详情

原文传递一种基于数据驱动的四轮转向模型预测控制方法

专利名称：	一种基于数据驱动的四轮转向模型预测控制方法
摘要：	本发明属于四轮转向控制技术领域，公开了一种基于数据驱动的四轮转向模型预测控制方法，包括：建立参考模型：考虑车辆的稳定性因素和路面附着条件，以建立参考模型，并以此确定期望的质心侧偏角β和横摆角速度γ；非线性模型预测控制器设计：结合基于map的二自由度模型，设计考虑约束的非线性模型预测控制器，并将期望的质心侧偏角β和横摆角速度γ输入到非线性控制器模块中；根据期望的质心侧偏角β、横摆角速度γ以及实时反馈的车辆系统输出的实际质心侧偏角β、横摆角速度γ优化计算出车辆前后轮转角，并将优化后的车辆前后轮转角输出至车辆系统；综上，使得本发明具有稳定性高、计算负担小、安全性高的优点。
专利类型：	发明专利
申请人：	吉林大学
发明人：	于树友;李文博;王伍洋;谭雷;陈虹
专利状态：	有效
申请日期：	1900-01-20T00:00:00+0805
发布日期：	1900-01-20T00:00:00+0805
申请号：	CN201911423195.X
公开号：	CN111055921A
代理机构：	北京国坤专利代理事务所(普通合伙)
代理人：	赵红霞
分类号：	B62D6/00;B62D137/00;G06F30/15;G06F30/20;G06N3/00;B;G;B62;G06;B62D;G06F;G06N;B62D6;B62D137;G06F30;G06N3;B62D6/00;B62D137/00;G06F30/15;G06F30/20;G06N3/00
申请人地址：	130012 吉林省长春市南湖大路5372号
主权项：	1.一种基于数据驱动的四轮转向模型预测控制方法，其特征在于，包括如下步骤： S1.建立参考模型：考虑车辆的稳定性因素和路面附着条件，以建立参考模型，用于表征车辆的操纵稳定性与车辆的侧向运动和横摆运动之间的关系，并确定期望的质心侧偏角β和横摆角速度γ； S2.非线性模型预测控制器设计：结合基于map的二自由度模型，设计考虑约束的非线性模型预测控制器，并将期望的质心侧偏角β和横摆角速度γ输入到非线性控制器模块中；根据期望的质心侧偏角β、横摆角速度γ以及实时反馈的车辆系统输出的实际质心侧偏角β、横摆角速度γ优化计算出车辆前后轮转角，并将优化后的车辆前后轮转角输出至车辆系统；其中：非线性模型预测控制器的优化计算流程包括： S21.通过传感器获取车辆系统中四轮转向车辆实际的车辆的状态信息； S22.结合基于map的二自由度模型和粒子群算法求解车辆前后轮转角的优化解； S23.基于约束判定优化解是否可行；若是，基于可行优化解确定控制量；若否，重新处理； S24.将控制量作用于四轮转向车辆；借助罚函数将控制约束转化为软约束，其中所述控制约束为控制变量约束，且变量为四轮转向车辆中的前后轮转角，所述四轮转向车辆中前后轮转角的控制约束的罚函数为：相应的前后轮转角的软约束目标函数为：其中，σ为正数惩罚因子，且当控制量满足约束，罚函数取0值，对目标函数不构成影响；当控制量不满足约束时，目标函数将受惩罚函数影响而形成序列解失效。 2.根据权利要求1所述的一种基于数据驱动的四轮转向模型预测控制方法，其特征在于，在步骤S1中所述横摆角速度γ的初始表达式为：其中，为横摆角速度γ的稳态增益；kf和kr分别为车辆前后轮胎侧偏刚度。 3.根据权利要求2所述的一种基于数据驱动的四轮转向模型预测控制方法，其特征在于，在步骤S1中，考虑路面附着条件，在轮胎侧偏力达到饱和状态时，车辆侧向加速度ay满足如下约束：ay≤μg；其中，稳定的车辆侧向加速度ay为：r为转弯半径；在轮胎侧偏力达到饱和状态时，基于横摆角速度γ应满足如下约束：\|γ\|≤\|μg/v\|；其中，考虑路面附着条件的横摆角速度γ为： μ为路面附着系数。 4.根据权利要求3所述的一种基于数据驱动的四轮转向模型预测控制方法，其特征在于，在步骤S1中，所述车辆稳定性因素包括方向盘输入突变，且考虑方向盘输入突变的横摆角速度γ为：其中τγ为惯性环节的时间常数。 5.根据权利要求4所述的一种基于数据驱动的四轮转向模型预测控制方法，其特征在于，所述质心侧偏角β的计算方式与横摆角速度γ的计算方式相同，且质心侧偏角β*为：其中，kβ为质心侧偏角理想的增益常数，τβ为质心侧偏角理想的响应时间常数。 6.根据权利要求1所述的一种基于数据驱动的四轮转向模型预测控制方法，其特征在于，在步骤S2中，基于map的二自由度模型由线性模型和哈希表构成，且哈希表对轮胎的侧偏特性曲线的查表流程包括：设定二维空间中曲线的横坐标范围是[a,b]；将坐标范围[a,b]等分为N个区间；并将每个区间分别编码为0,1,...,N-1，则对于任意的在横坐标范围内的α所处区间为： 7.根据权利要求6所述的一种基于数据驱动的四轮转向模型预测控制方法，其特征在于，在步骤S2中，所述基于map的二自由度模型的表达式为：其中，Fyf为车辆前轮轮胎侧偏力；Fyr为车辆后轮轮胎侧偏力；β、γ分别为车辆系统输出的实际质心侧偏角、横摆角速度；δf、δr分别为车辆前、后轮转角；m为车辆质量；IZ为横摆转动惯量。 8.根据权利要求7所述的一种基于数据驱动的四轮转向模型预测控制方法，其特征在于，在步骤S2中，粒子群算法的求解流程包括：初始化一个种群规模为Npso×mpso的粒子群；其中Npso为种群中粒子数量，mpso为粒子的空间维数；计算每个粒子的适应值；根据迭代公式，更新粒子的位置和速度；计算更新后的粒子适应度，并更新粒子历史最佳位置和群体的历史最佳位置；判断是否达到迭代次数或是否达到控制精度，若不满足，则返回迭代更新步骤。 9.根据权利要求8所述的一种基于数据驱动的四轮转向模型预测控制方法，其特征在于，所述粒子迭代公式为：其中，t是迭代次数，c1和c2为加速度权重系数，w是惯性权重系数，r1和r2是区间[0,1]相互独立的随机数值，Xj＝[xj,1,xj,1,…,xj,m]为第j个粒子的位置，Vj＝[vj,1,vj,1,…,vj,m]为第j个粒子的速度。
所属类别：	发明专利