吳利廣，王 偉，楊文豪，王長青，費員軍，李 鑫

基于駕駛模擬器的汽車操縱穩(wěn)定性主客觀關聯(lián)技術分析

吳利廣1,2，王 偉2，楊文豪3，王長青2，費員軍2，李 鑫2

（1.天津大學 機械工程學院，天津 300192；2.中國汽車技術研究中心有限公司，天津 300300；3.合肥工業(yè)大學汽車與交通工程學院，安徽 合肥 230009）

汽車的操縱穩(wěn)定性是汽車動態(tài)性能的重要組成部分，在汽車開發(fā)過程中的不同階段，通常運用主觀評價方法或客觀評價方法對操縱穩(wěn)定性進行驗證和評價。文章進行了基于駕駛模擬器的汽車操縱穩(wěn)定性主客觀關聯(lián)技術研究。首先基于駕駛模擬器，運用試驗數據標定后的車輛模型，生成了用于主客觀關聯(lián)研究的大量車輛性能數據；基于這些數據，運用嶺回歸的方法，建立了主客觀關聯(lián)模型，并對模型精度進行了驗證。文章的研究成果可以優(yōu)化車輛性能開發(fā)流程，提升車輛開發(fā)效率，為汽車的操縱穩(wěn)定性開發(fā)、評價等提供支撐。

操縱穩(wěn)定性；駕駛模擬器；主客觀關聯(lián)

汽車行駛動力學性能是汽車動態(tài)性能的核心，直接影響駕駛員和乘客的主觀感受。操縱穩(wěn)定性作為汽車行駛動力學性能中的重要組成部分，是車輛開發(fā)中不可忽視的一項性能。

目前，在車輛性能開發(fā)過程中，針對操縱穩(wěn)定性的判定及評價主要分為兩種：一種是以測試或仿真為手段的客觀評價方式；另一種是以專業(yè)評價人員主觀感受為參考的主觀評價方式[1]。兩種評價手段各有優(yōu)缺點，任何一種評價方式都無法獨立支撐完整的底盤性能開發(fā)，目前國內企業(yè)的做法是兩種方式并存，在整個開發(fā)流程的各個階段分別起不同作用[2]。在開發(fā)前期，尤其是樣車制造之前，均結合仿真手段采用客觀評價的方式；在開發(fā)后期，尤其是樣車制造之后，以主觀評價為主進行車輛操縱穩(wěn)定性的評價。

在車輛性能開發(fā)過程中，雖然操縱穩(wěn)定性的主觀評價及客觀評價貫穿于整個開發(fā)流程，但也可以看出，兩種評價方式是相互割裂的，相互的聯(lián)系是模糊的。而車輛操縱穩(wěn)定性以乘客主觀感受為最終評價標準，這就使得車輛開發(fā)前期操縱穩(wěn)定性不可控。因此，迫切需要將兩種評價方式建立聯(lián)系，探尋兩者之間相互關系，提高操縱穩(wěn)定性開發(fā)效率[3-6]。

1 主客觀評價體系及客觀指標相關性分析

1.1 主觀評價體系

在進行主客觀關聯(lián)之前，首先要選擇主客觀評價體系。本文考慮主客觀關聯(lián)需求，并結合實際情況，采用了如表1所示的操縱穩(wěn)定性主觀評價項目及指標，包含了車輛的轉向性能和操控性能評價。

1.2 客觀評價體系

結合主觀評價體系，并考慮主客觀關聯(lián)需求，本文采用了如表2所示的客觀評價項目，其中包含了13項客觀試驗，共計290項指標。

1.3 客觀指標相關性分析

上文提到的車輛的客觀評價指標中，理論上都是在描述同一臺車輛的操縱穩(wěn)定性，任何兩個數據之間都不是相互獨立的數據，他們之間存在某種關系，甚至有些指標存在相互重疊的情況，如蛇形試驗中的“最高蛇形車速”和“通過時間”其實描述的信息是完全相同的，因此有必要進行相關性分析將某一項指標剔除。

表1 操縱穩(wěn)定性主觀評價項目及指標

類別項目指標 轉向性能轉向力原地/低速轉向力 力的建立 轉向回正 中心區(qū)轉向性能中心區(qū)轉向響應 中心區(qū)高速穩(wěn)定性 中心區(qū)力矩反饋 轉向精確度 彎道轉向性能彎道轉向響應 彎道力矩反饋 彎道控制精確性 轉向干擾方向盤擺振 操控性直線行駛穩(wěn)定性直線行駛穩(wěn)定性 直線加減速行駛穩(wěn)定性 直線制動穩(wěn)定性 彎道行駛穩(wěn)定性不足/過度轉向平衡 輪胎抓地力 操控信心 側傾控制 瞬態(tài)穩(wěn)定性移線穩(wěn)定性 橫擺穩(wěn)定性

表2 操縱穩(wěn)定性客觀評價項目及指標

序號試驗項目指標數量 1加速縱傾1 2制動縱傾1 3原地轉向18 4怠速轉向7 5轉向感覺44 6蛇形15 7雙移線15 8低速回正34 9高速回正45 10穩(wěn)態(tài)回轉22 11階躍15 12掃頻53 13中心區(qū)20

相關性分析是研究定量數據之間的關系情況，包括是否有關系，以及關系的緊密程度等。本文依次進行區(qū)域內降維、區(qū)域間降維和車輛性能相關分析獲取每個主觀區(qū)域評分對應的客觀指標。

在客觀評價體系下，可以將客觀試驗分為不同區(qū)域的試驗，如原地轉向、怠速轉向、轉向感覺和蛇形等。首先對同一區(qū)域試驗內的客觀特征進行相關性分析。設定合適閾值對同一試驗區(qū)域內和不同試驗區(qū)域間的客觀指標降維，將原來290個客觀指標精簡至74個客觀指標。對74個初篩客觀指標進行不同客觀試驗區(qū)域間的相關性分析，精簡至48個客觀指標。對48個復篩指標通過車輛性能相關分析，從中選擇每個主觀區(qū)域與之對應的客觀指標，進行每個區(qū)域的主客觀關聯(lián)模型輸入構建。相關性分析流程如圖1所示，客觀指標相關性分析熱力圖如圖2所示。

圖1 相關性分析流程圖

圖2 客觀指標相關性分析熱力圖

2 主客觀關聯(lián)模型構建

2.1 主客觀關聯(lián)數據獲取

進行操縱穩(wěn)定性主客觀關聯(lián)技術研究，需要大量的車輛主客觀性能測試數據。受限于試驗車輛、費用、周期等限制，獲取大量車輛性能主客觀測試數據較為困難，這也是目前操縱穩(wěn)定性主客觀關聯(lián)技術發(fā)展受限的一個重要原因。本文結合車輛動力學性能動態(tài)駕駛模擬技術，通過改變標定后的車輛動力學模型參數，獲取其客觀仿真數據，并在駕駛模擬器中獲取其主觀評價數據，以此為基礎進行后續(xù)主客觀關聯(lián)技術研究。圖3為本文用到的駕駛模擬器。

圖3 駕駛模擬器

2.2 主客觀關聯(lián)模型類別選擇

基于精簡后的客觀性能指標，構建合適的主客觀關聯(lián)模型，評分數據為連續(xù)型應采用回歸分析?；貧w分析是處理試驗數據最有效和常規(guī)的方法，對于多變量的數據分析，多元回歸分析可以有效地處理多個試驗的指標（客觀指標）和目標指標（主觀評分）的函數關系[7]。得到了主觀評分和客觀指標x(=1,2,…,)的函數關系式如式（1）所示：

=0+11+22+,?,+ax（1）

本文以客觀指標作為自變量，通過多元線性回歸進行多客觀指標和主觀評價評分的函數關系構建，可以得到如式（2）的模型計算形式：

式中，1,2,3,…,y為不同區(qū)域的主觀評價分數；0,1,2,…,a為回歸方程的回歸系數；x(= 1,2,…,,=1,2,…,)為不同主觀區(qū)域篩選出的客觀指標。

應對多元回歸分析，常見的模型包括：線性回歸、嶺回歸、隨機森林回歸、極端隨機樹回歸、支持向量回歸和多層感知機回歸等。各模型對比如表3所示。

表3 主客觀關聯(lián)模型對比

模型名稱優(yōu)點缺點 線性回歸計算效率高，在數據特征線性相關時效果較好對于非線性關系的數據擬合效果不佳 嶺回歸在存在多重共線性的數據時表現較好，可以控制模型的復雜度對于非線性關系的數據擬合效果不佳 隨機森林回歸能夠處理高維數據，對非線性關系擬合較好在處理噪聲較多的數據集時過擬合，不容易解釋模型內部的過程 極端隨機樹回歸計算效率高，不容易過擬合，能夠處理高維數據和大量特征在處理少量特征和相對較小數據集時可能效果不如其他模型 支持向量回歸在高維空間和樣本不平衡情況下表現較好，能夠處理非線性對于大規(guī)模數據集和回歸問題，訓練時間較長，特征可解釋性較弱 多層感知機回歸在處理復雜的非線性關系時表現較好，具有較強的擬合能力對于較小的數據集容易過擬合，訓練時間長，模型結果不易解釋

2.3 模型調優(yōu)及超參數選擇

本文首先對多個回歸模型利用網格搜索法進行超參數調優(yōu)，確定超參數范圍，采用交叉驗證尋找最優(yōu)超參數。應用最優(yōu)超參數進行之后的模型選型。

對應不同模型包含不同超參數，如表4所示。例如嶺回歸中的正則項列表為[0.1,0.3,0.5,…,10]，利用網格搜索遍歷正則項列表選擇最優(yōu)模型。

表4 模型可調參數列表

序號模型名稱可調整超參數 1線性回歸 2嶺回歸正則項值 3隨機森林回歸決策樹數量及最大深度 4極端隨機樹回歸決策樹數量及最大深度 5支持向量回歸正則項值、容忍限制寬度 6多層感知機回歸隱藏層的結構和神經元數量優(yōu)化器、學習率

通過模型調優(yōu)和超參數選擇，結合整車主客觀關聯(lián)業(yè)務，選取嶺回歸、極端隨機樹回歸、支持向量回歸和多層感知機回歸進行模型對比篩選。以區(qū)域原地/低速轉向為例，如圖4所示，從圖中可以看出嶺回歸和支持向量回歸測試集的真值與預測值擬合程度較多層感知機回歸和極端隨機樹回歸更好。

2.4 模型選擇

采用評價指標進行模型篩選，的數值越小，表示預測準確度越高。分別在不同區(qū)域采用不同模型計算評價指標，如式（3）所示。

不同模型值對比如圖4所示，通過比較可以得出，在不同區(qū)域下，嶺回歸較其他模型其值均較低，因此，選擇不同區(qū)域模型時，選擇嶺回歸模型。

圖4 不同模型MAE值對比

3 主客觀關聯(lián)模型驗證及評價

選取嶺回歸構建主客觀關聯(lián)模型，按照式（4）計算每個區(qū)域的嶺回歸誤差大小。

式中，y為嶺回歸模型對每個區(qū)域的預測評分；Y為每個區(qū)域的實際評分；為每個區(qū)域的樣本個數。

驗證結果如表5所示，用于評價模型的優(yōu)劣。除直線加減速行駛穩(wěn)定性嶺回歸誤差大于1%外，其他區(qū)域誤差均控制在1%以內，符合預期要求。

表5 嶺回歸誤差表

序號區(qū)域名稱嶺回歸誤差/% 1原地/低速轉向力0.653 2力的建立0.888 3轉向回正0.682 4中心區(qū)轉向響應0.685 5中心區(qū)高速穩(wěn)定性0.558 6中心區(qū)力矩反饋0.976 7轉向精確度0.782 8彎道轉向響應0.743 9彎道力矩反饋0.781 10彎道控制精確性0.908 11方向盤擺振0.548 12直線行駛穩(wěn)定性0.605 13直線加減速行駛穩(wěn)定性1.733 14直線制動穩(wěn)定性0.64 15不足/過度轉向平衡0.576 16輪胎抓地力0.514 17操控信心0.951 18側傾控制0.849 19移線穩(wěn)定性0.818 20橫擺穩(wěn)定性0.838

進一步地計算預測值與實際值誤差最大值、最小值、平均值與中位數，用于直觀表征模型性能，如圖5所示。

圖5 區(qū)域間差值對比圖

除區(qū)域13（直線加減速行駛穩(wěn)定性）外，差值平均值與中位數均能保持在0.05左右，偏差保持在0.71%左右，且差值最大值均不超過0.15。

對模型泛化能力進行驗證。通過客觀評價體系對新車型進行試驗獲取客觀數據，導入到每個區(qū)域構建的嶺回歸模型預測主觀評分。進行評分等級規(guī)整，按照主觀評價要求0.25為一個等級。得到不同區(qū)域的修正主觀評分，結果如表6。從表中可以看出，通過客觀指標預測得到的主觀性能評價指標與實際評價誤差均未超過0.5分，可以滿足車輛性能開發(fā)需求。

表6 模型預測誤差對比

序號區(qū)域名稱預測得分實際得分 1原地/低速轉向力77 2力的建立77 3轉向回正66.25 4中心區(qū)轉向響應77 5中心區(qū)高速穩(wěn)定性6.756.5 6中心區(qū)力矩反饋6.756.5 7轉向精確度6.756.75 8彎道轉向響應77.25 9彎道力矩反饋7.57.25 10彎道控制精確性7.257.25 11方向盤擺振7.757.75 12直線行駛穩(wěn)定性7.257.5 13直線加減速行駛穩(wěn)定性7.257.25 14直線制動穩(wěn)定性7.57.5 15不足/過度轉向平衡77.5 16輪胎抓地力6.756.5 17操控信心7.57.5 18側傾控制7.757.75 19移線穩(wěn)定性77 20橫擺穩(wěn)定性7.757.75

4 結論

車輛的操縱穩(wěn)定性主客觀關聯(lián)對車輛性能開發(fā)起著非常重要的作用。本文基于駕駛模擬器，解決了主客觀關聯(lián)所需的大量數據問題，并運用嶺回歸方法進行了車輛操縱穩(wěn)定性的主觀評價指標與客觀評價指標關聯(lián)技術研究，得到了主客觀關聯(lián)模型。并對模型的精度進行了驗證，結果表明，通過客觀指標預測得到的主觀性能評價指標與實際評價誤差均未超過0.5分，可以滿足車輛性能開發(fā)需求。本文的研究成果可以優(yōu)化車輛性能開發(fā)流程，為汽車的操縱穩(wěn)定性開發(fā)、評價等提供支撐。

[1] 劉博偉.汽車操縱穩(wěn)定性客觀評價方法研究[D].重慶:重慶交通大學,2021.

[2] 高小清,程軍.汽車操縱穩(wěn)定性評價方法研究[J].汽車技術,2017(3):8-11.

[3] 王佳偉.底盤操縱穩(wěn)定性開發(fā)中的主觀評價定量化[D].長春:吉林大學,2020.

[4] 潘佳煒,袁世海,謝偉忠.擬合次數對汽車操縱穩(wěn)定性客觀評價指標的影響[J].汽車技術,2016(2):29-32.

[5] 任成龍,王儉樸,趙素芳.乘用車操縱穩(wěn)定性的灰色關聯(lián)評價[J].機械設計與制造,2020(8):252-254.

[6] 孔繁森,郭孔輝,宗長富.基于演化策略的汽車操縱穩(wěn)定性主客觀評價的灰關聯(lián)性研究[J].機械工程學報, 2004(7):119-123.

[7] 畢錕,范英,候峙樸,等.基于CarSim和Simulink聯(lián)合仿真的汽車操縱穩(wěn)定性評價[J].河北工程大學學報(自然科學版),2022(39):106-112.

Analysis of Subjective and Objective Correlation Technology of Vehicle Handling Performance Based on Driving Simulator

WU Liguang1,2, WANG Wei2, YANG Wenhao3, WANG Changqing2, FEI Yuanjun2, LI Xin2

( 1.School of Mechanical Engineering, Tianjin University, Tianjin 300192, China;2.China Automotive Technology and Research Center Company Limited, Tianjin 300300, China;3.School of Automotive and Traffic Engineering, Hefei University of Technology, Hefei 230009, China )

The handling performance is an important component of vehicle dynamic performance. At different stages of the vehicle development process, subjective or objective evaluation methods are usually used to verify and evaluate the handling performance. This paper conducts research on the subjective and objective correlation technology of vehicle handling performance based on driving simulators. Firstly, based on the driving simulator, a large amount of vehicle performance data for subjective and objective correlation research is generated using the calibrated vehicle model with experimental data; Based on these data, a subjective and objective correlation model is established using ridge regression method, and the accuracy of the model is verified. The research results of this paper can optimize the vehicle performance development process, improve vehicle development efficiency, and provide support for the development and evaluation of vehicle handling performance.

Handling performance; Driving simulator; Subjective and objective correlation

U467.1

A

1671-7988(2023)18-72-06

吳利廣（1985－），男，碩士，高級工程師，研究方向為車輛動力學及控制，E-mail:wuliguang21@163.com。

10.16638/j.cnki.1671-7988.2023.018.015