CN110161876B - 一种电动助力制动***制动踏板反馈的优化方法 - Google Patents

Abstract

本发明公开了一种电动助力制动***制动踏板反馈的优化方法，首先，建立电动助力制动***的参数模型及整车仿真模型；确定优化方案，选取设计变量、采样方法以及样本点；然后进行仿真试验，获取优化设计的原始数据；其次，构造响应面模型，并评估模型的预测效果；接着设定目标函数及约束条件，构建优化模型，选取优化算法及对比算法；最后对优化结果进行筛选和分析，获得制动踏板反馈的优化结果。本发明为电动助力制动***提供了一种优化方法，使之在满足制动效能及安全性的基础上，为驾驶员提供更舒适的制动踏板反馈，对电动助力制动***的优化设计及个性化具有重要意义。

Description

一种电动助力制动***制动踏板反馈的优化方法

技术领域

本发明涉及车辆制动控制***领域，尤其涉及一种电动助力制动***制动踏板反馈的优化方法。

背景技术

与传统的真空助力相比，电动助力制动***不需要任何真空源，能够完美地应用于电动车上；由于采用电机实现助力功能，该***具有主动制动的功能，能作为汽车智能辅助驾驶的重要底层执行器；由于该***能准确、快速、持久地控制主缸压力，能够更好地与再生制动配合工作；另外，电动助力制动***可根据不同车型以及不同人群对制动踏板反馈的需求来设计助力方案，为驾驶员提供舒适的制动反馈。

但是，在对现有的电动助力制动***的研究中，以制动踏板反馈为主要性能指标的优化研究还比较少。制动性及舒适性对评价一辆车的好坏起着至关重要的作用，而制动踏板反馈与二者的关系密不可分。在实际的制动过程中，驾驶员直观的感受是制动“偏软”或者“偏硬”。目前一般解决这一问题的做法是设置几条曲线，根据驾驶风格改变踏板力—踏板行程的斜率来改变助力大小。但是这种方式存在一定的局限性，难以在理论上保证曲线的最优，而且制动反馈与很多因素都有关，比如车辆的减速曲线、制动踏板的反力、踏板的转角、制动的初始车速等等。针对以上涉及到的电动助力制动***的特点及存在的不足，本发明利用响应面近似模型的方法，兼顾影响制动反馈的多个因素，并在保证安全性的前提下提出一种优化方法。通过对国内外相关技术的研究，在汽车制动领域中，未发现有类似针对电动汽车制动反馈优化的设计方法。

发明内容

本发明所要解决的技术问题是针对背景技术中所涉及到的不足，提供一种电动助力制动***制动踏板反馈的优化方法。

本发明为解决上述技术问题采用以下技术方案：

一种电动助力制动***制动踏板反馈的优化方法，所述电动助力制动***采用博世 iBooster***，所述制动踏板反馈的优化方法包括以下步骤：

步骤1)，建立电动助力制动***的参数模型及Simulink仿真模型：

步骤1.1)，建立电动助力制动***的参数模型，包含二自由度整车模型、制动踏板模型、助力电机模型、液压缸模型、轮胎模型和制动力分配模型；其中，所述二自由度整车模型和轮胎模型用于获取车辆运动状态；所述制动踏板模型和液压缸模型用于获取驾驶员踏板状态；所述助力电机模型用于接收车辆运动状态和驾驶员踏板状态、输出助力、调整踏板反馈力并与踏板力一起发挥制动功能；

步骤1.2)，根据参数模型，在Simulink中搭建仿真模型并进行试验，获得仿真数据，所述仿真数据包含车辆的速度、加速度、踏板位移、踏板力和助力比数据；

步骤2)，确定优化方案，选取设计变量、采样方法以及样本点：

步骤2.1)，确定优化方案：通过对踏板反馈力的优化来改善制动踏板反馈；

踏板反馈力通过助力比n来改变，

其中，ΔF_out为主缸推杆力的变化值，ΔF_in为踏板推杆力的变化值，Δp为主缸液压力的变化值，k为助力电机输出位移与踏板位移之比，Δl为踏板推杆位移，k_pv为制动主缸到轮缸的等效刚度，S_c为踏板反馈补偿缸的截面积，k₂为踏板反馈弹簧的刚度；

助力比n由助力电机输出位移与踏板位移之比k直接调节，而k的调节由三个参数K_s、K_a、K_v确定，表达式为k＝K_s·K_a·K_v；其中，K_s为踏板行程对k的影响因子，

K_a为制动减速度对k的影响因子，

K_v为车速对k的影响因子，

s、a、v分别为踏板行程、制动减速度、车速；s₁、a₁、v₁分别为K_s、K_a、K_v这三个分段函数的转折点；C₁、C₂、C₃为K_s、K_a、 K_v这三个分段函数在s₁、a₁、v₁转折点时的比例系数；

步骤2.2)，选取s₁、a₁、v₁、制动力分配系数β作为设计变量；

步骤2.3)，基于步骤1.2)中获得的仿真数据确定设计变量s₁、a₁、v₁、β取值范围的最大值和最小值s_min、s_max、a_min、a_max、v_min、v_max、β_min、β_max，利用拉丁超立方抽样方法在设计变量s₁、a₁、v₁、β的取值范围近似随机抽取N组样本点；

步骤3)，进行仿真试验，获取优化设计的原始数据；

步骤3.1)，根据N组样本点进行仿真试验，获得踏板力、踏板行程、车辆加速度之间的关系曲线；

步骤3.2)，根据步骤3.1)中获得的关系曲线获取原始数据，包括正常制动至预设的最小制动强度Z₁时的踏板力F₁、正常制动至预设的最小制动强度Z₁时的踏板行程X₁、正常制动至预设的最大制动强度Z₂时的踏板力F₂、正常制动至预设的最大制动强度Z₂时的踏板行程 X₂这四项体现制动踏板反馈的参数，以及利用附着系数、同步附着系数这两个与汽车安全相关的参数；

步骤4)，构造二阶响应面模型，并评估模型的预测效果；

步骤4.1)，利用Isight软件拟合制动反馈指数的二阶响应面模型，拟合结果为

M＝A₀+A₁β+A₂v₁+A₃a₁+A₄s₁+A₅β²+A₆v₁ ²+A₇a₁ ²+A₈s₁ ²

+A₉β·v₁+A₁₀β·a₁+A₁₁β·s₁+A₁₂v₁·a₁+A₁₃v₁·s₁+A₁₄a₁·s₁

式中，M为反应制动踏板反馈的量化指标，A₀、A₁、……、A₁₄为各项拟合系数；

步骤4.2)，采用均方根误差对模型的预测能力进行评估，计算公式为：

式中，N为样本点数；p为多项式项数；i为第i个样本点；f_i为第i个样本点的有限元分析值；f_i'为第i个样本点的响应面模型计算值；

步骤5)，构建多目标优化模型，并对各参数进行优化；

步骤5.1)，选取反映制动踏板反馈的量化指标M、与汽车安全性相关指标J₁、J₂为目标函数：

其中，l为轴距，a为车辆质心到前轴的距离，b为车辆质心到后轴的距离，h_g为质心高度，

为附着系数，z为制动强度，

分别为前轮、后轮的利用附着系数；

步骤5.2)，构造数学优化模型为

其中，M₀为优化前的M值；

步骤5.3)，进行优化，获得优化结果；

步骤6)，对优化结果进行筛选和分析，去除极端数据点，获得筛选后的制动踏板反馈的优化结果。

本发明采用以上技术方案与现有技术相比，具有以下技术效果：

1.采用本发明能够有效改善配备电动助力制动***的车辆制动时的舒适性，该方法在保证制动效能和车辆安全性的基础上，可以为驾驶员在主观及客观上都提供更舒适的制动踏板反馈，对电动助力制动***的优化设计及个性化具有重要意义。

2.本发明针对改善电动助力制动***制动踏板反馈的问题，建立对应的参数模型，利用构造响应面模型的方法，获取近似模型。选取对驾驶员制动反馈影响较大的几个参数作为设计变量，以踏板反馈、制动效能及安全性为优化目标，采用粒子群多目标优化算法对模型进行优化，并将优化结果代入仿真模型中进行试验，实现了电动助力制动***制动反馈的优化设计。

3.相对于现行的其他制动助力曲线，本发明通过综合考虑与车辆速度、制动时的加速度以及制动踏板行程有关的参数，对制动反馈进行优化，助力曲线平滑过渡，针对不同车型数据都可以在理论上达到制动反馈的最优.

附图说明

图1为本发明中涉及的电动助力制动***示意图；

图2为本发明提出的一种电动助力制动***制动踏板反馈的优化方法流程图。

图中，1-制动踏板，2-踏板推杆，3-踏板反馈补偿缸，4-力耦合盘，5-踏板反馈弹簧， 6-液压补偿回路，7-制动主缸，8-电控模块，9-齿轮齿条，10-助力电机。

具体实施方式

下面结合附图对本发明的技术方案做进一步的详细说明：

本发明可以以许多不同的形式实现，而不应当认为限于这里所述的实施例。相反，提供这些实施例以便使本公开透彻且完整，并且将向本领域技术人员充分表达本发明的范围。在附图中，为了清楚起见放大了组件。

本发明采用电动助力制动***采用博世(BOSCH)iBooster***，图1为本发明中涉及的电动助力制动***示意图，包括踏板、踏板推杆、助力电机、齿轮齿条、踏板反馈补偿缸、踏板反馈弹簧、力耦合盘、踏板位移传感器、车速传感器、加速度传感器以及制动控制器等部件。

所述电动助力制动***中，制动踏板与踏板推杆传递驾驶员的脚力，助力电机与齿轮齿条传递助力，脚力与助力一起经力耦合盘作用在主缸活塞形成主缸的输入力；主缸液压力通过补偿回路到达踏板反馈补偿缸，并与踏板反馈弹簧一起作用，为驾驶员提供踏板反力；传感器检测相关物理量，将信号传递给制动控制单元，制动控制单元将运算结果传输给助力电机，从而控制助力大小。

图2为本发明提出的一种电动助力制动***制动踏板反馈的优化方法流程图，具体步骤为：

(1)根据电动助力制动***的结构特点，建立电动助力制动***的参数模型及simulink 仿真模型，包括二自由度整车模型、制动踏板模型、助力电机模型、液压缸模型、轮胎模型、制动力分配模型等。

所建立的电动助力制动***模型的助力比n为优化方案的目标调节量，计算公式为

其中，ΔF_out为主缸推杆力的变化值，ΔF_in为踏板推杆力的变化值，Δp为主缸液压力的变化值，k为助力电机输出位移与踏板位移之比，Δl为踏板推杆位移，k_pv为制动主缸到轮缸的等效刚度，S_c为踏板反馈补偿腔的截面积，k₂为踏板反馈弹簧的刚度。

(2)确定优化方案，选取设计变量、采样方法以及样本点；

优化方案是指通过对助力比n的调节来获得良好的制动反馈，具体方法为：

①选取与踏板行程、制动减速度和车速有关的三个参数K_s、K_a、K_v作为助力比计算公式中k的影响因子，表达式为k＝K_s·K_a·K_v。其中，K_s为踏板行程对k的影响因子；K_a为制动减速度对k的影响因子；K_v为车速对k的影响因子。

②上式中K_s、K_a、K_v三个参数的具体取值表达式为

其中，s、a、v分别为踏板行程、制动减速度、车速；s₁、a₁、v₁分别为三个分段函数转折点；C₁、C₂、C₃为与转折点有关的比例系数。

设计变量为踏板行程、制动减速度、车速对k值影响因子的分段函数表达式转折点s₁、a₁、 v₁和制动力分配系数β，根据仿真数据确定设计变量s₁、a₁、v₁、β的取值范围，并采用拉丁超立方抽样，选取s₁、a₁、v₁、β取值范围内的50～60组样本点。

表1拉丁超立方部分样本点

(3)根据N组样本点进行仿真试验，获得踏板力、踏板行程、车辆加速度之间的关系曲线；然后根据获得的关系曲线获取原始数据；这里是采用制动感觉指数(BFI)试验评估体系来获得原始数据的，获得的原始数据包括正常制动至0.1g时的踏板力(N)、正常制动至0.1g时的踏板行程(mm)、正常制动至0.5g时的踏板力(N)、正常制动至0.5g时的踏板行程(mm)等四项体现制动踏板反馈的参数，以及利用附着系数、同步附着系数两个与汽车安全相关的参数。

表2优化设计的原始数据

(4)构造二阶响应面模型，并评估模型的预测效果；

利用Isight软件拟合制动反馈指数的二阶响应面模型，拟合结果为 M＝28.359+60.766β+0.0407V₁+2.0808a₁+0.1872S₁-36.9948β²-9.1264V₁ ²-0.0434a₁ ²+0.0002S₁ ² -0.0428β·V₁-2.8089β·a₁-0.3088β·S₁-0.0031V₁·a₁-6.8488V₁·S₁-0.006a₁·S₁

采用均方根误差对模型的预测能力进行评估，均方根误差小于0.2时认为可接受，计算公式为

其中，N为样本点数；p为多项式项数；i为第i个样本点；f_i为第i个样本点的有限元分析值；f′为第i个样本点的响应面模型计算值。

(5)构建多目标优化模型，设定目标函数及约束条件，利用粒子群优化算法对模型进行优化；

构造的数学优化模型为

其中，J₁、J₂为安全性评价指标

其中，l为轴距，a为车辆质心到前轴的距离，b为车辆质心到后轴的距离，h_g为质心高度，

为附着系数，z为制动强度，

为前后轮的利用附着系数。

(6)对优化结果进行筛选和分析，获得制动踏板反馈的优化结果。

表3各参数优化前后对比

优化后，制动反馈指数得到有效提升，比优化前的结果提高了1.1％；而另一方面，在制动效率和利用附着系数的指标上，优化结果相对于优化前分别提高了3.2％和12.6％，综上，本发明可以在提高制动反馈指数的同时制动效能和安全性。

本技术领域技术人员可以理解的是，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (1)

1.一种电动助力制动***制动踏板反馈的优化方法，所述电动助力制动***采用博世iBooster***，其特征在于，所述制动踏板反馈的优化方法包括以下步骤：

步骤1)，建立电动助力制动***的参数模型及Simulink仿真模型：

步骤1.1)，建立电动助力制动***的参数模型，包含二自由度整车模型、制动踏板模型、助力电机模型、液压缸模型、轮胎模型和制动力分配模型；其中，所述二自由度整车模型和轮胎模型用于获取车辆运动状态；所述制动踏板模型和液压缸模型用于获取驾驶员踏板状态；所述助力电机模型用于接收车辆运动状态和驾驶员踏板状态、输出助力、调整踏板反馈力并与踏板力一起发挥制动功能；

步骤1.2)，根据参数模型，在Simulink中搭建仿真模型并进行试验，获得仿真数据，所述仿真数据包含车辆的速度、加速度、踏板位移、踏板力和助力比数据；

步骤2)，确定优化方案，选取设计变量、采样方法以及样本点：

步骤2.1)，确定优化方案：通过对踏板反馈力的优化来改善制动踏板反馈；

踏板反馈力通过助力比n来改变，

其中，ΔF_out为主缸推杆力的变化值，ΔF_in为踏板推杆力的变化值，Δp为主缸液压力的变化值，k为助力电机输出位移与踏板位移之比，Δl为踏板推杆位移，k_pv为制动主缸到轮缸的等效刚度，S_c为踏板反馈补偿缸的截面积，k₂为踏板反馈弹簧的刚度；

助力比n由助力电机输出位移与踏板位移之比k直接调节，而k的调节由三个参数K_s、K_a、K_v确定，表达式为k＝K_s·K_a·K_v；其中，K_s为踏板行程对k的影响因子，

K_a为制动减速度对k的影响因子，

K_v为车速对k的影响因子，

s、a、v分别为踏板行程、制动减速度、车速；s₁、a₁、v₁分别为K_s、K_a、K_v这三个分段函数的转折点；C₁、C₂、C₃为K_s、K_a、K_v这三个分段函数在s₁、a₁、v₁转折点时的比例系数；

步骤2.2)，选取s₁、a₁、v₁、制动力分配系数β作为设计变量；

步骤2.3)，基于步骤1.2)中获得的仿真数据确定设计变量s₁、a₁、v₁、β取值范围的最大值和最小值s_min、s_max、a_min、a_max、v_min、v_max、β_min、β_max，利用拉丁超立方抽样方法在设计变量s₁、a₁、v₁、β的取值范围近似随机抽取N组样本点；

步骤3)，进行仿真试验，获取优化设计的原始数据；

步骤3.1)，根据N组样本点进行仿真试验，获得踏板力、踏板行程、车辆加速度之间的关系曲线；

步骤3.2)，根据步骤3.1)中获得的关系曲线获取原始数据，包括正常制动至预设的最小制动强度Z₁时的踏板力F₁、正常制动至预设的最小制动强度Z₁时的踏板行程X₁、正常制动至预设的最大制动强度Z₂时的踏板力F₂、正常制动至预设的最大制动强度Z₂时的踏板行程X₂这四项体现制动踏板反馈的参数，以及利用附着系数、同步附着系数这两个与汽车安全相关的参数；

步骤4)，构造二阶响应面模型，并评估模型的预测效果；

步骤4.1)，利用Isight软件拟合制动反馈指数的二阶响应面模型，拟合结果为

M＝A₀+A₁β+A₂v₁+A₃a₁+A₄s₁+A₅β²+A₆v₁ ²+A₇a₁ ²+A₈s₁ ²+A₉β·v₁+A₁₀β·a₁+A₁₁β·s₁+A₁₂v₁·a₁+A₁₃v₁·s₁+A₁₄a₁·s₁

式中，M为反应制动踏板反馈的量化指标，A₀、A₁、……、A₁₄为各项拟合系数；

步骤4.2)，采用均方根误差对模型的预测能力进行评估，计算公式为：

式中，N为样本点数；p为多项式项数；i为第i个样本点；f_i为第i个样本点的有限元分析值；f_i'为第i个样本点的响应面模型计算值；

步骤5)，构建多目标优化模型，并对各参数进行优化；

步骤5.1)，选取反映制动踏板反馈的量化指标M、与汽车安全性相关指标J₁、J₂为目标函数：

其中，l为轴距，a为车辆质心到前轴的距离，b为车辆质心到后轴的距离，h_g为质心高度，

为附着系数，z为制动强度，

分别为前轮、后轮的利用附着系数；

步骤5.2)，构造数学优化模型为

其中，M₀为优化前的M值；

步骤5.3)，进行优化，获得优化结果；

步骤6)，对优化结果进行筛选和分析，去除极端数据点，获得筛选后的制动踏板反馈的优化结果。

Images