融合预瞄特性的智能电动汽车稳定性模型预测控制研究

doi:10.19562/j.chinasae.qcgc.2023.05.002

摘要/Abstract

摘要：

提出了一种融合预瞄特性的智能电动汽车稳定性前馈+反馈控制方法。建立车辆预瞄模型，通过汽车在环境感知时的前视行为，引入道路曲率作为车辆动力学特性的影响因素。基于在前视信息指导下的车辆位姿变化，根据道路附着能力和车速指数模型描述期望纵向车速，建立轮胎侧偏刚度补偿的稳定性前馈控制方法。同时，采用模型预测控制（MPC）设计稳定性反馈控制律，根据车辆的预瞄信息自适应调整预测模型参数和预测时间，消除前馈控制误差及路面扰动等不确定性因素带来的影响。研究结果表明，本文提出的控制策略下汽车质心侧偏角、横摆角速度和侧向加速度小，且跟踪精度更高。仿真试验中，相比于无控制、MPC反馈控制与前馈+定参数MPC反馈控制，本文提出的控制策略在双移线工况1下质心侧偏角峰值分别减小了41.3%、28.9%和10.0%，横摆角速度峰值分别减小了18.0%、6.7%和2.0%，双移线工况2下质心侧偏角峰值分别减小了27.2%、8.7%和8.0%，横摆角速度峰值分别减小了16.9%、12.9%和8.6%；相比于MPC反馈控制与前馈+定参数MPC反馈控制，在蛇行工况1下，质心侧偏角峰值分别减小了49.8%与34.8%，横摆角速度峰值分别减小了21.8%与12.7%；在蛇行工况2下，质心侧偏角峰值分别减小了36.6%和18.6%，横摆角速度峰值分别减小了17.7%和12.4%。

关键词: 智能电动汽车, 稳定性控制, 预瞄特性, 前馈+反馈控制, 模型预测控制

Abstract:

A feedforward and feedback control method with preview characteristics for intelligent electric vehicle stability is proposed. The vehicle preview model is established， and the road curvature is introduced in as a factor influencing vehicle dynamic characteristics according to vehicle preview perception of the environment. Based on the change of vehicle posture guided by the preview information， the desired longitudinal vehicle speed is described according to the road friction condition and the vehicle speed index model and the stability feedforward control method for tire lateral stiffness compensation is established. At the same time， the model prediction control （MPC） is used to design the stability feedback control law， with the preview model and preview time adjusted according to the road information adaptively to eliminate the influence of uncertain factors such as feedforward control error and road disturbance. The research results suggest that the proposed control method has lower vehicle centroid sideslip angle， yaw rate and lateral acceleration， and higher tracking accuracy. In simulation test， compared with no control method， MPC feedback control， and feedforward + MPC feedback control with fixed parameter， the control strategy proposed in this paper reduces the peak mass center sideslip angle by 41.3%， 28.9% and 10.0% respectively under dual shift conditions， and the peak yaw rate by 18.0%， 6.7%， and 2.0% respectively. Under the other dual shift conditions， the peak values of the center of mass sideslip angle decreases by 27.2%， 8.7% and 8.0% respectively， and the peak value of the yaw rate decreases by 16.9%， 12.9% and 8.6% respectively. Compared with MPC feedback control， feedforward + MPC feedback control with fixed parameter， the maximum vehicle sideslip angle decreases by 49.8% and 34.8% respectively， and the maximum yaw rate decreases by 21.8% and 12.7% respectively under the S-shaped condition. Under the other S-shaped condition， the maximum vehicle sideslip angle decreases by 36.6% and 18.6%， and the maximum yaw rate decreases by 17.7% and 12.4% respectively.

Key words: intelligent electric vehicle, stability control, preview characteristics, feedforward + feedback control, model predictive control

贺伊琳,马建,杨舒凯,郑威,薛启帆. 融合预瞄特性的智能电动汽车稳定性模型预测控制研究[J]. 汽车工程, 2023, 45(5): 719-734.

Yilin He,Jian Ma,Shukai Yang,Wei Zheng,Qifan Xue. Research on Stability Model Predictive Control of Intelligent Electric Vehicle with Preview Characteristics[J]. Automotive Engineering, 2023, 45(5): 719-734.

图/表 15

图 1

图 2

图 3

图 4

图 5

图 6

表 1

图 7

图 8

图 9

表 2

图 10

图 11

图 12

表 3

参考文献 30

1	梁旺，秦兆博，陈亮，等.基于改进BP神经网络的智能车纵向控制方法［J］.汽车工程，2022，44（8）：1162-1172.
	LIANG W， QIN Z B， CHEN L， et al. Longitudinal control method of intelligent vehicles based on the improved BP neural network［J］. Automotive Engineering， 2022，44（8）：1162-1172.
2	LENG Z， MINOR M A. Curvature-based ground vehicle control of trailer path following considering sideslip and limited steering actuation［J］. IEEE Transactions on Intelligent Transportation Systems， 2017，18（2）：332-348.
3	陈龙，解云鹏，蔡英凤，等. 极限工况下无人驾驶车辆稳定跟踪控制［J］. 汽车工程， 2020， 42（8）：1016-1026.
	CHEN L， XIE Y P， CAI Y F， et al. Stable tracking control of autonomous vehicles at extreme conditions［J］. Automotive Engineering， 2020， 42（8）： 1016-1026.
4	CHENG Z， LU Z. Research on the PID control of the ESP system of tractor based on improved AFSA and improved SA［J］. Computers and Electronics in Agriculture， 2018， 148：142-147.
5	安伟彪. 分布式驱动电动汽车轨迹跟踪与稳定性集成控制研究［D］. 桂林：桂林电子科技大学，2021.
	AN W B. Research on trajectory tracking and stability integrated control of distributed drive electric vehicle［D］. Guilin： Guilin University of Electronic Technology， 2021.
6	夏万林. 智能分布式驱动电动汽车动力学控制方法研究［D］.重庆：重庆理工大学，2018.
	XIA W L. Research on dynamics control method of intelligent distributed drive electric vehicle［D］. Chongqing： Chongqing University of Technology， 2018.
7	LING L， LU Y， WANG R， et al. A three-dimensional dynamics control framework of vehicle lateral stability and rollover prevention via active braking with MPC［J］. Industrial Electronics， IEEE Transactions on， 2017， 64（4）：3389-3401.
8	陈特，陈龙，徐兴，等.分布式驱动无人车路径跟踪与稳定性协调控制［J］.汽车工程，2019，41（10）：1109-1116.
	CHEN T， CHEN L， XU X， et al. Integrated control of unmanned distributed driven vehicles path tracking and stability［J］. Automotive Engineering， 2019，41（10）：1109-1116.
9	GUO J， LUO Y， LI K， et al. Coordinated path-following and direct yaw-moment control of autonomous electric vehicles with sideslip angle estimation［J］. Mechanical Systems and Signal Processing， 2018， 105（15）：183-199.
10	丁代林. 无人驾驶车辆轨迹跟踪控制及其稳定性研究［D］. 重庆：重庆理工大学，2022.
	DING D L. Research on trajectory tracking control and stability of unmanned vehicle［D］. Chongqing： Chongqing University of Technology， 2022.
11	GASMI A， BOUDALI M T， ORJUELA R， et al. Multi-criteria stability combination for yaw stability control of autonomous vehicles-ScienceDirect［J］. IFAC-Papers On Line， 2019， 52（5）：465-470.
12	金辉，李世杰.基于极限车速的车辆稳定性控制研究［J］.汽车工程，2018，40（1）：48-56.
	JIN H， LI S J. A research on vehicle stability control based on limited speed［J］. Automotive Engineering， 2018，40（1）：48-56.
13	贺伊琳，马建，赵轩，等.基于小波控制的电动汽车稳定性研究［J］.中国公路学报，2018，31（11）：214-226.
	HE Y L， MA J， ZHAO X， et al. Research on wavelet control based stability of the electric vehicle［J］. China Journal of Highway and Transport， 2018，31（11）：214-226.
14	WANG Z， WANG Y， ZHANG L， et al. Vehicle stability enhancement through hierarchical control for a four-wheel-independently-actuated electric vehicle［J］. Energies， 2017，10（7）： 947-964.
15	NOVELLIS L D， SORNIOTTO A， GRUBER P， et al. Direct yaw moment control actuated through electric drivetrains and friction brakes： theoretical design and experimental assessment［J］. Mechatronics， 2015，26：1-15.
16	ZHANG L， CHEN H， HUANG Y， et al. Model predictive control for integrated longitudinal and lateral stability of electric vehicles with in-wheel motors［J］. IET Control Theory and Applications， 2020， 14（18）：2741-2751.
17	SHUAI Z B， ZHANG H， WANG J M， et al. Combined AFS and DYC control of four-wheel-independent-drive electric vehicles over CAN network with time-varying delays［J］. IEEE Transactions on Vehicular Technology， 2014，63（2）： 591–602.
18	JIN X J， YU Z T， YIN G D， et al. Improving vehicle handling stability based on combined AFS and DYC system via robust takagi-sugeno fuzzy control［J］. IEEE Transactions on Intelligent Transportation Systems， 2018，19（8）： 2696–2707.
19	YOUSSFI N E， BACHTIRI R E， CHAIBI R， et al. Static output-feedback H ∞ control for T-S fuzzy vehicle lateral dynamics［J］. SN Applied Science， 2020， 2（1），101.
20	JALALI M， KHORSRAVANI S， KHAJEPOUR A， et al. Model predictive control of vehicle stability using coordinated active steering and differential brakes［J］. Mechatronics， 2017， 48：30-41.
21	REN B， HONG C， ZHAO H， et al. MPC-based yaw stability control in in-wheel-motored EV via active front steering and motor torque distribution［J］. Mechatronics， 2016， 38：103-114.
22	ZHANG L， DING H， GUO K， et al. Cooperative chassis control system of electric vehicles for agility and stability improvements［J］. IET Intelligent Transport Systems， 2019，13：134-140.
23	SHI K， YUAN X F， HUANG G M， et al. MPC-based compensation control system for the yaw stability of distributed drive electric vehicle［J］. International Journal of Systems Science： The Theory and Practice of Mathematical Modelling， Simulation， Optimization and Control in Relation to Biological， Economic， Industrial and Transportation Systems， 2018，49（8）：1795-1808.
24	HU J Y， LI J Q， LI H. Feedforward and feedback integrated control for handling characteristics adjustment of multi-axle heavy-duty vehicles using independent-drive electric wheels［C］. 2021 5th CAA International Conference on Vehicular Control and Intelligence （CVCI）， 2021.
25	刁勤晴，张雅妮，朱凌云. 双预瞄点智能车大曲率路径的横纵向模糊控制［J］. 中国机械工程， 2019， 30（12）：8.
	DIAO Q Q， ZHANG Y N， ZHU L Y. A lateral and longitudinal fuzzy control of intelligent vehicles with double preview points for large curvature roads［J］. China Mechanical Engineering， 2019， 30（12）：8.
26	HOU R， ZHAI L， SUN T， et al. Steering stability control of a four in-wheel motor drive electric vehicle on a road with varying adhesion coefficient［J］. IEEE Access， 2019：32617-32627.
27	汪若尘，魏振东，叶青，等.视觉预瞄式智能车辆纵横向协同控制研究［J］.汽车工程，2019，41（8）：763-770，830.
	WANG R C，WEI Z D，YE Q， et al. A research on visual preview longitudinal and lateral cooperative control of intelligent vehicle［J］. Automotive Engineering， 2019，41（8）：763-770，830.
28	黄鹤. 汽车稳定性控制系统分层优化控制研究［D］. 合肥：合肥工业大学，2012.
	HUANG H. Study of electronic stability control based on layered optimization［D］. Hefei： Hefei University of Technology， 2012.
29	CHEN B C， TSAI C T， LEE K. Path-following steering controller of automated lane change system with adaptive preview time［C］. IEEE International Conference on Systems.IEEE，2016.
30	陈力，殷时蓉，罗天洪，等. 基于BP神经网络的智能车辆换道决策模型研究［J］.汽车工程学报，2022，12（1）：83-89.
	CHEN L，YIN S R，LUO T H， et al. Research on lane-changing decision model for intelligent vehicles based on BP neural network［J］. Chinese Journal of Automotive Engineering， 2022，12（1）：83-89.

参数	数值
整备质量/kg	1 250
轴距/m	2.910
质心到前轴距离/m	1.015
质心到后轴距离/m	1.895
质心高度/m	0.540
绕z轴转动惯量/（kg·m²）	1 536.7
前轮侧偏刚度/（N·rad^-1）	-76 000
后轮侧偏刚度/（N·rad^-1）	-110 100

状态参数	项目	双移线工况：u=90 km/h，μ=0.6				双移线工况：u=120 km/h，μ=0.85
状态参数	项目	无控制	反馈控制	前馈+定参数MPC	前馈+自适应参数MPC	无控制	反馈控制	前馈+定参数MPC	前馈+自适应参数MPC
质心侧偏角	峰值	0.92°	0.76°	0.60°	0.54°	1.73°	1.38°	1.37°	1.26°
质心侧偏角	降低百分比	41.3%	28.9%	10.0%		27.2%	8.7%	8.0%
横摆角速度	峰值	-11.75°/s	-10.33°/s	-9.84（°）/s	-9.64（°）/s	-12.94（°）/s	-12.34（°）/s	-11.76（°）/s	-10.75（°）/s
横摆角速度	降低百分比	18.0%	6.7%	2.0%		16.9%	12.9%	8.6%
侧向加速度	峰值	-0.45g	-0.43g	-0.39g	-0.35g	-0.69g	-0.68g	-0.66g	-0.58g
侧向加速度	降低百分比	22.2%	18.6%	10.3%		15.9%	14.7%	12.1%

状态参数	项目	蛇行工况：90 km/h，μ=0.6			蛇行工况：120 km/h，μ=0.85
状态参数	项目	反馈控制	前馈+定参数MPC	前馈+自适应参数MPC	反馈控制	前馈+定参数MPC	前馈+自适应参数MPC
质心侧偏角	峰值	-4.57°	-3.51°	-2.29°	-4.13°	-3.22°	-2.62°
质心侧偏角	降低百分比	49.8%	34.8%		36.6%	18.6%
横摆角速度	峰值	23.66（°）/s	21.19（°）/s	18.50（°）/s	-20.95（°）/s	-19.69（°）/s	-17.24（°）/s
横摆角速度	降低百分比	21.8%	12.7%		17.7%	12.4%
侧向加速度	峰值	0.58g	0.55g	0.53g	-0.70g	-0.69g	-0.65g
侧向加速度	降低百分比	8.6%	3.6%		7.1%	5.8%

[1]	王明,唐小林,杨凯,李国法,胡晓松. 考虑预测风险的自动驾驶车辆运动规划方法[J]. 汽车工程, 2023, 45(8): 1362-1372.
[2]	高锋,冯德福,胡秋霞. 面向NMPC运动规划系统的数值优化加速技术[J]. 汽车工程, 2023, 45(8): 1438-1447.
[3]	林程, 汪博文, 吕沛原, 宫新乐, 于潇. 面向变曲率道路的自动驾驶汽车换道博弈运动规划与协同控制研究[J]. 汽车工程, 2023, 45(7): 1099-1111.
[4]	李军, 周伟, 唐爽. 基于自适应拟合的智能车换道避障轨迹规划[J]. 汽车工程, 2023, 45(7): 1174-1183.
[5]	查云飞,吕小龙,陈慧勤,易迎春,王燕燕. 基于路面附着系数估计的车辆轨迹跟踪控制[J]. 汽车工程, 2023, 45(6): 1010-1021.
[6]	周兵,魏佳宝,柴天,吴晓建,王鹤. 基于最优方法的碰后辅助驾驶控制策略[J]. 汽车工程, 2023, 45(4): 561-571.
[7]	张彬,邹渊,张旭东,孙逢春,吴喆,孟逸豪. 混动履带式无人平台轨迹跟踪控制研究[J]. 汽车工程, 2023, 45(4): 579-587.
[8]	张紫微,郑玲,李以农,乔旭强,郑浩,王戡. 考虑前车运动不确定性的多目标自适应巡航控制[J]. 汽车工程, 2023, 45(3): 361-371.
[9]	贺林,徐子昂,黄春荣,龚超,李书华,石琴. 线控转向系统转角预测滑模控制算法研究[J]. 汽车工程, 2023, 45(12): 2200-2208.
[10]	胡丹丹,尹鹏飞,牛国臣,赵金聚. 非结构化道路下离轴式拖挂车辆主动避障控制研究[J]. 汽车工程, 2023, 45(12): 2318-2329.
[11]	宋强,王冠峰,商赫,张念忠. 基于多参数控制的分布式驱动电动汽车操纵稳定性控制策略研究[J]. 汽车工程, 2023, 45(11): 2104-2112.
[12]	芦勇,何一超,田贺,江昆,杨殿阁. 面向量产的自适应巡航控制系统纵向加速度规划方法研究[J]. 汽车工程, 2023, 45(10): 1803-1814.
[13]	徐璞磊,蔡英凤,廉玉波,孙晓强,王海,陈龙,钟益林. 基于改进分层可拓理论的智能汽车AFS/DYC协调控制[J]. 汽车工程, 2023, 45(1): 20-31.
[14]	林程,梁晟,宫新乐,于潇,汪博文. 面向极限工况的分布式驱动电动汽车动力学集成控制方法[J]. 汽车工程, 2022, 44(9): 1372-1385.
[15]	解少博,屈鹏程,李嘉诚,王惠庆,郎昆. 跟驰场景中网联混合电动货车速度规划和能量管理协同控制的研究[J]. 汽车工程, 2022, 44(8): 1136-1143.