本发明涉及车辆转向控制领域，具体涉及一种四轮独立转向车辆的控制方法。
背景技术：
：车辆的操纵稳定性是关系车辆安全行驶的一项重要性能。四轮转向(4WS)技术是主动底盘控制系统的重要组成，是现代车辆提高操纵稳定性和主动安全性的发展趋势。控制策略是4WS技术的重要研究方面，通过调节后轮转角控制车辆质心侧偏角和横摆角速度，可有效改善车辆高速行驶的操纵稳定性和低速状态的机动灵活性。迄今，人们针对主动后轮转向的4WS控制问题，提出了前后轮转角成比例的前馈控制、横摆角速度反馈控制、神经网络控制等方法。直接横摆力矩控制(DYC)也是当前车辆动力学系统稳定控制中一种较为有效的车辆底盘控制技术，它通过对轮胎纵向力的分配产生横摆力矩以调节车辆的横摆运动，从而确保车辆行驶稳定性。目前，有关采用横摆力矩控制车辆稳定性的报道也较多，其中包括最优控制、鲁棒控制、模糊控制等。由于实际车辆轮胎与地面接触作用具有非线性特性，同时车辆参数(如整车质量、车辆转动惯量等)的变化会对车辆车身状态的控制性能产生干扰作用影响。因此，无论是4WS车辆的后轮转向控制还是DYC手段，单一的控制策略对改善车辆行驶的操纵稳定性有限，特别是在车辆高速、急转弯等极限工况下，无法获得满意的车辆行驶操纵稳定性。车辆前轮转角传感器是车辆车身电子稳定系统(ESP)的重要测量器件，为系统中的控制器提供前轮转角测量电信号，其测量的精确度和可靠性直接关系控制器的控制效果，进而影响行车的操纵稳定性和安全性。然而，路面的不平度引起的车辆振动，或者车身内部问题引起的部件装置不协调及损坏，从而会造成传感器出现故障现象，使得控制器无法获取正确的前轮转角输入信号，这将造成车辆稳定性控制系统无法正常工作，甚至会导致降低车身稳定性，出现行车安全隐患的严重后果。技术实现要素：本发明旨在提供一种四轮独立转向车辆控制方法，该控制方法克服现有技术当车辆前轮转角传感器故障时车辆稳定性降低影响行车安全的缺陷，具有控制效果好、稳定性高的特点。本发明的技术方案如下：一种四轮独立转向车辆的控制方法，包括以下步骤:A、预设理想车辆转向模型、前轮转角估计初始值、前轮转角观测器、干扰边界估计环节、后轮转角滑模控制器和横摆力矩滑模控制器；B、以车辆直行状态作为初始时刻，实时测量车辆的质心侧偏角及横摆角速度，同时将前轮转角估计初始值输入理想车辆转向模型，得到初始期望质心侧偏角与初始期望横摆角速度；将初始期望质心侧偏角与初始期望横摆角速度分别与对应时刻的实时质心侧偏角与横摆角速度进行比较，分别得到对应时刻的质心侧偏角控制误差以及横摆角速度控制误差；将质心侧偏角控制误差、初始横摆角速度控制误差输入至前轮转角观测器得到对应时刻的前轮转角估计值；C、实时地进行前轮转角估计值的计算，将实时的前轮转角估计值输入理想车辆转向模型，得到实时的期望质心侧偏角与期望横摆角速度，将实时的期望质心侧偏角与期望横摆角速度与实时的质心侧偏角、横摆角速度进行比较，从而得到实时的质心侧偏角控制误差、横摆角速度控制误差；D、将实时的质心侧偏角控制误差、横摆角速度控制误差输入干扰边界估计环节，得到实时的干扰边界参数；E、将实时的前轮转角估计值、质心侧偏角控制误差、横摆角速度控制误差以及干扰边界参数共同输入到后轮转角滑模控制器和横摆力矩滑模控制器，分别输出得到实时的后轮转角和横摆力矩，并采用实时的后轮转角和横摆力矩对车辆进行实时控制。优选地，所述的步骤A中理想车辆转向模型的构造过程如下：建立如下的车辆转向运动学模型：m(v·x-vyγ)=(Fx1+Fx2)cosδf-(Fy1+Fy2)sinδf+(Fx3+Fx4)cosδr-(Fy3+Fy4)sinδrm(v·y+vxγ)=(Fx1+Fx2)sinδf+(Fy1+Fy2)cosδf+(Fx3+Fx4)sinδr+(Fy3+Fy4)cosδrIzγ·=a(Fy1+Fy2)cosδf-b(Fy3+Fy4)cosδr+0.5W[(Fy1+Fy2)sinδf+(Fy3-Fy4)sinδr]+MJwiω·i=Mdi-FxiR-Mbi(i=1,2,3,4)---(1);]]>式中：m是整车质量；vx、vy分别表示汽车质心速度V在x和y轴上的速度分量；分别表示汽车质心速度V在x和y轴上的加速度分量；γ是汽车横摆角速度，则表示横摆角加速度；a和b分别是汽车质心至前轴和后轴的距离，汽车轴距L＝a+b；Fxi、Fyi分别代表汽车轮胎的纵向力和横向力，其中下标i＝1,2,3,4分别对应左前轮、右前轮、左后轮和右后轮；δf、δr分别是前、后轮转向角；Iz为汽车绕z轴的转动惯量；Jwi和ωi分别为各轮胎的转动惯量及转动角速度，表示各轮胎的转动角加速度；Mdi是差速器半轴上的输出扭矩；R表示轮胎半径；Mbi为轮胎所受的制动力矩；W为轮距,即前轮距Bf和后轮距Br均等于W；M表示车轮所受纵向力所产生附加控制的横摆力矩：M＝a(Fx1+Fx2)sinδf-b(Fx3+Fx4)sinδr+0.5W[(Fx2-Fx1)cosδf+(Fx4-Fx3)cosδr](2)；车辆质心侧偏角：β＝arctan(vx/vy)；前后轮的侧偏角αi：α1=α2≈β+aγ/vx-δfα3=α4≈β-bγ/vx-δr---(3);]]>其中下标i＝1,2,3,4分别对应左前轮、右前轮、左后轮和右后轮；假定汽车处于正常时速范围的非紧急状态和小角度转向的行驶工况下，有vx≈V，并只考虑车辆侧滑和横摆运动，即选择质心侧偏角和横摆角速度作为操纵稳定性的衡量主要指标，结合式(1)和(3)可以获得车辆2自由度线性单轨模型的动力学方程：mu(β·+γ)=Fy1+Fy2+Fy3+Fy4Izγ·=a(Fy1+Fy2)-b(Fy3+Fy4)+M---(4);]]>式中：Fy1+Fy2、Fy3+Fy4分别表示前、后轴轮胎的侧偏力Fy1+Fy2=-kf(β+aγ/V-δf)Fy3+Fy4=-kr(β-bγ/V-δr)---(5);]]>其中kf和kr分别为前轴两侧轮胎的综合侧偏刚度、后轴两侧轮胎的综合侧偏刚度，其数值是前、后轮侧偏刚度的2倍；定义系统状态矢量x＝[β,γ]T和控制输入矢量u＝[δr,M]T，根据式(4)和(5)建立如下的模型状态空间方程为：x·=Ax+Bu+Cδf---(6);]]>式中：为系统矩阵控制输入矩阵前轮转角输入矩阵采用前轮转角观测器输出估计值来逼近实际前轮转角信息δf,同时考虑车辆转向系统参数的变化因素对系统的作用影响，则式(6)则变为x·=(A+ΔA)x+(B+ΔB)u+(C+ΔC)δ^f---(7);]]>式中：和分别表示系统参数变化时系统矩阵、控制输入矩阵和前轮转角输入矩阵分别对应的变化值；式(7)可进一步整理为：x·=Ax+Bu+Cδ^f+d(t)---(8)]]>式中d1(t)、d2(t)分别表示车辆参数变化时，质心侧偏角和横摆角速度对应的变化值；.采用如下的理想车辆模型：x·d=Adxd+Cdδ^f---(9);]]>式中：理想模型的状态矢量其中βd、γd分别为期望质心侧偏角与期望横摆角速度；理想模型的系统矩阵输入矩阵其中系数kγ和τγ分别是一阶滞后环节的比例增益和滞后时间常数，表达式如下：kγ=k0(b11a21-a11b21)+(c1a21-c2a11)(a11a22-a12a21);k0=c1a22-c2a12a12b21-a22b11;τγ=kγk0b21+c2;]]>式(9)即为理想车辆转向模型的表达式。优选地，所述的步骤A中前轮转角观测器的具体构造过程如下：设定前轮转角估计初始值前轮转角观测器表达式如下：δ^f(t)=∫0teT(C-Cd)dτ---(10);]]>式中：e为汽车实际质心侧偏角和横摆角速度与理想模型状态间的误差矢量，表达式如下：e=x-xd=e1e2=eβeγ=β-βdγ-γd=βγ-γd---(11);]]>eβ、eγ分别为质心侧偏角控制误差和横摆角速度控制误差；根据式(10)可知前轮转角的自适应估计律为δ^·f=eT(C-Cd)---(12);]]>根据式(8)和式(9)推导出控制误差方程：e·=Ae+(A-Ad)xd+Bu+(C-Cd)δ^f+d(t)---(13).]]>优选地，所述的步骤A中干扰边界估计环节的具体构造过程如下：定义干扰边界的自适应估计律如下：ψ^·1=ϵ1eβsgn(eβ)=ϵ1|eβ|ψ^·2=ϵ2eγsgn(eγ)=ϵ2|eγ|---(14);]]>式中：sgn(.)表示符号开关函数；分别表示干扰边界参数ψ1和ψ2的估计值；ε1、ε2分别称为干扰边界的估计系数，且均大于1；假定方向盘转向初始时刻的和干扰边界估计环节的数学表达式如下：ψ^1(t)=∫0tϵ1|eβ|dτψ^2(t)=∫0tϵ2|eγ|dτ---(15);]]>根据式(15)估计得出。优选地，所述的步骤A中后轮转角滑模控制器及横摆力矩滑模控制器的具体构造过程如下：定义滑模面函数s＝e，滑模控制器其中，滑模控制器u同时包含后轮转角滑模控制器和横摆力矩滑模控制器，并以后轮转角δr和横摆力矩M作为控制量，ueq为滑模等效控制器，us为切换控制器；忽略系统参数所引起的扰动变化d(t)，根据并利用式(15)可推导出滑模等效控制器ueq的表达式如下：ueq=-B-1[-Ke-Ae-(A-Ad)xd-(C-Cd)δ^f]---(16);]]>式中：K为待定的控制增益矩阵，k1和k2均大于零，其中diag(.)表示对角矩阵；切换控制器us的表达式如下：us=-B-1diag(ϵ1ψ^1,ϵ2ψ^2)sgn(e)---(17);]]>式中：为切换控制us中的控制增益；根据式(16)和(17)可得到滑模控制器的表达式如下：u=δrM=ueq+us=-B-1[Ke+Ae+(A-Ad)xd+(C-Cd)δ^f+diag(ϵ1ψ^1,ϵ2ψ^2)sgn(e)]---(18).]]>优选地，所述的步骤E具体为:将矩阵A、Ad、B、C、Cd和K的元素代入式(18)，通过整理得到后轮转角滑模控制器的具体形式如下：δr=-{[(k1+a11)b22-a21b12]eβ+[a12b22-b12(k2+a22)]eγ+[a12b22-b12(a22-a22d)]γd+[b22c1-b12(c2-c2d)]δ^f+b22ϵ1ψ^1sgn(e1)-b12ϵ2ψ^2sgn(e2)}/(b11b22-b12b21)---(19);]]>横摆力矩滑模控制器的具体形式为：M={[(k1+a11)b21-a21b11]eβ+[a12b21-b11(k2+a22)]eγ+[a12b21-b11(a22-a22d)]γd+[b21c1-b11(c2-c2d)]δ^f+b21ϵ1ψ^1sgn(e1)-b11ϵ2ψ^2sgn(e2)}/(b11b22-b12b21)---(20);]]>采用上述得到的后轮转角和横摆力矩对车辆进行实时控制。本发明四轮独立转向车辆控制方法通过自主创新设计的前轮转角观测器、干扰边界估计环节、后轮转角滑模控制器及横摆力矩控制器的组合控制，一方面通过前轮转角观测器实现对实际前轮转角较为精确的估计，另一方面使得汽车质心侧偏角和横摆角速度与理想模型对应输出量之间的误差尽可能小，让车辆获得良好的跟踪控制特性，以满足行驶状态的稳定性要求，避免了由于车辆前轮转角传感器故障而使得控制力丧失，降低车辆的稳定性；同时，优选方案还包括横摆力矩滑模控制器，后轮转角控制与横摆力矩控制的结合，这使得本发明方案在控制效果上优于单一方式的控制方法，复合控制一方面能保证较好的转角观测精度，另一方面可以在车辆高速、急弯等极限工况下能获得较好的控制效果；并且，本发明方案中的切换控制器设计可以抑制或减少小系统参数变化带来的扰动对控制性能的影响，提高汽车转向操纵稳定性的控制鲁棒性。附图说明图1为本发明提供的四轮独立转向车辆的控制方法的流程图图2(a)为本发明提供的四轮独立转向车辆的控制结构示意图图2(b)为本发明实施例1所述的有前轮转角传感器的滑模控制结构示意图图3为车辆前轮实际转向的角阶跃波形图图4为车辆前轮实际转向的角正弦波形图图5(a)是施加有前轮转角传感器滑模控制(简写为：有传感器SMC)、汽车车速30km/h、前轮按角阶跃波形转向时的质心侧偏角控制波形图。图5(b)是施加有前轮转角传感器滑模控制、汽车车速100km/h、前轮按角阶跃波形转向时的质心侧偏角控制波形图。图5(c)是施加有前轮转角传感器滑模控制、汽车车速30km/h、前轮按角正弦波形转向时的质心侧偏角控制波形图。图5(d)是施加有前轮转角传感器滑模控制、汽车车速100km/h、前轮按角正弦波形转向时的质心侧偏角控制波形图。图6(a)是施加有前轮转角传感器滑模控制、汽车车速30km/h、前轮按角阶跃波形转向时的横摆角速度控制波形图。图6(b)是施加有前轮转角传感器滑模控制、汽车车速100km/h、前轮按角阶跃波形转向时的横摆角速度控制波形图。图6(c)是施加有前轮转角传感器滑模控制、汽车车速30km/h、前轮按角正弦波形转向时的横摆角速度控制波形图。图6(d)是施加有前轮转角传感器滑模控制、汽车车速100km/h、前轮按角正弦波形转向时的横摆角速度控制波形图。图7(a)是施加有前轮转角传感器滑模控制、汽车车速30km/h、前轮按角阶跃波形转向时的车速变化曲线图。图7(b)是施加有前轮转角传感器滑模控制、汽车车速100km/h、前轮按角阶跃波形转向时的车速变化曲线图。图7(c)是施加有前轮转角传感器滑模控制、汽车车速30km/h、前轮按角正弦波形转向时的车速变化曲线图。图7(d)是施加有前轮转角传感器滑模控制、汽车车速100km/h、前轮按角正弦波形转向时的车速变化曲线图。图8(a)是施加本实施例的无前轮转角传感器滑模控制(简写为：无传感器SMC)、汽车车速30km/h、前轮按角阶跃波形转向时的质心侧偏角控制波形图。图8(b)是施加本实施例的无前轮转角传感器滑模控制、汽车车速100km/h、前轮按角阶跃波形转向时的质心侧偏角控制波形图。图8(c)是施加本实施例的无前轮转角传感器滑模控制、汽车车速30km/h、前轮按角正弦波形转向时的质心侧偏角控制波形图。图8(d)是施加本实施例的无前轮转角传感器滑模控制、汽车车速100km/h、前轮按角正弦波形转向时的质心侧偏角控制波形图。图9(a)是施加本实施例的无前轮转角传感器滑模控制、汽车车速30km/h、前轮按角阶跃波形转向时的横摆角速度控制波形图。图9(b)是施加本实施例的无前轮转角传感器滑模控制、汽车车速90km/h、前轮按角阶跃波形转向时的横摆角速度控制波形图。图9(c)是施加本实施例的无前轮转角传感器滑模控制、汽车车速30km/h、前轮按角正弦波形转向时的横摆角速度控制波形图。图9(d)是施加本实施例的无前轮转角传感器滑模控制、汽车车速90km/h、前轮按角正弦波形转向时的横摆角速度控制波形图。图10(a)是施加无前轮转角传感器的滑模控制、汽车车速30km/h、前轮按角阶跃波形转向时的车速变化曲线图。图10(b)是施加本实施例的无前轮转角传感器滑模控制、汽车车速100km/h、前轮按角阶跃波形转向时的前轮转角曲线图。图10(c)是施加本实施例的无前轮转角传感器滑模控制、汽车车速30km/h、前轮按角正弦波形转向时的车速变化曲线图。图10(d)是施加本实施例的无前轮转角传感器滑模控制、汽车车速100km/h、前轮按角正弦波形转向时的车速变化曲线图。图11(a)是施加无前轮转角传感器滑模控制、汽车车速30km/h、前轮按角阶跃波形转向时的前轮转角观测器输出前轮转角估计曲线图。图11(b)是施加无前轮转角传感器滑模控制、汽车车速100km/h、前轮按角阶跃波形转向时的前轮转角观测器输出前轮转角估计曲线图。图11(c)是施加无前轮转角传感器滑模控制、汽车车速30km/h、前轮按角正弦波形转向时的前轮转角观测器输出前轮转角估计曲线图。图11(d)是施加无前轮转角传感器滑模控制、汽车车速100km/h、前轮按角正弦波形转向时的前轮转角观测器输出前轮转角估计曲线图。具体实施方式下面结合附图和实施例具体说明本发明。实施例1如图1所示，本实施例提供的四轮独立转向车辆的控制方法包括以下步骤：A、预设理想车辆转向模型、前轮转角估计初始值、前轮转角观测器、干扰边界估计环节、后轮转角滑模控制器和横摆力矩滑模控制器；所述的理想车辆转向模型的构造过程如下：建立如下的车辆转向运动学模型：m(v·x-vyγ)=(Fx1+Fx2)cosδf-(Fy1+Fy2)sinδf+(Fx3+Fx4)cosδr-(Fy3+Fy4)sinδrm(v·y+vxγ)=(Fx1+Fx2)sinδf+(Fy1+Fy2)cosδf+(Fx3+Fx4)sinδr+(Fy3+Fy4)cosδrIzγ·=a(Fy1+Fy2)cosδf-b(Fy3+Fy4)cosδr+0.5W[(Fy1+Fy2)sinδf+(Fy3-Fy4)sinδr]+MJwiω·i=Mdi-FxiR-Mbi(i=1,2,3,4)---(1);]]>式中：m是整车质量；vx、vy分别表示汽车质心速度V在x和y轴上的速度分量；分别表示汽车质心速度V在x和y轴上的加速度分量；γ是汽车横摆角速度，则表示横摆角加速度；a和b分别是汽车质心至前轴和后轴的距离，汽车轴距L＝a+b；Fxi、Fyi分别代表汽车轮胎的纵向力和横向力，其中下标i＝1,2,3,4分别对应左前轮、右前轮、左后轮和右后轮；δf、δr分别是前、后轮转向角；Iz为汽车绕z轴的转动惯量；Jwi和ωi分别为各轮胎的转动惯量及转动角速度，表示各轮胎的转动角加速度；Mdi是差速器半轴上的输出扭矩；R表示轮胎半径；Mbi为轮胎所受的制动力矩；W为轮距,即前轮距Bf和后轮距Br均等于W；M表示车轮所受纵向力所产生附加控制的横摆力矩：M＝a(Fx1+Fx2)sinδf-b(Fx3+Fx4)sinδr+0.5W[(Fx2-Fx1)cosδf+(Fx4-Fx3)cosδr](2)；车辆质心侧偏角：β＝arctan(vx/vy)；前后轮的侧偏角αi：α1=α2≈β+aγ/vx-δfα3=α4≈β-bγ/vx-δr---(3);]]>其中下标i＝1,2,3,4分别对应左前轮、右前轮、左后轮和右后轮；假定汽车处于正常时速范围的非紧急状态和小角度转向的行驶工况下，有vx≈V，并只考虑车辆侧滑和横摆运动，即选择质心侧偏角和横摆角速度作为操纵稳定性的衡量主要指标，结合式(1)和(3)可以获得车辆2自由度线性单轨模型的动力学方程：mu(β·+γ)=Fy1+Fy2+Fy3+Fy4Izγ·=a(Fy1+Fy2)-b(Fy3+Fy4)+M---(4);]]>式中：Fy1+Fy2、Fy3+Fy4分别表示前、后轴轮胎的侧偏力Fy1+Fy2=-kf(β+aγ/V-δf)Fy3+Fy4=-kr(β-bγ/V-δr)---(5);]]>其中kf和kr分别为前轴两侧轮胎的综合侧偏刚度、后轴两侧轮胎的综合侧偏刚度，其数值是前、后轮侧偏刚度的2倍；定义系统状态矢量x＝[β,γ]T和控制输入矢量u＝[δr,M]T，根据式(4)和(5)建立如下的模型状态空间方程为：x·=Ax+Bu+Cδf---(6);]]>式中：为系统矩阵控制输入矩阵前轮转角输入矩阵采用前轮转角观测器输出估计值来逼近实际前轮转角信息δf,同时考虑车辆转向系统参数的变化因素对系统的作用影响，则式(6)则变为x·=(A+ΔA)x+(B+ΔB)u+(C+ΔC)δ^f---(7);]]>式中：和分别表示系统参数变化时系统矩阵、控制输入矩阵和前轮转角输入矩阵分别对应的变化值；式(7)可进一步整理为：x·=Ax+Bu+Cδ^f+d(t)---(8)]]>式中表示车辆参数变化时质心侧偏角和横摆角速度对应的变化值；采用如下的理想车辆模型：x·d=Adxd+Cdδ^f---(9);]]>式中：理想模型的状态矢量其中βd、γd分别为期望质心侧偏角与期望横摆角速度；理想模型的系统矩阵输入矩阵其中系数kγ和τγ分别是一阶滞后环节的比例增益和滞后时间常数，表达式如下：kγ=k0(b11a21-a11b21)+(c1a21-c2a11)(a11a22-a12a21);k0=c1a22-c2a12a12b21-a22b11;τγ=kγk0b21+c2;]]>式(9)即为理想车辆转向模型的表达式；所述的步骤A中前轮转角观测器的具体构造过程如下：设定前轮转角估计初始值前轮转角观测器表达式如下：δ^f(t)=∫0teT(C-Cd)dτ---(10);]]>式中：e为汽车实际质心侧偏角和横摆角速度与理想模型状态间的误差矢量，表达式如下：e=x-xd=e1e2=eβeγ=β-βdγ-γd=βγ-γd---(11);]]>eβ、eγ分别为质心侧偏角控制误差和横摆角速度控制误差；根据式(10)可知前轮转角的自适应估计律为δ^·f=eT(C-Cd)---(12);]]>根据式(8)和式(9)推导出控制误差方程：e·=Ae+(A-Ad)xd+Bu+(C-Cd)δ^f+d(t)---(13);]]>所述的干扰边界估计环节的具体构造过程如下：定义干扰边界的自适应估计律如下：ψ^·1=ϵ1eβsgn(eβ)=ϵ1|eβ|ψ^·2=ϵ2eγsgn(eγ)=ϵ2|eγ|---(14);]]>式中：sgn(.)表示符号开关函数；分别表示干扰边界参数ψ1和ψ2的估计值；ε1、ε2分别称为干扰边界的估计系数，且均大于1；假定方向盘转向初始时刻的和干扰边界估计环节的数学表达式如下：ψ^1(t)=∫0tϵ1|eβ|dτψ^2(t)=∫0tϵ2|eγ|dτ---(15);]]>根据式(15)估计得出；所述的后轮转角滑模控制器及横摆力矩滑模控制器的具体构造过程如下：定义滑模面函数s＝e，滑模控制器其中，滑模控制器u同时包含后轮转角滑模控制器和横摆力矩滑模控制器，并以后轮转角δr和横摆力矩M作为控制量，ueq为滑模等效控制器，us为切换控制器；忽略系统参数所引起的扰动变化d(t)，根据并利用式(15)可推导出滑模等效控制器ueq的表达式如下：ueq=-B-1[-Ke-Ae-(A-Ad)xd-(C-Cd)δ^f]---(16);]]>式中：K为待定的控制增益矩阵，k1和k2均大于零，其中diag(.)表示对角矩阵；切换控制器us的表达式如下：us=-B-1diag(ϵ1ψ^1,ϵ2ψ^2)sgn(e)---(17);]]>式中：为切换控制us中的控制增益；根据式(16)和(17)可得到滑模控制器的表达式如下：u=δrM=ueq+us=-B-1[Ke+Ae+(A-Ad)xd+(C-Cd)δ^f+diag(ϵ1ψ^1,ϵ2ψ^2)sgn(e)]---(18);]]>B、以车辆直行状态作为初始时刻，实时测量车辆的质心侧偏角及横摆角速度，同时将前轮转角估计初始值输入理想车辆转向模型，得到初始期望质心侧偏角与初始期望横摆角速度；将初始期望质心侧偏角与初始期望横摆角速度分别与对应时刻的实时质心侧偏角与横摆角速度进行比较，分别得到对应时刻的质心侧偏角控制误差以及横摆角速度控制误差；将质心侧偏角控制误差、初始横摆角速度控制误差输入至前轮转角观测器得到对应时刻的前轮转角估计值；C、实时地进行前轮转角估计值的计算，将实时的前轮转角估计值输入理想车辆转向模型，得到实时的期望质心侧偏角与期望横摆角速度，将实时的期望质心侧偏角与期望横摆角速度与实时的质心侧偏角、横摆角速度进行比较，从而得到实时的质心侧偏角控制误差、横摆角速度控制误差；D、将实时的质心侧偏角控制误差、横摆角速度控制误差输入干扰边界估计环节，得到实时的干扰边界参数；E、将实时的前轮转角估计值、质心侧偏角控制误差、横摆角速度控制误差以及干扰边界参数分别输入到后轮转角滑模控制器和横摆力矩滑模控制器，分别输出得到实时的后轮转角和横摆力矩，并采用实时的后轮转角和横摆力矩对车辆进行实时控制；具体为:将矩阵A、Ad、B、C、Cd和K的元素代入式(18)，通过整理得到后轮转角滑模控制器的具体形式如下：δr=-{[(k1+a11)b22-a21b12]eβ+[a12b22-b12(k2+a22)]eγ+[a12b22-b12(a22-a22d)]γd+[b22c1-b12(c2-c2d)]δ^f+b22ϵ1ψ^1sgn(e1)-b12ϵ2ψ^2sgn(e2)}/(b11b22-b12b21)---(19);]]>横摆力矩滑模控制器的具体形式为：M={[(k1+a11)b21-a21b11]eβ+[a12b21-b11(k2+a22)]eγ+[a12b21-b11(a22-a22d)]γd+[b21c1-b11(c2-c2d)]δ^f+b21ϵ1ψ^1sgn(e1)-b11ϵ2ψ^2sgn(e2)}/(b11b22-b12b21)---(20);]]>采用上述得到的后轮转角和横摆力矩对车辆进行实时控制。图2(a)为本发明提供的四轮独立转向车辆的控制结构示意图；本实施例采用表1中的参数进行模拟，将本实施例的无前轮转角传感器的滑模控制方法(简称为无传感器滑模控制方法)与有前轮转角传感器的滑模控制方法(简称为有传感器滑模控制方法)以及无滑模控制的车辆(简称为FWS车辆)3种情况进行对比实验；表1车辆及控制参数名称数值名称数值整车质量m/kg1479质心至前轴距离a/m1.058转动惯量Iz/(kg.m2)2731质心至后轴距离b/m1.756前轮综合侧偏刚度kf/(N.rad-1)115600车轴距L/m2.814后轮综合侧偏刚度kr/(N.rad-1)119600轮胎滚动半径R/m0.3075轮距W/m1.55车轮转动惯量Jw/(kg.m2)1.25路面附着系数μ0.8控制增益矩阵Kdiag(900，500)干扰边界估计系数ε1、ε210考虑车辆在不同车速和不同波形转向的汽车行驶工况，其中，车速工况为：30km/h(8.333m/s)、100km/h(27.778m/s)；波形转向的波形工况为：非理想角阶跃波形、角正弦波形(S形)；将车速工况与波形工况两两组合，形成4种组合工况；其中设定非理想角阶跃波形第0s开始跳跃，跳跃上升时间和幅值分别为0.5s和0.07rad；设置角正弦波形起始时刻2s，周期、角幅值分别为4s和0.07rad，图3、图4分别示出了角阶跃波形和角正弦波形；鉴于车辆参数中的质量和转动惯量易发生变化，因此对比试验中假定表1中的整车质量和转动惯量均增加+15％；图5(a,b,c,d)-图7(a,b,c,d)分别示出了有传感器滑模控制条件下，不同组合工况下的质心侧偏角、横摆角速度和车速的时域响应曲线，分别将有传感器滑模控制的输出与实际期望及无控制情况进行对比；图8(a,b,c,d)-图10(a,b,c,d)则分别给出了本实施例无传感器滑模控制条件下，各行驶工况条件下的质心侧偏角、横摆角速度和车速的时域响应曲线；图11(a,b,c,d)反映出无传感器滑模控制情况下，车辆不同行驶工况、观测器输出的前轮转角估计波形。通过对比图5(a,b,c,d)和图8(a,b,c,d)可见，对于无控制的FWS车辆，质心侧偏角稳态响应非零，且高速时的数值较大并与前轮转角输入方向相反，这增大了车辆的甩尾和侧滑趋势；4WS车辆在有传感器或无传感器的后轮转角与横摆力矩滑模控制条件下，即使车辆不同车速和不同波形转向，均能实现车辆质心侧偏角为零，达到理想的期望稳定状态，使得4WS车辆能很好地维持车身姿态，具有良好的路径跟踪能力，极大地改善了车辆的操纵性。比较图6(a,b,c,d)和图9(a,b,c,d)看出，低速时，4WS车辆在有传感器或无传感器的滑模控制条件下，横摆角速度均能获得稳定控制，其数值大于无控制的FWS车辆，这表明通过控制，使得4WS车辆要比FWS车辆少打方向盘，可有效减少转弯半径，提高了车辆转弯的机动灵活性。高速运行时，FWS车辆横摆角速度存在很大超调，且产生较大幅值的振荡波动现象，这反映出车辆行驶的不稳定性。在两种控制方法作用情况下，4WS车辆的横摆角速度都小于FWS车辆，且振荡现象明显得到抑制，特别是在阶跃波形转向时，横摆角速度无超调和振动现象，这不仅表明的4WS车辆的稳定性得到了提高，避免和降低高速行驶状态下驾驶员猛打方向盘造成的危险。比较图7(a,b,c,d)和图10(a,b,c,d)可见，车速为30km/h(8.333m/s)的低速转向时，有传感器或无传感器的滑模控制情况下的车速均比无控制时有所下降，但下降程度均较少；车速为100km/h(27.778m/s)的高速转向时，受控的4WS车辆车速保持效果要优于无控制的FWS车辆。这表明，滑模控制策略在保证车辆获得较好转弯路径跟踪能力和车身稳定性的同时，车速降低程度并不大，这可使得4WS车辆保持较大速度安全地按照目标轨迹进行转弯行驶。综合对比有前轮转角传感器或无前轮转角传感器条件下的滑模控制效果，在不同车速行驶工况下，即使车辆参数发生变化，本实施例无传感器滑模控制也能较好地对理想控制模型产生的估计期望进行稳定跟踪控制，能获得与有传感器滑模控制几乎相同的控制性能效果。同时，根据图11(a,b,c,d)看出，在不同车速和不同转向情况下，前轮转角观测器输出能较好地逼近实际前轮转角形状和幅度，这也表明无前轮转角传感器条件下，本实施例的前轮转角观测器的滑模控制方法有效可行。当前第1页1 2 3