本發(fā)明屬于智能車輛自動(dòng)駕駛領(lǐng)域，具體涉及一種基于主動(dòng)安全的智能汽車軌跡跟蹤控制系統(tǒng)及控制方法。

背景技術(shù)：

汽車的智能化主要體現(xiàn)在以自動(dòng)駕駛替代人工操作，汽車的行為和運(yùn)行狀態(tài)均可控可預(yù)測(cè)，既降低駕駛員的操作強(qiáng)度，又減少了交通事故發(fā)生率，根據(jù)實(shí)時(shí)路況信息規(guī)劃出行路徑，使車輛在道路上高效的行駛，最終實(shí)現(xiàn)道路交通“零傷亡、零擁堵”。因此，智能汽車是安全、高效、節(jié)能的下一代汽車，研究智能汽車具有極為重要的意義，已成為全球汽車產(chǎn)業(yè)界的關(guān)注焦點(diǎn)。目前已經(jīng)投入使用的具有自動(dòng)駕駛功能的車輛如碼頭無(wú)人駕駛車輛或帶自動(dòng)泊車功能的車輛的行駛環(huán)境處于低速、特定場(chǎng)合使用，但智能汽車需要以較高的車速行駛在復(fù)雜的道路環(huán)境中。使用車輛動(dòng)力學(xué)模型對(duì)對(duì)車輛的未來(lái)行為進(jìn)行預(yù)測(cè)，可以提高智能汽車高速下的可靠性與預(yù)測(cè)能力；同時(shí)，與低速行駛相比高速行駛下的執(zhí)行機(jī)構(gòu)控制輸入、輪胎與地面摩擦引起的滑移，以及橫向加速度引起的側(cè)傾等動(dòng)力學(xué)非線性約束條件的要求更加嚴(yán)格。對(duì)這些約束進(jìn)行深入分析將進(jìn)一步保障車輛形式的安全性與穩(wěn)定性。本發(fā)明將建立基于車輛動(dòng)力學(xué)模型的軌跡跟蹤控制器，結(jié)合車輛高速運(yùn)動(dòng)下的各類約束，求解復(fù)雜約束條件下的模型預(yù)測(cè)控制方法?，F(xiàn)有的技術(shù)中，存在以下技術(shù)問(wèn)題：(1)大多數(shù)裝置成本較高；(2)大多數(shù)只是進(jìn)行單純的仿真研究，沒(méi)有考慮真正的執(zhí)行機(jī)構(gòu)運(yùn)行時(shí)的安全問(wèn)題；(3)智能汽車轉(zhuǎn)向工況復(fù)雜多變，汽車轉(zhuǎn)向操縱對(duì)各工況的控制要求較高，傳統(tǒng)的控制策略無(wú)法滿足高速行駛情況下的車輛穩(wěn)定性與安全性。

為了保證智能汽車高速行駛在復(fù)雜交通環(huán)境下的安全性與穩(wěn)定性，本發(fā)明具體開(kāi)發(fā)了一套基于主動(dòng)安全的智能汽車軌跡跟蹤控制系統(tǒng)。首先建立了基于線性時(shí)變模型預(yù)測(cè)控制算法的軌跡跟蹤控制單元，結(jié)合各動(dòng)力學(xué)約束，得出前輪轉(zhuǎn)角理想值，為了進(jìn)一步保證車輛運(yùn)行的安全性，主動(dòng)安全轉(zhuǎn)向系統(tǒng)根據(jù)前輪轉(zhuǎn)角理想值，進(jìn)行基于側(cè)翻預(yù)警的主動(dòng)前輪轉(zhuǎn)角補(bǔ)償控制，以達(dá)到避免車輛側(cè)翻的目標(biāo)。

技術(shù)實(shí)現(xiàn)要素：

為解決現(xiàn)有技術(shù)存在的不足，本發(fā)明提供了一種基于主動(dòng)安全的智能汽車軌跡跟蹤控制系統(tǒng)及控制方法，在軌跡跟蹤控制單元的基礎(chǔ)上結(jié)合主動(dòng)安全線控轉(zhuǎn)向單元，最終達(dá)到車輛在高速?gòu)?fù)雜路況下的穩(wěn)定性與安全性的要求。

本發(fā)明是通過(guò)以下技術(shù)方案實(shí)現(xiàn)上述技術(shù)目的。

一種基于主動(dòng)安全的智能汽車軌跡跟蹤控制系統(tǒng)，包括基于模型預(yù)測(cè)控制的軌跡跟蹤控制單元和具有主動(dòng)安全功能的線控轉(zhuǎn)向單元，所述軌跡跟蹤控制單元與線控轉(zhuǎn)向單元通信；

所述軌跡跟蹤控制單元包括第一gps天線、第一電臺(tái)、第二電臺(tái)、第二gps天線、慣導(dǎo)系統(tǒng)、智能終端、方向盤轉(zhuǎn)角傳感器及前輪轉(zhuǎn)角傳感器，所述第一gps天線與第一電臺(tái)組成基準(zhǔn)站，所述第二電臺(tái)與第二gps天線組成流動(dòng)站，所述慣導(dǎo)系統(tǒng)采集慣導(dǎo)數(shù)據(jù)，所述流動(dòng)站獲取智能汽車的初始位置數(shù)據(jù)并接收基準(zhǔn)站發(fā)送的差分信號(hào)對(duì)初始位置數(shù)據(jù)進(jìn)行差分后，通過(guò)慣導(dǎo)數(shù)據(jù)校正智能汽車的精確位置數(shù)據(jù)并發(fā)送給智能終端，所述智能終端還通過(guò)串口接收方向盤轉(zhuǎn)角傳感器、前輪轉(zhuǎn)角傳感器采集的方向盤轉(zhuǎn)角、前輪轉(zhuǎn)角，從而計(jì)算出智能汽車的目標(biāo)轉(zhuǎn)角；

所述線控轉(zhuǎn)向單元包括mcu、電機(jī)驅(qū)動(dòng)器及轉(zhuǎn)向執(zhí)行電機(jī)，所述mcu接收智能汽車的目標(biāo)轉(zhuǎn)角并修正，然后通過(guò)can總線將修正后的目標(biāo)轉(zhuǎn)角發(fā)送給電機(jī)驅(qū)動(dòng)器，電機(jī)驅(qū)動(dòng)器通過(guò)串口與轉(zhuǎn)向執(zhí)行電機(jī)通信，控制智能汽車，達(dá)到車輛路徑跟蹤的目的。

上述方案中，所述軌跡跟蹤控制單元與線控轉(zhuǎn)向單元通過(guò)usb轉(zhuǎn)rs232串口通信。

上述方案中，所述流動(dòng)站安裝在智能汽車上。

上述方案中，所述第一gps天線實(shí)時(shí)測(cè)量出基準(zhǔn)站的位置并與測(cè)定位置進(jìn)行計(jì)算得出差分信號(hào)，第一電臺(tái)將差分信號(hào)發(fā)送至第二電臺(tái)。

上述方案中，所述mcu采用mc9s12xet256芯片。

一種基于主動(dòng)安全的智能汽車軌跡跟蹤控制方法，包括以下步驟：

s1，建立三自由度非線性車輛動(dòng)力學(xué)模型，將車輛四輪模型簡(jiǎn)化為單車模型，并選擇車輛的狀態(tài)量ξdyn與控制量udyn；

s2，對(duì)非線性車輛動(dòng)力學(xué)模型進(jìn)行線性化，得到線性時(shí)變方程；

s3，采用一階差商的方法進(jìn)行對(duì)線性時(shí)變方程進(jìn)行離散化處理，得到離散的狀態(tài)空間表達(dá)式；

s4，設(shè)計(jì)目標(biāo)函數(shù)使得智能汽車能夠快速且平穩(wěn)地追蹤期望軌跡；

s5，考慮每個(gè)控制周期內(nèi)基于非線性車輛動(dòng)力學(xué)模型的軌跡跟蹤控制算法的優(yōu)化問(wèn)題，包括控制量的約束：控制增量與控制量的約束，車輛動(dòng)力學(xué)約束：質(zhì)心側(cè)偏角約束、輪胎側(cè)偏角的約束與車輛附著條件約束；

s6，在每個(gè)控制周期內(nèi)求解優(yōu)化問(wèn)題后得到控制時(shí)域nc內(nèi)理想的控制輸入增量序列將此序列中的第一個(gè)元素與上一時(shí)刻的控制量相加，得到最終的控制量udyn(t)；

s7，建立車輛四自由度側(cè)翻模型，根據(jù)橫向載荷轉(zhuǎn)移率ltr來(lái)判斷汽車側(cè)翻危險(xiǎn)程度；

s8，利用自回歸模型，對(duì)側(cè)翻判別指示橫向載荷轉(zhuǎn)移率ltr進(jìn)行預(yù)測(cè)。

進(jìn)一步，所述s2中線性時(shí)變方程為ξdyn＝adyn(t)ξdyn(t)+bdyn(t)udyn(t)，其中adyn，bdyn為t時(shí)刻線性車輛動(dòng)力學(xué)模型的轉(zhuǎn)移矩陣。

進(jìn)一步，所述s3中離散的狀態(tài)空間表達(dá)式為ξdyn(k+1)＝adyn(k)ξdyn(k)+bdyn(k)udyn(k)，其中adyn(k)＝i+tadyn(t)，bdyn(k)＝i+tbdyn(t)，i為單位矩陣，t為采樣時(shí)間。

進(jìn)一步，所述s7中橫向載荷轉(zhuǎn)移率ltr的表達(dá)式為：其中fz1和fz2分別為智能汽車左側(cè)車輪和右側(cè)車輪上的垂直載荷。

進(jìn)一步，所述s8具體為：

s8.1，根據(jù)自回歸模型定義可得自回歸預(yù)測(cè)公式為其中xn+i為預(yù)測(cè)值，xn-1+ixn-2+i…xn-p+i為已知的觀測(cè)值，p是模型階數(shù)；是模型參數(shù)；

s8.2，利用艾克準(zhǔn)則來(lái)確定模型階數(shù)p，模型階數(shù)p的確定方法為ip＝log[sp(n)/n]+2p/n和其中模型階數(shù)p＝1,2...m，m為所設(shè)模型階數(shù)的最大值；n是建模預(yù)測(cè)需要的已知數(shù)據(jù)個(gè)數(shù)；觀察i1、i2...im，其中最小的ip即為最小模型階數(shù)；sp(n)為模型殘差平方和；

s8.3，模型階數(shù)p確定后，采用遞推最小二乘法進(jìn)行預(yù)測(cè)模型參數(shù)的估計(jì)，模型參數(shù)的最小二乘法估計(jì)值可表示為

s8.4，采用模糊pi控制算法，由實(shí)際橫向載荷轉(zhuǎn)移率ltr值和ltr閥值的偏差e、偏差的化率ec共同決定的，模糊pi控制器的輸入為實(shí)際橫向載荷轉(zhuǎn)移率ltr值與ltr閥值的偏差e、偏差變化率ec，pi控制的比例系數(shù)kp和微分系數(shù)ki均為模糊pi控制器的輸出。

本發(fā)明的有益效果是：

(1)本發(fā)明開(kāi)發(fā)了一套基于主動(dòng)安全的智能汽車軌跡跟蹤控制系統(tǒng)，其中的智能終端實(shí)時(shí)獲取車輛的精確位置與目標(biāo)轉(zhuǎn)角從而獲取車輛的姿態(tài)信息，實(shí)現(xiàn)車輛對(duì)目標(biāo)軌跡的跟蹤。

(2)本發(fā)明設(shè)計(jì)的考慮各動(dòng)力學(xué)約束的軌跡跟蹤控制單元性能較好，通過(guò)選擇先進(jìn)的差分算法能夠精確獲得車輛的行駛軌跡，并且設(shè)計(jì)的軌跡跟蹤控制方法能夠快速的在不同車速下完成對(duì)期望軌跡的跟蹤，軌跡跟蹤控制單元對(duì)解決智能汽車在高速行駛時(shí)的軌跡跟蹤控制問(wèn)題具有獨(dú)特的優(yōu)勢(shì)，對(duì)路面附著條件、車速變化和參考軌跡具有良好的魯棒性和適應(yīng)性。

(3)本發(fā)明設(shè)計(jì)的線控轉(zhuǎn)向控制單元的可行性且超調(diào)量小、穩(wěn)定性好，線控轉(zhuǎn)向可以自由的進(jìn)行前輪轉(zhuǎn)角的設(shè)計(jì)，由于汽車的穩(wěn)定性能和汽車的轉(zhuǎn)向存在著巨大的聯(lián)系，本發(fā)明將線控轉(zhuǎn)向技術(shù)與汽車主動(dòng)安全技術(shù)相關(guān)聯(lián)，研究其控制方法；可以減小汽車側(cè)翻危險(xiǎn)工況下的橫擺角速度和側(cè)向加速度，進(jìn)一步提升汽車的穩(wěn)定性能與主動(dòng)安全性能。

(4)本發(fā)明設(shè)計(jì)的整個(gè)系統(tǒng)控制方法具有可行性，采用的無(wú)線電臺(tái)通信抗干擾能力強(qiáng)，并且能夠保證車輛在高速行駛時(shí)的穩(wěn)定性，未來(lái)將轉(zhuǎn)向系統(tǒng)改裝至車輛上是可行的。

附圖說(shuō)明

圖1為一種基于主動(dòng)安全的智能汽車軌跡跟蹤控制系統(tǒng)的整體硬件框架圖；

圖2為一種基于主動(dòng)安全的智能汽車軌跡跟蹤控制系統(tǒng)的硬件實(shí)物圖，圖2(a)為第二電臺(tái)3、第二gps天線4與慣導(dǎo)系統(tǒng)5的安裝實(shí)物圖，圖2(b)為方向盤轉(zhuǎn)角傳感器8的安裝實(shí)物圖，圖2(c)為試驗(yàn)車輛實(shí)物圖，圖2(d)為mcu10的實(shí)物圖；

圖3為一種基于主動(dòng)安全的智能汽車軌跡跟蹤控制系統(tǒng)的控制原理圖；

圖4為三自由度非線性車輛動(dòng)力學(xué)模型圖；

圖5為車輛四自由度側(cè)翻模型圖，圖5(a)為車輛四自由度側(cè)翻模型主視圖，圖5(b)為車輛四自由度側(cè)翻模型側(cè)視圖；

圖6為ltr偏差e、ltr偏差變化率ec與比例系數(shù)kp、ki的模糊規(guī)則曲面圖，圖6(a)為ltr誤差e、ltr誤差變化率ec與比例系數(shù)kp的模糊規(guī)則曲面圖，圖6(b)為ltr誤差e、ltr誤差變化率ec與微分系數(shù)ki的模糊規(guī)則曲面圖；

圖7為三角隸屬度函數(shù)圖，圖7(a)為誤差隸屬函數(shù)圖，圖7(b)為誤差微分隸屬函數(shù)圖。

具體實(shí)施方式

下面結(jié)合附圖以及具體實(shí)施例對(duì)本發(fā)明作進(jìn)一步的說(shuō)明，但本發(fā)明的保護(hù)范圍并不限于此。應(yīng)當(dāng)注意的是，下述實(shí)施例中描述的技術(shù)特征或者技術(shù)特征的組合不應(yīng)當(dāng)被認(rèn)為是孤立的，它們可以被相互組合從而達(dá)到更好的技術(shù)效果。

如圖1所示，一種基于主動(dòng)安全的智能汽車軌跡跟蹤控制系統(tǒng)，包括基于模型預(yù)測(cè)控制的軌跡跟蹤控制單元和具有主動(dòng)安全功能的線控轉(zhuǎn)向單元，所述軌跡跟蹤控制單元與線控轉(zhuǎn)向單元通過(guò)usb轉(zhuǎn)rs232串口通信；

軌跡跟蹤控制單元包括第一gps天線1、第一無(wú)線電臺(tái)2、第二無(wú)線電臺(tái)3、第二gps天線4、慣導(dǎo)系統(tǒng)5、智能終端6、電源7、方向盤轉(zhuǎn)角傳感器8及前輪轉(zhuǎn)角傳感器9，第一gps天線1與第一電臺(tái)2組成基準(zhǔn)站，第二電臺(tái)3與第二gps天線4組成流動(dòng)站(安裝在智能汽車上)，慣導(dǎo)系統(tǒng)5采集慣導(dǎo)數(shù)據(jù)，流動(dòng)站獲取智能汽車的初始位置數(shù)據(jù)，并接收基準(zhǔn)站發(fā)送的差分信號(hào)對(duì)初始位置數(shù)據(jù)進(jìn)行差分后，通過(guò)慣導(dǎo)數(shù)據(jù)校正智能汽車的精確位置數(shù)據(jù)并發(fā)送給智能終端6；智能終端6還通過(guò)串口接收方向盤轉(zhuǎn)角傳感器8、前輪轉(zhuǎn)角傳感器9采集的方向盤轉(zhuǎn)角、前輪轉(zhuǎn)角，從而計(jì)算出智能汽車的目標(biāo)轉(zhuǎn)角；電源7用于給流動(dòng)站、慣導(dǎo)系統(tǒng)5供電；智能終端6能夠完成車輛運(yùn)行狀態(tài)的感知、組合導(dǎo)航定位及路徑跟蹤控制目標(biāo)值計(jì)算；本實(shí)施例的基準(zhǔn)站測(cè)定位置為[32.1984725306，119.5137124611，103.888]，安裝于江蘇大學(xué)三江樓樓頂。

線控轉(zhuǎn)向單元包括主動(dòng)安全線控轉(zhuǎn)向控制器mcu10、電機(jī)驅(qū)動(dòng)器11及轉(zhuǎn)向執(zhí)行電機(jī)12，mcu10采用mc9s12xet256芯片；主動(dòng)安全線控轉(zhuǎn)向控制器mcu10接收智能汽車的目標(biāo)轉(zhuǎn)角并通過(guò)主動(dòng)安全線控轉(zhuǎn)向算法修正，然后通過(guò)can總線將修正后的目標(biāo)轉(zhuǎn)角發(fā)送給電機(jī)驅(qū)動(dòng)器11，電機(jī)驅(qū)動(dòng)器11通過(guò)串口與轉(zhuǎn)向執(zhí)行電機(jī)12通信，控制智能汽車，達(dá)到車輛路徑跟蹤的目的。

如圖2所示為一種基于主動(dòng)安全的智能汽車軌跡跟蹤控制系統(tǒng)的實(shí)物硬件，其中(a)為第二電臺(tái)3、第二gps天線4與慣導(dǎo)系統(tǒng)5安裝實(shí)物圖，(b)為方向盤轉(zhuǎn)角傳感器8安裝實(shí)物圖，(c)為試驗(yàn)車輛，(d)為mcu10的實(shí)物圖。

一種基于主動(dòng)安全的智能汽車軌跡跟蹤控制系統(tǒng)的工作過(guò)程為:

基準(zhǔn)站向流動(dòng)站發(fā)送差分信號(hào)，流動(dòng)站接收差分信號(hào)后對(duì)獲取的智能汽車初始位置數(shù)據(jù)進(jìn)行差分，通過(guò)慣導(dǎo)系統(tǒng)5采集的慣導(dǎo)數(shù)據(jù)校正智能汽車的精確位置數(shù)據(jù)并發(fā)送給智能終端6；方向盤轉(zhuǎn)角傳感器8采集方向盤轉(zhuǎn)角、前輪轉(zhuǎn)角傳感器9采集前輪轉(zhuǎn)角，并通過(guò)串口傳輸給智能終端6，智能終端6根據(jù)基于軌跡跟蹤控制算法計(jì)算出智能汽車的目標(biāo)轉(zhuǎn)角并發(fā)送給主動(dòng)安全線控轉(zhuǎn)向控制器mcu10，主動(dòng)安全線控轉(zhuǎn)向控制器mcu10通過(guò)主動(dòng)安全線控轉(zhuǎn)向控制算法對(duì)目標(biāo)轉(zhuǎn)角進(jìn)行修正，然后通過(guò)can總線將修正后的目標(biāo)轉(zhuǎn)角發(fā)送給電機(jī)驅(qū)動(dòng)器11，電機(jī)驅(qū)動(dòng)器11通過(guò)串口與轉(zhuǎn)向執(zhí)行電機(jī)12通信，控制智能汽車。

結(jié)合圖3本發(fā)明的控制原理圖，說(shuō)明一種基于主動(dòng)安全的智能汽車軌跡跟蹤控制方法，包括以下步驟：

s1，建立三自由度非線性車輛動(dòng)力學(xué)模型，將車輛四輪模型簡(jiǎn)化為單車模型，如圖4所示，且假設(shè)左側(cè)車輪與右側(cè)車輪路面摩擦系數(shù)、側(cè)偏角、滑移率相等，并選擇車輛的狀態(tài)量ξdyn與控制量udyn；

非線性車輛動(dòng)力學(xué)模型為：

其中：m為車輛整體質(zhì)量，為車輛質(zhì)心橫向加速度，為車輛質(zhì)心縱向速度，為車輛橫擺角速度，ccf為前輪胎側(cè)偏剛度，δf為前輪偏轉(zhuǎn)角，為車輛質(zhì)心橫向速度，a，b分別為車輛質(zhì)心到前、后軸的距離，ccr為后輪胎側(cè)偏剛度，為車輛質(zhì)心縱向加速度，clf、clr為前、后輪胎縱向剛度，i為車輛繞z軸的轉(zhuǎn)動(dòng)慣量，為車輛的橫擺角加速度，分別為車輛質(zhì)心在x與y軸方向上的速度，為車輛的橫擺角；sf、sr分別是前輪與后輪的滑移率。

在該控制系統(tǒng)中，狀態(tài)量ξdyn選取，控制量udyn選取udyn＝δf，其中x、y為車輛質(zhì)心的位置坐標(biāo)。

s2，對(duì)非線性車輛動(dòng)力學(xué)模型進(jìn)行線性化，得到線性時(shí)變方程；

ξdyn＝adyn(t)ξdyn(t)+bdyn(t)udyn(t)(6)

其中adyn，bdyn為t時(shí)刻線性動(dòng)力學(xué)模型的轉(zhuǎn)移矩陣；且

其中：δf，t-1為t-1時(shí)刻的前輪轉(zhuǎn)角，為t時(shí)刻的車輛橫擺角速度，iz為車輛繞z軸的轉(zhuǎn)動(dòng)慣量；為t時(shí)刻車輛質(zhì)心縱向速度與橫向速度，為t時(shí)刻車輛的橫擺角；為前輪橫向速度，為前輪角速度。

s3，采用一階差商的方法對(duì)線性時(shí)變方程進(jìn)行離散化處理，得到離散的狀態(tài)空間表達(dá)式；

ξdyn(k+1)＝adyn(k)ξdyn(k)+bdyn(k)udyn(k)(7)

式中，adyn(k)＝i+tadyn(t)，bdyn(k)＝i+tbdyn(t)，i為單位矩陣，t為采樣時(shí)間，k為第k個(gè)，k＝1，2，3……。

s4，設(shè)計(jì)目標(biāo)函數(shù)使得智能汽車能夠快速且平穩(wěn)地追蹤期望軌跡，目標(biāo)函數(shù)中的前兩項(xiàng)分別反映了系統(tǒng)對(duì)目標(biāo)軌跡的快速跟蹤能力與對(duì)前輪轉(zhuǎn)角平穩(wěn)變化的要求，由于預(yù)測(cè)模型為復(fù)雜的車輛動(dòng)力學(xué)模型，會(huì)有可能影響系統(tǒng)輸出的連續(xù)性，所以為了解決這個(gè)問(wèn)題，在目標(biāo)函數(shù)中又引入了松弛因子；

目標(biāo)函數(shù)為：

式中：np為預(yù)測(cè)時(shí)域，nc為控制時(shí)域，ρ為權(quán)重系數(shù)，ε為松弛因子，q和r為權(quán)重系數(shù)，δudyn為控制量變化量，ηdyn為系統(tǒng)輸出，ηdyn，ref為系統(tǒng)參考輸出。

s5，考慮每個(gè)控制周期內(nèi)基于非線性車輛動(dòng)力學(xué)模型的軌跡跟蹤控制算法的優(yōu)化問(wèn)題，包括控制量的約束：控制增量與控制量的約束，車輛動(dòng)力學(xué)約束：質(zhì)心側(cè)偏角約束、輪胎側(cè)偏角的約束與車輛附著條件約束；

優(yōu)化問(wèn)題與約束為：

s.t.δudyn，min≤δudyn，t≤δudyn，max

udyn，min≤aδudyn，t+udyn，t≤udyn，max

yhc，min≤yhc≤yhc，max

ysc，min-ε≤ysc≤yhs，max+ε

ε＞0

其中：a為狀態(tài)轉(zhuǎn)移矩陣，yhc為硬約束輸出，ysc為軟約束輸出。

s6，在每個(gè)控制周期內(nèi)求解優(yōu)化問(wèn)題后得到控制時(shí)域nc內(nèi)理想的控制輸入增量序列將此序列中的第一個(gè)元素與上一時(shí)刻的控制量相加，得到最終的控制量udyn(t)；

控制輸入增量序列為：

最終控制量為：

s7，建立車輛四自由度側(cè)翻模型，如圖5所示，根據(jù)橫向載荷轉(zhuǎn)移率ltr來(lái)判斷汽車側(cè)翻危險(xiǎn)程度；

橫向載荷轉(zhuǎn)移率ltr表達(dá)式為：

上式中fz1和fz2分別為汽車左側(cè)車輪和右側(cè)車輪上的垂直載荷，ltr取值區(qū)間在[-1，1]之間；當(dāng)ltr為0時(shí)表示汽車左右兩側(cè)車輪的垂直載荷相等，汽車運(yùn)行狀況良好；當(dāng)ltr等于1或者-1時(shí)，表示fz1或者fz2為0，這樣則有一側(cè)車輪已經(jīng)快要脫離地面，所以車輛將會(huì)發(fā)生或剛好發(fā)生側(cè)翻危險(xiǎn)；ltr作為側(cè)翻判別指示時(shí)，其閥值為0.8，若實(shí)時(shí)ltr值大于0.8則就需要進(jìn)行轉(zhuǎn)向控制了。假設(shè)側(cè)傾角很小，則cos²φ≈1，sinφ≈0，得出：

式中：ay為汽車側(cè)向加速度、φ為汽車側(cè)傾角、g為重力加速度、為側(cè)傾角速度、為側(cè)傾角加速度、為縱向車輛加速度、d為輪距、h為簧載質(zhì)量重心到側(cè)傾重心距離、ω為橫擺角速度、u為橫向車輛速度。

s8，利用自回歸模型，對(duì)側(cè)翻判別指示橫向載荷轉(zhuǎn)移率ltr進(jìn)行預(yù)測(cè)；

s8.1，根據(jù)自回歸模型定義可得自回歸預(yù)測(cè)公式為：

其中xn+i為預(yù)測(cè)值；xn-1+ixn-2+i…xn-p+i為已知的觀測(cè)值；p是模型階數(shù)，其值為1、2、3…；。

s8.2，在實(shí)時(shí)預(yù)測(cè)系統(tǒng)中模型階數(shù)太高必然增加計(jì)算量，模型階數(shù)太小則會(huì)降低預(yù)測(cè)精度，在實(shí)際工程應(yīng)用中國(guó)通常利用艾克準(zhǔn)則(akaikeinformationcriterion,aic)來(lái)確定模型的階數(shù)，其模型階數(shù)確定方法為：

ip＝log[sp(n)/n]+2p/n(15)

其中模型階數(shù)p＝1,2...m，m為所設(shè)的模型階數(shù)的最大值；n是建模預(yù)測(cè)需要的已知數(shù)據(jù)個(gè)數(shù)；觀察i1、i2...im，其中最小的ip即為最小模型階數(shù)；sp(n)為模型殘差平方和，通常設(shè)立一個(gè)模型最大階數(shù)m，然后依次計(jì)算i1、i2...im，使得ip最小的那個(gè)階數(shù)，就是所需最優(yōu)階數(shù)。

s8.3，模型階數(shù)p確定后，采用遞推最小二乘法進(jìn)行預(yù)測(cè)模型參數(shù)的估計(jì)；

模型參數(shù)的最小二乘法估計(jì)值可表示為：

s8.4，前輪轉(zhuǎn)角安全補(bǔ)償模糊pi控制是由實(shí)際橫向載荷轉(zhuǎn)移率ltr值和ltr閥值的偏差e、偏差的化率ec共同決定的，模糊pi控制器的輸入為實(shí)際橫向載荷轉(zhuǎn)移率ltr值與ltr閥值的偏差e、偏差變化率ec，pi控制的比例系數(shù)kp和微分系數(shù)ki均為模糊pi控制器的輸出；模糊語(yǔ)言變量子集為[nb,nm,ns,z,ps,pm,pb]，分別表示{負(fù)大，負(fù)中，負(fù)小，零，正小，正中，正大}；實(shí)際橫向載荷轉(zhuǎn)移率ltr值和ltr閥值的偏差e的論域?yàn)?-0.2,0.2)，偏差率ec的論域?yàn)?-3,3)，pi控制的比例系數(shù)和微分系數(shù)kp、ki論域均為(30,40)。

本發(fā)明的模糊推理采用mamdani推理的方法(即模糊推理的本質(zhì)就是將一個(gè)給定輸入空間通過(guò)模糊邏輯的方法映射到一個(gè)特定的輸出空間的計(jì)算過(guò)程)，為了便于算法的實(shí)現(xiàn)，本發(fā)明模糊推理輸入均采用了三角隸屬度函數(shù)。得到ltr偏差e、ltr偏差變化率ec與比例系數(shù)kp、ki的模糊規(guī)則曲面圖如圖6所示，圖6(a)為ltr偏差e、ltr偏差變化率ec與比例系數(shù)kp的模糊規(guī)則曲面圖，圖6(b)為ltr偏差e、ltr偏差變化率ec與比例系數(shù)ki的模糊規(guī)則曲面圖；三角隸屬度函數(shù)如圖7，圖7(a)為誤差隸屬函數(shù)圖，圖7(b)為誤差微分隸屬函數(shù)圖。

本發(fā)明雖然已經(jīng)給出了一些實(shí)施例，但是本領(lǐng)域的技術(shù)人員應(yīng)當(dāng)理解，在不脫離本發(fā)明精神的情況下，可以對(duì)本文的實(shí)施例進(jìn)行改變。上述實(shí)施例只是示例性的，不應(yīng)以本文的實(shí)施例作為本發(fā)明權(quán)利范圍的限定。