考虑轮胎纵滑特性的智能汽车纵向动力学行为建模及其优化控制研究

Longitudinal dynamics control is an important aspect in autonomous driving of intelligent vehicles. Since the tire longitudinal-slip behaviors have significant influence on the longitudinal motion control performance of intelligent vehicles under a wide range of road driving conditions, this program proposes to conduct the research of intelligent vehicle longitudinal motion control based on considering the tire longitudinal-slip properties. By accurately acquiring the experimental data of the tire longitudinal-slip behaviors, the effective identification of the tire longitudinal-slip properties is achieved through the piecewise affine identification method based on data-driven. Then, taking the hybrid dynamical behaviors of the tire identification model and the switching process between the driving mode and the braking mode of the intelligent vehicle into consideration, the longitudinal motion control problem is transformed into some certain scientific problems, such as the dynamical modeling and optimal control of a determined hybrid system. Subsequently, the system hybrid dynamical model, which can reflect the essential characteristics accurately, is established and a hybrid control law is synthesized based on the model predictive control technology. Finally, the real vehicle road tests are carried out to verify the actual performance of the control system. In a nutshell, this research can establish a mathematical model which is more in tune with the actual longitudinal dynamic characteristics of intelligent vehicle. Meanwhile, it can substantially improve the system control performance and reduce the vehicle longitudinal impact. This program will provide the new theoretical basis and technical support for the longitudinal motion control of intelligent vehicle.

纵向动力学控制是实现智能汽车自主驾驶的关键环节之一，本项目针对轮胎纵滑行为对于智能汽车在大范围道路行驶条件下的纵向运动控制性能具有显著影响这一重要特征，提出在考虑轮胎纵滑特性的基础上进行智能汽车纵向运动控制研究。通过准确获取反映轮胎纵滑特性的试验数据，采用基于数据驱动的分段仿射辨识方法进行轮胎纵滑特性的有效辨识；结合轮胎辨识模型及智能汽车在驱动模式与制动模式切换过程中存在的混杂动力学行为，将智能汽车纵向运动控制问题抽象为一类混杂系统动态建模及其优化控制的科学问题；通过构建能够准确反映系统本质特征的混杂动态模型，引入模型预测控制方法进行系统混杂控制律的有效综合，最后完成控制律的实现及实车道路试验验证。项目旨在建立更加符合智能汽车实际纵向动力学特性的数学模型，基于混杂系统理论对其进行优化控制，改善系统纵向冲击，实现系统控制性能的实质性提升，为智能汽车纵向动力学控制提供新的理论基础和技术支持。

纵向运动控制对于实时调节智能汽车纵向运动状态、保证智能汽车行驶安全具有重要意义。本项目以智能汽车纵向运动控制系统作为研究对象，针对轮胎纵滑特性对于智能汽车在大范围道路行驶条件下的纵向运动控制性能具有显著影响这一重要特征，提出基于数据驱动的轮胎纵滑特性分段仿射辨识方法，通过运用分段仿射辨识理论完成轮胎非线性纵滑特性的有效辨识，获取轮胎纵滑特性数学模型的分段仿射形式，从而突破传统建模方式无法有效协调轮胎模型精度要求和便于控制器设计二者相互矛盾的技术瓶颈；在此基础上，进一步结合轮胎分段仿射辨识模型及智能汽车纵向运动控制过程中存在的混杂动力学行为，完成系统混杂动态特征分析，深入解析系统控制过程中连续动态过程与离散事件相互耦合、相互作用的复杂运行机理，基于HYSDEL编译语言进行系统混杂动力学行为准确描述，进而构建智能汽车纵向动力学混合逻辑动态模型，实现将描述智能汽车纵向动力学行为混杂动态特征的连续动态过程与离散事件集成在一个统一的模型框架内，为后续系统优化控制律的综合奠定模型基础。以前述建立的系统混合逻辑动态模型作为预测模型，基于混杂模型预测控制理论进行系统优化控制律的有效综合。以实现汽车期望纵向速度与实际纵向速度之差最小为系统主要控制目标，在满足执行机构响应特性、系统变量演化范围等限制条件下，根据系统实际运行工况，决策出驱动模式与制动模式的最佳切换序列，同时合理控制系统驱动转矩与制动转矩的最优值，从而寻求使得选定目标函数值最小的系统控制策略，实现系统全局优化控制，在实质性提高智能汽车纵向运动控制性能的同时，减小驱动模式与制动模式切换过程中产生的整车纵向冲击，改善系统整体工作品质。研究结果表明，通过本项目的研究可使得智能汽车纵向速度跟踪精度达到96%，同时降低纵向速度跟踪过程中的系统冲击达25%，显著改善了智能汽车运动控制性能，从而实现了较好的学术研究意义和一定的工程应用价值。