基于改进预瞄跟随算法的新能源汽车转向控制研究

张磊

(淮北职业技术学院 机电工程系,安徽 淮北,235000)

能源危机、环境污染使得新能源汽车备受社会关注,新能源汽车转向控制是新能源汽车设计开发的核心技术之一。和传统的汽车相比,新能源汽车动力平台环节比较少,更容易进行智能化控制。汽车智能转向控制是通过各种传感器、车联网来获得汽车运行的状态和运行的道路环境,同时对获取的各种数据进行处理,了解车辆状态,由控制系统对车辆的行驶进行控制[1]。江浩斌基于最优曲率预瞄驾驶员模型和T-S模糊推理算法,提出了一种预瞄点横向与纵向自适应调节的仿人转向控制驾驶员模型,并将其应用于实际的智能汽车转向控制中,结果表明仿人转向驾驶员模型和熟练驾驶员的汽车行驶轨迹具有很好的相似度[2]。梅炜炜设计了模糊自适应PI控制器,结合车辆路面附着条件对转向权重进行分配,提出了基于横摆角速度和质心侧偏角综合的汽车转向反馈控制策略,试验结果表明所提出的汽车主动转向控制策略更加趋于期望值,使得汽车行驶的操纵稳定性和路径跟踪精度大大提升[3]。吉岩采用选用搜索算法和模型预测控制算法对驾驶员转向控制行为进行建模,并采用veDYNA软件对建立的驾驶员转向行为模型进行验证,指出驾驶员转向控制行为模型与人类驾驶员模型之间具有很高的相似度,和人类驾驶员驾驶特点高度匹配[4]。高振海采用预瞄跟随理论构建了驾驶员在给定目标车速前提下的汽车行驶速度控制模型,并通过仿真验证了该模型能够有效模拟驾驶员结合道路信息和汽车动力学特性控制车辆的速度[5]。管欣对预瞄驾驶员模型中传统开环校正无法适应汽车动力学强非线性的问题,提出了采用复合校正方法对预瞄驾驶员模型进行校正,并采用试验验证了所提出的方法能够有效地应用于智能汽车的路径跟随控制中,提高了智能汽车路径跟随的精度[6]。预瞄跟随算法由知名汽车专家郭孔辉院士提出,在汽车转向控制中具有广泛的应用,但是对汽车转弯曲率过大的路径存在汽车易脱离路径的问题。基于此,本文对预瞄跟随算法进行改进,并应用于新能源汽车转向控制中,提升新能源汽车具有良好的路径目标跟随精度。

1 新能源汽车转向控制

交通事故频发造成了巨大的人员伤亡和经济损失,驾驶员对交通事故负有主要的责任。虚拟仿真技术的快速发展使得车辆在开发阶段构建虚拟驾驶员与车辆模型来对汽车转向系统进行开发,提高系统的安全性,节省车辆研发成本。建立与真实驾驶员高度吻合的转向行为模型必须对真实驾驶员的转向行为具有客观、全面地了解,图1给出了驾驶员在驾驶车辆行驶的过程中所表现出的转向行为[7]。

由图1可知,真实驾驶员的车辆转向行为包括两个方面的内容:一方面是预瞄行为,即通过眼睛视觉器官对车辆行驶道路状况感知,由感知信息来对车辆到达位置进行判断,获得期望的道路信息;另一方面是车辆认知行为,即驾驶员结合自身的经验对驾驶车辆的认知预测驾驶车辆下一刻即将到达的位置,获得预测信息。优化行为是结合期望的道路信息和预测信息来确保预测位置和预瞄期望位置的一致性,帮助驾驶员确定最优的方向盘输出。

2 汽车驾驶员转向行为建模

2.1 预瞄行为建模

选择汽车为动参考系,地面为静参考系。设(X(t),Y(t))为汽车质心点位置的绝对坐标,(X(t),Y(t))为汽车质心点位置的相对坐标,φ为汽车方位角,那么

由当前汽车行驶的方向和速度来确定经过T时间后的预瞄落点,结合预瞄落点在动参考系中的横坐标来确定路径上的预瞄点。当车辆经过T时间后如果为转弯点,那么预瞄点就会脱离路径,如图2所示[8]。

由图2可知,预瞄点设定为P1,那么在路径R上就不能够找到对应的点,即采用传统预瞄跟随算法会导致转向控制过程出现超调,引起车辆振荡,甚至出现车辆偏离道路的情况。为了解决这一问题,对传统预瞄跟随算法进行改进,即预瞄点设定为在当前车速uc下车辆经过时间T到达的路径上的点,采用预瞄跟随最优曲率驾驶员模型的预瞄点快速搜索算法,避免了坐标之间的变换,提高了算法运算的速度,改进预瞄跟随算法示意图如图3所示。

设(X(t),Y(t))为全局坐标系下汽车位置坐标,经过T时间后预瞄点P坐标为(X(t+T),Y(t+T)),预瞄距离

为使得预瞄点搜索效率大大提升,在满足如下条件的范围内搜索,即

汽车侧向偏移量

其中,β为汽车横摆角。

车辆转向所需要提供的侧向加速度

由于路径模型中的数据点离散,因此经过时间T之后的预瞄点可能不在对应的路径点,故选择距离预瞄点最近路径上的数据点作为预瞄点。改进预瞄跟随算法流程如图4所示。

2.2 车辆认知行为建模

两自由度车辆模型比较简单且包含车辆侧向运动状态和横摆运动状态,可以模拟驾驶员对车辆的认知行为。两自由度车辆受力如图5所示。

不考虑新能源汽车转向系的影响,将车辆前轮转角作为输入;不考虑车辆悬架的影响,车辆在平行于地面的平面上运动;不考虑空气阻力的影响以及轮胎载荷变化引起的轮胎特性变化。设汽车质量为m,质心到前轴距离为a,到后轴距离为b。基于上述假设,建立汽车运动微分方程,即[9]

其中,Iz为车辆质心点绕z轴转动惯量,ω为车辆横摆角速度,Fy,f为前轮侧偏力,Fy,r为后轮侧偏力,δ前轮转角。

由车辆轮胎侧偏特性,轮胎侧偏力Fy,f、Fy,r和轮胎侧偏角αf、αr之间具有如下的关系,即

其中,CF为车辆前轮胎侧偏刚度,CR为车辆后轮胎侧偏刚度。

利用模拟仿真的方法对提出模型的性能进行测试和比较分析。失踪物体在落水后，将会在风、流和浪等自然环境因素的影响下离开初始事故地点[11]，当漂移到岸边后，将会由于水深较浅而停留在岸边。

3 新能源汽车转向控制建模仿真

Dymola是由法国达索公司开发的多学科系统仿真模拟软件,在汽车行业、交通行业、能源行业等具有广泛的应用。采用Dymola能够实施机械、电子、液压、控制等多领域联合仿真,为产品的多领域协同开发提供技术支持[10]。本文采用Dymola软件对新能源汽车转向控制进行建模仿真,采用软件自带的车—路—控制模型vdroad文件。Vdroad文件包含2个子模型包,分别为路径模型road和含有预瞄跟随算法的新能源汽车模型vdmodel。

在Dymola软件中,对路面建模采用4个函数,分别为roadfromcurvature函数、visualize函数、plotclosedloopdriver函数、fcenterline函数,其中roadfromcurvature函数生成新能源汽车行驶的路径,visualize函数进行新能源车辆的可视化,plotclosedloopdriver函数生成驾驶员的预瞄点,fcenterline函数来构建路径。为了使得仿真能够更好地反映驾驶员在复杂行驶路况下车辆的侧向轨迹跟随控制能力,采用大曲率的试验路径,路径参数具体如表1所示。

表1 仿真路径参数

新能源汽车控制模型vdmodel由车辆动力系统、转向系统、底盘所构成,采用Modelica语言来编写车辆预瞄跟随算法程序代码,获得新能源汽车转向盘的转角,最终达到了解车辆行驶方向的目的。仿真车辆及环境参数如表2所示。

表2 仿真车辆及环境参数

分别采用传统预瞄跟随算法和改进预瞄跟随算法进行新能源汽车转向控制进行仿真,得到新能源车辆的行驶路径轨迹,结果如图6所示。

由图6可知,汽车在大曲率道路上行驶,采用传统预瞄跟随算法容易使得新能源汽车脱离预定估计,而通过对传统预瞄跟随算法进行改进,汽车始终保持在预定的轨迹上,在曲率比较大的转弯处也没有出现跑偏的情况。

新能源汽车在转向的过程侧向加速度和侧向速度在一定程度上反映了改进预瞄跟随算法的有效性,提取新能源汽车在转向过程中的侧向加速度曲线和侧向速度曲线,结果如图7和图8所示。

由图7、图8可知,新能源汽车的侧向加速度范围为-3.7～2.4 m/s2,横向速度范围为-1.6～0.79 m/s,即在曲率比较大路径路况下,采用改进预瞄跟随算法的新能源汽车侧向加速度和侧向速度均维持在一定的范围之内,新能源汽车在转弯路况下具有行驶的稳定性。

4 结论

新能源汽车转向控制直接影响了行车的安全可靠性,将传统预瞄跟随模型应用于新能源汽车转向控制开发中,指出对转弯曲率过大路径易导致汽车脱离路径。在此基础上对预瞄跟随算法进行改进,确保预瞄点始终落在预期路径上。在Dymola软件上构建新能源汽车转向控制模拟模型,并将传统预瞄跟随算法和改进预瞄跟随算法在搭建的模型上进行模拟仿真。结果表明,改进的预瞄跟随算法对新能源汽车转向控制具有更高的精度,确保了新能源车辆在转弯路况下的稳定性。