第39卷󰀁增刊2吉林大学学报(工学版)󰀁Vol.39󰀁Sup.22009年9月JournalofJilinUniversity(EngineeringandTechnologyEdition)󰀁Sept.2009

收稿日期:2009󰀁04󰀁25.基金项目:高等学校博士学科点专项科研基金项目(200801830030);󰀁863󰀁国家高技术研究发展计划项目(2006AA110104).作者简介:于志新(1975-),男,讲师,博士研究生.研究方向:汽车动态仿真与控制.E󰀁mail:ccutyu@163.com通信作者:宗长富(1962-),男,教授,博士生导师.研究方向:汽车动态仿真与控制.E󰀁mail:cfzong@yahoo.com.cn基于TTR预警的重型车辆防侧翻控制算法于志新1,2,宗长富2,何󰀁磊2,王素文3(1.长春工业大学机电工程学院,长春130012;2.吉林大学汽车动态模拟国家重点实验室,长春130022;3.长春理工大学理学院,长春130022)摘󰀁要:对建立的重型车辆8DOF与5DOF实时简化动力学模型进行了比较,优选出了能较好预测未来侧翻危险程度的5DOF模型,进而研究了基于该模型的实时TTR侧翻预警算法和基于预警算法的防侧翻LQR最优主动控制策略。应用差动制动的方法对重型车辆进行了主动侧倾控制,还选取鱼钩等四种转向工况,以TruckSim和MatLab联合仿真来验证预警算法的精度与可靠性。仿真结果表明,基于差动制动的LQR控制方法能有效地降低侧翻指标󰀁󰀁󰀁横向载荷转移率(LTR),避免侧翻的发生,显著提高了重型车辆的侧倾稳定性。关键词:车辆工程;重型车辆;侧翻预警;差动制动中图分类号:U469.5󰀁󰀁文献标识码:A󰀁󰀁文章编号:1671󰀁5497(2009)Sup.2󰀁0251󰀁04Algorithmsofanti󰀁rollovercontrolforheavyvehiclebasedonTTRwarningYUZhi󰀁xin1,2,ZONGChang󰀁fu2,HELei2,WANGSu󰀁wen3(1.SchoolofMechatronicEngineering,ChangchunUniversityofTechnology,Changchun130012,China;2.StateKeyLaboratoryofAutomotiveDynamicSimulation,JilinUniversity,Changchun130022,China;3.DepartmentofScience,ChangchunUniversityofScienceandTechnology,Changchun130022,China)Abstract:Themodelsofsimplifyreal󰀁timedynamicfortheheavyvehicleswascompared,anda5DOFmodelofheavysemi󰀁trailerwasselectedoutbecauseitcanbetterpredictthefuturerolloverrisk.Analgorithmofreal󰀁timeTTRrolloverwarningbasedonthemodelandoptimalactivecontrolstrategiesforanti󰀁rolloverLQRbasedonthealgorithmwereresearched.Theheavyvehicleswereactivecontrolledforrolloverwithdifferentialbraking.AccuracyandreliabilityofwarningalgorithmswasalsoverifiedusingTruckSimandMatLabCo󰀁simulationforfishhooketc.steeringsituation.TheresultsshowthismethodcanreducerolloverperformanceindexofLateralLoadTransferRatioeffectivelyandavoidoccurredrolloverandimprovetherollstabilityofheavyvehiclessignificantly.Keywords:vehicleengineering;heavyvehicles;rolloverwarning;differentialbraking󰀁󰀁自上世纪90年代起,美、日、法等国都投入巨资开展针对SUV和重型车辆的侧翻预警和控制的研究,主要应用基于侧向加速度、侧倾角及横向载荷转移率(LTR󰀁LateralLoadTransferRatio)门限值的警示算法。车辆防侧翻控制系统主要应用主动悬架、主动横向稳定器和差动制动等来抑制车身侧倾的趋势,减少侧翻事故的发生[1󰀁4]。我国在汽车预防侧翻主动安全控制方面还处吉林大学学报(工学版)第39卷于起步阶段。吉林大学、南京航空航天大学等科研机构针对重型半挂车侧倾稳定性问题,通过建立车辆侧翻模型对质心侧偏角和横摆角速度进行联合控制,并应用主动悬架和主动横向稳定器等方法对防侧翻控制系统进行了仿真验证[5󰀁6]。本文提出了一种基于模型的侧翻时间(TTR󰀁TimeToRollover)预警算法来判断车辆接近侧翻的程度,再结合预警参考模型预测出车辆侧翻发生时间以提高汽车主动安全性。并对应用线性二次型状态调节器(LQR󰀁LinearQuadraticRegulator)控制算法获取最优附加横摆力矩,采取差动制动精确控制相应制动车轮,降低侧翻危险。1󰀁侧翻预警算法TTR是指车辆以当前时刻运行到一侧车轮离地时所需的时间。因为车轮离地是车辆侧翻事故即将发生的信号。侧翻发生后,真实的TTR可以反推求出。如图1所示,一旦车辆侧倾角超过设定的临界值,就可以从侧翻时刻起沿着TTR󰀁时间曲线中一条斜率为-1的直线进行反推并定义事故发生前一个0.2s的时刻使其有0.2s的󰀁真实TTR󰀁。如果能实时预测重构TTR,就可以精确描述和报告车辆侧翻的危险程度[7]。图1󰀁TTR概念示意图Fig.1󰀁SchematicdiagramofTTRconcept本文应用吉林大学汽车动态模拟国家重点实验室建立的重型半挂车8DOF及简化5DOF模型做为预警参考模型来研究侧翻预警算法[5]。TTR预警算法是以侧翻模型来预测真实车辆状态参数的响应,以当前状态为初始值,步长为Ts来计算模型的侧翻指标。侧翻指标选取基于模型的LTR(-1~+1之间),其绝对值为1则说明车辆开始侧翻。预设侧翻预警门限值为X秒,当侧翻指标第一次满足侧翻条件时记下计算步数N,得到预警时间TTR=N󰀁Ts。若X秒内侧翻指标不满足侧翻条件则停止计算,设置侧翻预测时间为Xs,即未来Xs内不会侧翻;小于门限值则认为存在侧翻风险。TTR值越小则汽车侧翻风险越高,TTR为0即说明汽车正在侧翻。侧翻预警算法流程如图2所示。图2󰀁侧翻预警算法流程图Fig.2󰀁Flowchartofanti󰀁rolloverwarningalgorithm2󰀁重型车辆侧翻预警联合仿真由于重型半挂车更容易侧翻,所以对其预警就尤为重要。本文应用TruckSim对5DOF、8DOF车辆预警模型分别在四种(斜坡、阶跃、避障和鱼钩)转向工况下进行60~80km/h车速的侧翻预警仿真。限于篇幅,本文以图3、图4为例进行鱼钩转向工况70km/h车速时的TTR预警和LTR对比结果说明。图3󰀁70km/h时TTR预警对比Fig.3󰀁ComparisonofTTRwarningat70km/h由对比曲线可知,5DOF和8DOF模型在TTR门限值为3s时的预测效果较好,准确度都很高。再由此5DOF预警模型与TruckSim模拟󰀁252󰀁增刊2于志新,等:基于TTR预警的重型车辆防侧翻控制算法图4󰀁70km/h时LTR预警对比Fig.4󰀁ComparisonofLTRwarningat70km/h的真实车辆进行验证,显示此模型跟随性好,侧翻性能指标跟踪效果稳定。因此选5DOF模型作为重型半挂车防侧翻控制算法的预警参考模型。3󰀁防侧翻控制算法与仿真3.1󰀁控制器的设计以实时参考模型为基础,应用基于预警算法的防侧翻LQR最优主动控制策略,并以差动制动(DB󰀁differentialbraking)为防侧翻控制系统的执行机构来对重型车辆进行主动侧倾控制。线性二次型最优控制(LQ󰀁LinearQuadraticOptimization)是一种普遍采用的最优控制系统设计方法,用以控制状态空间表达式给出的线性系统,其性能指标是系统状态与控制输入的二次型函数。而线性二次型状态调节器(LQR)则适用于无限长时间、线性时不变(LTI󰀁LinearTime图5󰀁线性二次型调节器构造框图Fig.5󰀁BlockdiagramofLinearQuadraticRegulatorInvariant)二次型最优控制问题。本文控制器构造如图5所示。LQR问题就是在线性系统的约束条件下,选择控制输入u(t),使得二次型性能指标J达到最小。J=󰀁󰀁0(zTQz+uTRu)dt(1)式中:矩阵Q和R为设计参数,分别代表性能输出z和控制输入u的相对权重。对于实际问题,Q是半正定,R是正定的,(A,B0)可控,(C1,A)可观测,则有最优反馈矩阵:KFB=R-1BT0S(2)唯一的最优控制:u(t)=-KFBx(t)R-1BT0Sx(t)(3)󰀁󰀁u(t)即为控制器所设计出的差动制动产生的实时最优横摆阻力矩,用以纠正车辆的不足转向和过度转向。S为对称、半正定矩阵,是Riccati方程:SA+ATS-SB0R-1BT0S+CT1QC1=0(4)的唯一解。闭环系统:x󰀁(t)=(A-B0R-1BT0S)x(t)(5)是渐进稳定的,其解为最优轨迹x*(t)。3.2󰀁基于TTR预警的防侧翻控制算法如图6所示,本文防侧翻控制算法以TTR为触发信号,将LQR决策得到的最优附加横摆力矩以差动制动方式精确控制相应车轮制动。考虑重型半挂车具有后部放大效应而使其横摆和侧翻稳定极限降低,选取车辆的稳定性控制目标为横摆角速度和质心侧偏角,采用LQR最优控制产生理想的附加横摆力矩,再以图7所示的差动图6󰀁侧翻控制算法流程图Fig.6󰀁Flowchartofalgorithmforcontrolrollover图7󰀁差动制动逻辑判断框图Fig.7󰀁BlockdiagramoflogicjudgmentforDB󰀁253󰀁吉林大学学报(工学版)第39卷制动逻辑控制相应的制动车轮,最终通过抑制LTR来防止车辆侧翻。4󰀁仿真结果分析如图8所示,以鱼钩转向工况下80km/h车速进行基于差动制动的牵引车前轮制动力矩随时间变化的仿真曲线(后轮略)为例进行分析。(a)左前轮(b)右前轮图8󰀁牵引车前轮制动力矩Fig.8󰀁Brakingtorqueoftractorfrontwheel牵引车前轮预警控制时在1~2.5s所需制动力矩不到1.5kN󰀁m,而基于连续控制时在0~2.5s内所需制动力矩最大达到2.25kN󰀁m;牵引车右前轮预警控制时在3~6.7s施加制动力矩,4s后达到制动器饱和值3.5kN󰀁m,而基于连续制动时在2.5~6.7s施加制动力矩,在5s才达到制动器饱和值3.5kN󰀁m。可见,此控制系统大大节省了制动能量,明显降低了制动强度。由图9可知,基于TTR侧翻预警控制,可将半挂车质心侧偏角幅度由控制前的3󰀁减至0󰀁附近。5󰀁结󰀁论(1)本文对5DOF和8DOF重型半挂车预警模型与TruckSim模拟的真实车辆进行了验证,选取有更高运算速度和超实时性的5DOF模型作为重型车辆防侧翻控制算法的预警参考模型。图9󰀁半挂车质心侧偏角随时间变化曲线Fig.9󰀁Changecurveofsideslipangleofsemi󰀁trailer(2)在鱼钩转向等工况下,对参考模型进行仿真以验证LQR防侧翻控制算法。结果表明:此算法能很好的控制车辆侧翻,防止侧翻事故发生,具有很好的可靠性、普适性和稳定性。参考文献:[1]LundYI,BernardJE.Analysisofsimplerollovermetrics[C]󰀁SAEPaper950306.[2]ChenBo󰀁chiuan.Warningandcontrolorvehiclerollverprevention[D].DepartmentofMechanicalEngineering,UniversityofMichigan,2001.[3]RakhjaS,PicheA.Developmentofdirectionalsta󰀁bilitycriteriaforanearlywarningsafetydevice[C]󰀁SAEPaper902265.[4]ErvinRD,WinklerCB,FancherPS,etal.Cooper󰀁ativeagreementtofosterthedevelopmentofaheavyvehicleintelligentdynamicstabilityenhancementsystem[R].UniversityofMichiganTransportationResearchInstitute,1992.[5]麦莉,宗长富,高越,等.重型半挂车侧倾稳定性仿真与分析[J].吉林大学学报:工学版,2008,38(S2):5󰀁10.MaiLi,ZongChang󰀁fu,GaoYue,etal.Simulationandanalysisofrollstabilityforheavytractorsemi󰀁trailer[J].JournalofJilinUniversity(EngineeringandTechnologyEdition),2008,38(S2):5󰀁10.[6]金智林,翁建生,胡海岩.汽车侧翻预警及防侧翻控制[J].动力学与控制学报,2007,5(4):365󰀁369.JinZhi󰀁lin,WengJian󰀁sheng,HuHai󰀁yan.Rolloverwarningandanti󰀁rollovercontrolforautomobile[J].JournalofDynamicsandControl,2007,5(4):365󰀁369.[7]ChenBo󰀁chiuan,PengHuei.Differential󰀁braking󰀁basedrolloverpreventionforsportutilityvehicleswithhuman󰀁in󰀁the󰀁loopevaluations[J].VehicleSystemDynamics,2001,36(4/5):359󰀁389.󰀁254󰀁