基于最小二乘的车速解耦路面辨识方法

针对路面辨识方法需要大量训练集或高的算力支撑不利于驾乘感提升实现的问题,提出了一种改进的最小二乘估计方法,无需训练集,直接采集悬架响应来辨识路面激励及路面等级变化。在建立的路面等级系数和车速为变参数模型的基础上,探讨路面激励数据的取样处理规则,通过解耦行驶速度的影响,得到了实时的路面不平度系数。仿真结果表明,A-E级路面综合估值准确度在97%以上,对路面等级突变的响应时间少于0.15 s,对路面输入的跟随性能良好。采集不同路段不同车速下的实车动力学参数进行辨识,试验结果表明,该工况下估计值准确度为98.2%,与三米尺检测法所得实际路面等级相符,验证了这种车速解耦路面辨识方法的可行性及准确性。

基于安全边界车道偏离防避高性能鲁棒控制

针对现有车道偏离防避系统不能适应不同驾驶风格驾驶人,车道偏离防避转向控制器设计未同时考虑车速解耦和轮胎侧偏刚度的不确定性的问题,文中基于道路环境和车辆动力学安全边界提出了车道偏离防避高性能鲁棒控制。根据车道曲率半径、不同驾驶风格下车辆行驶横向位置标准差和局部横向位置均值,设计了确定道路环境安全边界的虚拟车道模糊控制器;根据车辆2自由度模型获得了车辆动力学安全边界。建立了基于虚拟车道跨道时间(Time to Lane Crossing, TLC)和车辆动力学安全阈值的车道偏离决策准则。通过对车辆动力学模型轮胎侧偏刚度不确定边界分析设计了H∞鲁棒控制器,实现了车速解耦,利用CarSim/Simulink联合仿真验证了车道偏离纠正鲁棒性能。仿真结果表明,基于虚拟车道线和车辆动力学安全边界所设计的高性能鲁棒控制器可以及时纠正车辆偏离车道,且驾驶员接受度高。