黃 晨，陳 龍，袁朝春，江浩斌，牛禮明

(1.江蘇大學(xué)汽車與交通工程學(xué)院，鎮(zhèn)江 212013； 2.安徽工業(yè)大學(xué)機(jī)械工程學(xué)院，馬鞍山 243000)

前言

車輛電控主動(dòng)和半主動(dòng)懸架的控制算法是目前研究的熱點(diǎn)之一，國內(nèi)外學(xué)者曾相繼提出包括天棚阻尼器、最優(yōu)控制、模糊控制、自適應(yīng)控制、滑?？刂坪蜕窠?jīng)網(wǎng)絡(luò)控制等算法[1-6]，但大部分控制算法應(yīng)用在懸架控制上只注重平順性研究，而對(duì)操縱穩(wěn)定性未予充分考慮。例如現(xiàn)有研究對(duì)車身俯仰和側(cè)傾運(yùn)動(dòng)進(jìn)行了控制，但對(duì)懸架動(dòng)撓度和車輪動(dòng)載荷等硬約束產(chǎn)生的安全隱患考慮不足[7-8]。因此，對(duì)于實(shí)際的半主動(dòng)懸架系統(tǒng)，很難從根本上解決與整車的協(xié)調(diào)工作問題[9]。

混合控制系統(tǒng)是指其被控對(duì)象和(或)控制器中同時(shí)含有連續(xù)模型和離散模型，兩者共同作用確定系統(tǒng)的性能[10]。與單獨(dú)采用連續(xù)動(dòng)態(tài)系統(tǒng)或離散事件動(dòng)態(tài)系統(tǒng)相比，該系統(tǒng)可以獲得更好的性能，解決傳統(tǒng)控制器無法解決的問題。

模糊控制利用了人的大量的控制經(jīng)驗(yàn)和知識(shí)，與人的智能行為類似，有效地解決了車輛半主動(dòng)懸架系統(tǒng)的多參數(shù)非線性問題；并且抗干擾能力強(qiáng)，通用性好；控制策略簡(jiǎn)單、可靠、有效，易于實(shí)現(xiàn)[11-12]。據(jù)此，本文中選用模糊控制作為混合控制的核心控制規(guī)則，結(jié)合混合控制理論提出了一種新型的懸架控制方法，該控制方法的核心思想是：在理論模型中設(shè)有3種控制手段，平順性控制、操穩(wěn)性控制和安全性控制。根據(jù)控制對(duì)象的具體情況對(duì)3種控制手段進(jìn)行協(xié)調(diào)和切換。平順性、操穩(wěn)性和安全性之間進(jìn)行切換和通信的行為須利用混合控制完成，既解決了懸架內(nèi)部沖突，又實(shí)現(xiàn)了系統(tǒng)協(xié)調(diào)，從而提高了車輛的綜合性能。

1 混合模糊控制器的建立

1.1 混合控制理論

混合控制系統(tǒng)的模型如圖1所示，通過設(shè)計(jì)一個(gè)由混合控制器組成的閉環(huán)控制系統(tǒng)，自適應(yīng)環(huán)境實(shí)現(xiàn)控制目標(biāo)。在不同的領(lǐng)域和應(yīng)用背景中，對(duì)于混合控制系統(tǒng)的處理方法各不相同，但是其關(guān)鍵都在于根據(jù)所研究混合系統(tǒng)的特征和控制要求設(shè)計(jì)合適的混合控制器。如果混合控制器的其中一種結(jié)構(gòu)為切換控制器結(jié)構(gòu)，則稱之為切換控制系統(tǒng)。本文中所設(shè)計(jì)的混合控制器即為切換控制系統(tǒng)。

切換系統(tǒng)的概念是控制器包含有限個(gè)子系統(tǒng)或動(dòng)態(tài)模型，同時(shí)附加一個(gè)切換規(guī)律，使在子系統(tǒng)之間進(jìn)行切換。其基本思想是：切換系統(tǒng)由一組控制器和切換規(guī)律構(gòu)成，被控對(duì)象的輸出y反饋給一組控制器，切換規(guī)律是系統(tǒng)的邏輯/決策部分，各控制器按照其切換規(guī)律進(jìn)行切換。

1.2 控制策略的設(shè)計(jì)

整車半主動(dòng)懸架控制不僅要考慮汽車的垂向運(yùn)動(dòng)，同時(shí)還要考慮俯仰和側(cè)傾運(yùn)動(dòng)。根據(jù)八板塊原理的整車控制算法，整車模型包括4個(gè)1/4車體模型、前后兩個(gè)1/2車體模型和左右兩個(gè)1/2車體模型，對(duì)每個(gè)分塊設(shè)計(jì)獨(dú)立的垂向、俯仰和側(cè)傾模糊控制器[9]。另外，考慮到懸架硬約束，又對(duì)懸架動(dòng)撓度和車輪垂向加速度設(shè)計(jì)了兩個(gè)獨(dú)立的模糊控制器。輸入輸出變量均選用高斯型隸屬函數(shù),模糊推理算法為Mandani方法，權(quán)重均取為1，采用重心法將模糊量轉(zhuǎn)化為精確量[13]。

在Simulink中建立模糊控制子模型，輸入為車身垂向速度、車身俯仰角速度、車身側(cè)傾角速度、懸架動(dòng)撓度和車輪垂向速度，輸出為5個(gè)控制器的控制力。首先根據(jù)行駛工況和汽車速度的變化產(chǎn)生相應(yīng)的模式，根據(jù)對(duì)應(yīng)模式選擇相應(yīng)模糊控制器策略，最終輸出懸架的控制力。混合控制原理如圖2所示：當(dāng)汽車處于急加速、制動(dòng)或急轉(zhuǎn)向狀態(tài)時(shí)，混合控制切換為“操穩(wěn)性”輸出，即把抑制垂向、俯仰和側(cè)傾運(yùn)動(dòng)的3個(gè)作用力疊加作為輸出控制力，主要目的是抑制加速或制動(dòng)時(shí)的俯仰和轉(zhuǎn)向時(shí)的側(cè)傾運(yùn)動(dòng)，提高汽車的操縱穩(wěn)定性。當(dāng)汽車中低速直線行駛時(shí)，混合控制切換為“平順性”輸出，即把抑制垂向運(yùn)動(dòng)和懸架動(dòng)撓度的多個(gè)作用力疊加作為輸出控制力，主要目的是減小車身垂向加速度，提高汽車的行駛平順性；高速行駛時(shí)混合控制切換為“安全性”輸出，通過減小輪胎動(dòng)載荷來抑制輪胎的振動(dòng)以保證良好的輪胎接地性。通過協(xié)調(diào)“平順性控制器”、“操穩(wěn)性控制器”和“安全性控制器”，保證汽車行駛的平順性和操穩(wěn)性達(dá)到綜合最佳。

1.3 混合模糊控制器在Stateflow中的實(shí)現(xiàn)

Stateflow[14]因其強(qiáng)大的復(fù)雜邏輯的可視化開發(fā)能力而被應(yīng)用于混合控制的編程中。首先在Stateflow中定義3個(gè)狀態(tài)：comfort、stability和safety，代表平順性、操穩(wěn)性和安全性3個(gè)控制器，每個(gè)狀態(tài)都包含子狀態(tài)，子狀態(tài)的功能是進(jìn)行平順性、操穩(wěn)性或安全性控制力輸出。狀態(tài)之間通過接受控制策略的指令進(jìn)行轉(zhuǎn)移。然后在Stateflow中定義各項(xiàng)數(shù)據(jù)，與Simulink進(jìn)行交互。輸入數(shù)據(jù)為5個(gè)模糊控制器的控制力和控制策略的指令，輸出數(shù)據(jù)為4個(gè)可調(diào)阻尼減振器所需的阻尼力。當(dāng)狀態(tài)處于運(yùn)行中時(shí)，通過en事件對(duì)外輸出阻尼力。

2 仿真研究

2.1 整車多剛體動(dòng)力學(xué)模型的建立

利用多體動(dòng)力學(xué)理論建立汽車模型可以提高建模質(zhì)量、縮短設(shè)計(jì)周期，因此本文中采用基于該理論的SIMPACK軟件建模。將建立好的前懸架、后懸架、轉(zhuǎn)向系、輪胎和車身等模型子系統(tǒng)按照拓?fù)浣Y(jié)構(gòu)(見圖3)進(jìn)行裝配，定義車身與系統(tǒng)坐標(biāo)系的鉸接為6自由度汽車鉸接，建立整車模型。SIMPACK中所建整車多體動(dòng)力學(xué)模型如圖4所示。整車模型共包括32個(gè)體，44個(gè)鉸接自由度和22個(gè)約束。

整車虛擬樣車模型建立之后，采用與實(shí)車試驗(yàn)數(shù)據(jù)對(duì)照的方法對(duì)模型進(jìn)行標(biāo)定和校驗(yàn)。在模型的驗(yàn)證過程中，為了使仿真結(jié)果與實(shí)車試驗(yàn)有較好的可比性，以實(shí)車試驗(yàn)數(shù)據(jù)為虛擬樣車仿真的輸入。在隨機(jī)路面輸入行駛仿真與試驗(yàn)中，車速均為40km/h，將仿真和試驗(yàn)的車身垂向加速度功率譜密度與時(shí)域結(jié)果相比較，如圖5所示。

由圖5可看出，在平順性隨機(jī)輸入行駛試驗(yàn)中，仿真與試驗(yàn)的加速度功率譜密度峰值位置基本相同，唯峰值略有差異?？紤]到車輛系統(tǒng)的復(fù)雜性和實(shí)際試驗(yàn)條件的不確定性，規(guī)定兩種輸出的一致性表述為：輸出曲線的波動(dòng)趨勢(shì)基本相同，峰值量級(jí)相同。仿真結(jié)果和試驗(yàn)數(shù)據(jù)基本吻合，說明所建車輛系統(tǒng)動(dòng)力學(xué)模型可信，可用于其他工況下的仿真。

2.2 聯(lián)合仿真模型的建立

利用SIMPACK軟件中的SIMAT系統(tǒng)將整車多體動(dòng)力學(xué)模型以非線性被控對(duì)象形式輸出到Matlab/Simulink環(huán)境中，并以SIMPACK聯(lián)合仿真模塊子系統(tǒng)來表示，在SIMAT系統(tǒng)中定義聯(lián)合仿真采樣周期和服務(wù)器進(jìn)程TCP端口。在SIMPACK中定義整車模型需要的輸出變量(車身垂向加速度、車身俯仰角速度、車身側(cè)傾角速度、懸架動(dòng)撓度和車輪垂向加速度)和輸入變量(汽車前后左右4個(gè)懸架的主動(dòng)減振器的阻尼力)，其中激勵(lì)力元類型為93號(hào)力元[15]。車輛動(dòng)力學(xué)狀態(tài)通過接口輸送到控制器，控制器經(jīng)過智能運(yùn)算發(fā)出控制指令，控制指令又通過接口作用于車輛，從而使車輛在期望的動(dòng)力學(xué)狀態(tài)下運(yùn)行。利用閉環(huán)在線的仿真控制過程，調(diào)整控制算法和參數(shù)直至達(dá)到滿意的控制精度為止。

2.3 聯(lián)合仿真分析

為驗(yàn)證上述智能體控制的有效性，分別采用隨機(jī)路面和蛇形道路工況，對(duì)裝有被動(dòng)懸架和半主動(dòng)懸架的整車進(jìn)行不同車速下的聯(lián)合仿真。車輛主要參數(shù)見表1。

表1 整車主要參數(shù)

2.3.1 隨機(jī)路面輸入仿真

試驗(yàn)按照國標(biāo)GB/T4970—1996《汽車平順性隨機(jī)輸入行駛試驗(yàn)方法》的規(guī)定進(jìn)行。汽車在B級(jí)路面以40、50和60km/h 3種車速勻速行駛，圖6為50km/h的仿真曲線?？梢钥闯?，混合控制下半主動(dòng)懸架的車身垂向加速度和懸架動(dòng)撓度減小了，表明基于混合模糊控制的半主動(dòng)懸架系統(tǒng)使車輛的行駛平順性和乘坐舒適性得到了較大改善。

2.3.2 蛇形道路輸入仿真

為觀測(cè)行駛過程中車身姿態(tài)對(duì)懸架控制的響應(yīng)，進(jìn)行了蛇行仿真試驗(yàn)。道路設(shè)計(jì)參考國家標(biāo)準(zhǔn)GB/T6323.1—1994《汽車操縱穩(wěn)定性試驗(yàn)方法蛇行試驗(yàn)》。試驗(yàn)汽車以40km/h的穩(wěn)定車速直線行駛，進(jìn)入試驗(yàn)區(qū)段后汽車呈“S”軌跡通過試驗(yàn)路段。圖7為車身垂向加速度、俯仰和側(cè)傾角速度動(dòng)態(tài)曲線。

從圖7中可以看出，混合模糊控制下的半主動(dòng)懸架在減小車身垂向加速度的同時(shí)抑制了車身的俯仰和側(cè)傾運(yùn)動(dòng)，表明該控制方法能夠有效提高汽車的操縱穩(wěn)定性。同時(shí)由于在高速行駛時(shí)采用安全性控制，故能有效抑制車輪動(dòng)載荷，從而提高汽車行駛安全性。更多的計(jì)算和仿真可以得出相似的結(jié)果，由于篇幅有限，不再贅述。

3 實(shí)車試驗(yàn)

在仿真控制的基礎(chǔ)上，搭建了半主動(dòng)懸架系統(tǒng)，試驗(yàn)采用快速控制原型工具—德國dSPACE公司生產(chǎn)的1401/1505/1507型MicroAutoBox。A/D轉(zhuǎn)換板根據(jù)需要只選擇了1～8號(hào)通道，0～5V電壓輸入，用來連接傳感器信號(hào)輸入。D/A轉(zhuǎn)換板只選擇了1～4號(hào)通道，0～4.5V電壓輸出，對(duì)應(yīng)4個(gè)步進(jìn)電機(jī)驅(qū)動(dòng)器的方向電平信號(hào)。PWM信號(hào)輸出對(duì)應(yīng)電機(jī)驅(qū)動(dòng)器的脈沖控制端。

利用加速度傳感器測(cè)得實(shí)時(shí)的車身和車輪垂直加速度信號(hào)，陀螺儀測(cè)得車身俯仰和側(cè)傾角速度信號(hào)，位移傳感器測(cè)得懸架動(dòng)撓度信號(hào)和車速等信號(hào)，輸入給MicroAutoBox進(jìn)行運(yùn)算，最后輸出控制信號(hào)調(diào)整可調(diào)阻尼減振器的阻尼。通過12VDC的蓄電池和12VDC～220VAC的逆變器提供電源，采用美國QUATRONIX公司W(wǎng)AVEBOOK數(shù)據(jù)采集系統(tǒng)實(shí)時(shí)采集試驗(yàn)數(shù)據(jù)。試驗(yàn)原理框圖如圖8所示。作為對(duì)比，該車對(duì)傳統(tǒng)模糊控制器也以相同條件進(jìn)行了測(cè)試。

參考國家標(biāo)準(zhǔn)，試驗(yàn)道路選擇江蘇大學(xué)校區(qū)內(nèi)的平直水泥路為試驗(yàn)道路，進(jìn)行車速為50km/h的隨機(jī)路面試驗(yàn)，同時(shí)還選擇了一種確定路面(B級(jí)蛇形路面)，試驗(yàn)車速為40km/h。試驗(yàn)各項(xiàng)性能指標(biāo)和時(shí)域圖分別見表2、表3和圖9、圖10。

表2 隨機(jī)路面性能指標(biāo)均方根值對(duì)比

表3 蛇形路面性能指標(biāo)峰值對(duì)比

由表2可見，仿真得出的各項(xiàng)性能指標(biāo)分別下降了13.64%、22.22%、31.70%、23.67%和15.46%，由實(shí)車試驗(yàn)得到的各項(xiàng)性能指標(biāo)分別下降了8.45%、18.39%、17.07%、13.54%和11.45%，兩者差別不大，說明試驗(yàn)與仿真結(jié)果基本一致，由表2和圖9可知，混合控制下的半主動(dòng)懸架有效抑制了車身垂向加速度和懸架動(dòng)撓度。但為進(jìn)一步提高在各種路面上的控制效果，本文的混合控制策略尚須在大量的道路試驗(yàn)中進(jìn)行參數(shù)標(biāo)定。

表3和圖10中的各項(xiàng)數(shù)據(jù)表明車身垂向加速度、俯仰角速度和側(cè)傾角速度在混合控制下得到了不同程度的改善。由此說明混合控制下的半主動(dòng)懸架改善了車輛行駛平順性和操縱穩(wěn)定性。

4 結(jié)論

仿真和實(shí)車道路試驗(yàn)結(jié)果表明，所采用的混合模糊控制效果明顯，且能有效改善整車行駛平順性和操縱穩(wěn)定性，很好地實(shí)現(xiàn)了底盤復(fù)雜系統(tǒng)全局優(yōu)化，明顯提高了整車綜合性能。

[1] Wu Long, Chen Huili. Complex Stochastic Wheelbase Preview Control and Simulation of a Semi-active Motorcycle Suspension Based on Hierarchical Modeling Method[J]. Int. J. of Automot Tech.,2006,7(6):749-756.

[2] 葉舟,趙海洋,高偉,等.柔性翼型主動(dòng)控制與氣動(dòng)特性分析[J].排灌機(jī)械工程學(xué)報(bào),2013(10):884-887.

[3] 建坤,汪順生,羅金耀.基于ANFIS的溫室微氣候通風(fēng)調(diào)控模型[J].排灌機(jī)械工程學(xué)報(bào),2013(4):358-363.

[4] 何仁,俞劍波,王潤(rùn)才.電動(dòng)汽車混合制動(dòng)系統(tǒng)控制策略的改進(jìn)[J].江蘇大學(xué)學(xué)報(bào)(自然科學(xué)版),2013(2):125-130.

[5] 隗寒冰,秦大同,陳淑江,等.加快三元催化器起燃的HEV混合驅(qū)動(dòng)控制策略[J].江蘇大學(xué)學(xué)報(bào)(自然科學(xué)版),2012(6):626-631.

[6] 馮沖,丁能根,何勇靈.汽車ABS與AFS集成控制算法[J].江蘇大學(xué)學(xué)報(bào)(自然科學(xué)版),2013(2):138-143.

[7] 李以農(nóng),趙樹恩,鄭玲.汽車主動(dòng)底盤多模型分層協(xié)調(diào)控制[J].系統(tǒng)仿真學(xué)報(bào),2010(5):1274-1278.

[8] 王祺明.磁流變減振器半主動(dòng)懸架控制仿真及試驗(yàn)研究[D].合肥:合肥工業(yè)大學(xué),2009.

[9] 陳龍,黃晨,江浩斌,等.基于懸架效用函數(shù)的車身姿態(tài)控制[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2011,42(8):15-19.

[10] Savkin Andrey V, Matveev Alexey S. Cyclic Linear Differential Automata: a Simple Class of Hybrid Dynamical Systems[J]. Automatica,2000,36(5):727-734.

[11] 袁傳義.半主動(dòng)懸架與電動(dòng)助力轉(zhuǎn)向系統(tǒng)自適應(yīng)模糊集成控制及其優(yōu)化設(shè)計(jì)[D].鎮(zhèn)江:江蘇大學(xué),2007.

[12] 姜長(zhǎng)生,王從慶,魏海坤,等.智能控制與應(yīng)用[M].北京:科學(xué)出版社,2007:168-177.

[13] Yoshimura Toshio, Emoto Yota. Steering and Suspension System of a Full Car Model Using Fuzzy Reasoning and Disturbance Observers[J]. Int, J. Vehicle Automous Systems,2003(1):363-384.

[14] 張威.Stateflow邏輯系統(tǒng)建模[M].西安:西安電子科技大學(xué)出版社,2007.

[15] 劉偉,劉大維,陳煥明,等.基于聯(lián)合仿真的半主動(dòng)懸架車輛行駛平順性研究[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2009,40(6):16-22.