一种具有时滞补偿功能的车辆主动防侧翻控制系统及方法与流程

本发明涉及汽车主动安全控制领域，更具体地，涉及一种具有时滞补偿功能的车辆主动防侧翻控制系统及方法。

背景技术：

随着汽车行业的迅速发展，人们生活水平的提高及生活节奏的加快，人们对汽车的安全性要求越来越高。一些车辆如SUV、客车等由于具有质心位置偏高、质量和体积相对较大、轮距相对过窄等特点，极易发生侧翻事故。侧翻事故一旦发生往往易导致严重的人员伤亡和重大的经济损失。因此，汽车防侧翻技术已成为汽车主动安全领域的热点研究问题。

车辆主动防侧翻控制是防止车辆侧翻的有效途径，主要采用主动悬架、差速制动、主动转向、底盘一体化控制等方法实现车辆侧倾角的调整，达到防止侧翻的目的。常用的车辆侧翻评价指标包括侧向加速度、侧倾角及横向载荷转移率等。其中，横向载荷转移率是一种与车辆参数和行驶条件无关的指标，因其通用性强，已被广泛应用在车辆侧翻分析与控制中。但由于该指标与左右侧轮胎垂向载荷有关而无法直接计算，因此如何准确估计横向载荷转移率至关重要。

此外，在车辆主动防侧翻控制中，由于信号的采集与处理、控制算法的计算、作动器的执行都需要时间，由此导致控制系统存在时滞现象。时滞的存在不仅影响控制性能，甚至导致控制系统失稳。为此，国内外学者开展了控制系统的时滞控制研究，例如汽车主动防侧翻鲁棒控制策略等，这些方法虽然能提高控制系统对时滞的鲁棒性，使得控制系统在存在时滞的情况下仍能起作用，但提高控制系统鲁棒性必然会以牺牲控制精度为代价。

技术实现要素：

本发明的目的是提供一种具有时滞补偿功能的车辆防侧翻控制系统，该系统可以较好地估计及判断车辆的侧翻程度，辨识和补偿车辆防侧翻控制系统的时滞，为具有时滞的车辆主动防侧翻控制系统提供一种有效的技术解决方案。

为达到上述目的，本发明提供了一种具有时滞补偿功能的车辆防侧翻控制系统及方法，其中该控制系统由横向加速度传感器、车身侧倾角传感器、横向载荷转移率估计模块、横向载荷转移率预测模块、时滞辨识模块、主动防侧翻控制器以及防侧翻作动器组成。

横向载荷转移率估计模块通过根据横向加速度传感器检测的横向加速度信号，车身侧倾角传感器检测的车身侧倾角信号，实时计算出车辆横向载荷转移率的估计值；当横向载荷转移率估计值超过预先设定的阈值时，横向载荷转移率预测模块从当前时刻起，提前预测指定时间的横向载荷转移率，并作为主动防侧翻控制系统的参考输入；主动防侧翻控制系统输出未来时刻的控制输出，并通过防侧翻作动器减小车身侧倾角；时滞辨识模块实时辨识车辆主动防侧翻控制系统的时滞，该时滞是横向载荷转移率预测模块需要提前预测的时间。

进一步地，具有时滞补偿功能的车辆主动防侧翻控制系统，采用如下方法进行横向载荷转移率估计：

横向载荷转移率估计模块的以横向加速度、车身侧倾角为输入信号，基于反映横向载荷转移率与输入信号关系的估计模型，采用状态估计方法进行横向载荷转移率估计，其中反映横向载荷转移率与输入信号关系的估计模型为

其中Ve为横向载荷转移率，ay为横向加速度，为车身侧倾角，h为簧载质量重心到侧倾中心的距离，d为轮距，g为重力加速度。

进一步地，具有时滞补偿功能的车辆主动防侧翻控制系统，采用如下方法进行车辆状态预测：

横向载荷转移率预测模块以横向载荷转移率估计模块的输出为输入信号，以时滞辨识模块辨识出的时滞为提前预测时间，利用灰色预测模型预测未来时刻的横向载荷转移率。

进一步地，具有时滞补偿功能的车辆主动防侧翻控制系统，采用如下方法进行时滞辨识：

时滞辨识模块根据包含时滞项的车辆侧翻动力学模型，基于当前控制输出和未来时刻的车辆状态，辨识出车辆主动防侧翻控制系统的时滞。

进一步地，具有时滞补偿功能的车辆主动防侧翻控制系统，采用如下方法进行时滞补偿控制：

当横向载荷转移率大于设定的阈值时，主动防侧翻控制器根据横向载荷转移率预测模块输出的横向载荷转移率预测值，进行提前控制，从而消除时滞对控制系统的影响。

本发明具有以下优点：

(1)利用易测量的侧向加速度和车身侧倾角进行横向载荷转移率估计，增加了控制器输入信号的可实现性；

(2)采用时滞辨识模块对车辆主动防侧翻控制系统的时滞进行辨识，提高了时滞的准确性；

(3)先预测侧翻评价指标，根据辨识时滞再予以提前控制，不仅能补偿时滞的影响，还能确保控制精度，提高汽车的主动安全性。

附图说明

图1为本发明的控制系统结构图；

图2为本发明的方向盘转角输入；

图3为本发明不同时滞条件下的横向载荷转移率估计效果对比；

图4为本发明的横向载荷转移率；

图5为本发明的车身侧倾角。

具体实施方式

下面结合附图对本发明作进一步的解释和说明：

一种具有时滞补偿功能的车辆防侧翻控制系统，其系统原理结构如图1所示：包括横向加速度传感器1、车身侧倾角传感器2、横向载荷转移率估计模块3、横向载荷转移率预测模块4、时滞辨识模块5、主动防侧翻控制器6以及防侧翻作动器7。

横向载荷转移率估计模块3通过根据横向加速度传感器1检测的横向加速度信号，以及车身侧倾角传感器2检测的车身侧倾角信号，实时计算出车辆横向载荷转移率的估计值；当横向载荷转移率估计值超过预先设定的阈值时，横向载荷转移率预测模块4从当前时刻起，提前预测指定时间的横向载荷转移率，并作为主动防侧翻控制系统的参考输入；主动防侧翻控制系统输出未来时刻的控制输出，并通过防侧翻作动器减小车身侧倾角；时滞辨识模块5实时辨识车辆主动防侧翻控制系统的时滞，该时滞是横向载荷转移率预测模块4需要提前预测的时间。

横向载荷转移率估计模块3的以横向加速度传感器1检测的横向加速度，以及车身侧倾角传感器2检测的车身侧倾角为输入信号，基于反映横向载荷转移率与输入信号关系的估计模型，采用状态估计方法进行横向载荷转移率估计，其中反映横向载荷转移率与输入信号关系的估计模型为：

其中Ve为横向载荷转移率，ay为横向加速度，为车身侧倾角，h为簧载质量重心到侧倾中心的距离，d为轮距，g为重力加速度。

横向载荷转移率预测模块4以横向载荷转移率估计模块3的输出为输入信号，以时滞辨识模块5辨识出的时滞为提前预测时间，利用灰色预测模型预测未来时刻的横向载荷转移率。

时滞辨识模块5根据包含时滞项的车辆侧翻动力学模型，基于当前控制输出和未来时刻的车辆状态，辨识出车辆主动防侧翻控制系统的时滞。

当横向载荷转移率大于设定的阈值时，主动防侧翻控制器6根据横向载荷转移率预测模块4输出的横向载荷转移率预测值，进行提前控制，从而消除时滞对控制系统的影响。

作为本发明的一个实施例，灰色预测采用GM(1，1)模型，它根据预测模型实际输入的离散值进行预测，且仅需辨识2个参数(发展系数和灰色作用量)，便能在一个较短的时间内对具有某一变化趋势的过程进行提前预测，其预测精度较高。GM(1，1)模型的计算过程描述如下：

1)生成预测模型的原始输入数据序列：

X⁽⁰⁾＝[x⁽⁰⁾(1),x⁽⁰⁾(2),…,x⁽⁰⁾(n)] (2)

式中：n为建模维数，表示预测时用到的历史数据量；x⁽⁰⁾(i)，i＝1,2,…,n为预测模型的输入。

2)数据预处理。在实际系统中采集的原始数据可能同时包含正数和负数，如直接进行原始数据累加运算，则会因正负抵消而引起信息丢失现象，从而使得累加运算生成数列的规律性得不到加强，甚至可能削弱。因此在作原始数据累加操作前必须将原始数据映射处理为非负数列。

优选地，本发明采用指数映射对原始数据进行预处理，即其中r指数变换系数。

3)对预处理原始数据进行一次累加可得：

式中

4)组成数据矩阵B和Y：

5)计算发展系数和

6)根据GM(1，1)模型，在j时刻对j+k时刻的预测值表示为：

式中为j-n+1时刻的预测值；k为提前预测的步数。

7)为了得到原始预测数据，还需要对数据做反映射处理，即：

GM(1，1)模型的预测精度除了与原始数据序列的分布有关之外，还与建模维数有关。如果建模维数太大，即旧信息太多会淹没新信息的特点，使预测数据对系统的波动反应迟缓，跟踪性能变差，计算速度变慢。一般而言，建模维数可通过试探法确定。

作为本发明的一个实施例，状态估计方法采用扩展卡尔曼滤波算法进行横向转移率估计，算法过程表示如下：

1)状态预测：

2)误差协方差预测

其中，

Φk＝I+TsF (11)

式中I为合适维数的单位矩阵；Ts为采样时间；F为状态转移函数的雅克比矩阵，通过求状态转移函数关于自变量的偏导数得到，即

3)计算卡尔曼滤波增益：

4)更新状态变量，即计算状态变量估计值：

5)更新状态估计误差协方差矩阵：

作为本发明的一个实施例，方向盘转角输入为J-Turn试验工况，转向角如图2所示，设定车辆的初始速度为110km/h，路面附着系数为0.85。

作为本发明的一个实施例，设置横向转移率阈值为0.8，即横向载荷转移率估计模块中的估计值大于设定的阈值时，认为即将出现侧翻危险，横向载荷转移率预测模块开始介入。

本发明的横向载荷转移率预测模块采用灰色预测模型实现预测功能，以估计模块的横向载荷转移率估计值为输入，根据时滞辨识模块辨识出的防侧翻控制器的时滞确定需要提前预测的时间，输出未来时刻的横向载荷转移率，图3为不同时滞条件的横向载荷转移率预测值。

作为本发明的一个实施例，本发明建立一个附加横摆力矩决策模糊控制器，采用双输入单输出的二维模糊控制结构。选取横向载荷转移率预测值与其参考量之间的误差E及误差的变化率EC作为控制输入，以附加横摆力矩M作为控制输出进行模糊控制器设计，这里取横向载荷转移率参考值为0。对输入输出采用均采用7个模糊语言子集来描述，模糊集均为：{负大，负中，负小，零，正小，正中，正大}＝{NB，NM，NS，ZO，PS，PM，PB}。输入变量和输出变量的论域均为{-6，6}。模糊子集的隶属函数均采用高斯型分布函数，这种隶属函数不仅计算起来简单外，而且符合正态分布的特性，并且能够很好地满足控制精度的要求。

在确定各输入、输出变量模糊子集和隶属度函数后，编写出的模糊控制规则，见表1。每一个模糊规则都能清晰地表达一条控制策略：如当横向载荷转移率预测值与其参考量之间的误差为负大(NB)时，若此时误差变化率也为负大(NB)，则表明此刻误差在不断变大，为了尽快让误差减小甚至消失，这时应该增大附加横摆力矩(PB)，实现对误差的补偿和调整，从而使得横向载荷转移率预测值能够趋近参考值，防止车辆发生侧翻；若误差变化为负小(NS)，也就意味着此时误差已经逐渐在减小，则此时应当减少控制量(NM)。当误差快速减小时，为了防止超调，此时控制量最好不要变化，也就是说此时附加横摆力矩应为ZO。依次类推，每一条模糊规则都表示一种情况下的控制规则。

表1模糊控制规则表

作为以上实施例的实际算例，图4和图5分别为试验工况中的横向载荷转移率和车身侧倾角。由图可知，在没有施加控制时，车辆质心侧偏角随转向盘转角输入急剧增加，横向载荷转移率迅速达到1，车辆很快发生侧翻；采用无预测控制时，虽然加入控制后较无控制时呈现了一定的控制效果，但由于时滞的存在，使得控制器响应过慢，车辆最终发生侧翻；有预测控制时，由于灰色预测系统提前预测，补偿了控制系统的时滞，当触发防侧翻控制系统时，其能有效的进行控制，从而使得车辆质心侧偏角能被控制在稳定区域内，横向载荷转移率保持在0.8左右，车辆未发生侧翻。通过对以上实施例的实际算例进行分析，本发明能解决具有时滞的车辆防侧翻控制难题。

以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。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前提下的若干改进和润饰，应视为落入本发明的保护范围。