详情

原文传递基于智能车辆状态估计的主动转向控制研究

论文题名：	基于智能车辆状态估计的主动转向控制研究
关键词：	智能车辆;状态估计;主动前轮转向系统;路面附着系数;无迹卡尔曼滤波;变尺度混沌搜索粒子群算法
摘要：	随着智能驾驶技术发展越来越迅速，智能车辆主动安全的研究日益成为车辆工程重要科研方向，作为车辆控制的重要装置其直接影响车辆稳定性与操作性。主动前轮转向系统利用附加转角进行干预，对车辆横摆稳定性进行主动控制，能够有效提高智能驾驶车辆横摆稳定性。但是，质心侧偏角、横摆角速度和路面附着系数等汽车状态作为转向控制器介入过程中重要参数往往具有获取难度大、精度低、鲁棒性不强等特点，极大的影响了车辆控制精度。因此，本文针对智能车辆重要状态的参数估计和转向控制系统进行了深入的研究与分析。　　首先，利用东北林业大学交通学院智能车辆部分实际参数，基于车辆动力学应用MATLAB/Simulink仿真软件建立完整非线性车辆模型、转向模型、Dugoff轮胎模型、驾驶员单点预瞄模型。接着利用成熟的Carsim仿真软件，验证Simulink模型的正确性，保证仿真精度。　　其次，为准确获取智能车辆转向控制所需参数，设计基于粒子群算法（ Particle Swarm Optimization，PSO）的无迹卡尔曼滤波（Unscented Kalman Filter，UKF）观测器，应用粒子群优化算法对观测器的过程噪声矩阵进行寻优，寻找满足要求的最优噪声矩阵，解决其无法准确有效获取的问题。此外，提出带遗忘因子的最小二乘法对车辆侧偏刚度进行辨识并将其作为状态参数估计器输入。　　然后，为使得获取的路面附着系数具有准确性、实时性；采用改进自适应无迹卡尔曼滤波（Improved Adaptive Unscented Kalman Filter，IAUKF）算法观测非线性车辆模型各车轮对应的路面附着系数。该IAUKF算法主要是通过对观测器发散趋势引入协方差判据，增加加权系数并对该系数引入在线自适应衰减系数来在线修正预测协方差，以降低旧数据比重，增加新数据占比；同时，针对未知系统存在过程与量测噪声均值与协方差不准确的问题，引入次优Sage-Husa噪声估计器估计和调整其噪声均值与协方差，增强观测器的观测能力。　　再次，先提出变尺度混沌粒子群算法（ Variable Scale Chaotic Particle Swarm Optimization，VSCPSO），将VSCPSO算法应用于控制器参数优化，以提高智能驾驶车辆横摆稳定性为目标，依据前文所搭建的带有转向系统的七自由度非线性模型，提出VSCPSO算法在线实时优化的主动前轮转向PID控制器的策略。然后，选用已建立的Simulink车辆模型，选取不同的仿真工况对该算法优化下的控制器进行仿真分析。仿真结果说明，VSCPSO算法优化下的主动转向控制器能够更好的使智能车辆达到理想的横摆控制效果。　　最后，针对文章状态估计部分进行实车实验，为下一步完成基于状态估计下智能车辆转动转向闭环控制做准备。接着进行全文总结，展望车辆状态估计和转向稳定性控制相结合的发展前景并提出本次仿真与实验的不足之处。
作者：	杨钊
专业：	载运工具运用工程
导师：	赵强
授予学位：	硕士
授予学位单位：	东北林业大学
学位年度：	2022