汽車橫向動力學模型辨識和轉向預測控制方法研究.pdf

1、汽車動力學模型是系統(tǒng)性能分析和主動安全控制的重要基礎，如何快速建立用于準確描述車輛動力學行為的車輛模型受到人們越來越多的關注。傳統(tǒng)的建模方法(如：基于多體動力學的實體建模和基于物理定律推導的機理模型)由于車輛參數(shù)的不確定性以及建模過程中的簡化，導致所建模型很難與真實車輛的響應一致。為此，本文研究了一種基于系統(tǒng)輸入、輸出數(shù)據(jù)的子空間辨識建模方法，該方法能夠同時兼顧提高模型精度并降低建模成本的要求，具有重要的學術研究意義和工程應用價值。此外

2、，結合辨識模型的預測輸出和最優(yōu)準則，設計車輛的轉向預測控制器，以改善車輛系統(tǒng)在轉彎時的操作穩(wěn)定性。
　　根據(jù)車輛系統(tǒng)多輸入、多輸出的特點，本文將辨識模型的適用范圍從線性域擴展至非線性域，從開環(huán)離線辨識擴展到閉環(huán)在線辨識，并且用于估計模型參數(shù)、預測系統(tǒng)輸出以及設計轉向預測控制器以保證汽車的穩(wěn)定性等。具體來說，首先考慮車輛處于恒定車速且輪胎側偏角較小的狀態(tài)時，結合不同工況下的實車試驗數(shù)據(jù)并利用經(jīng)典子空間方法，可辨識出車輛系統(tǒng)的LTI模

3、型。為了使辨識模型與廣泛應用的單軌車輛模型相對應，在確定二階模型的前提下，分別進行了時域和頻域驗證，結果表明，CVA方法估計的車輛模型相對于MOESP和N4SID方法精度最高，其中CVA-step模型不僅時域仿真精度高，而且其頻域特性與基于脈沖試驗計算的經(jīng)驗傳遞函數(shù) ETF基本一致。此外，結合辨識車輛模型提出了基于系統(tǒng)極點不變的輪胎側偏剛度估計方法，并通過數(shù)值仿真驗證了估計參數(shù)的準確性。在考慮車身側傾運動時，車輛模型的階次增加到九階，試

4、驗驗證結果表明，此時的CVA-step模型能夠最為準確的描述車輛側向加速度和側傾角變化。
　　為了進一步擴展LTI辨識模型，在閉環(huán)條件下提出了兩種具有非線性時變特點的車輛模型結構(擴展的線性車輛模型 S1和增量形式的非線性車輛模型S2)，兩種模型不再要求行駛車速和輪胎側偏剛度為恒值，更符合車輛系統(tǒng)的一般特點。結合實車I/O數(shù)據(jù)并利用RPBSIDopt辨識算法可以對上述辨識模型實時更新，模型驗證的結果表明，S1和 S2大幅改善了辨識

5、模型在線性域內(nèi)的精度，能夠準確描述系統(tǒng)瞬態(tài)響應的細節(jié)，此外，即使在側向加速度超過0.6g的非線性工況下，兩種辨識模型仍然可以保證估計的一致無偏性。其中，辨識模型S2的預測精度優(yōu)于模型S1和廣泛應用的車輛EKF狀態(tài)估計器，具有更好的應用前景。
　　最后，結合辨識模型的預測輸出和最優(yōu)準則，提出了一類改進的遞推子空間預測控制方法，使被控對象不再局限于嚴格的LTI系統(tǒng)，并避免了復雜Diophantine方程的求解，提高了算法的效率。針對A