CN108944866A - 一种改善转向与制动协同控制的自适应模型预测控制算法 - Google Patents
一种改善转向与制动协同控制的自适应模型预测控制算法 Download PDFInfo
- Publication number
- CN108944866A CN108944866A CN201810735023.5A CN201810735023A CN108944866A CN 108944866 A CN108944866 A CN 108944866A CN 201810735023 A CN201810735023 A CN 201810735023A CN 108944866 A CN108944866 A CN 108944866A
- Authority
- CN
- China
- Prior art keywords
- tire
- automobile
- model
- slip angle
- angle
- 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.)
- Granted
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60T—VEHICLE BRAKE CONTROL SYSTEMS OR PARTS THEREOF; BRAKE CONTROL SYSTEMS OR PARTS THEREOF, IN GENERAL; ARRANGEMENT OF BRAKING ELEMENTS ON VEHICLES IN GENERAL; PORTABLE DEVICES FOR PREVENTING UNWANTED MOVEMENT OF VEHICLES; VEHICLE MODIFICATIONS TO FACILITATE COOLING OF BRAKES
- B60T8/00—Arrangements for adjusting wheel-braking force to meet varying vehicular or ground-surface conditions, e.g. limiting or varying distribution of braking force
- B60T8/17—Using electrical or electronic regulation means to control braking
- B60T8/1755—Brake regulation specially adapted to control the stability of the vehicle, e.g. taking into account yaw rate or transverse acceleration in a curve
Landscapes
- Engineering & Computer Science (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
- Regulating Braking Force (AREA)
- Steering Control In Accordance With Driving Conditions (AREA)
Abstract
一种改善转向与制动协同控制的自适应模型预测控制算法，其特征在于，该方法包括参考模型、轮胎数据处理器、MPC控制器、制动力分配模块、CarSim汽车模型；参考模型用于确定期望的汽车横摆角速度和质心侧偏角；轮胎数据处理器用于确定轮胎的侧偏角、侧向力和侧向力梯度；CarSim汽车模型用于输出汽车的实际运动状态信息，包括汽车纵向速度、横摆角速度、质心侧偏角和路面附着系数；MPC控制器根据期望的汽车横摆角速度、质心侧偏角和汽车的实际运动状态信息，优化求解出汽车的前轮转角和补偿横摆力矩；前轮转角直接输出给CarSim汽车模型，补偿横摆力矩输出给制动力分配模块，通过制动力分配模块确定出四个车轮的制动力矩，输出给CarSim汽车模型，实现稳定性控制。
Description
技术领域：
本发明涉及汽车稳定性控制领域，特别是关于一种改善转向与制动协同控制的自适应模型预测控制算法。
背景技术：
随着汽车底盘动力学控制的不断发展，集成控制已经成为今后发展的方向，主动前轮转向和差动制动协同控制汽车实现稳定性控制被广泛研究。目前，汽车稳定性控制领域所涉及的控制方法主要有鲁棒性控制、神经网络控制和模型预测控制(ModelPredictive Control,MPC)等，其中模型预测控制能较好地处理多目标任务以及***约束，在汽车稳定性控制领域得到了广泛的应用。
根据采用的预测模型以及优化方法的不同，MPC可分为线性MPC和非线性MPC。线性MPC凭借其计算负担少，计算速度快而得到广泛使用，然而线性MPC不能表征非线性区域的轮胎侧偏特性，而能表征汽车非线性动力学特性的非线性MPC计算负担太重，实时性差，很难应用于实际。论文[陈杰,李亮,宋健.基于LTV-MPC的汽车稳定性控制研究[J].汽车工程，2016，38(3):308-316.]采用线性时变的MPC方法实现了汽车稳定性控制，同时兼顾了***的非线性特性和计算负担。但是，论文中对轮胎侧向力线性化处理的方法过于简单，无法表征轮胎侧向力的实际变化，在极限工况下控制器的控制效果不理想；此外，该论文采用的预测模型在预测时域里保持不变，在滚动预测过程中不能代表汽车实际的变化趋势。论文[Choi M,Choi S B.MPC for vehicle lateral stability via differential brakingand active front steering considering practical aspects[J].Proceedings of theInstitution of Mechanical Engineers Part D Journal of Automobile Engineering,2016,230(4).]基于线性化的轮胎模型给出了轮胎侧向力达到饱和时的控制策略，实现了在极限工况下的汽车稳定性控制。但是该论文设计的预测模型在预测时域里同样保持不变，极限工况下预测模型在滚动预测过程中不能准确代表汽车的实际运动，从而导致控制器控制效果变差。
发明内容：
为了解决现有的线性时变MPC方法在滚动预测过程中预测模型不能体现汽车的非线性动力学特性，导致极限工况下控制***控制效果差的问题。本发明提供一种改善转向与制动协同控制的自适应模型预测控制算法，能够在滚动预测过程中根据轮胎侧向力的变化趋势自动调节预测模型，在减小***的计算负担的同时能够准确表征汽车的非线性动力学特性，进而保证在极限工况下控制***的稳定性，实现汽车的稳定性控制。
本发明解决技术问题所采取的技术方案如下：
一种改善转向与制动协同控制的自适应模型预测控制算法，其特征在于，该方法包括参考模型、轮胎数据处理器、MPC控制器、制动力分配模块、CarSim汽车模型；参考模型用于确定期望的汽车横摆角速度和质心侧偏角；轮胎数据处理器用于确定轮胎的侧偏角、侧向力和侧向力梯度；CarSim汽车模型用于输出汽车的实际运动状态信息，包括汽车纵向速度、横摆角速度、质心侧偏角和路面附着系数；MPC控制器根据期望的汽车横摆角速度、质心侧偏角和汽车的实际运动状态信息，优化求解出汽车的前轮转角和补偿横摆力矩；前轮转角直接输出给CarSim汽车模型，补偿横摆力矩输出给制动力分配模块，通过制动力分配模块确定出四个车轮的制动力矩，输出给CarSim汽车模型，实现稳定性控制；
该方法包括以下步骤：
步骤1、建立参考模型，确定期望的汽车横摆角速度和质心侧偏角，其过程包括如下子步骤：
步骤1.1、采用线性二自由度汽车模型作为参考模型，其运动微分方程表达式如下：
其中：β是汽车质心侧偏角；γ是汽车横摆角速度；Iz是绕汽车质心铅垂轴的横摆转动惯量；Ux是汽车纵向速度；lf和lr分别是汽车质心至前、后轴的距离；Cf和Cr分别是汽车前、后轮轮胎的侧偏刚度；δf,dri是驾驶员转向输入产生的前轮转角；
步骤1.2、将公式(1a)转换成传递函数，形式如下式：
为了达到理想的闭环效果，基于公式(2)得到期望的汽车横摆角速度：
其中：γref是期望的汽车横摆角速度；wn是***的固有频率；ξ是***阻尼；Gω(s)是传递函数增益；wd＝k1wn,ξd＝k2ξ,Gkω(s)＝k3Gω(s)；k1、k2、k3是改善***相位延迟和响应速度的参数；
步骤1.3、设定期望的质心侧偏角为：
βref＝0 (4)
步骤2、设计轮胎数据处理器，其过程包括如下子步骤：
步骤2.1、设计轮胎侧偏角计算模块，前、后轮轮胎侧偏角通过下式计算获得：
其中：αf和αr分别是汽车前、后轮轮胎的侧偏角；δf是汽车的前轮转角；
步骤2.2、设计轮胎侧向力和轮胎侧向力梯度计算模块，为了获得轮胎的非线性特性，基于Pacejka轮胎模型，获取不同路面附着系数下的轮胎侧向力与轮胎侧偏角的关系曲线，得到轮胎侧偏特性三维图；获取不同路面附着系数下的轮胎侧向力对轮胎侧偏角导数的关系曲线，得到轮胎侧向力梯度三维图；轮胎数据处理器将当前时刻实际的轮胎侧偏角和路面附着系数分别输入到轮胎侧偏特性三维图和轮胎侧向力梯度三维图中，通过线性插值法分别获得当前时刻的轮胎侧向力和轮胎侧向力梯度，并输出给MPC控制器；在每个控制周期轮胎数据处理器更新一次轮胎侧向力和轮胎侧向力梯度值；
其中：Pacejka轮胎模型如下：
Fy,j＝μDsin(Catan(Bαj-E(Bαj-αj tan(Bαj))))
其中：j＝f，r，表示前轮和后轮；Fy,j是轮胎侧向力，αj是轮胎侧偏角；B，C，D和E取决于车轮垂直载荷Fz；a0＝1.75；a1＝0；a2＝1000；a3＝1289；a4＝7.11；a5＝0.0053；a6＝0.1925；
步骤3、设计MPC控制器，其过程包括如下子步骤：
步骤3.1、建立预测模型，其过程包括如下子步骤：
步骤3.1.1、线性化轮胎模型，其表达式如下：
其中：是在当前侧偏角的轮胎侧向力梯度值；是轮胎的残余侧向力，通过如下公式计算：
其中：是基于轮胎侧偏特性三维图，通过线性插值法获得的轮胎侧向力；是基于轮胎侧偏刚度特性三维图，通过线性插值法获得的轮胎侧向力梯度；是当前时刻实际的轮胎侧偏角；
基于公式(6)，在滚动预测过程中，设计轮胎侧向力表达式如下：
其中：
i＝0,1,2…P
其中：P是预测时域；上标“k+i|k”表示在当前时刻k预测的将来第i时刻；ρk+i|k和ξk+i|k是调节和变化的权重因子；
步骤3.1.2、建立预测模型，其运动微分方程表达式为：
将公式(9)带入公式(10)，得到在滚动预测过程中的预测模型为：
步骤3.1.3、建立预测方程，用于预测***未来输出，将公式(11)写成状态空间方程，用于设计预测方程，具体如下：
y(k)＝Cx(t) (12)
其中：
为了实现汽车横摆角速度和质心侧偏角的跟踪控制，将连续时间***的预测模型转换成离散时间***的增量式模型：
其中：取样时间k＝int(t/Ts)，t是仿真时间，Ts是仿真步长；
步骤3.2、设计优化目标及约束条件，其过程包括如下子步骤：
步骤3.2.1、用期望的汽车横摆角速度、质心侧偏角和实际的汽车横摆角速度、质心侧偏角误差的二范数作为跟踪性能指标，体现汽车的轨迹跟踪特性，其表达式如下：
其中：γref是期望的汽车横摆角速度；γ是实际的汽车横摆角速度；βref是期望的汽车质心侧偏角；β是实际的汽车质心侧偏角；P是预测时域；k表示当前时刻；Q1、Q2是加权因子；
步骤3.2.2、用控制量变化率的二范数作为转向、制动平滑指标，体现跟踪过程中的转向、制动平滑特性，建立离散二次型转向、制动平滑指标为：
其中：M是控制时域；Δδf是附加前轮转角，ΔMz补偿横摆力矩变化量；k表示当前时刻；S1、S2是加权因子；
步骤3.2.3、设置执行器物理约束，满足执行器要求：
利用线性不等式限制控制量及其变化量的上下限，得到转向执行器的物理约束，其数学表达式为：
δfmin<δfk<δfmax k＝t,t+1……t+M-1
Δδfmin<Δδfk<Δδfmax k＝t,t+1……t+M-1
步骤3.3、求解***预测输出，其过程包括如下子步骤：
步骤3.3.1、利用线性加权法将步骤3.2.1所述跟踪性能指标和步骤3.2.2所述转向、制动平滑指标转化为单一指标，构建汽车稳定性多目标优化控制问题，该问题要满足转向执行器的物理约束，且输入输出符合预测模型：
服从于
i)预测模型
ii)约束条件为公式(16)
步骤3.3.2、在控制器中，采用二次规划算法，求解多目标优化控制问题(17)，得到最优开环控制序列Δu为：
选取当前时刻最优开环控制序列中的第一组元素Δu(0)进行反馈，与前一时刻进行线性叠加，输出给CarSim汽车模型；ΔMZ输出给制动力分配模块，通过制动力分配模块确定出四个车轮的制动力矩，输出给CarSim汽车模型，最终实现稳定性控制。
本发明的有益效果是：本方法使用线性时变的方法将非线性预测控制问题转换成线性预测控制问题，可以减小***的计算负担；本方法根据轮胎侧向力的变化趋势在滚动预测过程中自适应调节***的预测模型，能够达到非线性MPC的控制效果，保证在极限工况下的控制***的稳定性，实现汽车的稳定性控制。
附图说明
图1是本发明的控制***结构示意图。
图2是线性二自由度汽车模型示意图。
图3是轮胎侧偏特性三维图。
图4是轮胎侧向力梯度三维图。
图5是轮胎模型线性化示意图。
图6是在滚动预测过程中轮胎模型线性化示意图。
图7是制动力分配示意图。
具体实施方式
下面结合附图和实施例对本发明进行详细的描述。
图1是本发明一种改善转向与制动协同控制的自适应模型预测控制算法的***结构示意图，该***主要包括参考模型1、轮胎数据处理器2、MPC控制器3、制动力分配模块4、CarSim汽车模型5；参考模型1用于确定期望的汽车横摆角速度和质心侧偏角；轮胎数据处理器2用于确定轮胎的侧偏角、侧向力以及侧偏刚度；CarSim汽车模型5用于输出汽车的实际运动状态信息，包括汽车纵向速度、横摆角速度、质心侧偏角和路面附着系数；MPC控制器3根据期望的汽车横摆角速度、质心侧偏角和汽车的实际运动状态信息，优化求解出汽车的前轮转角和补偿横摆力矩；前轮转角直接输出给CarSim汽车模型5，补偿横摆力矩输出给制动力分配模块4，通过制动力分配模块4确定出四个车轮的制动力矩，输出给CarSim汽车模型5，实现稳定性控制。
下面以CarSim汽车仿真软件某车型为平台，具体说明本发明的方法，其主要参数如表1所示：
表1 CarSim汽车的主要参数
参考模型1的建立包括三部分：1.1建立线性二自由度汽车模型；1.2确定期望的汽车横摆角速度；1.3确定期望的汽车质心侧偏角；
在1.1部分中，线性二自由度汽车模型如图2所示，其运动微分方程表达式如下：
其中：β是汽车质心侧偏角；γ是汽车横摆角速度；Iz是绕汽车质心铅垂轴的横摆转动惯量；Ux是汽车纵向速度；lf和lr分别是汽车质心至前、后轴的距离；Cf和Cr分别是汽车前、后轮轮胎的侧偏刚度；δf,dri是驾驶员转向输入产生的前轮转角。
在1.2部分中，将公式(1a)转换成传递函数，形式如下式：
为了达到理想的闭环效果，基于公式(2)得到期望的汽车横摆角速度：
其中：γref是期望的横摆角速度；wn是***的固有频率；ξ是***阻尼；Gω(s)是传递函数增益；wd＝k1wn,ξd＝k2ξ,Gkω(s)＝k3Gω(s)；k1、k2、k3是改善***相位延迟和响应速度的参数；wn、ξ、Gω(s)、Kω的计算过程如下：
在1.3部分中，设定期望的质心侧偏角为：
βref＝0 (4)
轮胎数据处理器2的设计包括两部分：2.1设计轮胎侧偏角计算模块；2.2设计轮胎侧向力和轮胎侧向力梯度计算模块；
在2.1部分中，前、后轮轮胎侧偏角通过下式计算获得：
其中：αf和αr分别是汽车前、后轮轮胎的侧偏角；δf是汽车的前轮转角。
在2.2部分中，为了获得轮胎的非线性特性，基于Pacejka轮胎模型，获取不同路面附着系数下的轮胎侧向力与轮胎侧偏角的关系曲线，得到轮胎侧偏特性三维图，如图3；获取不同路面附着系数下的轮胎侧向力对轮胎侧偏角导数的关系曲线，得到轮胎侧向力梯度三维图，如图4。轮胎数据处理器2将当前时刻实际的轮胎侧偏角和路面附着系数分别输入到轮胎侧偏特性三维图和轮胎侧向力梯度三维图中，通过线性插值法分别获得当前时刻的轮胎侧向力和轮胎侧向力梯度，并输出给MPC控制器3。在每个控制周期轮胎数据处理器更新一次轮胎侧向力和轮胎侧向力梯度值。
其中：Pacejka轮胎模型如下：
Fy,j＝μDsin(Catan(Bαj-E(Bαj-αj tan(Bαj))))
其中：j＝f，r，表示前轮和后轮；Fy，j是轮胎侧向力，αj是轮胎侧偏角；B，C，D和E取决于车轮垂直载荷Fz；a0＝1.75；a1＝0；a2＝1000；a3＝1289；a4＝7.11；a5＝0.0053；a6＝0.1925。
MPC控制器3的设计包括三部分：3.1建立预测模型及预测方程；3.2设计优化目标及约束条件；3.3求解***预测输出；
在3.1部分中，预测模型及预测方程的建立包括三部分：3.1.1线性化轮胎模型；3.1.2建立预测模型；3.1.3建立预测方程；
在3.1.1部分中，在当前侧偏角处，如图5所示，对轮胎模型进行线性化，其表达式如下：
其中：是在当前侧偏角的轮胎侧向力梯度值；是轮胎的残余侧向力，如图5所示，通过如下公式计算：
其中：是基于轮胎侧偏特性三维图(图3)，通过线性插值法获得的轮胎侧向力；是基于轮胎侧偏刚度特性三维图(图4)，通过线性插值法获得的轮胎侧向力梯度；是当前时刻实际的轮胎侧偏角。
基于公式(6)，在滚动预测过程中，如图6，设计轮胎侧向力表达式如下：
其中：
i＝0,1,2…P
其中：P是预测时域；上标“k+i|k”表示在当前时刻k预测的将来第i时刻；ρk+i|k和ξk+i|k是调节和变化的权重因子。
在3.1.2部分中，预测模型采用图2所示的线性二自由度汽车模型，其运动微分方程表达式为：
将公式(9)带入公式(10)，得到在滚动预测过程中的预测模型为：
在3.1.3部分中，将公式(11)写成状态空间方程，用于设计预测方程，具体如下:
y(k)＝Cx(t) (12)
其中：
为了实现汽车横摆角速度和质心侧偏角的跟踪控制，将连续时间***的预测模型转换成离散时间***的增量式模型：
其中：取样时间k＝int(t/Ts)，t是仿真时间，Ts是仿真步长；
在3.2部分中优化目标及约束条件的设计包括三部分：3.2.1设计横摆角速度和质心侧偏角跟踪性能指标；3.2.2设计转向和制动平滑指标；3.2.3设置执行器物理约束；
在3.2.1部分中，用期望的汽车横摆角速度、质心侧偏角和实际的汽车横摆角速度、质心侧偏角误差的二范数作为跟踪性能指标，体现汽车的轨迹跟踪特性，其表达式如下：
其中：γref是期望的汽车横摆角速度；γ是实际的汽车横摆角速度；βref是期望的汽车质心侧偏角；β是实际的汽车质心侧偏角；P是预测时域；k表示当前时刻；Q1、Q2是加权因子。
在3.2.2部分中，用控制量变化率的二范数作为转向、制动平滑指标，体现跟踪过程中的转向、制动平滑特性，建立离散二次型转向、制动平滑指标为：
其中：M是控制时域；Δδf是附加前轮转角，ΔMz补偿横摆力矩变化量；k表示当前时刻；S1、S2是加权因子。
在3.2.3部分中，利用线性不等式限制控制量及其变化量的上下限，得到转向执行器的物理约束，其数学表达式为：
δfmin<δfk<δfmax k＝t,t+1……t+M-1；
Δδfmin<Δδfk<Δδfmax k＝t,t+1……t+M-1
在3.3部分中，***预测输出的求解包括两部分：3.3.1构建汽车横摆稳定性多目标优化控制问题；3.3.2求解多目标优化控制问题；
在3.3.1部分中，利用线性加权法将公式(14)的跟踪性能指标和公式(15)的转向、制动平滑指标转化为单一指标，构建汽车稳定性多目标优化控制问题，该问题要满足转向执行器的物理约束，且输入输出符合预测模型：
服从于
i)预测模型
ii)约束条件为公式(16)
在3.3.2部分中，在控制器中，采用二次规划算法，求解多目标优化控制问题(17)，得到最优开环控制序列Δu为：
选取当前时刻最优开环控制序列中的第一组元素Δu(0)进行反馈，与前一时刻进行线性叠加，输出给CarSim汽车模型5，ΔMZ输出给制动力分配模块，通过制动力分配模块4确定四个车轮的制动力矩，输出给CarSim汽车模型5，实现稳定性控制。
制动力分配模块4的设计流程如下：
如图7所示，当MPC控制器3计算出的补偿横摆力矩小于零时，若汽车前轮轮胎侧偏角小于后轮轮胎侧偏角，制动力分配模块4通过给右前轮施加制动力产生补偿横摆力矩，矫正汽车的过多转向；若汽车前轮轮胎侧偏角大于后轮轮胎侧偏角，制动力分配模块4通过给右后轮施加制动力产生补偿横摆力矩，矫正汽车的不足转向。
当MPC控制器3计算出的补偿横摆力矩大于零时，若汽车前轮轮胎侧偏角小于后轮轮胎侧偏角，制动力分配模块4通过给左前轮施加制动力产生补偿横摆力矩，矫正汽车的过多转向；若汽车前轮轮胎侧偏角大于后轮轮胎侧偏角，制动力分配模块4通过给左后轮施加制动力产生补偿横摆力矩，矫正汽车的不足转向。
制动力分配策略具体如下：
其中，Fb1、Fb2、Fb3、Fb4分别是左前轮、右前轮、左后轮、右后轮的制动力；c汽车轮距的一半。
Claims (1)
1.一种改善转向与制动协同控制的自适应模型预测控制算法，其特征在于，该方法包括参考模型、轮胎数据处理器、MPC控制器、制动力分配模块、CarSim汽车模型；参考模型用于确定期望的汽车横摆角速度和质心侧偏角；轮胎数据处理器用于确定轮胎的侧偏角、侧向力和侧向力梯度；CarSim汽车模型用于输出汽车的实际运动状态信息，包括汽车纵向速度、横摆角速度、质心侧偏角和路面附着系数；MPC控制器根据期望的汽车横摆角速度、质心侧偏角和汽车的实际运动状态信息，优化求解出汽车的前轮转角和补偿横摆力矩；前轮转角直接输出给CarSim汽车模型，补偿横摆力矩输出给制动力分配模块，通过制动力分配模块确定出四个车轮的制动力矩，输出给CarSim汽车模型，实现稳定性控制；
该方法包括以下步骤：
步骤1、建立参考模型，确定期望的汽车横摆角速度和质心侧偏角，其过程包括如下子步骤：
步骤1.1、采用线性二自由度汽车模型作为参考模型，其运动微分方程表达式如下：
其中：β是汽车质心侧偏角；γ是汽车横摆角速度；Iz是绕汽车质心铅垂轴的横摆转动惯量；Ux是汽车纵向速度；lf和lr分别是汽车质心至前、后轴的距离；Cf和Cr分别是汽车前、后轮轮胎的侧偏刚度；δf,dri是驾驶员转向输入产生的前轮转角；
步骤1.2、将公式(1a)转换成传递函数，形式如下式：
为了达到理想的闭环效果，基于公式(2)得到期望的汽车横摆角速度：
其中：γref是期望的汽车横摆角速度；wn是***的固有频率；ξ是***阻尼；Gω(s)是传递函数增益；wd＝k1wn,ξd＝k2ξ,Gkω(s)＝k3Gω(s)；k1、k2、k3是改善***相位延迟和响应速度的参数；
步骤1.3、设定期望的质心侧偏角为：
βref＝0 (4)
步骤2、设计轮胎数据处理器，其过程包括如下子步骤：
步骤2.1、设计轮胎侧偏角计算模块，前、后轮轮胎侧偏角通过下式计算获得：
其中：αf和αr分别是汽车前、后轮轮胎的侧偏角；δf是汽车的前轮转角；
步骤2.2、设计轮胎侧向力和轮胎侧向力梯度计算模块，为了获得轮胎的非线性特性，基于Pacejka轮胎模型，获取不同路面附着系数下的轮胎侧向力与轮胎侧偏角的关系曲线，得到轮胎侧偏特性三维图；获取不同路面附着系数下的轮胎侧向力对轮胎侧偏角导数的关系曲线，得到轮胎侧向力梯度三维图；轮胎数据处理器将当前时刻实际的轮胎侧偏角和路面附着系数分别输入到轮胎侧偏特性三维图和轮胎侧向力梯度三维图中，通过线性插值法分别获得当前时刻的轮胎侧向力和轮胎侧向力梯度，并输出给MPC控制器；在每个控制周期轮胎数据处理器更新一次轮胎侧向力和轮胎侧向力梯度值；
其中：Pacejka轮胎模型如下：
Fy,j＝μDsin(Catan(Bαj-E(Bαj-αj tan(Bαj))))
其中：j＝f，r，表示前轮和后轮；Fy,j是轮胎侧向力，αj是轮胎侧偏角；B，C，D和E取决于车轮垂直载荷Fz；a0＝1.75；a1＝0；a2＝1000；a3＝1289；a4＝7.11；a5＝0.0053；a6＝0.1925；
步骤3、设计MPC控制器，其过程包括如下子步骤：
步骤3.1、建立预测模型，其过程包括如下子步骤：
步骤3.1.1、线性化轮胎模型，其表达式如下：
其中：是在当前侧偏角的轮胎侧向力梯度值；是轮胎的残余侧向力，通过如下公式计算：
其中：是基于轮胎侧偏特性三维图，通过线性插值法获得的轮胎侧向力；是基于轮胎侧偏刚度特性三维图，通过线性插值法获得的轮胎侧向力梯度；是当前时刻实际的轮胎侧偏角；
基于公式(6)，在滚动预测过程中，设计轮胎侧向力表达式如下：
其中：
其中：P是预测时域；上标“k+i|k”表示在当前时刻k预测的将来第i时刻；ρk+i|k和ξk+i|k是调节和变化的权重因子；
步骤3.1.2、建立预测模型，其运动微分方程表达式为：
将公式(9)带入公式(10)，得到在滚动预测过程中的预测模型为：
步骤3.1.3、建立预测方程，用于预测***未来输出，将公式(11)写成状态空间方程，用于设计预测方程，具体如下：
其中：
x＝[γ,β]T；u＝[δf,MZ]T；
为了实现汽车横摆角速度和质心侧偏角的跟踪控制，将连续时间***的预测模型转换成离散时间***的增量式模型：
其中：取样时间k＝int(t/Ts)，t是仿真时间，Ts是仿真步长； C＝1；
步骤3.2、设计优化目标及约束条件，其过程包括如下子步骤：
步骤3.2.1、用期望的汽车横摆角速度、质心侧偏角和实际的汽车横摆角速度、质心侧偏角误差的二范数作为跟踪性能指标，体现汽车的轨迹跟踪特性，其表达式如下：
其中：γref是期望的汽车横摆角速度；γ是实际的汽车横摆角速度；βref是期望的汽车质心侧偏角；β是实际的汽车质心侧偏角；P是预测时域；k表示当前时刻；Q1、Q2是加权因子；
步骤3.2.2、用控制量变化率的二范数作为转向、制动平滑指标，体现跟踪过程中的转向、制动平滑特性，建立离散二次型转向、制动平滑指标为：
其中：M是控制时域；△δf是附加前轮转角，△Mz补偿横摆力矩变化量；k表示当前时刻；S1、S2是加权因子；
步骤3.2.3、设置执行器物理约束，满足执行器要求：
利用线性不等式限制控制量及其变化量的上下限，得到转向执行器的物理约束，其数学表达式为：
δfmin<δfk<δfmax k＝t,t+1……t+M-1
△δfmin<△δfk<△δfmax k＝t,t+1……t+M-1
步骤3.3、求解***预测输出，其过程包括如下子步骤：
步骤3.3.1、利用线性加权法将步骤3.2.1所述跟踪性能指标和步骤3.2.2所述转向、制动平滑指标转化为单一指标，构建汽车稳定性多目标优化控制问题，该问题要满足转向执行器的物理约束，且输入输出符合预测模型：
服从于
i)预测模型
ii)约束条件为公式(16)
步骤3.3.2、在控制器中，采用二次规划算法，求解多目标优化控制问题(17)，得到最优开环控制序列△u为：
选取当前时刻最优开环控制序列中的第一组元素△u(0)进行反馈，与前一时刻进行线性叠加，输出给CarSim汽车模型；△MZ输出给制动力分配模块，通过制动力分配模块确定出四个车轮的制动力矩，输出给CarSim汽车模型，最终实现稳定性控制。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810735023.5A CN108944866B (zh) | 2018-07-06 | 2018-07-06 | 一种改善转向与制动协同控制的自适应模型预测控制算法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810735023.5A CN108944866B (zh) | 2018-07-06 | 2018-07-06 | 一种改善转向与制动协同控制的自适应模型预测控制算法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108944866A true CN108944866A (zh) | 2018-12-07 |
| CN108944866B CN108944866B (zh) | 2021-06-01 |
Family
ID=64484237
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810735023.5A Active CN108944866B (zh) | 2018-07-06 | 2018-07-06 | 一种改善转向与制动协同控制的自适应模型预测控制算法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108944866B (zh) |
Cited By (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110217229A (zh) * | 2019-06-25 | 2019-09-10 | 长春工业大学 | 一种适用于高速极限工况的路径跟踪控制方法 |
| CN110275434A (zh) * | 2019-05-20 | 2019-09-24 | 江苏大学 | 一种基于条件触发无偏mpc算法的独立悬架结构车辆控制方法 |
| CN110588633A (zh) * | 2019-08-21 | 2019-12-20 | 江苏大学 | 一种智能汽车极限工况下路径跟踪与稳定控制方法 |
| CN110687797A (zh) * | 2019-11-11 | 2020-01-14 | 湖南大学 | 一种基于位置和姿态的自适应mpc泊车横向控制方法 |
| CN110696793A (zh) * | 2019-09-19 | 2020-01-17 | 江苏理工学院 | 一种四轮转向联合差动制动的智能车辆分层控制方法 |
| CN111391822A (zh) * | 2020-03-27 | 2020-07-10 | 吉林大学 | 一种极限工况下汽车横纵向稳定性协同控制方法 |
| CN111559361A (zh) * | 2020-05-27 | 2020-08-21 | 吉林大学 | 一种四轮独立驱动车辆转向制动协同控制方法 |
| CN111762158A (zh) * | 2019-03-29 | 2020-10-13 | 中科院微电子研究所昆山分所 | 集成式跟随控制方法、***、装置及计算机可读存储介质 |
| CN111959500A (zh) * | 2020-08-07 | 2020-11-20 | 长春工业大学 | 一种基于轮胎力分配的汽车路径跟踪性能提升方法 |
| CN111965977A (zh) * | 2020-08-06 | 2020-11-20 | 长春工业大学 | 一种基于轮胎均等后备能力的汽车稳定性控制方法 |
| CN112373293A (zh) * | 2020-09-11 | 2021-02-19 | 东风越野车有限公司 | 一种轮毂电机分布式驱动***故障处理方法 |
| CN113050653A (zh) * | 2021-03-26 | 2021-06-29 | 合肥工业大学 | 一种处理状态不等式约束的线控转向***建模控制方法 |
| CN113060117A (zh) * | 2019-12-13 | 2021-07-02 | 北京京邦达贸易有限公司 | 转向制动控制方法、装置、介质及电子设备 |
| CN114148411A (zh) * | 2021-12-16 | 2022-03-08 | 北京理工大学 | 一种轮式无人平台的漂移控制方法 |
| CN114212074A (zh) * | 2022-02-22 | 2022-03-22 | 北京航空航天大学 | 基于路面附着系数估计的车辆主动转向防侧翻控制方法 |
| CN114475590A (zh) * | 2022-04-15 | 2022-05-13 | 北京理工大学 | 一种电动汽车力矩控制方法和***以及可读存储介质 |
| CN115525054A (zh) * | 2022-09-20 | 2022-12-27 | 武汉理工大学 | 大型工业园区无人清扫车沿边路径跟踪控制方法及*** |
| US20230026018A1 (en) * | 2019-12-17 | 2023-01-26 | Zf Friedrichshafen Ag | MPC-Based Autonomous Drive Function of a Motor Vehicle |
| US20230140485A1 (en) * | 2021-11-03 | 2023-05-04 | GM Global Technology Operations LLC | Architecture and model predictive control-based methodology to manage chassis and driveline actuators |
| CN116374003A (zh) * | 2023-06-05 | 2023-07-04 | 小米汽车科技有限公司 | 制动失效控制方法、装置、车辆、介质及芯片 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101565037A (zh) * | 2008-04-24 | 2009-10-28 | 福特全球技术公司 | 用于加速车辆的转弯车道辅助*** |
| CN103935265A (zh) * | 2014-04-24 | 2014-07-23 | 吴刚 | 一种电动汽车的车身稳定控制*** |
| CN105539441A (zh) * | 2014-10-27 | 2016-05-04 | 富士重工业株式会社 | 车辆的行驶控制装置 |
| CN105620474A (zh) * | 2016-01-26 | 2016-06-01 | 吉林大学 | 一种具有多模式的四轮轮毂驱动电动汽车主动避障方法 |
| US20160272197A1 (en) * | 2013-10-16 | 2016-09-22 | Sentient Sweden Ekonomisk Forening | Method in Order to Control Vehicle Behaviour |
| CN106427957A (zh) * | 2015-08-11 | 2017-02-22 | 比亚迪股份有限公司 | 基于四轮驱动的电动汽车稳定控制***及方法及电动汽车 |
-
2018
- 2018-07-06 CN CN201810735023.5A patent/CN108944866B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101565037A (zh) * | 2008-04-24 | 2009-10-28 | 福特全球技术公司 | 用于加速车辆的转弯车道辅助*** |
| US20160272197A1 (en) * | 2013-10-16 | 2016-09-22 | Sentient Sweden Ekonomisk Forening | Method in Order to Control Vehicle Behaviour |
| CN103935265A (zh) * | 2014-04-24 | 2014-07-23 | 吴刚 | 一种电动汽车的车身稳定控制*** |
| CN105539441A (zh) * | 2014-10-27 | 2016-05-04 | 富士重工业株式会社 | 车辆的行驶控制装置 |
| CN106427957A (zh) * | 2015-08-11 | 2017-02-22 | 比亚迪股份有限公司 | 基于四轮驱动的电动汽车稳定控制***及方法及电动汽车 |
| CN105620474A (zh) * | 2016-01-26 | 2016-06-01 | 吉林大学 | 一种具有多模式的四轮轮毂驱动电动汽车主动避障方法 |
Cited By (30)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111762158A (zh) * | 2019-03-29 | 2020-10-13 | 中科院微电子研究所昆山分所 | 集成式跟随控制方法、***、装置及计算机可读存储介质 |
| CN110275434B (zh) * | 2019-05-20 | 2022-10-25 | 江苏大学 | 一种基于条件触发无偏mpc算法的独立悬架结构车辆控制方法 |
| CN110275434A (zh) * | 2019-05-20 | 2019-09-24 | 江苏大学 | 一种基于条件触发无偏mpc算法的独立悬架结构车辆控制方法 |
| CN110217229A (zh) * | 2019-06-25 | 2019-09-10 | 长春工业大学 | 一种适用于高速极限工况的路径跟踪控制方法 |
| CN110588633B (zh) * | 2019-08-21 | 2021-07-20 | 江苏大学 | 一种智能汽车极限工况下路径跟踪与稳定控制方法 |
| CN110588633A (zh) * | 2019-08-21 | 2019-12-20 | 江苏大学 | 一种智能汽车极限工况下路径跟踪与稳定控制方法 |
| CN110696793A (zh) * | 2019-09-19 | 2020-01-17 | 江苏理工学院 | 一种四轮转向联合差动制动的智能车辆分层控制方法 |
| CN110687797A (zh) * | 2019-11-11 | 2020-01-14 | 湖南大学 | 一种基于位置和姿态的自适应mpc泊车横向控制方法 |
| CN113060117A (zh) * | 2019-12-13 | 2021-07-02 | 北京京邦达贸易有限公司 | 转向制动控制方法、装置、介质及电子设备 |
| US20230026018A1 (en) * | 2019-12-17 | 2023-01-26 | Zf Friedrichshafen Ag | MPC-Based Autonomous Drive Function of a Motor Vehicle |
| CN111391822B (zh) * | 2020-03-27 | 2022-06-24 | 吉林大学 | 一种极限工况下汽车横纵向稳定性协同控制方法 |
| CN111391822A (zh) * | 2020-03-27 | 2020-07-10 | 吉林大学 | 一种极限工况下汽车横纵向稳定性协同控制方法 |
| CN111559361A (zh) * | 2020-05-27 | 2020-08-21 | 吉林大学 | 一种四轮独立驱动车辆转向制动协同控制方法 |
| CN111559361B (zh) * | 2020-05-27 | 2021-06-25 | 吉林大学 | 一种四轮独立驱动车辆转向制动协同控制方法 |
| CN111965977A (zh) * | 2020-08-06 | 2020-11-20 | 长春工业大学 | 一种基于轮胎均等后备能力的汽车稳定性控制方法 |
| CN111965977B (zh) * | 2020-08-06 | 2023-01-10 | 长春工业大学 | 一种基于轮胎均等后备能力的汽车稳定性控制方法 |
| CN111959500A (zh) * | 2020-08-07 | 2020-11-20 | 长春工业大学 | 一种基于轮胎力分配的汽车路径跟踪性能提升方法 |
| CN111959500B (zh) * | 2020-08-07 | 2022-11-11 | 长春工业大学 | 一种基于轮胎力分配的汽车路径跟踪性能提升方法 |
| CN112373293A (zh) * | 2020-09-11 | 2021-02-19 | 东风越野车有限公司 | 一种轮毂电机分布式驱动***故障处理方法 |
| CN113050653A (zh) * | 2021-03-26 | 2021-06-29 | 合肥工业大学 | 一种处理状态不等式约束的线控转向***建模控制方法 |
| CN113050653B (zh) * | 2021-03-26 | 2024-02-20 | 合肥工业大学 | 一种处理状态不等式约束的线控转向***建模控制方法 |
| US20230140485A1 (en) * | 2021-11-03 | 2023-05-04 | GM Global Technology Operations LLC | Architecture and model predictive control-based methodology to manage chassis and driveline actuators |
| CN114148411A (zh) * | 2021-12-16 | 2022-03-08 | 北京理工大学 | 一种轮式无人平台的漂移控制方法 |
| CN114212074A (zh) * | 2022-02-22 | 2022-03-22 | 北京航空航天大学 | 基于路面附着系数估计的车辆主动转向防侧翻控制方法 |
| CN114212074B (zh) * | 2022-02-22 | 2022-04-29 | 北京航空航天大学 | 基于路面附着系数估计的车辆主动转向防侧翻控制方法 |
| CN114475590B (zh) * | 2022-04-15 | 2022-07-12 | 北京理工大学 | 一种电动汽车力矩控制方法和***以及可读存储介质 |
| CN114475590A (zh) * | 2022-04-15 | 2022-05-13 | 北京理工大学 | 一种电动汽车力矩控制方法和***以及可读存储介质 |
| CN115525054A (zh) * | 2022-09-20 | 2022-12-27 | 武汉理工大学 | 大型工业园区无人清扫车沿边路径跟踪控制方法及*** |
| CN116374003A (zh) * | 2023-06-05 | 2023-07-04 | 小米汽车科技有限公司 | 制动失效控制方法、装置、车辆、介质及芯片 |
| CN116374003B (zh) * | 2023-06-05 | 2023-08-15 | 小米汽车科技有限公司 | 制动失效控制方法、装置、车辆、介质及芯片 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108944866B (zh) | 2021-06-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108944866A (zh) | 一种改善转向与制动协同控制的自适应模型预测控制算法 | |
| CN109050658A (zh) | 基于模型预测控制的汽车主动前轮转向自适应调节方法 | |
| CN108099902B (zh) | 一种体现汽车非线性特性的横摆稳定性控制方法 | |
| CN108099900B (zh) | 一种极限工况下保持汽车横向稳定的四轮转向控制方法 | |
| CN108107731B (zh) | 一种基于轮胎非线性特性的汽车稳定性控制方法 | |
| CN108107732A (zh) | 主动前轮转向和直接横摆力矩联合的汽车稳定性控制方法 | |
| Sharp et al. | A mathematical model for driver steering control, with design, tuning and performance results | |
| CN108082182B (zh) | 一种拓宽汽车稳定域的主动后轮转向控制方法 | |
| CN108177692B (zh) | 一种电动轮驱动汽车差动助力转向与稳定性协调控制方法 | |
| CN108099901B (zh) | 一种提高极限工况下主动前轮转向控制精度的方法 | |
| CN112622903B (zh) | 一种车辆跟随驾驶环境下自主车辆的纵向和横向控制方法 | |
| CN110696793B (zh) | 一种四轮转向联合差动制动的智能车辆分层控制方法 | |
| CN110481343A (zh) | 四轮轮毂电机驱动汽车力矩补偿的组合二阶滑模控制方法 | |
| CN111391822B (zh) | 一种极限工况下汽车横纵向稳定性协同控制方法 | |
| CN111055921B (zh) | 一种基于数据驱动的四轮转向模型预测控制方法 | |
| CN109291932B (zh) | 基于反馈的电动汽车横摆稳定性实时控制装置及方法 | |
| CN109050659A (zh) | 一种基于时变动力学模型的四轮转向汽车稳定性控制方法 | |
| CN111158264B (zh) | 面向车载应用的模型预测控制快速求解方法 | |
| CN114967475B (zh) | 一种无人驾驶车辆轨迹跟踪与稳定性鲁棒控制方法及*** | |
| CN111142534B (zh) | 一种智能车横纵向综合轨迹跟踪方法及控制*** | |
| CN109094644A (zh) | 极限工况下的主动后轮转向与直接横摆力矩控制方法 | |
| CN108181811A (zh) | 一种基于线性时变的滑移率跟踪控制方法 | |
| CN113442906A (zh) | 一种分布式驱动电动汽车横向稳定性分层控制***及方法 | |
| CN111679575A (zh) | 一种基于鲁棒模型预测控制的智能汽车轨迹跟踪控制器及其构造方法 | |
| CN108099876A (zh) | 一种基于模型预测的电动汽车防抱死控制方法 |
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 |