基于TTR和模糊PID算法的汽车侧翻控制研究_欧阳名三

图3
测量值与估计值的比较图
图4
输入、 输出变量的隶属度函数
每加进一个新的 采用这种滤波方法的好处在于， ， 侧向加速度测量值 只需要利用已经算出的前一状态 的滤波值和滤波误差协方差阵， 就可以推算出下一状 态的滤波值和下一状态的误差方差阵 。 同时， 还有一
采用 M 文件编写仿真程序， 在进行仿真过程中程 序开始运行后 0． 3 s 时加入幅值为 1． 0 的干扰 u， 设置 K I = 0． 5 、 K D = － 0． 3 ，PID 参数自调 参数 K p = 1． 218 、 整变化如图 5 所示。
[（ I
x
+ ms h ） kf Ix ms
2
kf a Iz
kf h 0 Ix
]
T
当求得车辆侧翻状态方程后， 再利用拉氏变换求 得车辆发生侧翻的传递函数。在此求取的传递函数以 LTＲ d 值作为输出。 具体的 车辆前轮转角 δ 作为输入， 求解过程如下：
·
x = Ax + Bu = Ax + Bδ y = LTＲ d = C1 x 式（ 4 ） 经拉氏变换后： sX （ s） = AX （ s） + BU（ s） Y（ s） = CX （ s） 便可得车辆侧翻传递函数： 整理之后， G（ s） = Y（ s ） = C1 [ sI － A ] － 1 B U（ s）
［1 ］ ［2 ］ ［3 ］ 。 度测量成本非常高， 并且还会存在一定的干扰 本文设计车辆动态侧翻预警 Kalman 滤波估计 因此， ［4 ］ ［5 ］ ， 器 快速估计车辆相关行驶状态参数并提 来实时、
前获得车辆未来的状态参数。 在常规 PID 控制算法设计的过程中， 工程设计人员 通常根据自己实际工程经验采用合理的试凑法对控制 对象的 PID 控制参数进行不断地在线调整， 最后将调整 KI 、 KD 参 数 固 定 在 算 法 得到 的 比 较 满 意 的 K P 、 中
2015 年第 12 期
仪 表 技 术
· 45·
基于 TTＲ 和模糊 PID 算法的汽车侧翻控制研究
艳 （ 安徽理工大学 电气与信息工程学院， 安徽 淮南 232001 ）
提出了相关乘用车的防侧翻预警和控制算法的实现 。 将 Kalman 滤波应用到汽车防 摘要： 针对近年来频发的车辆侧翻事故 ， 侧翻 TTＲ 预警算法中， 将参数模糊自整定 PID 应用到车辆侧翻的主动控制中 。 对车辆状态参数的 Kalman 状态估计器在 Matlab / Simulink 平台进行了仿真； 在防侧翻主动控制中 ， 提出采用参数模糊自整定 PID 算法， 仿真结果表明参数模糊自整定 PID 控制算法 在乘用车主动侧翻控制中具有较好的适用性 。 关键词： TTＲ 预警算法； 侧翻； 参数模糊自整定 PID 算法； Matlab / Simulink 中图分类号： TP273 文献标志码： A 文章编号： 1006 － 2394 （ 2015 ） 12 － 0045 － 04
2
（ I x + m s h2 ） （ k r b － k f a ） －u m s uI x － k f a2 － k r b2 Iz u h（ k r b － k f a） Ix u 0
－ hc φ Ix 0 － cφ Ix 1
m s gh2 － k φ h Ix 0 mgh － k φ Ix 0
P k = （ I － K k H） P k － Kk 为卡尔曼滤波器增益。 其中： Pk 表示误差协方差， 为了突出估计器估计效果， 说明卡尔曼滤波器的 准确性， 同时把估计的结果和实际测量的结果进行比 较。将估计器通过对汽车的量测量 a y 滤波估计得到 汽车参数 γ、 φ， 然后将估计结果与建立的 Simulink 模 型的仿真结果比较分析， 仿真模型图 2 所示。
^ ^ － ^ － x + K k （ A y － Hx k = xk k ）
0
0
0] （ 4）
P0 = eye 估计器系数设定： 动态噪声协方差 Q = 1000 × eye（ 4 ） 量测噪声协方差 Ｒ = 1 观测矩阵 H = C （ 2 ） 推算前一时刻车辆状态预测值 ^ － ^ x = Gx k k － 1 + Fδ k － 1
Abstract： In recent years，the car rollover accident is frequently occurred． In this paper ，the implementation of the early warning and control algorithm for antiroll control of a passenger car is studied． Kalman filter algorithm is applied to TTＲ warning of automobile antirollover and the PID parameters of fuzzy selftuning is applied to a vehicle rollover in active control． By using the Matlab / Simulink the vehicle state parameters are acquired in Kalman state estimator． Parameters fuzzy selftuning PID algorithm is proposed in the antiroll initiative control． Simulation results show that parameter fuzzy selftuning PID control algorithm is adaptive to active roll control． Key words： TTＲ warning algorithm； car rollover； fuzzyPID control； Matlab / Simulink 行驶工况不断变化， 导致汽车参数频繁变化以及外部干 扰的存在， 采用常规 PID 控制算法无法达到很好地动态 控制效果， 也无法改善控制系统的鲁棒性。防侧翻控制 系统要求汽车在各种不同工况下都能快速有效控制汽 车侧翻状态， 所设计的算法必须能够根据当前车辆状态 对 PID 参数进行实时调整。因此， 本文引入了参数模糊 自整定 PID 算法， 在线实时调节 PID 参数技术以改善系 统动态控制效果和提高系统的鲁棒性能。 通过 Matlab 仿真实验证明， 参数模糊自整定 PID 算法和改 进 型 TTＲ 算 法 控 制 相 结 合 可 达 到 很 好 的 效果。 1 改进型 TTＲ 算法的实现
［ 6 ］ ［ 7 ］ ［ 8 ］
首先对本文研究的某乘用车建立车辆侧翻的三自 由度模型， 在模型的基础上分析车辆侧翻的运动状态 求取运动微分方程， 进而整理得出车辆状态空间方程， 最后求出作为研究对象的某乘用车侧翻传递函数 。根 据车辆模型及其传递函数， 提出了改进型 TTＲ 预警算
。在汽车实际行பைடு நூலகம்中， 由于其所处外部环境及
· 48·
仪 表 技 术
2015 年第 12 期
图5
［8 ］
PID 参数 K p 、 KI 、 K D 的自调整过程 42 （ 5 ） ： 1083 － 1088． ［ 4］ 陈毅华， 徐健康， 毛建国， 等． 基于 TTＲ 的汽车侧翻预警研 J］ ． 重庆理工大学学报： 自然科学版， 2014 ， 28 （ 7 ） ： 11 究［ － 15． ［ 5］ 谢清来． 基于 Kalman 滤波器的状态估计软测量［ J］ ． 电子 2010 （ 8 ） ： 32 － 36． 测试， ． 2 版． 北 京： 电 子 工 业 出 版 社， ［ 6］ 刘金 琨． 智 能 控 制［M］ 2009． ［ 7］ 武彬， 张栾英． 模糊自整定 PID 控制在主汽温控制中的应 J］ ． 计算机仿真， 2015 ， 32 （ 2 ） ： 387 － 390． 用［ D］ ． 淮南： ［ 8］ 王艳． 基于 DSP 的汽车防侧翻控制系统的研究［ 2012． 安徽理工大学， ［ 9］ 金智林． 运 动 型 多 功 能 汽 车 侧 翻 稳 定 性 及 防 侧 翻 控 制
收稿日期： 2015 － 10 基金项目： 安徽省自然科学基金资助项目 （ 1208085ME69 ） 作者简介： 欧阳名三（ 1967 —） ， 博士， 研究方向为自动控制技术 、 电池管理等。 男， 教授，
· 46·
仪 表 技 术 进而应用 TTＲ 算法进行预警控制。
2015 年第 12 期
［8 ］ ［9 ］
法。在 TTＲ 预警算法的基础上设计了以 Kalman 滤波 为基础的状态估计器， 估计未来时刻车辆的侧翻状态，
kf + kr ak f － bk r mv · ¨ v－ － ms h φ － － mu r + ( k f c f + k r c r ) φ + k f δ = 0 u u a2 k f － b2 k r ak f － bk r I · v－ r + ( ak f c f － bk r c r ) φ + ak f δ = 0 zr － u u ¨ · I x φ － m s h· v + c φ φ － m s hur + ( k φ － m s gh ) φ = 0
(
) (
(
)
)
车辆侧翻预警模型的运动微分方程
：
（ 1）
写成标准的状态空间形式如下： · x = Ax + Bδ 状态变量： x （ t ） = [ x1 （ t ） x 2 （ t ） x3 （ t ）
其中矩阵系数： （ 2）
· T x4 （ t ） ] T = [ v r φ φ ]
（ 3） － （ Ix + ms h ） （ kf + kr ） m s uI x kr b － kf a Iz A= － h（ k f + k r ） Ix u 0 B=