英语原文共 11 页，剩余内容已隐藏，支付完成后下载完整资料
预测性主动转向车辆预防中的机动车轨道挑战
Mohammad Ghazali，Mohammad Durali *和Hassan Salarieh
谢里夫理工大学机械工程系，德黑兰1458889694，伊朗
（2015年12月14日收到; 2016年8月8日修订; 2016年11月9日收到）
摘要 – 质心高的车辆很可能会在极端制动时发生侧翻。现有的文章提出了防止翻滚的控制策略。然而，在这些文章中，其他重要参数如路径轨迹跟踪并不是主要关心的问题。本文研究了防翻滚与轨迹跟踪之间的冲突。采用模型预测控制（MPC）来预测和避免追踪期望轨迹时的翻转。为此，引入了基于模型的未来误差估计。控制框架同时预测翻滚和轨迹误差。它可以在尝试追踪轨迹时避免翻滚。介绍了两种控制器的轨迹跟踪仿真结果。结果表明，控制器有效地将翻转限制为硬约束，而轨迹跟踪控制器也最小化并恢复路径错误。
关键词：预防侧翻，模型预测控制，主动转向，轨迹
- 引言
2004年轿车，货车，皮卡和SUV的单次车辆碰撞分别占10％，9％，17％和23％（Strashny，2007）。这表明SUV的翻转概率是乘用车翻滚概率的两倍以上。 SUV和其他类似道路车辆的重心明显较高，使其承受较高的翻车风险。另一方面，虽然所有事故中有0.5％是致命的，但3％的翻车事故造成的死亡率最低。 2011年，近35％的遇难者参与翻车，从20世纪80年代的约28％增加（NHTSA，2013）。因此，虽然翻车事故导致一小部分交通事故（10％），但其中涉及三分之一以上的死亡事故。除了呈现的统计数字外，越来越多的SUV，轻型和中型卡车也越来越受欢迎，这表明该领域的更多作品缺乏。现在有系统报警可能存在翻滚风险（Rakheja和Picheacute;，1990; Freedman等，1992）。这些系统使驾驶员意识到侧倾角或横向加速度超过阈值。翻车预防留给司机。尽管这可能是一个保守的预警，但是普通驾驶员可能没有足够的经验来避免车辆在极端机动中翻滚。这是控制技术介入防止翻滚的严重动机。有些作品主要应用差速制动（DB）（Wielenga和Chace，2000; Carlson和Gerdes，2003），后轮转向（RS）（Beal和Gerdes，2010）或主动中止（Yim等，2010）以避免翻转情况。数据库或主动转向控制通常在控制框架中采用恒定车速的假设。福特的单轮制动系统（Lu et al。，2007）和整合到电子稳定控制（ESC）系统（Yoon等人，2010）的防翻转程序是其他一些可以防止车辆发生故障的工程（Palkovics，1998）通过减速进行翻滚。在控制器中假设速度恒定的任何制动技术也会无意中减慢车辆速度，从而增强侧倾稳定性。有效地减轻翻车风险，许多现有的作品没有优先考虑驾驶员意图（Carlson and Gerdes，2003）。驾驶汽车的驾驶员的主要意图是跟踪当前的轨迹，根据诸如障碍物之类的其他参数进行修改。如果他们的车辆不遵守他们的命令，驾驶员可能不会感到安全，甚至可以防止翻车。
横向加速度及其后果角色模式响应，使车辆负载转移。这种加速度是车速与速度矢量偏航率的乘积。另一方面，稍后介绍的这些参数的其他非线性函数确定车辆轨迹轨迹。根本的事实是，任何恒定速度控制策略通常会降低保持侧倾稳定性的轨迹。发生这种情况，即使驾驶员的预期偏航率正好由控制器跟踪（Carlson和Gerdes，2003; Tchamna和Youn，2013）。这种情况下的线索是侧滑角速度的变化，这完全降低了侧翻速度，甚至使偏航速率保持不变。因此，在以不变速度进行翻滚回避工作时，轨迹基本上被忽略并且未被修改。这就是为什么本文不使用像DB或RS这样的第二个控制输入来更好地跟踪偏航率。作者已经实现了使用RS和DB技术的控制框架，该技术精确地跟踪任何机动中的参考偏航率，但是如上所讨论的，参考轨迹被错过。
本文介绍了一个综合控制框架，在驾驶员意图较高的同时保持车辆远离翻车。该框架是在模型预测控制的基础上设计的。该理论已被应用于各种过程控制应用（Qin和Badgwell，1997）。由于需要高计算能力，动态缓慢的设备通常用于应用MPC。然而，处理器速度和新的离线技术（Bemporad等，2002）的日常进步以及输入，状态和输出约束处理的能力使MPC更适用于普通和快速的工厂。从每次计算开始MPC开始的一切事实来看，它可以被认为是一个闭环次优框架，它接受各种约束和修改。
这项工作的控制策略试图仔细跟踪参考车辆的主要状态（偏航率），使用线控技术。在这方面，车辆因此可以跟踪参考轨迹。参考轨迹，因此横摆率由开环驱动器来决定。用于控制的参考车辆是无翻转2DOF线性自行车模型的常见结果。如果跟踪与侧倾稳定性相冲突，则车辆在阈值稳定状态下被驱动，并且尽可能快地补偿轨迹错误跟踪。这种修改是为了避免这样一个事实，即更多的驾驶员意图偏差会让他产生更多的反应。然而，对这项工作的满意的轨迹跟踪一般限制了驾驶员的反应。制动与主动转向一起也可以通过减速来最大限度地减少错误跟踪，这不是这项工作的问题。由于不包括制动作为控制信号，因此车辆速度几乎不变。如果考虑到驾驶员的反馈并且机动测试是闭环，这是下一步补充工作，则制动器应该在消除由于轨迹跟踪误差导致的驾驶员反应方面发挥重要作用（Ungoren和Peng，2005）。但是，通过改善轨迹跟踪质量，这在本工作中已经受到限制。
这里介绍的方法可以很好地用于控制高重心和自动驾驶车辆。在这项工作中，前导引导用于同时跟踪路径轨迹并避免翻车发生。
2.车辆滚动模型
2.1. 非线性动力学
图1.车辆模型的示意图
图1示出了车辆的典型四自由度模型的示意图。 自由度为：纵向（），横向（），偏航（）和滚转
（p =）运动。 车辆的平移运动也可以用总速度（V）和侧滑角（beta;）来代替。
4DOF完全非线性运动方程（1）被用作车辆动力装置。
在图1和等式（1）中; M，m1，m2是非弹簧质量，簧下质量，I - 2，I - 2是弹簧和簧下质量惯性张量的分量，
CG，cg1，cg2是相应质量的中心，xCG，xcg1，xcg2是相对于局部坐标系的相应质量中心的x分量，HCG，Hct1，Hcg2是相应质量中心的高度，HRC是滚动高度中心，Tf = 2Wf，Tr = 2Wr是车辆前后轨道长度（Wf = Wr = W），Lf，Lr是从前后桥到CG，Kroll，Croll的纵向距离，车辆侧倾刚度和阻尼，delta;f是转向角Fn， - ，Ft， - 是相应轮胎的法向力和切向力，Fx，Fy是总纵向和横向轮胎力，Mz是大约CG的总偏航力矩，ez =（Hcg2 - HRC），ex1 = （xcg1-xCG），ex2 =（xcg2-xCG），ex = ex2-ex1，g是地球重力。
一旦知道两个切向（Ft，i）和法向（Fn，i）方向上的每个轮胎力，就可以简单地计算身体坐标上的合力和角力矩
等式（2）
轮胎模型。 在这项工作中，在工厂中使用了非线性半经验Pacejka轮胎模型（Bakker等，1987）。
alpha;i和si分别为各轮胎的轮胎侧滑角和滑移率。轮胎转弯和制动/加速力通过摩擦圆的原理耦合在一起。 因此它们的大小取决于轮胎打滑比和侧滑角。 Fz是任何机动中正在改变的轮胎法向力。 轮胎正常载荷具有以下形式（Huh和Kim，2001）。
Ay1和Ay2分别为非悬挂和悬挂质量横向加速度。 k1对于右侧是 1，对于左侧车轮是-1。 前轮和后轮的[k2 k3]对分别为[ - 1 KRSF]和[ 1（1 - KRSF）]，而KRSF则是整个侧倾刚度的前部。如果轮胎正常载荷消失，则它与地面分离。 为了确定一侧的轮胎起飞，引入了一个名为负荷转移比（LTR）的指标（Ervin和Guy，1986）。 该指数在垂直平衡假设下将右侧和左侧轮胎法向载荷之差除以车辆重量。
LTR在[ - 1， 1]的区间内变化。 零LTR代表侧向平衡车辆，而LTR接近plusmn;1提示即将发生侧倾时的侧翻。
LTR是这项工作中翻转迫近的量化指标。 为避免轮转，MPC应在其时间范围内预测LTR。 因此轮胎正常载荷和动态LTR根据等式（4）和（5）的输入和状态制定。
类似的工作（Solmaz等人，2008; Beal和Gerdes，2010; Carlson和Gerdes，2003）保守地限制侧倾角和/或侧倾率以防止侧翻。 根据这部分横向加速度也对侧翻有直接影响。 然而，在目前的工作中LTR也可以被滚动模式状态所取代。植物模型（1）的动态行为由VRTC出版的1997年吉普切诺基的测试结果验证
（Salaani和Heydinger，2000）。 本出版物中还介绍了使用NADSdyna软件验证VRTC的模型模拟。
（1）用于植物建模验证的参数在附录1中给出。它们是根据Salaani等人发表的数据计算的。（1999年）
图2.手轮输入和滚动角度（12 m / s）
图3.横向加速度和横摆率（12 m / s）
图4.手轮输入和滚动角度（22.5 m / s）
图5.横向加速度和横摆率（22.5 m / s）
图2到图5显示了与实验和VRTC模型仿真相比，两个12 m / s和22.5 m / s车道变换操纵的仿真结果。
数字证实，该工厂为调查控制策略提供高保真驾驶真实感。
2.2线性控制模型动力学
为了预测车辆行为，本工作在MPC框架中采用了恒速线性模型。 用于控制设计目的的模型是（1）中给出的工厂的线性化形式。
其中alpha;f=beta; Lfr / V-delta;f，alpha;r=beta;Lrr/ V，Ize = Izz1 m1e2x1 Izz2 m2e2x2，Ixze = Ixz2 m2ezex2，Ixe = Ixx2 m2e2z和Kroll，e = Kroll-m2gez。 Kf和Kr是前轮和后轮的转弯系数。 对于负载变化很大的车辆，CG高度应该实时估算（Solmaz等，2006）。
对于车辆状态r，beta;，phi;和p，等式（7）可以以矩阵形式重写。
附录2列出了矩阵Ac，Bc。
由于车辆动力学在工作空间中几乎是线性的，所以轮胎的非线性动力学是明显不匹配的问题。在不同的驾驶条件下这种可能的不匹配挑战实际上受限于使用GPS数据自适应更新轮胎模型常数（Hahn等，2002）。在这种方法中，前后轮胎的转弯常数由一些自适应定律使用来自差分GPS系统和陀螺仪的测量的横向车辆运动数据来识别。 Yoon等人使用了类似的方法。 （2016）。更新的转弯常数用于更新线性模型（8）。因此线性模型尽可能精确。另一方面，关于前轮胎或后轮胎的总横向力，由于侧翻和载荷传递的侧向特性，一侧轮胎正常（因此横向）负荷的增加近似补偿了另一侧的下降。
该模型基于足够小的采样时间dT进行离散化。因此，工厂线性动态（8）以离散格式重新排列。
Ad和Bd很容易从（8）的连续系统矩阵和采样时间计算出来。 通过上述线性模型，在水平线开始处的状态矢量X0和控制信号序列U = [u0，...，uNH-1] T完成预测水平上的预测（NH进入步骤），其中 你代表delta;f。
使用类似的模式来估计地平线内的LTR。
在线性模型矩阵方面，矩阵Mx，Nx，MLTR和NLTR很容易从方程（6），（8）和（9）中提取出来，并在附录3和4中给出。
使用商用传感器可轻松获得偏航角速度，侧倾角及其速率。 不过，直接测量侧滑角是不切实际的。 它可以从纵向和横向车辆加速度计数据ax和ay计算如下。
如果该算法在实际工作中实施，则可以利用商业集成的INS-GPS导航系统来测量位置，速度，角度和它们的速率。 因此，对MPC计算的每一步完全确定X0。
虽然分析显示模型对预先假定的固定参数（例如V）不是非常敏感，但模型可能会在一段时间后或需要时更新。 对于轮胎等其他参数可以进行相同的更新。
2.3.参考模型
无滑行参考车辆模型的偏航率假定为普通单轨自行车模型的稳态响应的一阶延迟（Yim，2015）。
其中Delta;f是参考转向输入，tau;s是时间常数。
因此，离散格式的参考模型状态是从驾驶员输入超视距获得的
如果参考输入不是事先知道的，这是非常常见的，它将在预测性配方中保持恒定。 显然，如果可用的话，任何对输入的预知都会提高预测控制效率。
3.控制策略
3.1.跟踪误差近似
图6显示了错误几何。 为了定义轨迹误差，从参考车辆状态计算车辆期望轨迹。 选择参考轨迹（点3）上从车辆位置到其正常投影位置的距离，称为正常非公路距离En，作为在公式中使用的误差。
这个符号称为“横向误差”，只是从参考轨迹和当前车辆位置的几何图形计算出来的。 问题动态的复杂性使得将来不可能有一个封闭的错误形式。 然而，通过等式（15）可以简单地实现在MPC框架中可以简单实现的误差动态的线性近似。
图6.轨迹跟踪错误
为了实现这种近似，根据图6，最终横向误差En（t）被认为是t0处的每个步骤的初始横向误差En0，初始横向速度Vsin（theta;0）的积分和横向加速度差的双重积分的总和 相对于参考系（V（r beta;）cos（theta;0）-Vrref）。 theta;在短期内假定为常数并等于theta;0。 以上根据时间范围的误差预测在短期内根据theta;0被设置为引入的离散格式。 上述根据附录5的误差预测在时间范围内被设置为引入的离散格式。 全文共12928字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[15485]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
