一种智能车辆转向系统的预设性能控制方法

本发明属于智能车辆转向系统的转角跟踪控制领域，特别涉及到一种模型非线性和参数不确定性的智能车辆转向系统的预设性能控制方法。

背景技术：

1、随着当前汽车技术的发展，智能汽车因其能够提高交通效率、安全性和乘坐舒适性而受到广泛关注。作为智能车辆的线控底盘部分之一，线控转向系统可通过控制前轮转向使得智能车辆按照规划路径行驶，从而保证交通效率和行车安全。目前在线控转向系统中存在摩擦模型类型难以确定、建立轮胎回正力矩模型依据的假设条件的合理性未得到实际验证以及在实际中难以精确辨识转向系统的模型参数等问题，这使得常规基于李雅普诺夫稳定性理论的控制器设计方法难以在线控转向系统上取得实际的应用。

2、在保证闭环系统稳定的前提下获取线控转向系统的预设跟踪精度(即转向角的跟踪误差在指定时间内收敛至原点预设的领域内)是确保行车安全性的重要因素。目前急需一种预设性能控制器来满足行车安全对转向角的预设跟踪性能需求。本专利在前轮转角预设跟踪控制器设计中，充分考虑了未知的非线性对控制性能的影响，采用径向基函数神经网络对系统的未知非线性进行在线逼近，又考虑了控制增益未知对控制性能的影响，采用动态增益技术补偿控制增益未知对系统控制性能的影响。

技术实现思路

1、本发明的目的是针对上述现有技术的不足，提出一种智能车辆转向系统的预设性能控制方法，能够有效避免模型非线性和参数不确定性对系统的影响，提供预先设定的跟踪误差的暂态及稳态性能，并结合径向基函数神经网络技术和动态增益技术对系统的不确定非线性和未知控制增益进行估计和补偿，最终完成跟踪控制器设计。

2、本发明的目的可以通过如下技术方案实现：

3、本发明公开了一种智能车辆转向系统的预设性能控制方法，包含如下步骤：

4、s1.建立线控转向系统的数学模型；

5、s2.采用径向基函数神经网络在线逼近线控转向系统的未知非线性；

6、s3.定义转向系统前轮转角与期望信号之间的跟踪误差，定义前轮转角跟踪误差的预设性能函数；

7、s4.构造障碍李雅普诺夫函数；

8、s5.结合障碍李雅普诺夫函数技术为智能车辆的线控转向系统设计了符合要求的预设性能控制器。

9、作为优选的技术方案，步骤s1中，所述的线控转向系统的数学模型为：

10、线控转向系统转向电机的数学模型表示为：

11、

12、其中，jm为电机的转动惯量，δm为电机输出转角，bm为电机的粘滞摩擦系数，τl为电机的负载，τm为电机的输出力矩，τd为电机的扰动力矩。

13、转向前轮绕其与车轮中心相交的垂直轴的旋转可以描述为：

14、

15、其中，jf为前轮的转动惯量，δf为前轮的转向角，τf和τe分别为前轮的摩擦力矩和回正力矩，τs为电机输出力矩通过机械连接和减速器等结构传送到前轮的力矩。另外，转向电机和前轮之间的传动比可表示为：

16、

17、其中，μ为转向电机和前轮之间的总传动比。

18、结合式(1)-(3)，线控转向系统的数学模型可以表达为以下状态方程：

19、

20、其中，x＝[x1,x2]t＝[δf,δf]t为线控转向系统的状态变量，f(x)＝-μ2(bmx2+τf+τe)/(jf+μ2jm)为系统未知的非线性，g＝μ/(jf+μ2jm)为系统未知的控制增益，d(t)＝μτd/(jf+μ2jm)为系统的时变扰动，u和y为线控转向系统的控制输入和输出。

21、作为优选的技术方案，步骤s2中，

22、对于任意连续函数f(x)在紧集上，那么存在一组最优权向量使得径向基函数神经网络存在如下的逼近精度：

23、

24、其中，是未知的正常数，ξ(x)＝[ξ1(x),...,ξm(x)]t为径向基函数神经网络的基向量，其中ξj(x),j＝1,...,m通常选取高斯函数，即：

25、

26、其中，μi＝[μ1i,μ2i,...,μmi]t和φj分别表示节点中心和方差。

27、作为优选的技术方案，步骤s3中，定义如下变量：

28、z1＝y-yd         (7)

29、

30、其中，yd为前轮转角的期望信号，α为下文将要设计的虚拟控制律。定义前轮转角的跟踪误差z1的预设性能函数为：

31、

32、其中，k0、k∞和tp均为设计的正常数，且需满足|z1(0)|＜k0。

33、作为优选的技术方案，步骤s4中，构造以下障碍李雅普诺夫函数：

34、

35、作为优选的技术方案，步骤s5中，设计虚拟控制律α为：

36、

37、其中，η0和η1均为设计的正常数。

38、设计控制律为：

39、

40、

41、其中，η2和ε为设计的正常数，h＝[1,|u0|]t，为未知参数向量的逼近结果，未知的正常数满足d(t)为外部时变扰动。

42、本发明与现有技术相比，具有如下有益效果：

43、1、本发明提出结合障碍李雅普诺夫函数技术为智能车辆的线控转向系统设计了预设性能控制器，使得具有模型不确定和外部时变扰动的线控转向系统在预设的时间内收敛至原点预设的邻域内，并能够满足预先指定的跟踪误差的暂态及稳态性能，提高了转向系统的跟踪精度。

44、2、本发明应用径向基函数神经网络技术在线逼近线控转向系统的未知非线性，并结合动态增益技术补偿控制增益未知对系统控制性能的影响，增强了控制系统的实用性。

技术特征：

1.一种智能车辆转向系统的预设性能控制方法，其特征在于，包含如下步骤：

2.根据权利要求1所述的一种智能车辆转向系统的预设性能控制方法，其特征在于：步骤s1中，所述的线控转向系统的数学模型为：

3.根据权利要求1所述的一种智能车辆转向系统的预设性能控制方法，其特征在于：步骤s2中，

4.根据权利要求1所述的一种智能车辆转向系统的预设性能控制方法，其特征在于：步骤s3中，

5.根据权利要求1所述的一种智能车辆转向系统的预设性能控制方法，其特征在于：步骤s4中，

6.根据权利要求1所述的一种智能车辆转向系统的预设性能控制方法，其特征在于：步骤s5中，

技术总结
一种智能车辆转向系统的预设性能控制方法，对存在模型非线性和参数不确定性的智能车辆转向系统的预设性能跟踪控制问题展开研究。首先，采用径向基函数神经网络对转向系统中包括摩擦力矩和回正力矩的难以建模的非线性进行在线逼近，然后结合障碍李雅普诺夫函数技术为智能车辆的线控转向系统设计了预设性能控制器，在该控制器设计中，采用动态增益技术补偿控制增益未知对系统控制性能的影响。最后，结合李雅普诺夫稳定性定理分析验证了设计的控制器可实现智能车辆转向系统的前轮转角的跟踪误差在预设的时间内收敛至原点预设的邻域。与现有控制方法相比，本发明大幅缩短了可控制过程的时间，提高了工作效率。

技术研发人员：李红娟,马冰心,王彦力,张玲,刘彬
受保护的技术使用者：宁夏理工学院
技术研发日：
技术公布日：2024/1/12