基于Agent 技术的电动汽车底盘智能控制系统研究

童俊炜，蔡祥鹏

（泉州师范学院 航海学院， 福建 泉州362000）

随着科技的不断进步、多传感器数据信息融合以及集成电路等技术的提升，人们对汽车性能追求进一步得到了提高［1］.目前，如何提高车辆乘坐舒适感、安全稳定性［2］以及操作简易性已成为车辆工程制造业的研究重点［3］.很多研究表明实现对底盘控制系统控制功能的调控，能够更好发挥每个控制模块的功能，达到车辆底盘整体化的控制［4］，以提高车辆使用性能［5］.四轮汽车的制动、转向以及驱动等动力学性能能够单独进行调整［6］，可以适应极限交通工况，但是集成一体化控制系统能够尽可能的整合传感器、执行模块以及控制系统机构，解决传统汽车底盘控制的缺点，可更好的消除不同控制子系统间的干扰与耦合，最大可能利用子系统的功能，使相互之间协作运行［7-8］.然而，这也使得控制系统更加复杂.系统的耦合程度也随之增加、冗余度变大、约束条件更加严格，加大了控制系统集成化的难度.此外，目前市面上的汽车动力学集成控制多集中在车辆动力学分析上的控制系统设计，一般不考虑车辆能量消耗［9］.电动汽车的制动以及电机驱动等多个特性的车辆集成化控制系统，将节能减排这一需求进行满足.与发动机特性易变性不同的是电机控制技术已经相对比较成熟，电机的转矩、转速控制精度的要求更加严格，已基本满足人们对车辆动力性能需求［10］.

笔者提出基于Agent 技术的电动汽车底盘智能控制系统，将各车辆控制子系统按照功能不同进行划分，优化各子控制系统目标对象，构建电动汽车底盘控制系统，以达到在不同工况环境下电动汽车底盘智能控制系统智能调控的目的.

1 电动汽车底盘控制系统框架构建

1.1 多智能体系统

多智能体系统(Multi-Agent System, MAS)将各个Agent 通过相互通信实现某些功能或者完成某些特定环境下的目标.多智能体系统可视为一个可以求解问题，可以因环境变化而自行调节自我的智能行为，而且可以利用网络与其他Agent 实现通信、交互和合作等多种方式共同解决疑难问题的分布式人工智能化系统.多智能体系统的结构框图如图1 所示.

图1 多智能体系统结构图

1.2 基于Agent 的底盘总体控制系统架构

经过综合考虑，笔者提出了一种以Agent 技术为基础的四轮独立驱动电动汽车底盘控制系统.该系统主要由环境层、数据信息交互层、协调决策层、底部调控层以及指令执行层组成.在充分借用智能协调决策控制功能上，需要全方位顾及控制系统不同级别的控制目标，利用多个Agent 控制系统完成对四轮独立驱动电动汽车的有效控制. 笔者提出的电动汽车底盘总体控制系统是一种基于子Agent 模块的全面思维系统框架.值得注意的是图中环境层、数据信息交互层和执行层中电动汽车模型由于受到位置的约束在不同的地方使用不同的表示方式，但是实质为相同模型.

（1） 环境层和数据信息交互层

多个Agent 间可以实现有效的信息交互是通信系统需要解决难题的关键，但是被控目标状态参数的准确获得是可以达到四轮独立驱动电动汽车底盘迅速有效控制的基础.同时也是规定多个Agent 间合作控制要求的参考依据. 数据信息同和处理是指对四轮独立驱动电动汽车不同类型传感器检测信号的处理，完成对电动汽车状态有关参数的评估.电动汽车状态的评估内容主要包含车辆质心偏角、侧向速度以及纵向速度等，这类变量是一种难以快速测量的变量.通过对车辆状态参数的评估，不但可以确保多个Agent 系统满足某些参数和状态变化的需求，同时还可以精确的获得电动汽车的状态参数，便于对汽车车辆的故障诊断和检测系统的实时告警提供精确的数据信息.

（2） 决策推理Agent

为了确保车辆可以更加快速适应复杂多变的道路情况，需要Agent 具备较强的学习能力与智能性能.强化学习可以提高Agent 的在线学习能力，主要通过与外界的动态环境进行交互学习以实现预定目标.基本过程为假设Agent 按照预定行为策略可以获得环境正面鼓励， 那么Agent 之后将会不断增强这个行为策略趋势.笔者将强化学习方法引入到决策推理Agent 以加强学习，对Agent 的性能指标进行优化.构建的强化学习模型如图2 所示.

图2 强化学习模型

笔者使用马尔可夫决策过程（Markov decision process，MDP）强化学习问题，其定义如下：

表达式中，S 表示全局状态变量集合，包括系统全部可能存在状态变化；s′表示系统在下个时间段的状态；A(s)表示在状态s 全部将会运行的指令集合；P(s,a,s′)表示在t 时刻s′执行指令a 后下一个时刻t+1转换到状态的概率；r(s,a)表示在时刻t 时的状态为s，执行指令a 后得到的回报；V 表示目标函数.

假设定义状态-指令对的评估使用Q 表示，可用以下表达式：

表达式中，（s,a）表示在t 时刻的状态-行为对；η 表示折扣因子.

在明确p 和r 数据的条件下，能够求解出Q 的数值.但是Q 学习算法可直接根据Agent 历史状态进行智能化学习，仅仅需要参考实时的状态和可以选择的动作，也不需要状态转换函数，因此笔者将Q 学习算法应用到决策推理Agent，Q 学习算法的行为值迭代表达式为：

表达式中，α 表示学习因子.

（3）协调控制Agent

博弈论能够为以Agent 的协调控制系统提供快速的解决方法，与静态博弈相比，笔者设计的电动汽车底盘智能控制系统在不断变化的道路交通环境中快速适应.而微分博弈是一种不间断时间段内变化的动态博弈，即使用微分方程对运动轨迹进行描述，每个Agent 的目标是尽可能优化相应控制目标，同时进行不断博弈，最后实现利益平衡的状态.笔者将微分博弈法应用到协调控制Agent 中，主要在电动汽车底盘控制Agent 间出现耦合与严重影响的地方使用.在不同的工况环境下电动汽车底盘运行稳定、车辆安全行驶以及乘坐舒适度等多个目标实时进行调整的要求，进行动态连续协调控制.

（4） 底部调控层

笔者针对整个电动汽车底盘控制的子控制系统进行功能模块划分.考虑到汽车轮胎固有的非线性特点，汽车底盘在横向、纵向以及垂直方向存在严重的耦合关系，如图3 所示.从不同控制目标角度进行分类，汽车底盘控制子系统可划分为横向控制、纵向控制、垂直方向控制3 种，每个控制系统主要针对电动汽车底盘运行稳定、车辆安全行驶以及乘坐舒适度3 个控制指标.笔者分别按照横向、纵向以及垂直方向3 个控制系统谁控制器，将底盘能量管理当做Agent ，优化电动汽车的底盘能量控制系统.

图3 控制系统框架示意图

（5） 执行层

如图3 所示，执行层位于控制系统的最底部，主要调控车轮转向角、制动力矩、驱动力矩、悬架控制力F 等多个信号，相应的控制汽车底盘的各个执行机构，以达到对汽车底盘控制的目的.

2 电动汽车底盘智能控制系统

2.1 构建参考模型

笔者构建的参考模型可以根据驾驶员操作指令、汽车行驶数据信息以及交通道路状况来获得车辆运动特性.二自由度车辆模型主要考虑的是车辆横摆行驶状态，不考虑纵向行驶、绕纵向的侧倾行驶、绕侧向的俯仰行驶以及悬架的垂向行驶.同时还能够对车辆横摆和侧向特性的实时分析，其工作原理图如图4所示.

图4 二自由度车辆模型工作原理图

图中lα，lβ代表车辆质心与后车轴间的长度；Fyf，Fyr代表车辆前后车轮受到的侧向力；α1，α2代表车辆前后车轮的侧偏角；vx, vy, Mτ代表车辆整体的纵向速度、侧向速度以及横摆力矩；β 表示质心侧偏角；δf代表车辆前轮转角，ω 代表车辆横摆角速度.

根据图3 分析可得到车辆侧向运动方程：

表达式中Fy代表侧向力；m 代表整车质量.

车辆的横摆运动特性可使用以下方程进行描述：

表达式中Mz代表车辆横摆力矩；Iz代表横摆转动惯量.

由轮胎侧偏特性可得：

表达式中，cf, cr表示车辆的前后轮相应的侧偏刚度；α1，α2代表车辆前后车轮的侧偏角.考虑到α1，α2数值

较小，同时考虑到质心偏侧角也很小，即：

根据公式（1）~（7）可得二自由度车辆模型控制系统表达式为：

根据上述表达式可得期望横摆角速度表达式为：

2.2 车辆底盘智能控制组织级控制器设计

实现对车辆底盘有效控制主要是为了提高汽车整体性能.所以，由多个子控制系统组成的车辆底盘智能控制系统，确保车辆的横摆角速度、质心偏侧角等多个变量可以实时数字和参考模型参数的变化而变化，并使得车辆车轮滑移率始终维持在峰值附着系数响应的滑移附近，以提高车辆行驶性能.笔者使用滑模变结构控制算法求解车辆行驶中的广义控制力和力矩.

设计滑模控制器时，选用的切换函数中变量速度误差、速度误差积分项和速度误差微分项e˙i，表达式分别如下：

切换函数表达式为：

式中，参数ξi＞0.

等速趋近率表达式为：

为了有效消除高项抖振的问题，使用饱和函数取代sgn(S)，表达式为:

3 仿真与结果分析

为了检验设计的电动汽车底盘控制系统运行性能， 使用MATLAB/Simulink 和Carsim 进行系统性能仿真测试. 在测试期间Agent 主要通过控制车轮电机转矩和加入附加横摆力以提高车辆的横向操作有效性，在Carsim 中车辆相关参数如表1 所示.

表1 车辆本体相关参数

在前轮转向角阶跃输入工况下对搭建的DYCAgent 控制算法进行仿真实验.仿真条件设置如下：驾驶员在0.3 s 内迅速将转向盘转至80°后保持恒定，初始速度为80 km/h，驾驶员不踩加速踏板和制动踏板，路面附着系数μ=0.85，Agent 技术量化因子k1=50，比例因子k2=3 000.使用Matlab/Simulink 仿真软件对该系统进行仿真测试分析，假设在行驶过程中车辆的初始化速度设置为20 m/s，然后给车辆前轮加入转向角阶跃信号，在此数值不变的情况下给车轮加入制动力矩，设定目标滑移率的大小为0.2，如图5 所示.在设定值不变的情况下依次对组织级控制器进行测试，结果如图5~图10 所示.

图5 转向轮转角与滑移率

图6 横摆角速度响应

图7 质心侧偏角响应

图8 侧倾角速度响应

图9 俯仰角速度响应

图10 车身垂直加速度响应

从图5~图10 可知车辆底盘智能控制系统中引入滑模控制算法，可以确保纵向滑移率的目标值达到0.2，同时也减小横摆角速度的幅值变化，降低系统超调量，仿真结果与质心侧偏角一样，并且实心侧偏可以有效调控在3 度区间内，可达到对车身侧滑的抑制效果，极大地提升了车辆操作的安全性与稳定性.图8 和图9 依次为车身侧倾角角速度和俯仰角角速度的时域变化曲线，从仿真结果分析可知滑模控制算法可以降低侧倾角速度和俯仰角速度，提高乘客的乘坐舒适感.从图10 可以得出使用组织级控制器能够有效降低车身加速度幅值波动大小，使其变化趋势更加平缓，提高车辆行驶的平顺性.

4 结论

提出的智能控制系统可以实现不同层析功能的相互协作，并在此基础上构建底盘控制架构，使得车辆在满足不同行驶情况下需求，以决策底盘每个子系统的协调控制，有效提升控制系统性能.最后通过仿真结果分析表明，将Agent 技术引入到汽车底盘控制系统，能够抑制不同子控制系统间的相互干扰，进一步提高此系统的安全性与稳定性.