CN117734668A - 考虑预瞄转角和时滞补偿的智能车辆稳定性控制方法 - Google Patents

Abstract

本发明公开了一种考虑预瞄转角和时滞补偿的智能车辆稳定性控制方法，包括：S1.考虑车辆的机动性、横向稳定性和侧倾稳定性，构建车辆稳定性控制模型；S2.调整车辆稳定性控制模型中各参数值，使得车辆稳定性控制模型取得最小值，将车辆稳定性控制模型取得最小值时设置的控制变量作为优化控制参数，经过时滞后将优化控制参数作用于车辆。本发明能够充分考虑预瞄信息和线控执行机构时滞，以提高车辆在各种工况下的轨迹跟踪性能、横向稳定性和侧倾稳定性。

Description

考虑预瞄转角和时滞补偿的智能车辆稳定性控制方法

技术领域

本发明涉及车辆控制领域，具体涉及一种考虑预瞄转角和时滞补偿的智能车辆稳定性控制方法。

背景技术

随着我国人工智能和5G技术的大力发展，智慧交通系统(IntelligentTransportation System,ITS)和车辆智能化受到学者和企业的广泛关注，这已经成为一个重要的研究热点。自动驾驶行业的快速崛起，引发一系列安全事故的隐患，车辆稳定性控制的研究依然不可忽视。

近年来，针对车辆横向和侧倾稳定性的研究，许多研究者提出了不同的控制方法和策略，比如模型预测控制、滑膜控制、H∞控制等。江和耀等针对四轮轮毂驱动电动汽车，采用模型预测控制策略集成车辆侧向稳定及防侧倾功能，有效地防止车辆侧翻和保证行驶安全性。刘聪等就高速无人车复杂非结构场景下，考虑车辆剩余模型不确定性和环境噪声干扰，提出了高斯型滑膜预测控制方法来解决车辆轨迹跟踪精度和横摆稳定性协调平衡问题。Zhilin Jin等提出了一种新的侧翻指标，用于预测车辆在非侧倾和特殊侧倾情况下的侧翻风险，结果表明了主动防侧翻控制系统的稳定性和鲁棒性。

以上的技术研究，大多数都是针对单车辆稳定性研究，车辆历史轨迹或前车状态信息没有得到充分的利用，网联车辆中前车的状态信息往往没有进行较好的预瞄和利用。此外，真实场景下执行机构难免存在时滞情况，这往往会导致控制精度差，甚至造成汽车失稳的现象。

因此，为解决以上问题，需要一种考虑预瞄转角和时滞补偿的智能车辆稳定性控制方法，能够充分考虑预瞄信息和线控执行机构时滞，以提高车辆在各种工况下的轨迹跟踪性能、横向稳定性和侧倾稳定性。

发明内容

有鉴于此，本发明的目的是克服现有技术中的缺陷，提供考虑预瞄转角和时滞补偿的智能车辆稳定性控制方法，能够充分考虑预瞄信息和线控执行机构时滞，以提高车辆在各种工况下的轨迹跟踪性能、横向稳定性和侧倾稳定性。

本发明的考虑预瞄转角和时滞补偿的智能车辆稳定性控制方法，包括如下步骤：

S1.考虑车辆的机动性、横向稳定性和侧倾稳定性，构建车辆稳定性控制模型；

S2.调整车辆稳定性控制模型中各参数值，使得车辆稳定性控制模型取得最小值，将车辆稳定性控制模型取得最小值时设置的控制变量作为优化控制参数，经过时滞后将优化控制参数作用于车辆。

进一步，所述车辆稳定性控制模型包括目标函数以及约束条件；

所述目标函数J：

J＝||Γ_y(Y_N(k+1|k)-R_ref(k+1|k))||²+||Γ_uΔU(k)||²；

其中，Γ_y、Γ_u分别代表预测输出的权重、控制输入的权重；Y_N(k+1|k)表示在k时刻的预测输出序列；R_ref(k+1|k)表示在k时刻的预测参考输出序列；ΔU(k)表示k时刻控制输入增量序列；||·||²表示向量的模；

所述约束条件包括预测输出约束、控制输入约束、控制增量约束。

进一步，所述预测输出约束为：

其中，k表示当前时刻，i表示当前时刻变化的增量，y(k+i)表示k+i时刻输出量，y_min(k+i)表示k+i时刻输出量的最小值，y_max(k+i)表示k+i时刻输出量的最大值；N_τ表示延时步长，N表示预测和控制步长，Δx(k)表示k时刻状态量的变化量；I_y表示相应的单位矩阵，y(k)表示k时刻输出量，ΔU^τ(k)表示考虑延时步长的控制输入增量序列，ΔW_c(k)表示输入扰动序列。

进一步，所述控制输入约束为：

u_min(k+i)≤u(k+i)≤u_max(k+i) i＝0…N-1

其中，k表示当前时刻，i表示当前时刻变化的增量，u(k+i)表示k+i时刻控制输入量，u_min(k+i)表示k+i时刻控制输入量的最小值，u_max(k+i)表示k+i时刻控制输入量的最大值，N表示预测和控制步长。

进一步，所述控制增量约束为：

Δu_min(k+i)≤Δu(k+i)≤Δu_max(k+i) i＝0…N-1

其中，k表示当前时刻，i表示当前时刻变化的增量，Δu(k+i)表示k+i时刻控制输入增量，Δu_min(k+i)表示k+i时刻控制输入增量的最小值，Δu_max(k+i)表示k+i时刻控制输入增量的最大值，N表示预测和控制步长。

进一步，根据如下式子确定k时刻的预测输出序列Y_N(k+1|k)：

其中，

表示i时刻的参数A_d，表示i-1时刻的参数A_d；T_s为采样时间；

I_x表示车辆绕x轴的转动惯量，I_z表示车辆绕z轴的转动惯量，以车辆质心为原点，沿车辆行进方向作x轴，沿垂直于车辆所在水平面的方向作z轴；K_f、K_r分别代表前、后轮胎的侧偏刚度；h_s、l_f、l_r分别是车辆侧倾中心、前轴和后轴到质心的距离；v_x是车速；m、m_s分别代表整车质量、簧载质量； 分别代表侧倾刚度系数和控制侧倾力矩；表示侧倾阻尼系数；

s表示积分用时间变量；

进一步，根据如下式子确定k时刻的控制变量ΔU(k)：

其中，k表示当前时刻，i表示当前时刻变化的增量，Δu(k)＝u(k)-u(k-1)；u(k)表示k时刻的控制输入量；M_B表示横摆力矩，表示侧倾力矩。

本发明的有益效果是：本发明公开的一种考虑预瞄转角和时滞补偿的智能车辆稳定性控制方法，针对网联车跟车应用场景，建立三自由度车辆动力学模型以及设计控制器，实现更优的车辆动力学性能。首先，基于车辆横向运动、横摆运动和侧倾运动建立数学模型，并以二自由度车辆模型获取状态参考值。其次，通过ITS或V2V技术预瞄前车转角和速度信息，设计考虑执行时滞的模型预测控制器(Preview delay model predictive control,PDMPC)，进而极大地改善车辆的机动性和侧倾稳定性。

附图说明

下面结合附图和实施例对本发明作进一步描述：

图1(a)为本发明的三自由度模型的滚动模型示意图；

图1(b)为本发明的三自由度模型的自行车模型示意图；

图2为本发明的模型预测控制设计框图；

图3为本发明的车-云-车信息交互示意图；

图4为本发明的车辆位置预瞄转角信息示意图；

图5为本发明的控制横摆力矩和侧倾力矩示意图。

具体实施方式

以下结合说明书附图对本发明做出进一步的说明，如图所示：

本发明的考虑预瞄转角和时滞补偿的智能车辆稳定性控制方法，包括如下步骤：

S1.考虑车辆的机动性、横向稳定性和侧倾稳定性，构建车辆稳定性控制模型；

S2.调整车辆稳定性控制模型中各参数值，使得车辆稳定性控制模型取得最小值，将车辆稳定性控制模型取得最小值时设置的控制变量作为优化控制参数，经过时滞后将优化控制参数作用于车辆。

在车辆横向运动和侧倾运动方面，为充分利用传感器技术和通信技术，预瞄控制的思想已经被广泛应用。研究者在当前车辆行驶状态下，利用(Vehicle to Vehicle,V2V)技术或高精地图对规划轨迹的离散车辆转角信息或道路曲率进行预瞄，并加入到增广矩阵中进行控制器设计，保障了极端工况的跟踪精度和系统稳定性。

本实施例中，建立有效的车辆动力学数学模型，对于智能车控制器设计尤为重要。本发明针对车辆研究对象，建立了三自由度车辆模型，并利用车辆转角和速度信息，输入二自由度理想模型生成轨迹和状态的参考值。

根据对于车辆模型的简化和假设，车辆的三自由度模型如图1所示，其中(a)代表滚动模型，(b)代表自行车模型。车辆运动包含侧倾运动，横向运动和横摆运动。根据牛顿第二定理，分别列出侧倾力矩、横向力和横摆力矩平衡方程为：

式中I_x、I_z代表车辆绕x、z轴的转动惯量，分别代表侧倾角、侧倾阻尼系数、侧倾刚度系数和控制侧倾力矩，m、m_s代表整车质量、簧载质量，h_s、l_f、l_r分别是车辆侧倾中心、前轴和后轴到质心的距离，v_x是车速，β、γ是质心侧偏角、横摆角速度，F_yf、F_yr为前轮、后轮侧向力，M_B为控制横摆力矩。

轮胎横向力线性模型和轮胎侧偏角表示为：

式中K_f、K_r代表前、后轮胎的侧偏刚度，α_f、α_r是前后轮胎侧偏角，δ_f为前轮转角。

本发明选取质心侧偏角、横摆角速度、侧倾角和侧倾角速度为状态变量，侧倾力矩和横摆力矩为控制变量，前轮转角为输入扰动，分别表述为：

选取状态变量为输出，式(1)-(3)写成状态空间形式为

式中

获取转角和速度信息后，选用理想二自由度自行车模型计算车辆状态变量参考值。

在稳态行驶过程，横摆角速度和质心侧偏角应趋于稳定，即带入式(1)-(2)可得：

式(5)经过整理得到参考质心侧偏角和横摆角速度为：

式中K＝m/l²(l_r/K_f-l_f/K_r)是转角稳定性系数，l＝l_f+l_r是前、后轴距离。

车辆模型的横向运动或横摆运动过大，车辆执行机构提供的力或力矩满足不了要求，会直接影响车辆的稳定性。结合路面附着系数μ和车速v_x，得到状态变量的阈值为：

车辆行驶过程中，应尽量减少车身侧倾运动，即侧倾角和侧倾角速度的参考值为0。因此，车辆状态变量的参考值为：

本实施例中，在后车控制器设计时，充分对前车行驶信息进行预瞄，可以极大的提高控制性能。此外，实际应用场景下底层线控机构执行通常存在时滞现象，这往往会影响控制性能，造成跟踪效果差或车辆失稳。因此，本发明针对车辆稳定性进行研究，利用云控平台或V2V获取前车车辆的参考转角和速度信息进行预瞄，把执行时滞控制加入到模型预测控制器设计中，并建立二次规划QP优化问题进行求解。

图2展示了车辆控制流程，后车接收到经过处理的前车信息后，利用转角信息进行预瞄控制。通过模拟仿真计算出状态变量参考值与当前车辆状态进行对比，建立目标函数求解出最优控制力矩，经过时滞后作用到车辆系统，形成滚动优化的闭环控制。最后，车辆状态信息作为输出，衡量跟踪控制动态性能。其中，所述车辆系统为车辆底盘执行系统，车辆底盘执行系统是现有技术的集成体，用于控制和执行底盘相关的功能，包括悬挂系统、制动系统、转向系统等。

基于信息物理系统的云控系统概念，将人-车-路-云的物理层、信息层、应用层结合为一体，可提升交通运行安全和效率。基于这些技术，前车驾驶员的转向和速度输入可以通过传感器来测量与估计，获得其离散采样数据，并与位置信息进行融合处理，通过云控基础平台或V2V通信技术实时反馈给后车，指导其在多场景工况下跟踪前车。

图3展示了车与车、车与云平台交互场景，虚线和实线分别代表道路中心线和前车轨迹，前车轨迹上面的点代表具有转角信息和速度信息的离散位置采样点。具体而言，位置信息可以通过高精度GPS或惯性测量单元IMU获得，转角和速度可通过传感器测量。

对于后车智能车来说，每一步需要对前车的转角信息进行预瞄，本发明采用等间距预瞄采样，当前步转角预瞄序列为：

W_c(k)＝[δ_f(k) δ_f(k+1) δ_f(k+2) … δ_f(k+p)]^T (9)

式中p代表转角预瞄时域步长。

考虑执行机构的时滞性，定义侧倾力矩机构和横摆力矩机构时滞τ相同。把车辆数学模型离散化，式(4)表达为

式中C_d＝C，T_s为采样时间。

引入积分可减小或消除静态误差，式(10)改写为增量模型形式得到：

式中Δx(k)＝x(k)-x(k-1)、Δu(k)＝u(k)-u(k-1)、Δw(k)＝w(k)-w(k-1)。

在x(k)时刻，对考虑时滞后的未来时刻动态进行预测。由于执行机构时滞，只有在k+N_τ步后才能作用于车辆系统，且定义预测时域和控制时域步长均为N，得到在k时刻的预测输出序列Y_N(k+1|k)、控制输入序列(最优变量ΔU(k)和已知输入ΔU^τ(k))和输入扰动序列ΔW_c(k)分别为：

结合式(10)-(11)，预测输出序列可以推导为：

式中

根据以上的描述，控制算法应保证车辆在行驶过程中的稳定性，车辆的稳定性包含机动性、横向稳定性和侧倾稳定性。

其中机动性是指车辆跟踪参考横摆角速度的能力，因此提高机动性必须减小横摆角速度误差。为了提高横向稳定性，需要减小侧向加速度或轮胎侧偏角，即转换为改善质心侧偏角的性能，同时也有助于防止车辆侧翻，但横向运动的抑制导致转向不足，这与机动性显然是冲突的。侧倾稳定性的改善，需要减小侧倾角和侧倾角速度。因此，控制目标为保证质心侧偏角和横摆角速度的跟踪效果，以及使侧倾角和侧倾角速度趋近于0，但车辆的性能之间存在耦合关系，可通过加权调节各个性能的比重。

此外，为达到节能目标，应把控制输入带入到优化中，得到目标函数为：

J＝||Γ_y(Y_N(k+1|k)-R_ref(k+1|k))||²+||Γ_uΔU(k)||² (14)

式中Γ_y、Γ_u分别代表预测输出、控制输入的权重。

考虑预测输出的限制，整理后约束条件为：

y_min(k+i)≤y(k+i)≤y_max(k+i) i＝N_τ+1…N_τ+N

执行机构饱和可通过对控制输入进行限制，整理后约束条件为：

u_min(k+i)≤u(k+i)≤u_max(k+i)i＝0…N-1

考虑执行机构连续性，对控制增量约束，整理后约束条件为：

Δu_min(k+i)≤Δu(k+i)≤Δu_max(k+i) i＝0…N-1

通过构建优化函数及约束，并忽略常数项，转化为QP问题进行求解得到：

经过上述讨论，计算求解出ΔU^*(k)，取其中第一个分量Δu(k)，并且带入到u(k)＝u(k-1)+Δu(k)得到优化的控制输入。

为了验证带有转角预瞄和时滞补偿模型预测控制PDMPC的有效性和鲁棒性，利用鱼钩试验进行仿真分析，并把没有时滞补偿的控制器PMPC车辆和被动车辆Passive作为对比。

选用某小型SUV进行控制器算法验证，其车辆参数如表1所示。在控制器设计中，路面附着系数、预测时域步数和时滞时间分别设置为μ＝1、N＝35、τ＝0.018s。预测输出、控制输入权重分别为Γ_y＝[10⁸,10⁸,10⁶,10⁶]^T、Γ_u＝[10¹,10¹]^T，控制输入、控制输入增量，以及侧倾角、侧倾角速度的最大值分别为：

u_max＝[5000Nm,5000Nm]^T、Δu_max＝[100Nm,100Nm]^T、

表1

为了验证PDMPC控制器防侧翻性能的有效性，引入鱼钩试验如图4所示，为车辆基于距离的离散转角信息，其中最大转角为270°，在每一个位置离散点都会对未来时刻车辆转角进行预瞄。定义为保证城市道路的通行效率，在车辆编队行驶过程中，后车沿着前车路径信息行驶。

在没有加入控制器的工况，车辆表现出较差的机动性、横向稳定性和侧倾稳定性，甚至会产生失稳或侧翻现象。在加入控制器之后，车辆的综合性能得到明显改善。值得注意的是，减小横摆角速度误差，有助于增强车辆机动性，但会导致过多转向，这与车辆横向稳定性存在矛盾。

PDMPC控制器相对于PMPC控制器在减少车辆质心侧偏角误差、横摆角速度误差、侧倾角和侧倾角速度方面具有更好的控制效果，表明了线控执行时滞会对控制性能产生影响，这个因素在实际应用中不可被忽略。

图5展示的控制横摆力矩和控制侧倾力矩在阈值范围内，表明了试验过程中执行机构没有失效。此外，在PDMPC控制器作用下，车辆质心侧偏角误差变化范围更小、车辆横摆角速度能较好的跟踪目标值，且车辆的侧倾运动被极大的抑制，都在车辆的可接受范围内。值得注意的是，被动车辆的侧倾运动过大，这可能会引起车辆的侧翻。从试验结果来看，本发明提出的PDMPC控制器可以极大的改善车辆的机动性和侧倾稳定性。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳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，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (7)

1.一种考虑预瞄转角和时滞补偿的智能车辆稳定性控制方法，其特征在于：包括如下步骤：

S1.考虑车辆的机动性、横向稳定性和侧倾稳定性，构建车辆稳定性控制模型；

S2.调整车辆稳定性控制模型中各参数值，使得车辆稳定性控制模型取得最小值，将车辆稳定性控制模型取得最小值时设置的控制变量作为优化控制参数，经过时滞后将优化控制参数作用于车辆。

2.根据权利要求1所述的考虑预瞄转角和时滞补偿的智能车辆稳定性控制方法，其特征在于：所述车辆稳定性控制模型包括目标函数以及约束条件；

所述目标函数J：

J＝||Γ_y(Y_N(k+1|k)-R_ref(k+1|k))||²+||Γ_uΔU(k)||²；

其中，Γ_y、Γ_u分别代表预测输出的权重、控制输入的权重；Y_N(k+1|k)表示在k时刻的预测输出序列；R_ref(k+1|k)表示在k时刻的预测参考输出序列；ΔU(k)表示k时刻控制输入增量序列；||·||²表示向量的模；

所述约束条件包括预测输出约束、控制输入约束、控制增量约束。

3.根据权利要求1所述的考虑预瞄转角和时滞补偿的智能车辆稳定性控制方法，其特征在于：所述预测输出约束为：

y_min(k+i)≤y(k+i)≤y_max(k+i) i＝N_τ+1…N_τ+N

其中，k表示当前时刻，i表示当前时刻变化的增量，y(k+i)表示k+i时刻输出量，y_min(k+i)表示k+i时刻输出量的最小值，y_max(k+i)表示k+i时刻输出量的最大值；N_τ表示延时步长，N表示预测和控制步长，Δx(k)表示k时刻状态量的变化量；I_y表示相应的单位矩阵，y(k)表示k时刻输出量，U^τ(k)表示考虑延时步长的控制输入增量序列，ΔW_c(k)表示输入扰动序列。

4.根据权利要求1所述的考虑预瞄转角和时滞补偿的智能车辆稳定性控制方法，其特征在于：所述控制输入约束为：

u_min(k+i)≤u(k+i)≤u_max(k+i) i＝0…N-1

其中，k表示当前时刻，i表示当前时刻变化的增量，u(k+i)表示k+i时刻控制输入量，u_min(k+i)表示k+i时刻控制输入量的最小值，u_max(k+i)表示k+i时刻控制输入量的最大值，N表示预测和控制步长。

5.根据权利要求1所述的考虑预瞄转角和时滞补偿的智能车辆稳定性控制方法，其特征在于：所述控制增量约束为：

Δu_min(k+i)≤Δu(k+i)≤Δu_max(k+i) i＝0…N-1

其中，k表示当前时刻，i表示当前时刻变化的增量，Δu(k+i)表示k+i时刻控制输入增量，Δu_min(k+i)表示k+i时刻控制输入增量的最小值，Δu_max(k+i)表示k+i时刻控制输入增量的最大值，N表示预测和控制步长。

6.根据权利要求1所述的考虑预瞄转角和时滞补偿的智能车辆稳定性控制方法，其特征在于：根据如下式子确定k时刻的预测输出序列Y_N(k+1|k)：

其中，

C_d＝C；

表示i时刻的参数A_d，表示i-1时刻的参数A_d；T_s为采样时间；

I_x表示车辆绕x轴的转动惯量，I_z表示车辆绕z轴的转动惯量，以车辆质心为原点，沿车辆行进方向作x轴，沿垂直于车辆所在水平面的方向作z轴；K_f、K_r分别代表前、后轮胎的侧偏刚度；h_s、l_f、l_r分别是车辆侧倾中心、前轴和后轴到质心的距离；v_x是车速；m、m_s分别代表整车质量、簧载质量； 分别代表侧倾刚度系数和控制侧倾力矩；表示侧倾阻尼系数；

s表示积分用时间变量；

7.根据权利要求1所述的考虑预瞄转角和时滞补偿的智能车辆稳定性控制方法，其特征在于：根据如下式子确定k时刻的控制变量ΔU(k)：

其中，k表示当前时刻，i表示当前时刻变化的增量，Δu(k)＝u(k)-u(k-1)；u(k)表示k时刻的控制输入量；M_B表示横摆力矩，表示侧倾力矩。