详情

原文传递基于轮胎侧偏刚度辨识的车辆换道轨迹跟踪控制策略研究

论文题名：	基于轮胎侧偏刚度辨识的车辆换道轨迹跟踪控制策略研究
关键词：	智能汽车;车辆换道轨迹跟踪;轮胎侧偏刚度辨识;主动换道技术
摘要：	主动换道技术作为智能汽车的核心技术之一，对于解决道路拥堵及提高驾驶安全具有重要研究意义。目前对于常规工况下的智能汽车换道策略研究已经相对成熟，但是对于低附着路面或高速行驶等极限工况下的换道策略研究仍存在不足，在极限工况下车辆的驱/制动能力受限、结构参数发生变化等不确定因素会给行车安全带来隐患。　　轮胎侧偏刚度会随着轮胎侧偏角、垂直载荷及当前道路条件等因素的不断变化而发生改变，此时轮胎的非线性侧偏特性会产生剧烈变化从而影响车辆控制，给极限工况下的车辆行驶带来危险。因此，本文以提高智能汽车主动换道过程中对期望换道轨迹跟踪精度和换道过程的稳定性为目标，充分考虑轮胎侧偏特性的强非线性特征，研究基于侧偏刚度在线辨识的车辆主动换道跟踪控制策略。本文的研究内容有望提高极限工况下主动换道轨迹跟踪的可靠性，主要进行了如下研究工作：　　首先基于横向、纵向及横摆三自由度的车辆动力学模型搭建了智能汽车主动换道系统模型。为了精确表征车轮各项动力学参数之间的数学关系，搭建轮胎动力学模型。最后建立车路位置关系模型为后续轨迹规划研究提供基础。　　其次，由于极限工况下轮胎侧偏刚度的剧烈变化会引起车辆换道过程中的跟踪精度和稳定性降低，针对实车真实运行情况下的侧偏刚度的动态变化，采取了基于限定记忆的递推最小二乘法在线辨识侧偏刚度，以代替传统控制方法中的定值侧偏刚度。由于实车运行状态下轮胎侧向力会随着侧偏角的剧烈变化进入轮胎非线性区，采用传统线性轮胎侧向力模型会因为模型匹配度低导致参数估计精度降低。因此，本文建立了更能反应真实轮胎特性的非线性轮胎侧向力模型，同时采用基于限定记忆的递推最小二乘法的侧偏刚度辨识算法，来克服传统递推最小二乘法中随着数据采样过多出现的“数据饱和”现象所导致的参数估计值偏离真实值距离较远的问题。本文所提方法通过限定记忆长度来降低旧数据对参数拟合过程的影响，并对轮胎侧向力及侧偏角之间的非线性函数关系进行在线拟合，从而辨识得到换道过程中的时变轮胎侧偏刚度。最后建立了考虑侧偏刚度不确定性的模型预测轨迹跟踪控制器，通过将基于限定记忆的递推最小二乘法的侧偏刚度辨识模型加入至控制器的预测模型中，提高了模型预测控制算法在轨迹跟踪方面的精确度，并通过添加多项动力学约束保证换道过程的安全性及平稳性。　　最后，本文搭建了基于CarSim与Matlab/Simulink联合仿真的实验平台以验证本文所提出的轨迹跟踪控制策略的有效性。大量实验数据表明，本文所采用的轮胎侧偏刚度辨识算法能够准确快速地在线辨识出实时变化的轮胎侧偏刚度，与传统算法相比，限定记忆的递推最小二乘法拟合精度更高、拟合过程更加平滑；在极限工况下，基于侧偏刚度辨识策略的模型预测轨迹跟踪控制器能够在保证换道安全舒适性的前提下有效地提高控制器的跟踪精度。
作者：	屈如意
专业：	控制工程
导师：	李寿涛
授予学位：	硕士
授予学位单位：	吉林大学
学位年度：	2023