基于滑模控制的商用车路径跟踪控制研究

李雅琦 唐峥

摘 要：为了实现商用车电液耦合转向系统的路径跟踪控制，提出了一种滑模控制策略。首先建立商用车三自由度仿真模型，推倒商用车滑模控制器，建立蛇形线道路模型和双移线道路模型，并进行路径跟踪仿真试验。实验表明，此控制器能够很好的跟随期望路径，并有极强的抗干扰能力。

关键词：商用车;电液耦合转向系统;路径跟踪控制

1 引言

由于商用车行驶工况简单，商用车更容易实现无人驾驶。国内外众多高校和零部件厂商都开始进行商用车的研究，从硬件到控制策略，均取得了一些成果。

江苏大学高翔教授的研究团队，通过对商用车转向器建模，并对模型进行了定量研究，建立了较为准确的商用车无人驾驶试验台[1];吉林大学宗长富教授的研究团队帅新使用伺服电机进行阻力模拟，提高了加载精度[2];清华大学的季学武老师设计了能适用于复杂工况的试验台，并能进行台架试验[3]。

由于国内工业基础相对薄弱，先进的转向控制研究仍处于初级阶段，开发先进的转向控制器是当前的热点与难点。

2 模型建立

在商用车领域，侧翻是很严重的问题，在建立整车动力学模型时考虑建立汽车三自由度模型。

其中：If是前轴至CG的纵向距离;Ir是实际轴至CG的纵向距离;M是总车质量;Ms是悬上质量;Mu是悬下质量;Iz是垂直轴惯性矩;Ixz是轮胎法向力;hcg车身质心高度;hs悬上质量CG高度;hr轴滚动中心高度;hu悬下质量CG高度;h轴滚动中心字CG的距离;Caf/Car前桥/后桥有效弯矩刚度; K/Ku等效悬架刚度/轴刚度;D/Du等效悬架阻尼比/轴阻尼比;Fzr/Fzl轮胎法向力（左/右）。

3 基于RBF神经网络的滑模控制策略

滑模控制是根据控制目标设计滑模切换面，使控制系统的状态点到达切换面，而状态点不离开切换面。

3.1 固定增益滑模控制器设计

滑模控制的“抖振”的剧烈程度是由其控制器切换项的增益决定的，采用神经网络对切换项的增益调节，能够降低滑模控制的“抖振”。

3.2 RBF神经网络增益设计

RBF神经网络是一种三层前馈网络[1]。第一层为输入层，起数据信息的传递作用;第二层为隐含层，对输入信息进行空间映射变换;第三层为输出层，对输入模式进行响应。

径向基神经网络（RBF）拥有强大的逼近能力、学习能力和分类能力，对任意精度的任意连续函数都能够逼近。

4 仿真与分析

以前轮转角为输入，输出为车辆状态。在测试实验中选用蛇形线道路和双移线道路作为道路曲线输入。

4.1 双移线道路模型跟踪效果，见上图2

4.2 蛇形线道路模型跟踪效果，见上图3

5 结语

通过进行实验仿真，当输入为蛇形线道路曲线时，转角的绝对值为3度，路径跟踪效果较为理想，误差较小;当输入为双移线道路模型时，当转弯变道时得到了侧向速度，路径跟踪效果和目标侧向位移基本吻合。

参考文献：

[1]解后循，高翔.电动液压助力转向技术研究现状分析[J].重庆交通大学学报（自然科学版），2018，37（02）：119-122.

[2]陈国迎，何磊，宗长富，顾兴剑.基于电动伺服系统的转向试验台阻力加载策略的研究[J].汽车工程，2018，40（02）：226-233.

[3]余颖弘，王保华.汽车线控转向硬件在环实验台研究现状综述[J].湖北汽車工业学院学报，2015，29（03）：34-38.