[发明专利]智能汽车纵向动力学系统混杂动态建模与优化控制方法

权利要求书

1.智能汽车纵向动力学系统混杂动态建模与优化控制方法，其特征在于，包括如下步骤：

步骤1，建立以驱动力矩和制动力矩为输入、纵向车速为输出的整车纵向动力学模型，并对模型中存在的非线性部分进行分段仿射拟合；所述对模型中存在的非线性部分进行分段仿射拟合是指对空气阻力表达式中的速度平方项进行分段仿射拟合，分段拟合结果如下：

所述步骤1中建立以驱动力矩和制动力矩为输入、纵向车速为输出的整车纵向动力学模型的过程如下：

通过进行整车纵向受力分析，得到整车纵向力学平衡方程如下：

式中，F_dem为整车纵向运动过程中的纵向力需求，F_a为整车加速阻力，F_G为整车坡度阻力，F_R为车轮滚动阻力，F_w为空气阻力，m_v为车辆整备质量，m_c为车辆装载质量，Θ为所有旋转部件换算到驱动轮的总等效转动惯量，r_d为驱动轮滚动半径，a_x为车辆纵向加速度，g为重力加速度，i_r为路面坡度，f_R为滚动阻力系数，C_D为风阻系数，A为迎风面积，ρ_a为空气密度，v为车辆纵向行驶速度；

所述整车纵向运动过程中的纵向力需求F_dem与施加在车轮上的驱动力矩和制动力矩存在如下关系：

式中，T_D为施加在驱动轮上的驱动力矩，T_B为施加在所有车轮上的制动力矩；

步骤2，基于混合逻辑动态建模方法建立以驱动力矩和制动力矩为连续输入、以反映驱动模式和制动模式是否工作的逻辑变量为离散输入以及以纵向车速为输出的整车纵向动力学系统混杂动态模型；所述步骤2中基于混合逻辑动态建模方法建立以驱动力矩和制动力矩为连续输入、以反映驱动模式和制动模式是否工作的逻辑变量为离散输入以及以纵向车速为输出的整车纵向动力学系统混杂动态模型的过程如下：

定义同时包含连续输入变量和离散输入变量的系统整体输入变量为

u＝[δ_dδ_bT_DT_B]                                (4)

式中，T_D为施加在驱动轮上的驱动力矩，T_B为施加在所有车轮上的制动力矩，δ_d和δ_b为离散输入变量，其与驱动模式和制动模式是否工作存在如下关系：

为描述空气阻力表达式中速度平方项的分段仿射拟合过程，定义如下辅助离散变量：

式中，δ_sv1、δ_sv2、δ_sv3和δ_sv4即为所定义的辅助离散变量，在此基础上，另定义四个辅助连续变量为：

式中，c_sv1、c_sv2、c_sv3和c_sv4即为所定义的辅助连续变量，进而，空气阻力表达式中的速度平方项表示为：

c_sv＝c_sv1+c_sv2+c_sv3+c_sv4                           (8)

为便于后续决策出智能汽车纵向运动控制过程中驱动力矩与制动力矩的最佳值，进一步定义两个辅助连续变量为：

A_D＝T_Dδ_d,A_B＝T_Bδ_b,                              (9)

式中，A_D和A_B即为所定义的辅助连续变量；

由于所述混合逻辑动态建模方法是基于离散时间建立，进一步将系统状态变量，即车辆纵向车速的导数转化为：

式中，t为时间步长，T_s为采样时间；

基于公式(4)-(10)所列方程，系统状态变量的更新过程最终表示为：

式中，M＝m_v+m_c+Θr_d²；

最后，通过混杂系统建模编译语言HYSDEL对公式(4)-(11)所列方程进行编译，从而得到以驱动力矩和制动力矩为连续输入、以反映驱动模式和制动模式是否工作的逻辑变量为离散输入以及以纵向车速为输出的整车纵向动力学系统混合逻辑动态模型的规范形式，所述规范形式如下：

式中，x(t)为系统状态变量；u(t)为系统输入变量；y(t)为系统输出变量；δ(t)和z(t)为系统在混合逻辑动态建模过程中引入的辅助离散变量和辅助连续变量，A、B₁、B₂、B₃、C、D₁、D₂、D₃以及E₁、E₂、E₃、E₄、E₅为模型中的相应系数矩阵；

步骤3，基于混合逻辑动态模型及预测控制方法，将智能汽车纵向运动控制问题转化为一类混合整数二次规划问题进行求解，完成系统优化控制策略设计，确定智能汽车纵向运动控制过程中驱动力矩与制动力矩的最佳值以及驱动模式和制动模式间的最佳切换序列；所述步骤3中智能汽车纵向运动优化控制策略设计的求解过程如下：

根据系统控制目标，构造混杂预测控制优化问题如下：

subj.to.x(0|t)＝x(t)

x(t+1)＝Ax(t)+B₁u(t)+B₂δ(t)+B₃z(t)

y(t)＝Cx(t)+D₁u(t)+D₂δ(t)+D₃z(t)

E₂δ(t)+E₃z(t)≤E₁u(t)+E₄x(t)+E₅

u_min≤u(h|t)≤u_max

x_min≤Δx(h|t)≤x_max

式中，x(t)为系统状态变量；u(t)为系统输入变量；y(t)为系统输出变量；δ(t)和z(t)为系统在混合逻辑动态建模过程中引入的辅助离散变量和辅助连续变量，A、B₁、B₂、B₃、C、D₁、D₂、D₃以及E₁、E₂、E₃、E₄、E₅为模型中的相应系数矩阵，Q_y为输出跟踪项的加权矩阵，Q_u为输入变化量的加权矩阵，η为松弛变量的权重系数，s_opt为松弛变量，N为控制步长，h为计数单元，y(h|t)为系统输出预测值，y_ref为目标跟踪输出值，u_min和u_max分别为输入变量的下限和上限，x_min和x_max则为状态变化量的下限和上限，Δu(h|t)和Δx(h|t)分别为输入变化量的预测值和状态变化量的预测值，定义如下：

目标函数中针对Δu(h|t)进行加权是为了防止在智能汽车纵向运动控制过程中出现驱动模式和制动模式间频繁切换的现象，从而保证模式切换平顺；

将上述混杂预测控制优化问题转化为一类混合整数二次规划问题进行求解，即得到智能汽车纵向运动控制策略设计，从而获取智能汽车纵向运动控制过程中驱动力矩与制动力矩的最佳值以及驱动模式和制动模式间的最佳切换序列；

步骤4，进行整车纵向运动控制性能仿真分析，验证系统实际控制性能，若控制性能达不到设定要求，则重新回到步骤3。

2.根据权利要求1所述的智能汽车纵向动力学系统混杂动态建模与优化控制方法，其特征在于，状态变化量的下限和上限分别定义为-2.5m/s²和5m/s²，所述状态变量上下限的设置防止智能汽车纵向运动控制过程中出现急加速和急减速的情况，从而保证智能汽车纵向运动控制过程中乘客的乘坐舒适性。