详情

原文传递一种基于信息物理系统的主动前轮转向参数优化方法

专利名称：	一种基于信息物理系统的主动前轮转向参数优化方法
摘要：	本发明公开了一种基于信息物理系统的主动前轮转向参数优化方法，包括步骤：建立主动前轮转向系统模型、整车二自由度模型和轮胎模型；结合上述模型，以转向灵敏度，转向路感为目标函数，建立上述各模型的优化模型；选取合适的结构参数与控制参数作为设计变量，设置约束条件；采用改进多目标遗传算法NSGA‑II对主动前轮转向系统进行仿真优化。本发明的方法充分考虑转向系统物理结构与控制器之间的耦合关系，对结构参数和控制参数进行协同优化，以进一步提高主动转向系统的综合性能。
专利类型：	发明专利
国家地区组织代码：	江苏;32
申请人：	南京航空航天大学
发明人：	黄云丰;赵万忠;周小川;刘津强;王春燕
专利状态：	有效
申请日期：	2019-09-16T00:00:00+0800
发布日期：	2019-12-27T00:00:00+0800
申请号：	CN201910869755.8
公开号：	CN110615032A
代理机构：	江苏圣典律师事务所
代理人：	贺翔
分类号：	B62D15/02(2006.01);B;B62;B62D;B62D15
申请人地址：	210016 江苏省南京市秦淮区御道街29号
主权项：	1.一种基于信息物理系统的主动前轮转向参数优化方法，其特征在于，包括以下步骤：步骤1)：建立主动前轮转向系统模型、整车二自由度模型和轮胎模型；步骤2)：结合上述模型，以转向灵敏度，转向路感为目标函数，建立上述各模型的优化模型；步骤3)：选取合适的结构参数与控制参数作为设计变量，设置约束条件；步骤4)：采用改进多目标遗传算法NSGA-II对主动前轮转向系统进行仿真优化。 2.根据权利要求1所述的基于信息物理系统的主动前轮转向参数优化方法，其特征在于，所述步骤1)具体包括： 11)建立主动前轮转向系统模型、整车二自由度模型和轮胎模型；所述主动前轮转向系统模型包括：转向盘与转向轴模型、双行星齿轮系模型、转向电机模型、助力电机模型及齿轮齿条模型；所述整车二自由度模型为：式中，m为整车质量，V为车速，Iz为汽车绕Z轴的转动惯量，a为前轴到汽车质心的距离，b为后轴到汽车质心的距离，Cf为前轮侧偏刚度系数，Cr为后轮侧偏刚度系数，β为汽车质心侧偏角，r为横摆角速度，δf为前轮转角；所述轮胎模型为魔术公式经验模型： y(x)＝Dsin{Carctan[Bx-E(Bx-arctan(Bx))]} 式中，y(x)为侧偏力、回正力矩；x为轮胎侧偏角或滑移率；D为峰值因子；C为曲线形状因子；B为刚度因子；E为曲线曲率因子； 12)初始化各模型参数。 3.根据权利要求1所述的基于信息物理系统的主动前轮转向参数优化方法，其特征在于，所述步骤2)具体包括： 21)以转向灵敏度，转向路感为目标函数，具体包括：转向灵敏度具体量化公式：式中，b0＝CfCr(a+b)V，b1＝CfamV2，a0＝CfCr(a+b)2+(Crb-Cfa)mV2， a1＝[Cf(Iz+a2m)+Cr(Iz+b2m)]V，a2＝IzmV2；转向路感具体量化公式：式中，TR为轮胎回正力矩，Ts为转矩传感器输出力矩，d为轮胎拖距，α为行星齿轮齿圈与太阳轮的齿数比，αf为前轮侧偏角，G为齿轮齿条转向器传动比，Gam为转向电机减速机构减速比，TL为转向电机负载转矩；系统的目标函数为： f(x)＝f(x1)-f(x2) 式中，f(x1)为转向灵敏度，f(x2)为转向路感； 22)分析主动前轮转向系统主要结构参数与控制参数对转向灵敏度、转向路感的影响； 23)根据步骤22)的分析结果，选择影响较大的结构参数和控制参数，将两者同时作为设计变量以构成信息物理系统，所选参数具体包括：转矩传感器刚度系数KC，行星齿轮齿圈和太阳轮齿数比α，控制参数KP和KI； 24)以侧向加速度为约束条件，建立优化模型。 4.根据权利要求3所述的基于信息物理系统的主动前轮转向参数优化方法，其特征在于，所述步骤3)具体包括： 31)将计算所得的目标函数值输出； 32)建立步骤23)中所选择的设计变量，以计算所得的目标函数值为输入。 5.根据权利要求1所述的基于信息物理系统的主动前轮转向参数优化方法，其特征在于，所述步骤4)具体包括： 41)设置设计变量取值范围； 42)设置约束条件取值范围，具体包括： 43)采用改进多目标遗传算法NSGA-II对主动前轮转向系统进行协同优化。 6.根据权利要求5所述的基于信息物理系统的主动前轮转向参数优化方法，其特征在于，所述步骤43)中的改进多目标遗传算法NSGA-II，具体步骤如下： 431)随机生成规模为N的初始父代种群Pt(Kc,α,KP,KI)，设置代数Gen＝1，根据设计变量初始值对种群进行初始化； 432)对父代种群Pt进行非支配排序和拥挤度计算，得到非支配层级低的非支配集Z以及非支配层级高的非支配集Z’； 433)分别将非支配集Z和非支配集Z’进行选择交叉变异，并将子代合并产生子代种群Qt； 434)将种群Pt和种群Qt合并，进行非支配排序和拥挤度计算，产生下一代种群Pt+1； 435)判断Gen是否等于设置的最大代数，若等于，则算法结束退出优化，生成Pareto最优解集；否则Gen＝Gen+1，执行步骤2。
所属类别：	发明专利