基于质量估计的商用车线控制动减速度控制 王光艳 杨传雄 胡碧友 车美琳摘 要：为了满足无人驾驶商用车线控制动系统的减速度控制需求，提出了一种基于质量估计的减速度控制算法。根据车辆纵向动力学模型得到估计质量的初始值，利用模糊逻辑法获取估计质量的置信度从而改变滤波系数，既能使估算结果快速收敛，也能过滤掉噪声信号，并且算法运算量小可以降低计算负荷。基于估计质量信息，设计“前馈+反馈PID”控制器，控制车辆减速度达到上层决策系统的期望指令。实验结果验证了该控制方法具有较好的控制效果。关键词：商用车;线控制动;质量估计;减速度控制：U461.1 ：A ：1005-2550（2022）01-0054-08Commercial Vehicle Brake by Wire Deceleration Control based on Mass Estimationwang guang-yan1， yang chuan-xiong1， hu bi-you1， che mei-lin2（1.Dongfeng Automobile Co.， Ltd. Wuhan 430056， China; 2.Dongfeng Yanfeng Automotive Trim Systems Co. ， Ltd. Wuhan 430056， China ）Abstract： In order to meet the deceleration control requirements of driverless commercial vehicle line control system， a deceleration control algorithm based on mass estimation is proposed. According to the vehicle longitudinal dynamics model， the initial value of the estimated mass is obtained， and the confidence of the estimated mass is obtained by using the fuzzy logic method， so as to change the filtering coefficient， which can not only make the estimation result converge quickly， but also filter out the noise signal， and effectively reduce the calculation load of the controller. Based on the estimated mass information， a “feedforward + feedback PID” controller is designed to control the deceleration of the vehicle to achieve the desired command of the upper decision system. The experimental results show that the control method has good accuracy and robustness.Key Words： Commercial Vehicle; Mass Estimation; Brake By Wire; Deceleration Control1 前言隨着无人驾驶技术的快速发展，汽车线控底盘技术受到了广泛的关注。线控底盘能够快速准确地响应上层主动控制指令，保证车辆行驶的安全性。线控底盘主要包括线控制动、线控转向、线控驱动以及线控悬架1。线控制动系统能够主动调节制动压力，合理控制车辆减速度，保证车内乘客的安全和舒适性。商用车多行驶于固定线路，未来无人驾驶技术首先会在商用车中实现大规模应用2。因为商用车质量较大，所以目前商用车主要使用气压制动系统3。商用车气压线控制动系统通过控制前后桥比例阀的占空比实现制动压力的控制4。无人驾驶汽车上层决策模块，可以根据车辆自身状态和环境计算出车辆所需的制动减速度，同时与驾驶员制动意图5进行协调，响应最大期望制动减速度。实现减速度控制首先需要设计车辆状态观测算法，获得车辆质量信息以及车辆减速度信息，再者需要设计控制器使车辆实际减速度趋近期望减速度。汽车整车质量的估计是汽车状态观测中十分重要的内容6，特别对于商用车而言，具有质量多变的特点。胡满江等7推导出加速度与轮速信号间的幅频函数关系，提出了一种基于纵向频响特性的整车质量估计方法。Mcintyre等8基于车辆纵向动力学模型，通过最小二乘参数辨识对质量进行估计。雷雨龙等9提出基于扩展卡尔曼滤波的车辆质量估计方法。任志英等10利用观测数据提供的信息，提出了一种基于AEKF的车辆质量估计算法。本文使用一种基于模糊逻辑的自适应滤波系数质量估计算法，在工程应用中相较于往前学者的研究方法占用的计算资源更少，同时能够达到准确性要求。关于车辆速度以及减速度的估算，国内外学者们已经进行了大量研究11-14，本文主要采用变斜率法15进行车速估算，通过车速微分得到减速度信息，相关算法本文不再赘述。2 商用车质量估计2.1 整车动力学模型整车纵向动力学模型如图1所示，本文出现的相关参数的注释由表1所示。根据纵向受力分析可得整车纵向动力学方程16为：（1）（2）式中，Ft为驱动力;Fb为制动力;Fw为空气阻力;Ff为滚动阻力;Fi为坡道阻力;m为整车质量;ax为车辆纵向加速度;Tt为发动机扭矩;ig为变速器传递比;i0为主减速器传递比;T为机械传动效率;R为轮胎半径。由于商用车多采用气压制动系统，故由制动轮缸气室压力与制动力矩的关系可得整车制动力为：（3）考虑到目前大多数商用车搭配缓速器装置，造成整车制动力无法准确计算，故本文仅考虑商用车在加速状态下的车辆模型，消除整车制动力计算不准确的影响。（4）（5）（6）式中，Pi为制动轮缸气室压力;Cbrki为制动器系数;CD为空气阻力系数;A为迎风面积;Vx为汽车纵向速度;为道路坡度（本文作为已知数据）;g为重力加速度;f为滚动阻力系数。将式1整理，加速状态不考虑制动力，把含有质量的分项移到同一侧：（7）（8）（9）式中，Fx为等效纵向力;aEff 为等效纵向加速度。由此可得基于整车纵向动力学模型的质量估计初始值为：（10）上述基于整车纵向动力学模型得到的质量估计初始值，受公式中等效纵向力及等效纵向加速度的影响很大，初始估计结果容易产生较大波动，故需要采用低通滤波器进行滤波，递推得到平稳准确的估计质量值。2.2 基于模糊逻辑的质量估计算法因为整车质量在车辆行驶过程变化较小或几乎不变，对估计结果的实时性要求不高。同时由于汽车纵向力和纵向加速度只有在平稳行驶工况下才能够获得较为平稳的数据，从而计算得到稳定的质量估计值，所以需要对汽车实际行驶工况进行筛选，选出适合进行质量估计的平稳行驶工况，符合条件后再进行质量估计，根据以往仿真及实验的经验，选取的具体条件如下：先根据汽车整车相关状态量的门限值进行初步判断，作为允许质量估计的初步条件：（1）等效纵向力的绝对值|Fx|大于最小纵向力Fxmin（1000N）。（2）汽车制动防抱死系统（ABS）没有触发。（3）汽车主动偏航控制系统（AYC）没有触发。（4）汽车牵引力控制系统（TCS）没有触发。（5）汽车不处于换挡状态。（6） 纵向车速Vx大于最小纵向车速Vxmin（5m/s）。（7）侧向加速度ay小于最大侧向加速度aymax（1m/s2）。（8）汽车不处于倒车状态。当车辆当前状态满足上述设置的基本条件后，需要进一步筛选适合进行质量估计的工况。由于传感器输入信号波动较大，单纯通过传感器输入信号的门限值来判断适合进行质量估计的条件，很容易出现误判，所以本文选择利用TSK模糊逻辑模型来进行判断。TSK模糊模型输入量为与质量估计相关的车辆状态量，输出量为经过隶属度函数得到的隶属度。模糊模型中隶属度函数对计算的结果有很大的影响，模糊模型中隶属度的函数有很多种，考虑到工程应用中对计算量和实时性等需求17，本文选择梯形函数作为隶属度函数（图2），模糊逻辑得到的隶属度越高说明越适合进行质量估计，隶属度的取值范围为（01）。基于车辆不同的动力学状态信息，选择以下六种车辆状态量作为模糊逻辑的输入量，选择不同的模糊逻辑子集，来反应当前状态是否适合质量估计，本文设计的模糊子集参数如表2所示。（1）等效纵向力与等效纵向力低通滤波值的差值越小，说明等效纵向力的变化越小，故使用模糊S子集进行隶属度计算，输入量为|Fx-Fxfilter|。（2）当前周期等效纵向力滤波值与上周期等效纵向力滤波值的差值越小，说明等效纵向力的变化越小，故使用模糊S子集进行隶属度计算，输入量为|Fxfliter|。（3）等效纵向力绝对值越大，等效纵向力受噪声影响的相对程度越小，故使用模糊L子集进行隶属度计算，输入量为|Fx|。（4）当等效纵向加速度越大，等效纵向加速度受噪声影响的相对程度越小，故使用模糊L子集进行隶属度计算，输入量为|aEff|。（5）当侧向加速度越小，说明汽车趋于稳定直线行驶状态，故使用模糊S子集进行隶属度计算，输入量为|ay|。（6）过小的车速会受到低档位振动的影响，过大的车速会造成空气阻力过大，故选择适中的车速，使用模糊M子集进行隶属度计算，输入量为|Vx|。相关的模糊逻辑表达式如下式所示：（11）如果上述得到的质量估计隶属度（Wem）大于允许质量估计隶属度的阈值（0.6），则允许进行下述的质量估计自适应滤波策略。由式（8）可以得到质量估计的粗略值mrough 。由于初步得到的质量估计粗略值波动很大，所以需要选用低通滤波器进行滤波，得到平稳的质量估计数值。本文主要采用兩次低通滤波，首次低通滤波根据质量估计信息自适应改变低通滤波系数，第二次低通滤波采用定值长周期滤波系数，减少估算结果的突变，防止因估计质量的突然变化对下述减速度控制造成不良影响。上述得到的质量估计隶属度越高，说明质量估计的粗略值的置信度越高，此时应选取较大的滤波系数，根据上述得到的质量估计隶属度，可以得到首次低通滤波的初始滤波系数：（12）式中，Cfilterraw为首次低通滤波的初始滤波系数，C为隶属度到滤波系数的转换值。在质量估计的初期，为了使质量估计结果进行快速度收敛，此时应该具有较大的首次低通滤波系数，随着质量估计的值逐渐接近真实的质量值，此时应该减小首次低通滤波系数，以此维持以往较为准确的估计结果，减少估计噪声信号带来的影响。为了使首次低通滤波系数随着质量估计周期的推移逐渐减小，考虑使用质量估计隶属度的积分值作为改变滤波系数的影响因子之一，随着估计周期的推移，质量估计隶属度的积分值逐渐增大，首次低通滤波系数逐渐减小。质量估计隶属度的积分值为：（13）（14）式中：MIN表示两者取较小值，IWem为质量估计隶属度的积分值，IWemmax为质量估计隶属度积分值的阈值。同时为了滤去估计噪声信号，考虑使用估计质量首次滤波结果与二次滤波结果的差值作为改变滤波系数的影响因子之一，两者差值越大说明质量估计结果波动越大，此时应减小首次低通滤波系数。估计质量首次滤波结果与二次滤波结果差值的绝对值为：（15）将md作为输入量，使用模糊S子集进行隶属度计算，输出量为Id