提出了一种基于智能轮胎技术的4WID汽车横向失稳控制方法。

发明内容

本发明要解决的技术问题是为了克服现有车辆横向失稳控制器中存在的缺陷而提供的一种基于智能轮胎技术的4WID汽车横向失稳控制方法，并拟合出考虑前轮转角，纵向车速和路面附着系数时的边界函数，以此搭建相平面稳定域库，建立分层式直接横摆力矩控制模块来解决4WID汽车横向稳定性控制问题。

本发明所采用的技术方案有：

一种基于智能轮胎技术的4WID汽车横向失稳控制方法，包括稳定性判定模块，所述稳定性判定模块用于确定分布式驱动电动汽车的稳定状态趋势；

所述控制方法包括如下步骤：

1)首先获取分布式驱动电动汽车的行驶状态，建立驾驶员模型，输出纵向车速与前轮转角；

2)建立包括车辆横向运动和横摆运动的二自由度车辆模型，以纵向车速、前轮转角以及路面附着系数为输入，理想质心侧偏角为输出；

3)通过二自由度车辆模型建立分布式驱动电动汽车的质心侧偏角-质心侧偏角速度相平面稳定域库；

4)将分布式驱动电动汽车的实际质心侧偏角及质心侧偏角速度输入至稳定性判定模块中对车辆当前稳定状态进行判定，若判定车辆稳定为否，则与质心侧偏角误差结果一同进入搭建的分层式的直接横摆力矩控制模块；

所述分层式的直接横摆力矩控制模块以质心侧偏角误差和稳定性判断结果为输入，输出为四个轮轮毂电机的附加力矩T；

分层式的直接横摆力矩控制模块中的上层控制器为跟踪质心侧偏角误差的滑模控制器，下层控制器为以轮胎最优滑移率为目标函数的最优分配；

5)搭建七自由度整车动力学模型，其输入为四轮轮毂电机附加力矩，输出实际参数为实际纵向车速、实际质心侧偏角以及实际质心侧偏角速度，并将参数反馈至驾驶员模型以及稳定性判定模块，以此达到闭环控制；

6)搭建Matlab/Simulink模型，进行仿真验证。

进一步地，步骤3)中建立所述稳定域库的具体步骤为：

1)首先搭建二自由度车辆模型，该模型为：

车辆的纵向车速V输入间隔为10km/h,范围为10km/h至50km/h；

前轮转角δ输入间隔为1°，范围为0°至5°；

路面附着系数μ输入间隔为0.1，范围为0.1至1；

2)其次通过搭建魔术轮胎模型，得到四个轮胎的垂向力及轮胎侧偏角；

3)通过循环得到300组分布式驱动电动汽车的质心侧偏角-质心侧偏角速度的相平面图，将所有的相平面图进行相平面分成两类，对应类型为：线性稳定域和四边形稳定域；

4)最后对每一张相平面图选取稳定边界，并求出稳定边界与输入参数(V，μ，δ)之间的函数关系。

进一步地，所述线性稳定域的边界函数设计为：

其中：L₁为线性稳定域的左侧边界直线；

L₂为线性稳定域的右侧边界直线；

α₁-α₂₀为线性稳定边界拟合参数；

β为质心侧偏角；

A₁、A₂、B₁、B₂为线性稳定域边界函数的系数。

进一步地，所述四边形稳定域的边界函数设计为：

β_B＝f₆(δ，μ)＝-0.94+0.207δ-0.387μ-0.016δ²-0.06δμ+0.189μ²

其中：AB、BC、CD以及DA为四边形稳定域的四条边。

进一步地，在通过步骤3)得到车辆的质心侧偏角-质心侧偏角速度相平面稳定域库时，

对于随机车辆初始状态，首先判断此时车辆的相平面图为何种类型，然后将车辆初始状态参数(V₀，μ₀，δ₀)代入至对应的边界函数，得到在该状态下的边界函数，

若车辆行驶状态位于线性稳定域当中，稳定公式为：

若车辆行驶状态位于四边形稳定域当中，稳定公式为：

将七自由度车辆模型输出的车辆初始状态下对应的实际参数输入至判断模块，判断车辆在该初始状态下的稳定情况。

进一步地，分层式的直接横摆力矩控制模块以质心侧偏角误差和稳定性判断结果为输入，输出为四个轮轮毂电机的附加力矩T，附加力矩T如下：

分层式的直接横摆力矩控制模块中上层控制器为跟踪质心侧偏角误差的滑模控制器，滑模控制器输出为附加横摆力矩ΔM_β，ΔM_β表达式如下：

式中：

B为车辆轴距；

γ为横摆角速度；

T_ij(i＝f，r；j＝l，r)为四轮附加力矩；

μ_ij(i＝f，r；j＝l，r)为四轮轮胎滑移率；

F_zij(i＝f，r；j＝l，r)为四轮垂向力；

a为车辆质心到前轴距离；

b为车辆质心到后轴距离；

k_f，k_r分别为前后轮侧偏刚度；

I_z为垂向转动惯量；

K_β为稳定性因数：m为车辆质量；

K_βc_β为误差和误差变化率之间的相对权重系数，大于0。

本发明具有如下有益效果：

本发明充分考虑到了当前轮转角发生变化时，相平面稳定类型会发生变化，并且并使用最小二乘法拟合出关于路面附着系数、纵向车速、前轮转角的稳定边界函数。通过搭建Matlab/Simulink模型，与旧的相平面稳定域划分方法(OPPPM)，同时在DYC控制下进行验证对比。最后仿真结果表明，本发明能够更好的控制车辆在横向失稳情况下的稳定性。

附图说明

图1为本发明原理框图。

图2为线性稳定域。

图3为四边形稳定域。

图4为车辆二自由度模型。

图5为前轮转角正弦输入。

图5.1为正弦输入下质心侧偏角对比。

图5.2为正弦输入下横摆角速度对比。

图5.3为正弦输入下路径对比。

图5.4为正弦输入下附加横摆力矩对比。

图5.5为正弦输入下相平面对比。

图6为前轮角阶跃输入。

图6.1为角阶跃输入下质心侧偏角对比。

图6.2为角阶跃输入下横摆角速度对比。

图6.3为角阶跃输入下路径对比。

图6.4为角阶跃输入下相平面对比。

具体实施方式

下面结合附图对本发明作进一步的说明。

如图1，本发明一种基于智能轮胎技术的4WID汽车横向失稳控制方法，包括如下步骤：

1)首先根据现有的智能轮胎技术获取分布式驱动电动汽车的纵向车速，路面附着系数以及前轮转角，建立驾驶员模型，输出纵向车速及前轮转角；

2)建立二自由度车辆模型，以纵向车速和前轮转角为输入，理想质心侧偏角为输出；

3)通过车辆二自由度模型建立分布式驱动电动汽车车辆质心侧偏角-质心侧偏角速度相平面稳定域库。

该稳定域库的特征在于考虑前轮转角的影响，并使用最小二乘法拟合出关于路面附着系数、纵向车速、前轮转角的稳定边界函数；

4)将实际质心侧偏角及质心侧偏角速度输入至稳定性判定模块中对车辆当前稳定状态进行判定。若判定车辆稳定为否，则与质心侧偏角误差结果一同进入直接横摆力矩控制模块；

5)搭建分层式直接横摆力矩控制模块，其中上层控制器为跟踪质心侧偏角误差的滑模控制，下层控制器为以轮胎最优滑移率为目标函数的最优分配。其输入为质心侧偏角误差，输出为四个轮轮毂电机的附加力矩T；

6)搭建七自由度整车动力学模型，输入为四轮轮毂电机附加力矩，输出实际参数为实际纵向车速、实际质心侧偏角、实际质心侧偏角速度，并将参数反馈至驾驶员模型及稳定性判定模块，以此达到闭环控制。

7)搭建Matlab/Simulink模型，进行仿真验证。

本发明的整体思路为：

通过循环得到300组分布式驱动电动汽车的质心侧偏角-质心侧偏角速度的相平面图，其中将相平面类型分为：线性稳定域和四边形稳定域。然后对每一张相平面选取稳定边界，并求出稳定边界与输入参数(V，μ，δ)之间的函数关系，建立曲线型和四边形稳定域边界参数数据库。之后与旧的相平面稳定域划分方法同时在分层式直接横摆力矩控制下进行比较，最后得出结论。

步骤2中的具体原理包括：

二自由度车辆理想模型示意图如图4所示，包括横向运动和横摆运动.通过二自由度模型可以计算出车辆理想横摆角速度和质心侧偏角，并且可以得到车辆的质心侧偏角-质心侧偏角速度相平面图。

横向运动和横摆运动的动力学方程可表示为以下内容：

其中m为车辆质量，v为车速，β为质心侧偏角，δ表示前轮转角，a和b分别表示车辆质心到前、后轴的距离，I_z表示车辆绕Z轴的转动惯量，γ表示横摆角速度。

当车辆处于稳定行驶状态时，它的质心侧偏角和横摆角速度应当满足以下公式：

因此可以推出期望的横摆角速度和质心侧偏角：

其中δ为前轮转角，L为轴距。K为稳定性系数，kf_，k_r为前后轮侧偏刚度。

由于受到地面附着极限的限制，期望横摆角速度需要满足：

其中α为安全系数，取0.85；g为重力加速度，取9.8。

最终的期望横摆角速度取值为：

期望质心侧偏角变形后：

则期望质心侧偏角限制为：

所以最后期望质心侧偏角取值为：

步骤3中的具体原理包括：

车辆纵向车速输入间隔为10km/h,范围为10km/h至50km/h。

前轮转角输入间隔为1°，范围为0°至5°。

路面附着系数输入间隔为0.1，范围为0.1至1。

其次搭建魔术轮胎模型，得到四个轮胎的垂向力及轮胎侧偏角。

其次通过循环得到300组相平面图，其中将相平面类型分为：线性稳定域和四边形稳定域，如图2、3所示。

最后对每一张相平面选取稳定边界，并求出稳定边界与输入参数(V，μ，δ)之间的函数关系。

其中第一类稳定域边界函数设计为：

其中L₁为左侧直线，L₂为右侧直线。拟合参数如表1所示：

表1线性稳定边界拟合参数

当车速超过30km/h，前轮角度超过3°时，相平面类型将成为四边形稳定域。

如图3所示，用A、B、C、D四点构造四边形，其中A、C的横坐标相等，B、D的纵坐标相等。假设A点的坐标为C点的坐标为/>B点的坐标为/>D点的坐标为因此只要确定β_A，β_B，β_D，/>

第二类稳定域边界函数设计为：

β_B＝f₆(δ，μ)＝-0.94+0.207δ-0.387μ-0.016δ²-0.06δμ+0.189μ²步骤4中的具体原理包括：

本发明的分布式驱动电动汽车横向稳定性控制器采用分层式控制方法，首先为了获得最佳的附加横摆力矩，上层控制器使用SMC控制算法来对车辆的质心侧偏角误差和横摆角速度误差进行跟踪，获得最佳附加横摆力矩ΔM_z。之后下层控制器采用平均分配算法进行四轮转矩分配。框架原理如图1所示。

1)上层控制器设计

本发明选择质心侧偏角参与滑模控制器设计。由于在控制过程中加入了附加横摆力矩，原二自由度模型微分方程可以改写为：

此处的ΔM_z为附加横摆力矩。

1.1)质心侧偏角滑模控制

定义质心侧偏角跟踪误差及其导数如下：

e_β＝β-β_d

定义滑模面：

式中c_β为误差和误差变化率之间的相对权重系数，其值大于0。

滑模趋近方式选择等速趋近律，即：

式中K_β为控制到滑模面的趋近速度，是个正的常量。

则：

即可推出跟踪质心侧偏角误差得到的附加横摆力矩：

1.2)控制器稳定性验证

当系统状态处于边界层外部时，控制率和切换逻辑不变，但如果处于边界层之内，符号函数便会被代替成饱和函数sat(s)。

式中H为边界层厚度。

为了减少控制系统的抖振现象，本发明中将函数sgn(s)替换为函数sat(s)，因此计算的横摆力矩表示如下：

定义Lyapunov函数：

求其一阶导数如下：

将ΔM_β代入则可得到：

因为K_β＞0，k_β＞0，所以所以系统稳定。

2)下层控制器设计

前文选取质心侧偏角作为控制变量，运用SMC算法对其进行控制，从而跟随理想的质心侧偏角，求解出能够让车辆保持横向稳定的附加横摆力矩ΔM。下层控制器的任务是将求解出的ΔM依据合理的算法分配到四轮轮毂电机上，以达到保证车辆横向稳定的目的。

本发明采用转矩最优分配算法，考虑轮胎路面最优附着利用率为目标函数。其中路面附着利用率可以用来描述车辆的稳定裕度。当路面附着利用率越高，则代表此时轮胎力与附着极限的距离越小，稳定性则越低。在分布式驱动电动汽车中，四个车轮均可产生驱动力，所以需要考虑四个车轮的附着利用率。所以本发明采用的考虑轮胎路面最优附着利用率的目标函数如下：

在优化过程中，目标的实现需要满足等式约束需求为上层力与力矩需求，即满足横摆力矩和整车纵向力需求，同时又受到路面附着及电机性能的限制。不等式约束需求为转矩约束以及附着约束。其中转矩约束收到最大驱动转矩及T_max的影响，附着约束主要收到轮胎垂向载荷和地面附着系数的影响。

由以上分析可得约束函数为：

解之得：

步骤5中的具体原理包括：

为了验证本发明效果。本发明进行了基于Matlab/Simulink的仿真验证。本发明相平面稳定域划分方法New phase plane partition method(NPPPM)以及考虑前轮转角对相平面稳定边界的影响，提出的新的稳定边界表达方式。本发明将所提出的NPPPM与旧的相平面稳定域划分方法(OPPPM)，同时在DYC控制下进行验证对比。

1)前轮转角正弦输入

设前轮转角为正弦输入，振幅为0.08rad，如图5所示。路面摩擦系数设为0.4，模拟湿滑路面。纵向车速设定为50km/h。

此时分布式驱动电动汽车的质心侧偏角曲线和横摆角速度曲线如图5.1、5.2所示。由图可知，有控制的质心侧偏角及横摆角速度曲线峰值要比无控制的低，且曲线更加平稳。还可以看出将前轮转角对相平面稳定边界的影响考虑进去的NPPPM在同样的条件下要比OPPPM的控制效果更佳。

图5.2～图5.5为NPPPM和OPPPM在相同工况下的仿真对比图。由图5.2可知，改进后的相平面划分方法对车辆的横向控制性能要优于未考虑前轮转角的控制策略。图5.4为两种划分方法下基于质心侧偏角误差的附加横摆力矩对比，NPPPM控制方法下的附加横摆力矩要高于OPPPM下的，这是因为将前轮转角考虑进去后，车辆在相同情况下的相平面稳定域会更小，因此对车辆的稳定性能要求更高，施加的附加横摆力矩也就越大，这保证了车辆在极限工况下的横向稳定性能，但一定程度上降低了驾驶员的舒适性。在NPPPM控制方法下，同侧车轮的转矩分配趋势虽然相同，但幅度不同。前轮扭矩大于后轮扭矩，这是因为车辆是前轮转向的。

2)前轮转角阶跃输入

设前轮转角为阶跃输入，振幅为0.08rad，如图6所示。路面摩擦系数设为0.4，模拟湿滑路面。纵向车速设定为50km/h。

此时分布式驱动电动汽车的质心侧偏角曲线和横摆角速度曲线如图6.1，6.2所示。

由图可知，有控制的质心侧偏角及横摆角速度曲线峰值要比无控制的低，且曲线更加平稳。同时可以看出将前轮转角对相平面稳定边界的影响考虑进去的NPPPM在同样的条件下要比OPPPM的控制效果更佳。

图6.3～图6.4为NPPPM和OPPPM在相同工况下的仿真对比图。

由图6.3知，基于NPPPM控制方法的轨迹横向位移较小，因此对车辆的横向控制要略优与OPPPM控制方法。如图6.4所示，基于NPPPM控制方法下的相轨迹能够闭合，且比OPPPM控制方法下的相平面要更接近原点，且面积更小，这很好的反映了该控制方法的优越性。

本发明提出相平面稳定域划分及表示方法并以此建立新的相平面稳定域库，该划分通过以纵向车速，路面附着系数和前轮转角为影响因素设计稳定边界。在拟合稳定边界的过程中采用最小二乘法对选取的300组稳定点进行拟合。而后将设计好的相平面稳定域库代入至车辆直接横摆力矩控制当中，进行车辆的稳定性判定。在DYC控制中采用了分层式的控制方法，上层为滑模控制，以质心侧偏角误差为跟踪目标。下层控制器为最优分配，以最优路面附着利用率为目标函数。

仿真比较了NPPPM、OPPPM和无控制情况下前轮转角为正弦输入和阶跃输入的稳定性能。仿真结果表明，NPPPM对比OPPPM有着更好的稳定性判断能力，缩小了车辆稳定范围，提高了车辆的稳定性能，并且四轮转矩分配合理。虽然在一定程度上降低了驾驶员的操纵舒适性，但提高了车辆的横向稳定性，确保了车辆行驶的安全性。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下还可以作出若干改进，这些改进也应视为本发明的保护范围。

Claims (6)

1.一种基于智能轮胎技术的4WID汽车横向失稳控制方法，包括稳定性判定模块，所述稳定性判定模块用于确定分布式驱动电动汽车的稳定状态趋势；

其特征在于：所述控制方法包括如下步骤：

1)首先获取分布式驱动电动汽车的行驶状态，建立驾驶员模型，输出纵向车速与前轮转角；

2)建立包括车辆横向运动和横摆运动的二自由度车辆模型，以纵向车速、前轮转角以及路面附着系数为输入，理想质心侧偏角为输出；

3)通过二自由度车辆模型建立分布式驱动电动汽车的质心侧偏角-质心侧偏角速度相平面稳定域库；

4)将分布式驱动电动汽车的实际质心侧偏角及质心侧偏角速度输入至稳定性判定模块中对车辆当前稳定状态进行判定，若判定车辆稳定为否，则与质心侧偏角误差结果一同进入搭建的分层式的直接横摆力矩控制模块；

所述分层式的直接横摆力矩控制模块以质心侧偏角误差和稳定性判断结果为输入，输出为四个轮轮毂电机的附加力矩T；

分层式的直接横摆力矩控制模块中的上层控制器为跟踪质心侧偏角误差的滑模控制器，下层控制器为以轮胎最优滑移率为目标函数的最优分配；

5)搭建七自由度整车动力学模型，其输入为四轮轮毂电机附加力矩，输出实际参数为实际纵向车速、实际质心侧偏角以及实际质心侧偏角速度，并将参数反馈至驾驶员模型以及稳定性判定模块，以此达到闭环控制；

6)搭建Matlab/Simulink模型，进行仿真验证。

2.如权利要求1所述的基于智能轮胎技术的4WID汽车横向失稳控制方法，其特征在于：步骤3)中建立所述稳定域库的具体步骤为：

1)首先搭建二自由度车辆模型，该模型为：

车辆的纵向车速V输入间隔为10km/h,范围为10km/h至50km/h；

前轮转角δ输入间隔为1°，范围为0°至5°；

路面附着系数μ输入间隔为0.1，范围为0.1至1；

2)其次通过搭建魔术轮胎模型，得到四个轮胎的垂向力及轮胎侧偏角；

3)通过循环得到300组分布式驱动电动汽车的质心侧偏角-质心侧偏角速度的相平面图，将所有的相平面图进行相平面分成两类，对应类型为：线性稳定域和四边形稳定域；

4)最后对每一张相平面图选取稳定边界，并求出稳定边界与输入参数(V，μ，δ)之间的函数关系。

3.如权利要求2所述的基于智能轮胎技术的4WID汽车横向失稳控制方法，其特征在于：所述线性稳定域的边界函数设计为：

其中：L₁为线性稳定域的左侧边界直线；

L₂为线性稳定域的右侧边界直线；

α₁-α₂₀为线性稳定边界拟合参数；

β为质心侧偏角；

A₁、A₂、B₁、B₂为线性稳定域边界函数的系数。

4.如权利要求3所述的基于智能轮胎技术的4WID汽车横向失稳控制方法，其特征在于：所述四边形稳定域的边界函数设计为：

β_B＝f₆(δ，μ)＝-0.94+0.207δ-0.387μ-0.016δ²-0.06δμ+0.189μ²

其中：AB、BC、CD以及DA为四边形稳定域的四条边。

5.如权利要求4所述的基于智能轮胎技术的4WID汽车横向失稳控制方法，其特征在于：在通过步骤3)得到车辆的质心侧偏角-质心侧偏角速度相平面稳定域库时，

对于随机车辆初始状态，首先判断此时车辆的相平面图为何种类型，然后将车辆初始状态参数(V₀，μ₀，δ₀)代入至对应的边界函数，得到在该状态下的边界函数，

若车辆行驶状态位于线性稳定域当中，稳定公式为：

若车辆行驶状态位于四边形稳定域当中，稳定公式为：

将七自由度车辆模型输出的车辆初始状态下对应的实际参数输入至判断模块，判断车辆在该初始状态下的稳定情况。

6.如权利要求1所述的基于智能轮胎技术的4WID汽车横向失稳控制方法，其特征在于：分层式的直接横摆力矩控制模块以质心侧偏角误差和稳定性判断结果为输入，输出为四个轮轮毂电机的附加力矩T，附加力矩T如下：

分层式的直接横摆力矩控制模块中上层控制器为跟踪质心侧偏角误差的滑模控制器，滑模控制器输出为附加横摆力矩ΔM_β，ΔM_β表达式如下：

式中：

B为车辆轴距；

γ为横摆角速度；

T_ij(i＝f，r；j＝l，r)为四轮附加力矩；

μ_ij(i＝f，r；j＝l，r)为四轮轮胎滑移率；

F_zij(i＝f，r；j＝l，r)为四轮垂向力；

a为车辆质心到前轴距离；

b为车辆质心到后轴距离；

k_f，k_r分别为前后轮侧偏刚度；

I_z为垂向转动惯量；

K_β为稳定性因数：m为车辆质量；

c_β为误差和误差变化率之间的相对权重系数，大于0。