专利名称: | 一种考虑货物升降对叉车横向稳定性影响的优化控制策略 |
摘要: | 本发明涉及一种考虑货物升降对叉车横向稳定性影响的优化控制策略,包括:建立包含货物重量及货物升降速度的车辆模型,确定叉车当前行驶状态下的理想横摆角速度和理想质心侧偏角;检测获得叉车当前行驶状态下的实际横摆角速度和实际质心侧偏角;计算获得后轮转角和附加横摆力矩;根据所述后轮转角和附加横摆力矩,并依据四轮转向与差动制动联合控制策略、制动轮选取规则对叉车进行联合控制。本发明建立了一种新的包含货物重量及货物升降速度的车辆模型,该模型考虑了货物升降对叉车横向稳定性的影响;设计了一种基于附加黑洞机制的简化粒子群算法的横向稳定性控制器,该控制器具有实时快速跟随理想性能指标的优点。 |
专利类型: | 发明专利 |
国家地区组织代码: | 安徽;34 |
申请人: | 合肥工业大学 |
发明人: | 肖本贤;张之路 |
专利状态: | 有效 |
申请日期: | 2019-08-15T00:00:00+0800 |
发布日期: | 2019-11-12T00:00:00+0800 |
申请号: | CN201910755348.4 |
公开号: | CN110435636A |
代理机构: | 合肥金安专利事务所(普通合伙企业) |
代理人: | 吴娜 |
分类号: | B60W30/02(2012.01);B;B60;B60W;B60W30 |
申请人地址: | 230009安徽省合肥市包河区屯溪路193号 |
主权项: | 1.一种考虑货物升降对叉车横向稳定性影响的优化控制策略,其特征在于:该策略包括以下步骤: (1)建立包含货物重量及货物升降速度的车辆模型,根据该车辆模型确定叉车当前行驶状态下的理想横摆角速度ωd和理想质心侧偏角βd; (2)检测获得叉车当前行驶状态下的实际横摆角速度ωreal和实际质心侧偏角βreal,则理想横摆角速度ωd与实际横摆角速度ωreal的实际差值Δω,以及理想质心侧偏角βd与实际质心侧偏角βreal的实际差值Δβ分别为:Δω=ωd-ωreal,Δβ=βd-βreal; (3)根据所述实际差值Δω和实际差值Δβ,采用附加黑洞机制的简化粒子群算法计算获得后轮转角δr和附加横摆力矩MBS; (4)根据所述后轮转角δr和附加横摆力矩MBS,并依据四轮转向与差动制动联合控制策略、制动轮选取规则对叉车进行联合控制。 2.根据权利要求1所述的考虑货物升降对叉车横向稳定性影响的优化控制策略,其特征在于:在所述步骤(1)中,建立包含货物重量及货物升降速度的车辆模型按如下方式进行: 叉车运动微分方程为: 式中,Fy为轮胎侧向力,m为叉车质量,vc为侧向速度,u为前进速度,γ为绕z轴横摆角速度,Mz为轮胎回正力矩,Iz为绕z轴转动惯量;z轴为笛卡尔坐标系的z轴; 在低速、小转角车况下,轮胎侧向力与侧偏角之间呈线性关系,因此,上式变化为: 式中,Ff为前轮轮胎侧向力,Fr为后轮轮胎侧向力,kf为前轮侧偏刚度,kr为后轮侧偏刚度,βf为前轮侧偏角,βr为后轮侧偏角,lf为叉车质心至前轴的距离,lr为叉车质心至后轴的距离;所述低速是指0至15km/h,所述小转角是指前轮转角0至0.5rad; 前后轮的侧偏刚度和侧偏角决定了前后轮胎作用力的大小: 式中,δf为前轮转角,δr为后轮转角;β为质心侧偏角; 将式(3)代入式(2),化简成质心侧偏角和横摆角速度表达式为: 不同于传统叉车模型,考虑货物升降条件下叉车合成重心变化,上述叉车质心至前轴的距离lf为: 其中,lf0为叉车未加货物情况下重心距前桥中心线的距离;y0为初始情况下货物重心距叉车前桥中心线的水平距离,t为货物上升时间,α为叉车后倾角;q为货物重量,v为货物上升速度; 结合叉车合成重心变化公式即式(5),得到考虑叉车包含货物重量及货物升降速度的车辆模型: 3.根据权利要求1所述的考虑货物升降对叉车横向稳定性影响的优化控制策略,其特征在于:在所述步骤(1)中,所述理想横摆角速度ωd和理想质心侧偏角βd按如下方式获得: 将理想质心侧偏角βd设定为0,即:βd=0; 理想横摆角速度ωd的获得方式如下: 利用传感器测量获得叉车在当前行驶状态下的前进速度u、前轮转角δf、货物上升速度v和货物重量q; 由式(7)计算获得叉车的理想横摆角速度ωd: 其中,Gr为前轮转向叉车横摆角速度对前轮转向角的稳态增益,K为叉车稳定性因子,μ为轮胎与路面最大附着系数,kf为前轮侧偏刚度,kr为后轮侧偏刚度,lf为叉车质心至前轴的距离,lr为叉车质心至后轴的距离,g为重力加速度,m为叉车质量,L=lf+lr。 4.根据权利要求1所述的考虑货物升降对叉车横向稳定性影响的优化控制策略,其特征在于:所述步骤(3)中获得后轮转角δr和附加横摆力矩MBS的计算方法具体如下: (3a)随机生成30个粒子群个体αi,每个个体是关于后轮转角δr和附加横摆力矩MBS的二维向量,将它们作为初始群体Q1,i=1,2...30; (3b)初始化粒子群位置、速度,根据粒子适应度计算公式(8)计算每个粒子适应度值; min f(xi)=K1|β-βd|+K2|γ-γd| (8) 式中,β和γ均为其中关于后轮转角δr和附加横摆力矩MBS的函数,具体为各个粒子对应的横摆角速度与质心侧偏角值,βd为理想横摆角速度,γd为理想质心侧偏角,K1,K2为归一化因子,分别选取为全局最优粒子为由式(8)计算所得值最小粒子,设为Gbest; (3c)采用简化粒子群算法更新粒子群位置至最大进化代数的80%,简化粒子群算法更新粒子位置公式如下: 式中,t表示当前迭代次数,P是粒子当前位置,V是粒子的速度,ω是惯性权重,c为学习因子,r为[0,1]上产生的随机数,选取ω=0.8,c=1.48; (3d)判断全局最优粒子Gbest是否满足收敛准则,即Gbest所对应的后轮转角δr和附加横摆力矩MBS是否满足min f(xi)≤0.02,若满足,转至步骤(3f);若不满足,继续下一步骤; (3e)设置阈值数l,产生随机数p,若l>p,则采用式(9)更新粒子群位置;若l
|
所属类别: | 发明专利 |