CN106004870A - 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 - Google Patents

Abstract

本发明公开了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，主要针对车辆的横摆运动和侧倾运动，以提高车辆的稳定性和乘坐舒适性。主要包含以下步骤：步骤一、采集车辆行驶状态信息，并进行估计处理；步骤二、分别决策出保持车辆横摆稳定性和侧倾稳定性的参考状态值；步骤三、选用变权重模型预测控制算法，以前轮转角和轮胎制动力为控制变量，集成车辆横摆和侧倾稳定性控制；步骤四、对比轮胎期望制动力与制动管实际压力，确定电磁阀动作指令，同时将附加前轮转角与驾驶员的转向动作叠加，得到最终的前轮转角；步骤五、制动执行器和转向执行器执行电磁阀动作指令和前轮转角指令，从而使车辆保持横摆稳定性和侧倾稳定性。

Description

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

技术领域

本发明涉及一种车辆稳定性控制器的设计方法，尤其涉及一种基于变权重模型预测算法的车辆横摆和侧倾稳定性集成控制器的设计方法。

背景技术

近年来，日益复杂的交通环境导致了交通事故的频繁发生，其中车辆的侧翻和侧滑事故已经成为人类生命和财产安全的主要威胁，这主要与车辆的横摆运动和侧倾运动有关。目前，大部分的研究都是针对车辆的横摆或侧倾运动进行单独控制，或者将两种运动控制进行简单的叠加。但车辆的横摆和侧倾运动之间存在严重的耦合，两种控制在一定程度上可以相互促进。但在极限工况下，可能会存在一定的矛盾，比如当车辆高速行驶在高附着的路面上紧急避障时，车辆有不足转向趋势，横摆稳定性控制可以使车辆跟随期望的行驶轨迹，而随着驾驶员的急剧转向，也会不断提高车辆的侧翻危险程度。因此单独或简单叠加的控制方案已经不能完全保证车辆的横摆稳定性和侧倾稳定性。

发明内容

本发明的目的是针对车辆的横摆和侧倾运动，提出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，以前轮转角和轮胎制动力为控制变量，根据车辆不同的行驶状态基于变权重模型预测算法对横摆和侧倾运动进行集成控制，同时保证车辆的横摆和侧倾稳定性，有效的防止侧滑或侧翻现象的发生。

本发明所提出的基于变权重模型预测算法的车辆稳定性集成控制方法是通过以下技术方案实现的：

1.一种基于变权重模型预测算法的车辆稳定性集成控制方法，包括以下步骤：

步骤一、实时采集车车辆状态信息，并经估计处理更新采集的车辆状态信息，包括车辆的方向盘转角、横摆角速度、质心侧偏角、侧倾角、侧倾角速度、纵向车速、侧向载荷转移率、制动管压力以及路面附着系数；

步骤二、根据所述步骤一实时处理得到的车辆状态信息，分别决策出保持车辆横摆稳定性和侧倾稳定性的参考状态值；

步骤三、基于变权重模型预测算法，以前轮转角和轮胎制动力为控制变量，设计车辆横摆和侧倾稳定性集成控制器：选用变权重模型预测算法，以前轮转角和轮胎制动力为控制变量，集成车辆横摆和侧倾稳定性控制，并以横摆角速度跟踪参考值和最小化侧向载荷转移率为控制目标，选用模糊逻辑策略对目标函数中的两个权重系数进行实时的更新，完成控制器的设计；

步骤四、将所述步骤三中控制器输出的轮胎期望制动力与制动管实际压力作对比，从而决策出制动执行***的增压、保压或减压状态，并转换成与之对应的电磁阀动作指令，同时将所述步骤三中输出的附加前轮转角与驾驶员的转向动作叠加，得到最终的前轮转角；

步骤五、制动执行器和转向执行器执行所述步骤四中的电磁阀动作指令和前轮转角指令，使车辆保持横摆稳定性和侧倾稳定性。

本发明由于采用了上述的技术方案，本发明具有以下积极效果：

1、在综合考虑车辆的横摆和侧倾稳定性能需求的基础上，本发明提出一种新型的车辆稳定性集成控制器，并以前轮转角和轮胎制动力为控制变量，一方面修正了方向盘转角和主动前轮转角的关系而不影响车辆的纵向动力学，另一方面又通过对不同的车轮施加制动力产生附加横摆力矩。这样不仅会削弱侧向运动控制对车辆纵向速度的影响，同时能够保证轮胎在任何区域均有良好的控制效果，保证车辆的稳定性和乘坐舒适性。

2、本发明利用模型预测控制算法，根据当前车辆的运行状态预测车辆未来一段时间内的状态，结构简单，鲁棒性强，同时能够处理带有约束的多变量优化问题，为开发车辆稳定性控制***打下了坚实的基础。

3、在优化控制过程中，针对车辆的不同行驶状态和稳定性需求，本发明选用模糊逻辑策略对目标函数中横摆控制和侧倾控制的权重系数进行实时的更新，实现了变权重模型预测控制器的设计，满足了车辆对于横摆运动和侧倾运动的稳定性能需求，保证了稳定性能的最优化。

附图说明

图1为本发明所提出的车辆稳定性控制方案图；

图2为方向盘转角隶属度函数图；

图3为侧向载荷转移率隶属度函数图；

图4为侧倾控制权重系数隶属度函数图；

图5为侧倾控制权重系数三维map图；

图6为极限工况方向盘转角图；

图7为极限工况横摆角速度图；

图8为极限工况侧向载荷转移率图；

图9为极限工况前轮转角图；

图10-13为极限工况轮胎制动力图。

具体实施方式

下面结合附图，对发明所提出的技术方案进行进一步阐述和说明。

本发明提供一种基于变权重模型预测算法的车辆稳定性控制器设计方法，如图1所示，该方法包括以下步骤：

1.实时采集和处理车辆当前状态信息：

首先，实时采集车载传感器反馈回来的车辆状态信息，其中包括转向传感器采集来的方向盘转角信号，偏转率传感器(陀螺仪)采集的车辆质心处的横摆角速度和侧倾角速度信号，加速度传感器测量的纵向和侧向的加速度信号，压力传感器检测得到车轮处制动管的实际压力信号。将这些信号经过滤波或估计处理，从而实时更新车辆当前的方向盘转角、横摆角速度、侧倾角、侧倾角速度、质心侧偏角、侧向载荷转移、纵向车速以及轮缸制动压力等状态信息。

2.跟据步骤1实时处理得到的车辆状态信息，分别决策出保持车辆横摆稳定性和侧倾稳定性的参考状态值：

由于横摆角速度能够真实的反应车辆的横摆运动状态，并且具有可直接测量的优势，因此本发明通过计算参考横摆角速度的值来真实的反应驾驶员的行驶意图，作为车辆保持横摆稳定性的参考状态。在本步骤中，通过公式(1)来计算参考的横摆角速度r_ref：

$r_{ref}=\frac{v_x/L}{1+k\·{v^2}_x}{\mathrm{\δ}}_f---\left(1\right)$

其中：L为车辆轮距，v_x为纵向车速，δ_f为前轮转角，k代表稳定性因数，是表征汽车稳态响应的重要参数，本发明中取值为0.0025s²/m²

针对车辆的侧倾运动，本发明选用侧向载荷转移率(Lateral-transfer-ratio)作为汽车的侧翻指标，简称为LTR。其定义为轮胎两侧的垂直载荷的差与垂直载荷的和的比值的绝度值，具体表达式如公式(2)所示：

$\left|LTR\right|=\left|\frac{F_{zl}-F_{zr}}{F_{zl}+F_{zr}}\right|---\left(2\right)$

其中，F_zl表示车辆左前轮和左后轮的垂直载荷之和，F_zr表示车辆右前轮和右后轮的垂直载荷之和。

从侧向载荷转移率的表达形式能够看出，LTR是一个介于0和1之间的变量。当LTR的数值为0的时候，车辆左侧轮胎的垂直载荷与右侧轮胎的垂直载荷相等，说明车辆此时正在稳定的行驶；当LTR的数值为1的时候，车辆左侧轮胎或右侧轮胎的垂直载荷为0，车轮有离开地面的危险，很容易发生侧翻事故。因此本发明选用LTR＝0为保持车辆侧倾稳定性的参考状态值。

3.基于变权重模型预测算法，以前轮转角和轮胎制动力为控制变量，设计车辆横摆和侧倾稳定性集成控制器：

(1)***预测模型

针对车辆的横摆运动、侧向运动和侧倾运动，建立简化的三自由度车辆模型作为预测模型。首先做出如下假设：

Ⅰ不考虑车辆转向***的影响，把前轮转角δ_f作为***的输入；

Ⅱ忽略悬架的作用，认为汽车沿z轴的位移，绕x轴的侧倾角与绕y轴的俯仰角均为零；

Ⅲ不考虑轮胎载荷的变化和地面切向力对轮胎侧偏特性的影响；

Ⅳ忽略空气动力的作用，驱动力不大；

Ⅴ汽车沿x轴的纵向速度不变。

本发明采用ISO标准车辆坐标系，坐标原点设在车辆的质心处，车辆沿车头向前行驶的方向设为x轴正方向，水平向左为y轴的正方向，z轴正方向由右手螺旋定则确定。由于根据达朗贝尔定理得到车辆质心侧偏角变化率关于侧向合力∑F_y、横摆合力矩∑M_z以及侧倾合力矩∑M_x的表达式：

$\stackrel{\·}{\mathrm{\β}}=\frac{{m_s}^2{e}^2+mD}{m^2{\mathrm{Dv}}_x}{\mathrm{\ΣF}}_y-\frac{m_s{\mathrm{eI}}_{xzs}}{{\mathrm{mI}}_z{\mathrm{Dv}}_x}{\mathrm{\ΣM}}_z+\frac{m_{s}e}{{\mathrm{mDv}}_x}{\mathrm{\ΣM}}_x---\left(3\right)$

横摆角速度变化率关于侧向合力∑F_y、横摆合力矩∑M_z以及侧倾合力矩∑M_x的表达式：

$\stackrel{\·}{r}=\frac{-I_{xz}{m}_{s}e}{mD}{\mathrm{\ΣF}}_y+\frac{I_{z}D+I_{xz}{I}_{xzs}}{{I_z}^{2}D}{\mathrm{\ΣM}}_z-\frac{I_{xz}}{I_{z}D}{\mathrm{\ΣM}}_x---\left(4\right)$

侧倾角速度变化率关于侧向合力∑F_y、横摆合力矩∑M_z以及侧倾合力矩∑M_x的表达式：

$\stackrel{\·\·}{\mathrm{\φ}}=\frac{m_{s}e}{mD}{\mathrm{\ΣF}}_y-\frac{I_{xzs}}{I_{z}D}{\mathrm{\ΣM}}_z+\frac{1}{D}{\mathrm{\ΣM}}_x---\left(5\right)$

其中,D＝I_xs-m_s ²e²/m-I_xzI_xzs/I_z

为了描述轮胎侧向力和侧偏角之间的关系，本发明选用线性轮胎模型，假设左前轮和右前轮、左后轮和右后轮具有相同的转向特性，则车辆前轮侧向力F_yf与前轮侧偏角α_f、后轮侧向力F_yr与后轮侧偏角α_r的关系表达式如下式(6)所示：

$\begin{array}{c}{F}_{yf}=K_f{\mathrm{\α}}_f\\ F_{yr}=K_r{\mathrm{\α}}_r\end{array}---\left(6\right)$

因此得到轮胎侧向合力∑F_y、横摆合力矩∑M_z以及侧倾合力矩∑M_x的表达式如式(7)-(9)所示：

∑F_y＝K_fα_fcosδ_f+K_rα_r (7)

∑M_z＝L_f·K_fα_fcosδ_f-L_r·K_rα_r+ΔM_z (8)

${\mathrm{\ΣM}}_x=m_s\·g\·e\·\mathrm{\φ}-K_{\mathrm{\φ}}\·\mathrm{\φ}-C_{\mathrm{\φ}}\·\stackrel{\·}{\mathrm{\φ}}---\left(9\right)$

上式中，m为整车质量，m_s为车辆簧载质量，L_f为前轮轴心到汽车质心的距离，L_r为后轮轴心到车辆质心的距离，e为车辆簧载质量的质心到侧倾中心的距离。g为重力加速度。v_x代表车辆纵向车速，v_y代表车辆侧向车速，r是横摆角速度，β是质心侧偏角，φ为汽车车身侧倾角，δ_f是前轮转角。M_z是车辆绕z轴的横摆力矩，ΔM_z为附加的横摆力矩，M_x是车辆绕x轴的侧倾力矩。K_φ为车辆的侧倾刚度，C_φ为车辆的侧倾阻尼，K_f为前轮侧偏刚度，K_r为后轮侧偏刚度。I_z为整车质量绕z轴的转动惯量，I_xz为整车质量绕x、z轴的惯性积，I_xs为车辆簧载质量绕车辆坐标系x轴的转动惯量，I_xzs为车辆簧载质量绕车辆坐标系x、z轴的惯性积。

由于电子控制单元能够通过线控转向***对前轮施加一个不依赖驾驶员输入的附加转角，与驾驶员的转向动作叠加从而提高车辆的操纵性、稳定性和轨迹保持性能。因此，附加前轮转角可作为控制***的一个可控变量，与转向动作叠加，最终综合得到前轮转角δ_f如下式(10)所示：

δ_f＝δ_fd+Δδ_f (10)

其中，Δδ_f是控制***输出的附加前轮转角，δ_fd是驾驶员的方向盘转角δ经过转向机构施加在前轮上的转角，δ与δ_fd的关系式如下式(11)所示。

δ_fd＝δ/I_sw (11)

式中：I_sw为转向传动比。

然而由于轮胎具有非线性的侧偏特性，当侧向力处于饱和状态的时候，转向控制已经不能直接改变车辆的侧向动态特性。而差动制动是通过对四个轮胎施加不同的纵向制动力，从而产生围绕整车***z轴的附加横摆力矩ΔM_z，即使在侧向力饱和的时候仍然具有一定的有效性。因此，将前轮转角和轮胎制动力同时作为控制变量。设定轮胎制动力正方向与车辆前进的方向相反，公式(12)给出了附加横摆力矩ΔM_z与四个轮胎的制动力ΔF_xi的关系。

${\mathrm{\ΔM}}_z=(-\frac{d_1}{2}{\mathrm{cos\δ}}_f+L_f{\mathrm{sin\δ}}_f){\mathrm{\ΔF}}_{xfl}-\frac{d_2}{2}{\mathrm{\ΔF}}_{xrl}+(\frac{d_1}{2}{\mathrm{cos\δ}}_f+L_f{\mathrm{sin\δ}}_f){\mathrm{\ΔF}}_{xfr}+\frac{d_2}{2}{\mathrm{\ΔF}}_{xrr}---\left(12\right)$

其中，d₁、d₂分别为车辆前后轮距，ΔF_yfl为左前轮制动力，ΔF_yfr为右前轮制动力，ΔF_yrl为左后轮制动力，ΔF_yrr为右后轮制动力。

横摆稳定性的根本控制目标在于横摆角速度对于参考值的跟踪，侧倾稳定性的根本控制目标为降低车辆的侧向载荷转移率，因此选择横摆角速度和侧向载荷转移率为被控输出量。由于两侧轮胎的垂直载荷不容易测量，经过推到得到动态侧向载荷转移率LTR表达式如下：

$\left|LTR\right|=|\frac{2}{d\·m_s\·g}\[m_s\·h_R\·(v_x\·r+v_x\·\stackrel{\·}{\mathrm{\β}}-e\·\stackrel{\·\·}{\mathrm{\φ}})+K_{\mathrm{\φ}}\·\mathrm{\φ}+C_{\mathrm{\φ}}\·\stackrel{\·}{\mathrm{\φ}}\]|---\left(13\right)$

其中，d＝(d₁+d₂)/2为前后轮平均轮距，h_R为侧倾中心高度。

从式(13)可以看出，LTR随着β、r、φ以及的变化而变化。因此在这里，假设侧倾角变化率为并选择质心侧偏角、横摆角速度、侧倾角以及侧倾角变化率为状态变量即x＝[β,r,φ,p]，横摆角速度和侧向载荷转移率作为被控输出即y＝[r；LTR]，将附加前轮转角和轮胎制动力作为控制输入即u＝[Δδ_f,ΔF_xfl,ΔF_xfr,ΔF_xrl,ΔF_xrr]。由于δ_fd是由驾驶员输出决定，不能够对其进行预测，因此在每个采样周期的整个预测时域内，认为δ_fd是常值。

综合式(3)-(13)，最终整理得到预测模型的连续时间状态空间方程表达式如下：

$\left\{\begin{array}{c}\stackrel{\·}{x}\left(t\right)=f\left(x\right(t),u(t\left)\right)\\ y\left(t\right)=g\left(x\right(t),u(t\left)\right)\end{array}\right.---\left(14\right)$

为了后续控制器的设计，需要将连续的状态空间模型离散化，选择采样时间为Ts＝0.01，经过离散化后，状态空间模型可以描述为公式(15)：

$\left\{\begin{array}{c}x(k+1)=F\left(x\right(k),u(k\left)\right)\\ y\left(k\right)=G\left(x\right(k),u(k\left)\right)\end{array}\right.---\left(15\right)$

这里定义预测时域为p，控制时域为m，而且p>m。由于纵向车速的变化是连续而缓慢的，因此在预测时域内假设车速为恒定值。与非线性模型预测控制的规则相适应，假设车辆当前时刻为k，车辆在[k+1,k+p]预测时域内动态可以基于车辆当前状态和预测模型得到。即在k+p时刻，车辆状态为x(k+p)＝F(x(k),u(k),u(k+1),…,u(k+m),…，u(k+p-1))。

当采样时间大于控制时域m时，保持控制输入不变直到预测时域，即u(k+m-1)＝u(k+m)＝u(k+m+1)＝…＝u(k+p-1)。

因此定义k时刻的最优控制输入：

$U\left(k\right)=\left[\begin{array}{c}u\left(k\right|k)\\ u(k+1|k)\\ .\\ .\\ .\\ u(k+m-1|k)\end{array}\right]---\left(16\right)$

相应的，k时刻横摆角速度r的预测输出可以通过上述状态方程(17)计算得到：

$Y_1(k+1|k)=\left[\begin{array}{c}r(k+1|k)\\ r(k+2|k)\\ .\\ .\\ .\\ r(k+p|k)\end{array}\right]---\left(17\right)$

同样，k时刻的侧向载荷转移率LTR预测输出如下：

$Y_2(k+1|k)=\left[\begin{array}{c}LTR(k+1|k)\\ LTR(k+2|k)\\ .\\ .\\ .\\ LTR(k+p|k)\end{array}\right]---\left(18\right)$

与预测输出方程(17)相对应，参考横摆角速度应该在每个预测时域内实时更新，参考输入序列定义如下：

$R(k+1|k)=\left[\begin{array}{c}{r}_{ref}(k+1)\\ r_{ref}(k+2)\\ .\\ .\\ .\\ r_{ref}(k+p)\end{array}\right]---\left(19\right)$

(2)基于模糊策略的反馈优化

综合考虑车辆的横摆稳定性和侧倾稳定性需求，车辆实际的横摆角速度r应该尽快跟踪上参考横摆角速度r_ref，同时侧向载荷转移率LTR应该尽量的减小，因此得到集成控制器的目标函数如下式(20)所示：

J＝Γ_y||(Y₁(k+1|k)-R(k+1))||²+Γ_r||(Y₂(k+1|k))||² (20)

在这里，Γ_y＝diag(τ_y,1,τ_y,2,…,τ_y,p)，为车辆横摆稳定性控制的权重系数，Γ_r＝diag(τ_r,1,τ_r,2,…,τ_r,p)为车辆侧倾稳定性控制的权重系数，当Γ_y相对较大时，控制***侧重于对横摆运动的控制，即实际横摆角速度对其参考值有较好的跟踪效果，当Γ_r相对较大时，控制***侧重于对车辆的侧倾控制，即尽量的减小侧向载荷转移率的大小。

目标函数中的Γ_y和Γ_r分别代表控制***对于横摆运动和侧倾运动控制的权重，两者具有相对的意义，因此为了实现变权重控制以适应车辆的不同稳定性能需求，在这里我们固定Γ_y的值，改变Γ_r的值。由于车辆的侧向载荷转移率是直接表征车辆侧倾状态的变量，而方向盘转角是直接导致车辆发生侧翻的输入量，因此这两个参数变量对汽车侧倾状态的影响最大。所以针对侧倾控制的权重系数Γ_r设计一个具有两输入和单输出的模糊控制器，其中输入量为侧向载荷转移率LTR和方向盘转角δ，输出量为侧倾控制权重系数Γ_r。

由于车辆发生侧翻的危险程度大于侧滑的危险程度，所以当车辆的侧翻危险逐渐增加的时候，侧倾控制权重系数也应该随之增加。随着驾驶员转向的加剧，车辆的LTR也在逐渐的增大，这也逐渐的增加汽车侧翻的危险，侧倾控制在集成控制中也越来越重要，所以Γ_r应该随着δ和LTR的增加而逐渐增加。在这里说明的是，当LTR较小的时候，车辆侧翻危险程度较低，Γ_r随着δ的增加应该缓慢增加；当LTR较大的时候，车辆侧翻危险程度急剧上升，因此Γ_r的大小应随着δ的增加而加剧。

在这里，将LTR模糊化，分为3级：S(低)、M(中)、B(高)；将δ模糊化分为3级：S(低)、M(中)、B(高)；将Γ_r模糊化分为4级：S(低)、M(中)、MB(较高)、B(高)，其隶属度函数如图2-4所示。根据上述理论分析和仿真经验，最终设计出权重系数Γ_r关于LTR和δ的具体模糊控制规则，如表1所示。

表1模糊控制规则

采用Mamdani极大极小推理法对输入输出变量进行模糊化和反模糊化运算，最终得到权重系数Γ_r关于输入量LTR和δ的三维map曲面，如图5所示。经过上述模糊控制策略，最终将权重系数进行了最优化的设计。

针对车辆的稳定性约束问题，首先应该使质心侧偏角的相平面运动轨迹保持在稳定相域内。即车辆的相平面运动轨迹应该满足式(21)所示的不等式约束：

$|\stackrel{\·}{\mathrm{\β}}-k\mathrm{\β}|\≤\left|b\right|.---\left(21\right)$

其中，k、b为稳定性约束常数。

其次考虑车辆实际横摆角速度r与参考横摆角速度r_ref的偏差Δr、侧向载荷转移率LTR的大小应该限定在稳定阈值之内，因此存在式所示的稳定性约束：

$\begin{array}{c}\left|\mathrm{\&Delta;}r\right|<{\mathrm{\&Delta;r}}_{th}\\ 0\&le;LTR\&le;{\mathrm{LTR}}_{th}\end{array}---\left(22\right)$

最后考虑车辆***机械结构的饱和特性，控制输入应满足下式所示的安全性约束：

$\begin{array}{c}{\mathrm{\&Delta;\&delta;}}_{f\min }\&le;{\mathrm{\&Delta;\&delta;}}_f\&le;{\mathrm{\&Delta;\&delta;}}_{fmax}\\ {\mathrm{\&Delta;F}}_{x\min }\&le;{\mathrm{\&Delta;F}}_{xi}\&le;{\mathrm{\&Delta;F}}_{x\max }\end{array}---\left(23\right)$

其中，i＝{fl,fr,rl,rr},ΔF_xi分别代表四个轮胎的制动力。

基于以上的分析，最终将上述车辆稳定性集成控制问题描述为下列的优化问题：

4.将步骤3中控制器输出的轮胎期望制动力与制动管实际压力作对比，从而决策出制动执行***的增压、保压或减压状态，并转换成与之对应的电磁阀动作指令，同时将步骤3中输出的附加前轮转角与驾驶员的转向动作叠加，得到最终的前轮转角；

通过非线性求解工具求解如式(24)所示的优化问题，并将优化变量的第一项即u(k)作为控制器输出量。轮胎制动力ΔF_xi首先需要通过公式(25)转换为相应的轮缸期望压力P_di:

${\mathrm{\&Delta;F}}_{xi}=P_{di}\&CenterDot;\frac{{\mathrm{\&pi;D}}_w}{4}\&CenterDot;n\&CenterDot;C\&CenterDot;\frac{R_b}{r_d}---\left(25\right)$

上式中：i＝{fl,fr,rl,rr}。P_di为相应的轮缸制动压力。D_w代表轮缸的直径，C代表制动效能因数，R_b代表制动器的半径，n代表油缸数目，r_d代表轮胎的滚动半径。

以单个车轮为例，将得到的轮缸期望制动压力P_{i_ref}与轮缸实际压力P_i作偏差可得ΔP_i＝P_i-P_{i_ref}。在控制时，根据制动压力的偏差值ΔP_i，针对每个轮缸的压力进行升压、保压和降压三种状态的调节。在这里为了避免电磁阀的频繁开关，设定压力偏差的门限值为ΔP_th，只有当偏差值超出此门限值时，才进行升压或减压控制，转换成电磁阀动作指令传送给执行机构。具体判定情况如下：

(1)当-ΔP_th＜ΔP_i＜ΔP_th 保压调节

(2)当ΔP_i＞ΔP_th 减压调节

(3)当ΔP_i＜-ΔP_th 增压调节

将附加前轮转角与驾驶员转向动作叠加，最终综合得到前轮转角δ_f为δ_fd+Δδ_f。

5、制动执行器和转向执行器执行步骤4中的电磁阀动作指令和前轮转角指令，使车辆恢复稳定性：

将步骤4中决策出的前轮转角信号施加给转向执行机构，同时将步骤4中的电磁阀动作指令施加给制动执行机构，经过执行机构执行完成后，使车辆恢复稳定行驶。

利用车辆动力学仿真软件veDYNA，选用light车辆模型，在simulink仿真环境下，搭建实现上述控制方案的控制器模型，在极限开环工况下做了仿真实验：在摩擦系数为0.8的道路上，车辆加速到80km/h，给定如图6所示的方向盘转角信号，仿真时间为35秒。其仿真结果如图7-13所示。从仿真结果看出，在极限的驾驶工况下，本发明所设计的车辆稳定性集成控制方法能够使车辆理想的横摆角速度很好的跟踪上参考值，并且侧向载荷转移率也能在稳定的阈值范围内波动，同时满足前轮转角和轮胎制动力在约束范围之内，符合车辆的横摆稳定性和侧倾稳定性要求。

Claims (3)

1.一种基于变权重模型预测算法的车辆稳定性集成控制方法，其特征在于，包括以下步骤：

步骤一、实时采集车车辆状态信息，并经估计处理更新采集的车辆状态信息，包括车辆的方向盘转角、横摆角速度、质心侧偏角、侧倾角、侧倾角速度、纵向车速、侧向载荷转移率、制动管压力以及路面附着系数；

步骤二、根据所述步骤一实时处理得到的车辆状态信息，分别决策出保持车辆横摆稳定性和侧倾稳定性的参考状态值；

步骤三、基于变权重模型预测算法，以前轮转角和轮胎制动力为控制变量，设计车辆横摆和侧倾稳定性集成控制器：选用变权重模型预测算法，以前轮转角和轮胎制动力为控制变量，集成车辆横摆和侧倾稳定性控制，并以横摆角速度跟踪参考值和最小化侧向载荷转移率为控制目标，选用模糊逻辑策略对目标函数中的两个权重系数进行实时的更新，完成控制器的设计；

步骤四、将所述步骤三中控制器输出的轮胎期望制动力与制动管实际压力作对比，从而决策出制动执行***的增压、保压或减压状态，并转换成与之对应的电磁阀动作指令，同时将所述步骤三中输出的附加前轮转角与驾驶员的转向动作叠加，得到最终的前轮转角；

步骤五、制动执行器和转向执行器执行所述步骤四中的电磁阀动作指令和前轮转角指令，使车辆保持横摆稳定性和侧倾稳定性。

2.如权利要求1所述的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，其特征在于，所述步骤三基于变权重模型预测算法，以前轮转角和轮胎制动力为控制变量，设计车辆横摆和侧倾稳定性集成控制器包括以下步骤：

3.1)针对车辆的横摆运动、侧向运动和侧倾运动，建立简化的三自由度车辆模型作为预测模型：

轮胎侧向合力∑F_y、横摆合力矩∑M_z以及侧倾合力矩∑M_x的表达式分别为：

∑F_y＝K_fα_fcosδ_f+K_rα_r

∑M_z＝L_f·K_fα_fcosδ_f-L_r·K_rα_r+ΔM_z

式中，m为整车质量，m_s为车辆簧载质量，L_f为前轮轴心到汽车质心的距离，L_r为后轮轴心到车辆质心的距离，e为车辆簧载质量的质心到侧倾中心的距离。g为重力加速度，v_x代表车辆纵向车速，v_y代表车辆侧向车速，r是横摆角速度，β是质心侧偏角，φ为汽车车身侧倾角，δ_f是前轮转角，M_z是车辆绕z轴的横摆力矩，ΔM_z为附加的横摆力矩，M_x是车辆绕x轴的侧倾力矩，K_φ为车辆的侧倾刚度，C_φ为车辆的侧倾阻尼，K_f为前轮侧偏刚度，K_r为后轮侧偏刚度，I_z为整车质量绕z轴的转动惯量，I_xz为整车质量绕x、z轴的惯性积，I_xs为车辆簧载质量绕车辆坐标系x轴的转动惯量，I_xzs为车辆簧载质量绕车辆坐标系x、z轴的惯性积；

动态侧向载荷转移率LTR表达式如下：

其中，d＝(d₁+d₂)/2为前后轮平均轮距，h_R为侧倾中心高度；

预测模型的连续时间状态空间方程表达式如下：

将连续的状态空间模型离散化，选择采样时间为Ts＝0.01，经过离散化后，状态空间模型可以描述为：

定义预测时域为p，控制时域为m，而且p>m；

3.2)基于模糊策略的反馈优化：

综合考虑车辆的横摆稳定性和侧倾稳定性需求，得到集成控制器的目标函数为：

J＝Γ_y||(Y₁(k+1|k)-R(k+1))||²+Γ_r||(Y₂(k+1|k))||²

其中，Γ_y＝diag(τ_y,1,τ_y,2,…,τ_y,p)，为车辆横摆稳定性控制的权重系数，Γ_r＝diag(τ_r,1,τ_r,2,…,τ_r,p)为车辆侧倾稳定性控制的权重系数；

将车辆稳定性集成控制问题描述为下列优化问题：

满足。

3.如权利要求1所述的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，其特征在于，所述步骤四包括以下步骤：

通过非线性求解工具求解所述步骤三设计的车辆横摆和侧倾稳定性集成控制器的优化问题；

通过以下公式将轮胎制动力ΔF_xi转换为相应的轮缸期望压力P_di：

式中：i＝{fl,fr,rl,rr}；P_di为相应的轮缸制动压力；D_w代表轮缸的直径；C代表制动效能因数；R_b代表制动器的半径；n代表油缸数目；r_d代表轮胎的滚动半径；

将得到的轮缸期望制动压力P_{i_ref}与轮缸实际压力P_i作偏差可得ΔP_i＝P_i-P_{i_ref}；在控制时，根据制动压力的偏差值ΔP_i，针对每个轮缸的压力进行升压、保压和降压三种状态的调节；

设定压力偏差的门限值为ΔP_th，只有当偏差值超出此门限值时，才进行升压或减压控制，转换成电磁阀动作指令传送给执行机构，具体判定情况如下：

(1)当-ΔP_th＜ΔP_i＜ΔP_th 保压调节

(2)当ΔP_i＞ΔP_th 减压调节

(3)当ΔP_i＜-ΔP_th 增压调节

将附加前轮转角与驾驶员转向动作叠加，最终综合得到前轮转角。