王瑩 王博 郭睿 管欣 徐亮

（吉林大學(xué)，汽車仿真與控制國家重點(diǎn)實(shí)驗(yàn)室，長春 130025）

基于MAP的汽車電控制動(dòng)系統(tǒng)變工況控制研究＊

王瑩 王博 郭睿 管欣 徐亮

（吉林大學(xué)，汽車仿真與控制國家重點(diǎn)實(shí)驗(yàn)室，長春 130025）

為提高汽車電控制動(dòng)系統(tǒng)（ECBS）在變工況條件下的實(shí)時(shí)控制精度，提出了基于MAP圖的ECBS控制參數(shù)自尋優(yōu)方法。首先建立基于部件特性的液壓制動(dòng)系統(tǒng)模型和ECBS控制器，在不同的車速下進(jìn)行制動(dòng)階躍試驗(yàn)，應(yīng)用模擬退火粒子群算法（SAPSO）自尋各工況下最優(yōu)的PID控制參數(shù)，形成MAP圖，車輛可根據(jù)實(shí)際車速和制動(dòng)踏板力在線查MAP圖獲得控制參數(shù)。仿真和實(shí)車試驗(yàn)結(jié)果表明，基于MAP圖的ECBS系統(tǒng)可有效縮短制動(dòng)距離并改善制動(dòng)時(shí)的方向穩(wěn)定性。

1 前言

目前，汽車電子控制制動(dòng)系統(tǒng)（Electronic Control Braking System，ECBS）已廣泛應(yīng)用，主要包括汽車防抱死制動(dòng)系統(tǒng)（Anti-lock Braking System，ABS）、電子感應(yīng)控制制動(dòng)（Sensotronic Brake Control，SBC）系統(tǒng)、電子制動(dòng)力分配（Electric Brakeforce Distribution，EBD）系統(tǒng)等。大量文獻(xiàn)和實(shí)踐表明，ECBS可大幅增強(qiáng)車輛的制動(dòng)性能[1～3]，ECBS控制算法研究也一直是汽車主動(dòng)安全控制領(lǐng)域的熱點(diǎn)[4～6]。

以ABS為例，常用的控制方法有邏輯門限值控制[7～8]、基于滑移率的反饋控制[9～11]。基于邏輯門限值的控制策略不需要建立具體的數(shù)學(xué)模型，并且對(duì)系統(tǒng)的非線性控制很有效[7]，但其參數(shù)的選取要依賴經(jīng)驗(yàn)和大量的實(shí)車試驗(yàn)，并且很難將滑移率時(shí)刻控制在路面最佳滑移率附近，波動(dòng)較大，控制精度不高[9]。

因此，目前國內(nèi)外很多學(xué)者主要研究基于滑移率的控制策略[11～13]。PID控制是最常用的控制方法，但常規(guī)的固定PID控制參數(shù)的靈敏度高，易造成系統(tǒng)不穩(wěn)定，在不同工況下缺乏適應(yīng)性，很難將滑移率時(shí)刻控制在最佳滑移率附近[14]。模糊PID控制[14]克服了上述缺點(diǎn)，能實(shí)現(xiàn)PID控制參數(shù)隨工況自整定，在不同工況下具有較好的適應(yīng)性，但是模糊PID的參數(shù)模糊化、模糊規(guī)則推理、參數(shù)解模糊邏輯實(shí)現(xiàn)較為復(fù)雜，且隸屬函數(shù)的確定需要大量的經(jīng)驗(yàn)。

因此，本文以ABS為例，試圖建立基于MAP的電控制動(dòng)系統(tǒng)控制策略，實(shí)現(xiàn)實(shí)時(shí)、在線整定ECBS PID參數(shù)?；贏BS PID控制器，重點(diǎn)研究模擬退火粒子群優(yōu)化算法自尋最優(yōu)的PID控制參數(shù)MAP圖，設(shè)計(jì)了基于MAP的兼顧汽車制動(dòng)性能和方向穩(wěn)定性的自適應(yīng)PID控制器。考慮到各個(gè)車輪上充分利用路面的附著條件，只是間接地控制制動(dòng)時(shí)的方向穩(wěn)定性，并未把制動(dòng)時(shí)的方向穩(wěn)定性作為控制目標(biāo)，本文在優(yōu)化PID控制參數(shù)時(shí)考慮了整車橫擺角速度的影響，給出了一種基于整車動(dòng)力學(xué)的兼顧汽車制動(dòng)性能和方向穩(wěn)定性的汽車電控制動(dòng)系統(tǒng)控制策略。

2 基于部件特性的制動(dòng)系統(tǒng)模型

制動(dòng)系統(tǒng)模型的精度直接影響電控制動(dòng)系統(tǒng)的控制效果。為保證研究的準(zhǔn)確性和真實(shí)性，本文建立基于部件特性的液壓制動(dòng)系統(tǒng)模型。制動(dòng)系統(tǒng)模型各部件及其輸入、輸出關(guān)系如圖1所示。

圖1 制動(dòng)系統(tǒng)模型

常規(guī)制動(dòng)系統(tǒng)的制動(dòng)輪缸壓力是由制動(dòng)踏板力經(jīng)過制動(dòng)踏板模型、真空助力器模型、主缸模型計(jì)算后得到的。

在汽車電控制動(dòng)系統(tǒng)中，當(dāng)ABS起作用時(shí)，制動(dòng)輪缸壓力會(huì)受到ABS控制器的控制和調(diào)節(jié)。

2.1 制動(dòng)踏板

忽略制動(dòng)踏板的慣量，將其簡化為靜力學(xué)杠桿模型。制動(dòng)踏板輸出力是制動(dòng)踏板輸入力與制動(dòng)踏板機(jī)械杠桿比的乘積：

式中，F(xiàn)pedal_out為制動(dòng)踏板輸出力；Fpedal_in為制動(dòng)踏板輸入力；γpedal_ratio為制動(dòng)踏板機(jī)械杠桿比。

2.2 真空助力器

將真空助力器視為一個(gè)整體，通過臺(tái)架試驗(yàn)獲得穩(wěn)態(tài)的輸入輸出特性曲線，并用一階滯后環(huán)節(jié)近似地表達(dá)真空助力器的遲滯現(xiàn)象：

式中，F(xiàn)boost為真空助力器力；fboost為真空助力器輸入輸出特性函數(shù)；Fboost_out為真空助力器輸出力；Tapply為真空助力器加載時(shí)間常數(shù)；Trelease為真空助力器卸載時(shí)間常數(shù)。

2.3 主缸

忽略活塞的慣量，主缸內(nèi)液體壓強(qiáng)為：

式中，dmastercylinder為主缸活塞直徑。

2.4 制動(dòng)輪缸

忽略制動(dòng)輪缸活塞慣量和制動(dòng)液壓力遲滯過程，將制動(dòng)輪缸動(dòng)力學(xué)模型簡化為靜力學(xué)模型，通過試驗(yàn)測(cè)量建立輪缸液壓力與輪缸內(nèi)液體體積的關(guān)系[15]。制動(dòng)輪缸液壓力為輪缸內(nèi)液體體積的函數(shù)，通過對(duì)輪缸制動(dòng)液流量積分求得輪缸內(nèi)液體體積增量：

式中，Pcylinder為輪缸液壓力；fcylinder為制動(dòng)輪缸液壓力關(guān)于輪缸內(nèi)液體體積的函數(shù)；V為輪缸內(nèi)液體體積；ΔV為輪缸內(nèi)液體體積增量；Q為輪缸制動(dòng)液流量；R為管路中制動(dòng)液流入制動(dòng)輪缸時(shí)的阻抗。

2.5 制動(dòng)盤

制動(dòng)盤上的制動(dòng)力矩的計(jì)算取決于制動(dòng)效能因數(shù)、制動(dòng)輪缸壓力、制動(dòng)盤有效半徑和制動(dòng)輪缸有效工作面積。

制動(dòng)盤輸入功率為：

式中，Tb為制動(dòng)力矩；ωwheel為車輪轉(zhuǎn)速。

制動(dòng)盤耗散功率為：

制動(dòng)盤溫度根據(jù)能量守恒規(guī)律由溫度的變化求得，其溫度變化為：

制動(dòng)器制動(dòng)效能因數(shù)為：

制動(dòng)盤力矩為：

式中，Acylinder為制動(dòng)輪缸有效工作面積；Re為制動(dòng)器有效制動(dòng)半徑。

患者根據(jù)自身情況，設(shè)置用藥計(jì)劃、用藥提醒方式，可以管理已設(shè)置好的用藥計(jì)劃；根據(jù)設(shè)定好的用藥計(jì)劃，到用藥時(shí)間時(shí)，系統(tǒng)自動(dòng)發(fā)出用藥提醒；用完要后可進(jìn)行簽到，醫(yī)院可根據(jù)患者簽到情況給予適當(dāng)獎(jiǎng)勵(lì)；用戶可查看患者的歷史用藥種類、劑量等信息。

3 基于MAP的ECBS自適應(yīng)PID控制方法

在傳統(tǒng)PID控制理論基礎(chǔ)上，應(yīng)用模擬退火粒子群算法（Simulated Annealing Particle Swarm Optimization，SAPSO）識(shí)別特定車速和制動(dòng)踏板力工況下的PID控制參數(shù)，形成離線全工況MAP圖。在汽車實(shí)際行駛中，根據(jù)車速和制動(dòng)踏板力信號(hào)在線插值得到PID控制參數(shù)，PID控制器根據(jù)在線插值得到的PID控制參數(shù)和滑移率偏差對(duì)輪缸壓力進(jìn)行控制和調(diào)節(jié)，以獲得較好的制動(dòng)性能和制動(dòng)時(shí)的方向穩(wěn)定性，控制策略如圖2所示。

圖2 控制策略

3.1 PID控制器

PID控制器以實(shí)際滑移率和最佳滑移率的偏差e作為輸入，偏差的比例P、積分I和微分D的線性組合構(gòu)成控制量，對(duì)制動(dòng)力矩進(jìn)行控制。其控制規(guī)律可以表達(dá)為：

式中，KP為比例系數(shù)；KI為積分系數(shù)；KD為微分系數(shù)。

為了獲得較好的控制效果，PID控制參數(shù)KP、KI和KD應(yīng)根據(jù)汽車行駛工況的變化進(jìn)行調(diào)整，力求保持在最佳滑移率附近，但其調(diào)節(jié)依賴于一定的經(jīng)驗(yàn)，而且手動(dòng)調(diào)節(jié)需要大量的時(shí)間，為了克服上述缺點(diǎn)，采用SAPSO進(jìn)行PID控制參數(shù)的識(shí)別。

3.2 PID控制參數(shù)識(shí)別

KP、KI和KD通過在特定車速和制動(dòng)踏板力工況下，應(yīng)用SAPSO離線識(shí)別得到，其他工況的控制參數(shù)值根據(jù)車輛狀態(tài)在線插值得到。

SAPSO[16]結(jié)合了粒子群優(yōu)化算法（PSO）[17～18]全局尋優(yōu)能力強(qiáng)、實(shí)現(xiàn)簡單的優(yōu)點(diǎn)，還結(jié)合了模擬退火算法（SA）[19～20]跳出局部最優(yōu)解能力強(qiáng)的優(yōu)點(diǎn)；在參數(shù)辨識(shí)、函數(shù)優(yōu)化、模式分類等領(lǐng)域得到了廣泛應(yīng)用。因此，本文選擇模擬退火粒子群優(yōu)化算法進(jìn)行PID控制參數(shù)的識(shí)別。適應(yīng)度函數(shù)為：

式中，λji為第j個(gè)車輪在第i個(gè)仿真步長的實(shí)時(shí)滑移率；λideal為最佳滑移率；ωi為第i個(gè)仿真步長的橫擺角速度；αλ為滑移率權(quán)重系數(shù)；αω為橫擺角速度權(quán)重系數(shù)，通過權(quán)重系數(shù)的設(shè)定，可以在制動(dòng)性能和制動(dòng)時(shí)的方向穩(wěn)定性之間折中。

經(jīng)SAPSO離線識(shí)別的前輪PID控制參數(shù)MAP圖如圖3所示。汽車行駛過程中的PID控制參數(shù)可以根據(jù)車速和制動(dòng)踏板力信號(hào)在MAP圖中插值得到。

圖3 PID控制參數(shù)MAP圖

4 仿真算例

在基于部件特性的制動(dòng)系統(tǒng)及整車模型的基礎(chǔ)上，驗(yàn)證基于MAP的PID控制策略的控制效果。為了驗(yàn)證控制策略在不同工況下的自適應(yīng)性，輸入的制動(dòng)踏板力是變化的，如圖4所示。設(shè)定初始車速為120 km/h，汽車在干瀝青路面上進(jìn)行制動(dòng)試驗(yàn)，最佳滑移率設(shè)為0.2，得到滑移率變化曲線（見圖5）、車速和輪速變化曲線（見圖6）、車輛橫擺角速度變化曲線（見圖7）。

圖4 制動(dòng)踏板力變化曲線

圖5 前輪滑移率變化曲線

圖6 車速、前輪輪速變化曲線

圖7 橫擺角速度變化曲線

汽車在干瀝青路面制動(dòng)過程中，常規(guī)PID控制參數(shù)為定值，滑移率與理想滑移率有一定的偏差和波動(dòng)，不能使所有工況都達(dá)到理想控制水平，而基于MAP的PID控制器能根據(jù)工況實(shí)時(shí)查詢控制參數(shù)，滑移率基本保持在理想滑移率附近，且變化平穩(wěn)?；贛AP的PID控制器與常規(guī)PID控制相比，滑移率與理想滑移率的最大偏差降低了14.68%，制動(dòng)時(shí)間由4.25 s縮短為3.97 s。

在PID控制器起作用后，基于MAP的PID控制的橫擺角速度比常規(guī)PID控制的橫擺角速度小，橫擺角速度最大下降率達(dá)到9.90%，車輛在制動(dòng)時(shí)的方向穩(wěn)定性較好。

5 實(shí)車驗(yàn)證

為了進(jìn)一步驗(yàn)證本文控制策略的有效性和實(shí)時(shí)性，對(duì)某型試驗(yàn)車輛進(jìn)行實(shí)車試驗(yàn)，并將仿真曲線與實(shí)車試驗(yàn)曲線進(jìn)行對(duì)比，駕駛員制動(dòng)踏板力輸入曲線如圖8所示。

圖8 制動(dòng)踏板力

以前輪為例，輪缸壓力變化曲線如圖9所示，由圖9可知，在制動(dòng)開始到車速為零這段時(shí)間歷程內(nèi)，仿真曲線中的輪缸壓力與試驗(yàn)數(shù)據(jù)一致性較好。整車縱向加速度變化曲線如圖10所示，仿真曲線與試驗(yàn)曲線一致性較好，驗(yàn)證了本文控制策略的有效性和實(shí)時(shí)性。

6 結(jié)束語

通過上述仿真結(jié)果和實(shí)車試驗(yàn)曲線分析，可以得到以下結(jié)論：

圖9 輪缸壓力變化曲線

圖10 縱向加速度變化曲線

a.基于MAP圖的自適應(yīng)PID控制的汽車在制動(dòng)時(shí)，根據(jù)行駛工況實(shí)時(shí)地更新PID控制參數(shù)，實(shí)時(shí)性較好，滑移率的波動(dòng)較小，基本保持在期望滑移率附近，在復(fù)雜工況下也能達(dá)到理想的控制效果，改善了制動(dòng)性能，縮短了制動(dòng)時(shí)間，提高了汽車制動(dòng)時(shí)的抗干擾性和魯棒性。

b.在優(yōu)化目標(biāo)函數(shù)里考慮橫擺角速度的ABS控制策略能夠較好地兼顧汽車制動(dòng)過程的方向穩(wěn)定性，制動(dòng)時(shí)的橫擺角速度較小，提高了制動(dòng)安全性。

c.基于部件特性的制動(dòng)系統(tǒng)的建?？紤]了制動(dòng)系統(tǒng)的更多細(xì)節(jié)，建立的制動(dòng)系統(tǒng)精度更接近真實(shí)制動(dòng)系統(tǒng)，為更好地驗(yàn)證控制策略奠定了模型基礎(chǔ)。

1 孫仁云，李治.變路面汽車電控制動(dòng)系統(tǒng)H∞控制研究.西華大學(xué)學(xué)報(bào)：自然科學(xué)版，2010，（2）：114～118.

2 趙雙.汽車電子感應(yīng)制動(dòng)控制系統(tǒng)（SBC）的研制：[學(xué)位論文].成都：西華大學(xué)，2006.

3 宋正偉.電子控制制動(dòng)系統(tǒng)的應(yīng)用技術(shù).上海汽車，2011，（10）：42～45.

4 宗長富，李偉，鄭宏宇，等.汽車列車電控制動(dòng)系統(tǒng)制動(dòng)力分配的控制算法.汽車工程，2011，（10）：885～889+910.

5 盛毅.基于模糊控制的行車制動(dòng)電控系統(tǒng)：[學(xué)位論文].長春：吉林大學(xué)，2008.

6 張鴻生.汽車電控液壓制動(dòng)系統(tǒng)性能分析與控制：[學(xué)位論文].南京：南京航空航天大學(xué)，2013.

7 鄭太雄，馬付雷.基于邏輯門限值的汽車ABS控制策略.交通運(yùn)輸工程學(xué)報(bào)，2010，（2）：69～74.

8 韓文濤，賈安民，袁志業(yè).汽車ABS的邏輯門限值控制研究.北京汽車，2003，（6）：28～30.

9 席本強(qiáng)，何毅，丘文森.汽車ABS的模糊自適應(yīng)PID控制.遼寧工程技術(shù)大學(xué)學(xué)報(bào)：自然科學(xué)版，2014，（11）：1551～1555.

10 李開春.基于車輪滑移率的ABS控制算法研究：[學(xué)位論文].鎮(zhèn)江：江蘇大學(xué)，2006.

11 Pedro1 J O,Dahunsi1 O A,Nyandoro O T.Direct adaptive neural control of antilock braking systems incorporated with passive suspension dynamics.Journal of Mechanical Science and Technology，2012，26（12）：4115～4130.

12 王博，孫仁云，徐延海，等.考慮路面不平度的路面識(shí)別方法.機(jī)械工程學(xué)報(bào)，2012，（24）：127～133.

13 劉志強(qiáng)，唐忠剛.基于滑移率的ABS粒子群優(yōu)化PID仿真控制研究.重慶交通大學(xué)學(xué)報(bào)：自然科學(xué)版，2013，（5）：1096～1100.

14 朱偉興，陳垠昶.模糊PID控制在汽車ABS中的應(yīng)用與仿真研究.江蘇大學(xué)學(xué)報(bào)：自然科學(xué)版，2004，（4）：310～314.

15 劉曉.基于特性的制動(dòng)系統(tǒng)動(dòng)態(tài)建模與分析：[學(xué)位論文].長春：吉林大學(xué)，2012.

16 Eberhart R,Kennedt J.A new optimizer using particle swarm theory.Proc of the sixth international symposium on Micro Machina and Human Science，Nagoya，1995.

17 Kennedy J,Eberhart R.Particle swarm optimization.IEEE International Conference on Neural Networks,Perth Austra?lia，1995.

18 高鷹，謝勝利.基于模擬退火的粒子群優(yōu)化算法.計(jì)算機(jī)工程與應(yīng)用，2004（1）：47～50.

19 Wang B,Guan H,Lu P,et al.Novel Evaluation Method of Vehicle Suspension Performance Based on Concept of Wheel Turn Center.Chinese Journal of Mechanical Engi?neering，2015，28（5）：935～944.

20 馮玉蓉.模擬退火算法的研究及其應(yīng)用：[學(xué)位論文].昆明：昆明理工大學(xué)，2005.

（責(zé)任編輯 斛 畔）

修改稿收到日期為2016年8月22日。

Study on Control of Vehicle Electronic Control Braking System Based on MAP for Different Load Conditions

Wang Ying,Wang Bo,Guo Rui,Guan Xin,Xu Liang
（State Key Laboratory of Automotive Simulation and Control,Jilin University,Changchun 130025）

In order to improve the real-time control precision of the automobile Electronic Control Braking System (ECBS)in different load conditions,we proposed the online self-optimization method of ECBS control parameters based on MAP in this research.Firstly,we established a hydraulic braking system model based on component characteristics and ECBS controller,and conducted step brake tests at different speeds.The Simulated Annealing Particle Swarm Optimization (SAPSO)method was utilized to identify the optimal PID control parameters in each condition.Then the MAP was obtained.Thus,during braking,the control parameters could be obtained by online searching the MAP according to the speed and the brake pedal force.The simulation and real vehicle test results indicated that the ECBS system based on MAP could shorten the braking distance,and effectively improve directional stability.

ECBS,MAP,PID control,SAPSO

電控制動(dòng)系統(tǒng) MAP PID控制 模擬退火粒子群算法

U463.52

A

1000-3703（2017）03-0042-05

*通訊作者：郭睿（1978—），女，講師，工學(xué)博士，研究方向?yàn)槠噭?dòng)力學(xué)與仿真，guor@jlu.edu.cn。