一种智能汽车转向稳定性控制方法

车辆装置的制造及其改造技术1.本发明属于智能汽车转向稳定性控制技术领域，具体涉及一种智能汽车转向稳定性控制方法。背景技术：2.在智能汽车轨迹跟踪行驶过程中需要智能汽车执行转向操作来跟踪期望轨迹，而智能汽车的转向稳定性是至关重要的。因为在智能汽车实际行驶过程中难免会因为车辆本身或者道路环境等因素的影响对车辆的转向造成干扰，如果干扰严重，可能会使智能汽车发生侧滑、甩尾、翻车等严重的交通事故，这对道路安全有着严重的安全隐患。为了解决这个问题，我们必须对智能汽车的转向稳定性进行研究，设计一个有效的控制器对智能汽车的转向稳定性进行控制。技术实现要素：3.本发明的目的在于针对上述问题，提供一种智能汽车转向稳定性控制方法，通过根据车辆实际横摆角速度与理想横摆角速度的误差作为转向稳定性的反馈控制，并把误差与误差的一阶微分作为可拓控制的特征量，通过设计的可拓控制实现对滑模控制控制域的拓展，改善了滑模控制的控制效果，从而提高了智能汽车转向稳定。4.为实现上述目的，本发明采用如下技术方案：5.一种智能汽车转向稳定性控制方法，包括以下步骤：6.步骤s1.根据牛顿第二定理，建立目标汽车的二自由度动力学模型，对所得动力学模型化简得到目标汽车关于汽车横摆角速度和质心侧偏角的动力学状态空间方程；7.步骤s2.结合步骤s1中所得目标汽车的动力学状态空间方程，通过实测的汽车横摆角速度w与理想的汽车横摆角速度wr之间的误差构建积分终端的滑膜控制器；8.步骤s3.选取目标汽车的实际横摆角速度ω和理论横摆角速度ωr之间的差e及其一阶导数作为系统的特征状态量值，对其进行划分建立可拓集合；9.步骤s4.对步骤s3中建立的可拓集合，根据关联度计算公式，计算系统特征状态的关联度并划分测度模式；10.步骤s5.根据步骤s4中划分的不同测度模式选择相应的可拓滑模控制器输出，从而改善控制器的控制效果。11.具体的，步骤s1中建立的目标汽车二自由度动力学模型如下：[0012][0013]对式(1.1)化简得到目标汽车关于汽车横摆角速度和质心侧偏角的动力学状态空间方程为：[0014][0015]上式(1.1)和(1.2)中，fxf、fxr为车辆受到沿x轴方向上的轮胎力；fyf、fyr是车辆受到沿y轴方向上的轮胎力；δ为车辆的前轮转角；αf、αr分别为前后车轮的轮胎侧偏角；β＝vy/vx是车辆的质心侧偏角；是车身与绝对坐标系x轴之间的夹角称为车辆航向角；为车辆的横摆角速度；前轮到车辆质心出点o的距离为a；后轮到车辆质心出点o的距离为b；前后两车轮之间的距离为l。[0016]具体的，步骤s2中目标汽车的理论横摆角速度ωr为：[0017][0018]其中[0019]所述积分终端滑膜控制器的建立过程如下：[0020]由于滑模控制的跟踪误差为实际的横摆角速度w与所规定的理想车辆横摆角速度wr之间的差e＝w-wr；[0021]则可定义滑模控制带有积分项的切换函数为：[0022][0023]对式(1.4)求导可以得到：[0024][0025]积分终端滑模控制器选择带饱和函数的指数趋近律，则可以得到：[0026][0027]由式(1.6)推导可以得到设计的积分终端滑模控制器为：[0028][0029]进一步地，对得到的积分终端滑模控制进行稳定性判断：首先对控制系统构造一个李雅普诺夫函数：[0030][0031]对式(1.8)两边求导可以得到：[0032][0033]对式(1.9)进一步求解得到：[0034][0035]由上式(1.10)可见，v(t)指数收敛至零，则s(t)指数收敛至零，从而和e(t)指数收敛至零，收敛速度取决于k，表明按照上述技术方案所得到的积分终端滑模控制器是稳定的。[0036]具体的，步骤s3中选取目标汽车的特征状态量值，对其进行划分建立可拓集合的具体过程如下：[0037]通过选取目标汽车的实际横摆角速度ω和理论横摆角速度ωr之间的差e及其一阶导数作为系统的特征状态量值，组成系统的特征状态[0038]把ω和ωr之间的偏差e作为横坐标，其一阶微分作为纵坐标，设定目标汽车的实际横摆角速度ω和理想横摆角速度ωr之间的偏差e及其偏差一阶微分容许偏差范围为eom和得到系统可以调整的最大偏差为em和最大偏差一阶微分为并据此划分建立可拓集合。[0039]具体的，步骤s4中所述根据关联度计算公式，计算系统特征状态的关联度并划分测度模式，计算方法如下：[0040]设所选定的特征状态在特征平面上的原点为s0(0,0)，则定义根据下式(1.11)计算其关联度：[0041][0042]上式中，k1和k2为系统的两个特征状态量的加权系数且一般情况下k1和k2的值都取1，r为经典域；[0043]根据关联函数的计算值，划分的测度模式有以下几种情况：[0044][0045]具体的，步骤s5中根据划分的不同测度模式选择相应的控制器输出，从而改善控制器的控制效果，不同测度模式下可拓滑模控制器的输出选择如下：[0046]当测度模式为m1时，此时智能汽车的转向稳定性控制处于可控范围内，应采用滑模控制策略对智能汽车的转向稳定性进行控制；[0047]当测度模式为m2时，此时滑模控制策略对智能汽车的转向稳定性会变差，则需要通过调整控制系统的控制变量和控制参数，使系统的特征状态从不可控范围调整到可控范围内，故此时的控制器输出为：[0048]u(t)＝y(t)/λ-kcik(s)sgn(e)(1.13)；[0049]上式中y(t)是ω和ωr之间的偏差e，λ为控制器静态增益，kci为当前测度模式的控制系数，k(s)为特征状态关联度函数，sgn(e)为偏差的符号函数，它的取法如下：[0050][0051]当测度模式为m3时，此时系统的特征状态处于非域，则表明无论怎么调整控制系统的参数和变量都不能使系统的特征状态达到可控范围，此时控制器的输出为目标汽车转向稳定性控制器输出的最大补偿值δm；[0052]综上，所述可拓滑模控制器输出为：[0053][0054]本发明通过上述过程实现对滑模控制算法的拓展，组成可拓滑模控制器，能够实现对目标智能汽车转向稳定性控制性能的优化。[0055]本发明相对现有技术的有益效果：[0056]本发明通过根据车辆实际横摆角速度与理想横摆角速度的误差作为转向稳定性的反馈控制，并把误差与误差的一阶微分作为可拓控制的特征量，通过设计的可拓控制实现对滑模控制控制域的拓展，改善了滑模控制的控制效果，从而提高了智能汽车转向稳定。附图说明[0057]为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。[0058]图1为本发明一种智能汽车转向稳定性控制方法的流程图；[0059]图2为本发明一种智能汽车转向稳定性控制方法中划分的可拓集合图；[0060]图3为本发明一种智能汽车转向稳定性控制方法的中可拓滑模控制器的输出流程图；具体实施方式[0061]为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。[0062]实施例：参见图1-3。[0063]如图1所示，本发明一种智能汽车转向稳定性控制方法的流程如下：[0064]1)根据牛顿第二定理，建立目标汽车的二自由度动力学模型：[0065][0066]对所得动力学模型化简得到目标汽车关于汽车横摆角速度和质心侧偏角的动力学状态空间方程：[0067][0068]上式(1.1)和(1.2)中，fxf、fxr为车辆受到沿x轴方向上的轮胎力；fyf、fyr是车辆受到沿y轴方向上的轮胎力；δ为车辆的前轮转角；αf、αr分别为前后车轮的轮胎侧偏角；β＝vy/vx是车辆的质心侧偏角；是车身与绝对坐标系x轴之间的夹角称为车辆航向角；为车辆的横摆角速度；前轮到车辆质心出点o的距离为a；后轮到车辆质心出点o的距离为b；前后两车轮之间的距离为l。[0069]2)滑膜控制器设计：根据所得目标汽车的动力学状态空间方程，通过实测的汽车横摆角速度w与理想的汽车横摆角速度wr之间的误差e＝w-wr构建积分终端的滑膜控制器。[0070]2.1)建立积分终端滑膜控制器：[0071]目标汽车的理论横摆角速度ωr为[0072][0073]其中[0074]由于滑模控制的跟踪误差为实际的横摆角速度w与所规定的理想车辆横摆角速度wr之间的差e＝w-wr；[0075]则可定义滑模控制带有积分项的切换函数为：[0076][0077]对式(1.4)求导可以得到：[0078][0079][0080]2.2)积分终端滑模控制器选择带饱和函数的指数趋近律，则可以得到：[0081][0082]由式(1.6)推导可以得到设计的积分终端滑模控制器为：[0083][0084]2.3)进一步地，对得到的积分终端滑模控制进行稳定性判断，首先对控制系统构造一个李雅普诺夫函数：[0085][0086]对式(1.8)两边求导可以得到：[0087][0088]对式(1.9)进一步求解得到：[0089][0090]由上式(1.10)可见，v(t)指数收敛至零，则s(t)指数收敛至零，从而和e(t)指数收敛至零，收敛速度取决于k，表明按照上述技术方案所得到的积分终端滑模控制器是稳定的。[0091]3)可拓滑模控制器设计：选取目标汽车的特征状态量值，对其进行划分建立可拓集合，然后根据关联度计算公式，计算系统特征状态的关联度并划分测度模式，最后根据划分的不同测度模式选择相应的可拓滑模控制器输出。[0092]3.1)特征状态量值的选取[0093]通过选取目标汽车的实际横摆角速度ω和理论横摆角速度ωr之间的差e及其一阶导数作为系统的特征状态量值，组成系统的特征状态[0094]3.2)可拓集合的划分[0095]如图2所示，把ω和ωr之间的偏差e作为横坐标，其一阶微分作为纵坐标，设定目标汽车的实际横摆角速度ω和理想横摆角速度ωr之间的偏差e及其偏差一阶微分容许偏差范围为eom和得到系统可以调整的最大偏差为em和最大偏差一阶微分为并据此划分建立可拓集合；[0096]3.3)关联度计算[0097]设所选定的特征状态在特征平面上的原点为s0(0,0)，则定义根据下式(1.11)计算其关联度：[0098][0099]上式中，k1和k2为系统的两个特征状态量的加权系数且一般情况下k1和k2的值都取1，r为经典域；[0100]3.4)测度模式划分[0101]根据关联函数的计算值，划分的测度模式有以下几种情况：[0102][0103]3.5)控制器的输出[0104]如图3所示，根据划分的不同测度模式选择相应的控制器输出：[0105]当测度模式为m1时，此时智能汽车的转向稳定性控制处于可控范围内，应采用滑模控制策略对智能汽车的转向稳定性进行控制；[0106]当测度模式为m2时，此时滑模控制策略对智能汽车的转向稳定性会变差，则需要通过调整控制系统的控制变量和控制参数，使系统的特征状态从不可控范围调整到可控范围内，故此时的控制器输出为：[0107]u(t)＝y(t)/λ-kcik(s)sgn(e)(1.13)；[0108]上式中y(t)是ω和ωr之间的偏差e，λ为控制器静态增益，kci为当前测度模式的控制系数，k(s)为特征状态关联度函数，sgn(e)为偏差的符号函数，它的取法如下：[0109][0110]当测度模式为m3时，此时系统的特征状态处于非域，则表明无论怎么调整控制系统的参数和变量都不能使系统的特征状态达到可控范围，此时控制器的输出为目标汽车转向稳定性控制器输出的最大补偿值δm；[0111]综上，所述可拓滑模控制器输出为：[0112][0113]本发明通过上述过程实现对滑模控制控制域的拓展，改善了滑模控制的控制效果，有效提高了智能汽车的转向稳定性。[0114]以上所述，仅是本发明的较佳实施例而已，并非对本发明的结构作任何形式上的限制。凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均属于本发明的技术方案范围内。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!