用于主动悬架的约束最优显示控制方法与流程

1.本发明涉及车辆悬架控制技术领域，特别涉及一种用于主动悬架的约束最优显示控制方法。

背景技术：

2.悬架系统是汽车中连接车身和车轮的一个重要结构组成，其主要作用是对路面产生的冲击载荷进行缓冲和衰减，以抑制车轮的跳动和降低车身的不规则振动，改善和提高车辆的乘坐舒适性。现有技术中的悬架大致分为被动悬架、半主动悬架和主动悬架，其中被动悬架由于其阻尼和刚度系数固定，车辆舒适性提升空间较小；半主动悬架只能调节阻尼，在一定程度上衰减车身振动；而主动悬架在被动悬架基础上并联了一个力执行器，可以主动产生力以此抵消路面不平造成的车身振动，可以在很大程度上提升车辆舒适性，是未来发展的趋势。
3.传统的主动悬架控制方法是根据加装在车轴或车身上的加速度传感器采集的路面激励进行主动控制，缺点是在经过脉冲路面(下水道井盖、减速带等)时不能提前做出反应，严重影响乘坐舒适性。为了克服上述缺点，目前的解决办法是利用感知传感器(激光雷达、双目摄像头等)提前感知车前即将行驶的路面信息，主动悬架基于车前即将行驶的路面信息提前做出反应，这就对主动悬架的控制提出新要求，但传统的基于加速度传感器采集路面激励的主动悬架的控制方法并不能很好的利用感知传感器提供的路面信息。

技术实现要素：

4.本发明的目的是为了克服已有技术的缺陷，提出一种用于主动悬架的约束最优显示控制方法，将主动悬架控制器在线求解复杂的最优问题转化为离线求解，不仅可以提高主动悬架控制器在线运算的实时性，还能避免使用高算力控制器以节约成本。
5.为实现上述目的，本发明采用以下具体技术方案：
6.本发明提供的用于主动悬架的约束最优显示控制方法，包括如下步骤：
7.s1、离线计算多参数二次规划问题得到状态分区及相应控制量；
8.s11、建立基于感知路面信息的四分之一车辆模型；
9.s12、基于所述四分之一车辆模型，求解多参数二次规划问题得到状态分区及相应控制量；
10.s2、离线优化所述状态分区，得到离线查询表；
11.s3、主动悬架控制器根据感知的路面信息与当前主动悬架状态在线查所述离线查询表，选择对应的状态分区的最优控制序列进行主动悬架的控制。
12.优选地，步骤s11具体包括如下子步骤：
13.s111、将车前道路上n+1个点的路面信息记为其中，w0(k)车辆当前输入的路面信息，w1(k)，
…
，wn(k)为车辆即将输入的路面信息，t为向量转置；
14.s112、定义路面信息更新模型：
[0015][0016]
其中，yr(k)为感知传感器感知的路面信息，上式被简化表示为：
[0017][0018]
其中，为k+1时刻的路面信息，a
r，d
为路面信息状态转移矩阵，e
r，d
为路面信息扰动矩阵；
[0019]
s113、选取状态向量x
qc
(k)：簧上质量位移x1(k)、簧上质量速度簧下质量位移x2(k)和簧下质量速度并定义增广状态向量为：
[0020]
选取测量向量y(k)：簧上质量加速度
[0021]
选取控制向量u(k)：执行器输出力ua(k)；
[0022]
则引入感知传感器感知路面信息的四分之一悬架模型离散时间状态空间方程为：
[0023][0024]
y(k)＝[c
qc，d 0]x(k)+d
qc，d
u(k)；
[0025]
其中，x
qc
(k)为状态向量，a
qc，d
为离散时间状态转移矩阵，b
qc，d
为离散时间控制矩阵，c
qc，d
为离散时间观测矩阵，d
qc，d
离散时间直接传递矩阵，e
qc，d
为离散时间路面扰动矩阵。
[0026]
优选地，步骤s12具体包括如下子步骤：
[0027]
s121、选取性能指标：簧上质量加速度、悬架动行程、车身位移和控制量，并定义多参数二次规划目标函数j：
[0028][0029]
其中，为簧上质量加速度，x1为悬架动行程，x2为车身位移，u为控制量，ρ1，
…
，ρ4为对应性能指标的权重系数，t为系统观测时间；
[0030]
s122、选取合适的预测时域p及控制时域n，将多参数二次规划目标函数写成标准二次型形式：
[0031][0032][0033]
其中，q1、q2和r为权重矩阵，x
min
、x
max
为状态向量的约束，u
min
、u
max
为控制量的约束，
表示预测步长为p时的状态向量和输出向量，表示控制步长为n时的控制量；
[0034]
s123、求解多参数二次规划问题，得到状态分区及相应控制量：
[0035][0036]
其中，fi、gi为最优控制量的表达式参数，hi、ki为状态分区参数。
[0037]
优选地，步骤s2具体包括如下子步骤：
[0038]
s21、记录步骤s123得到的状态分区参数hi、ki，以及对应的最优控制量的表达式参数fi、gi，并建立原数据存储表；其中，i为可行状态分区表中所对应的编号，记总数为m；
[0039]
s22、令i＝1、j＝1创建一个新数据存储表，将原数据存储表中编号为i的可行状态分区中的所有数据都储存到新数据存储表的第j行中，令i＝i+1；
[0040]
s23、若i＝m，则执行步骤s26；反之，将原数据存储表中编号为i的分区中的最优控制量的表达式参数fi、gi与新数据存储表中第j行的进行比较；
[0041]
s24、若原数据存储表中编号为i的分区中的最优控制量的表达式参数fi、gi与新数据存储表中第j行的相同，则继续把原数据存储表中编号为i的可行状态分区的所有数据存入新数据存储表的第j行中，并令i＝i+1、j＝1并返回步骤s23；反之，执行步骤s25；
[0042]
s25、令j＝j+1，若新数据存储表中存在第j行，则返回步骤s23；如果新表中不存在第j行，则返回步骤s22；
[0043]
s26、停止优化处理步骤，然后将所生成的新数据存储表替代原数据存储表作为离线查询表。
[0044]
与现有技术相比，本发明能够离线求解给定悬架参数约束下所有悬架状态划分，以及各个状态划分下的最优控制序列，在车行驶的过程中，主动悬架控制器根据路面信息与当前悬架状态在线选择某个离线计算好的最优控制序列的第一个控制量进行主动悬架控制，将原本复杂的在线求解过程转化成了离线求解，提高算法在线运算的实时性，避免因使用高算力控制器带来高额成本的问题。
附图说明
[0045]
图1是根据本发明实施例提供的用于主动悬架的约束最优显示控制方法的逻辑控制示意图；
[0046]
图2是不考虑传感器感知路面信息的四分之一车辆模型示意图；
[0047]
图3是根据本发明实施例提供的考虑传感器感知路面信息的四分之一车辆模型示意图；
[0048]
图4是根据本发明实施例提供的用于主动悬架的约束最优显示控制方法的在线计算逻辑示意图；
[0049]
图5是根据本发明实施例提供的路面信息示意图；
[0050]
图6是根据本发明实施例提供的簧上质量加速度示意图。
具体实施方式
[0051]
在下文中，将参考附图描述本发明的实施例。在下面的描述中，相同的模块使用相同的附图标记表示。在相同的附图标记的情况下，它们的名称和功能也相同。因此，将不重复其详细描述。
[0052]
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及具体实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，而不构成对本发明的限制。
[0053]
名词解释：
[0054]
离线：不在悬架控制器上的运算称之为离线。
[0055]
在线：在悬架控制器上的运算称之为在线。
[0056]
图1示出了根据本发明实施例提供的用于主动悬架的约束最优显示控制方法的逻辑控制。
[0057]
如图1所示，本发明实施例提供的用于主动悬架的约束最优显示控制方法包括如下步骤：
[0058]
s1、离线计算多参数二次规划问题得到状态分区及相应控制量。
[0059]
s11、建立基于感知路面信息的四分之一车辆模型。
[0060]
由于传统的控制无法提前获取车辆前方将要输入的路面信息，所以无法提前做出动作。为了利用感知传感器感知的车辆即将输入的路面信息，需要将传统的四分之一模型进行扩展。
[0061]
不考虑传感器感知路面信息的四分之一悬架模型如图2所示，其离散时间状态空间方程：
[0062]
x
qc
(k+1)＝a
qc，d
x
qc
(k)+b
qc，d
u(k)+e
qc，d
w0(k)
ꢀꢀ
(1)；
[0063]yqc
(k)＝c
qc，d
x
qc
(k)+d
qc，d
u(k)
ꢀꢀ
(2)；
[0064]
其中，k为当前时刻，k+1为下一时刻；a
qc，d
为离散时间状态转移矩阵，b
qc，d
为离散时间控制矩阵，c
qc，d
为离散时间观测矩阵，d
qc，d
离散时间直接传递矩阵，e
qc，d
为离散时间路面扰动矩阵；x
qc
(k)为状态向量，y
qc
(k)为量测向量，u(k)为控制向量，w0为当前车轮与地面接触点的路面信息。
[0065]
选取状态向量x
qc
(k)：簧上质量位移x1(k)、簧上质量速度簧下质量位移x2(k)、簧下质量速度
[0066]
选取测量向量y
qc
(k)：簧上质量加速度
[0067]
选取控制向量u(k)：执行器输出力ua(k)。
[0068]
完成x
qc
(k)、y
qc
(k)、u(k)的选取后，根据牛顿第二定律可确定对应的a
qc，d
、b
qc，d
、c
qc，d
、d
qc，d
、e
qc，d
。
[0069]
考虑传感器感知路面信息的四分之一车辆模型如图3，其中车轮与地面正在接触和即将接触的总共n+1个点的路面信息可表示为：
[0070][0071]
其中，t为向量转置。
[0072]
定义路面信息更新模型：
[0073][0074]
其中，yr(k)为传感器感知的路面信息，即wn(k+1)。
[0075]
由于车辆在向前行驶，所以当前时刻k的w1(k)会成为下一时刻k+1的w0(k+1)，同理，w
n-1
(k+1)＝wn(k)，通过感知传感器感知的更远的一个点yr(k)的高度对wn(k+1)进行更新，因此yr(k)就是wn(k+1)。
[0076]
公式(4)可被简化表示为：
[0077][0078]
其中，a
r，d
为路面信息状态转移矩阵，e
r，d
为路面信息扰动矩阵；
[0079]
定义增广状态向量则引入传感器感知路面信息的四分之一悬架模型离散时间状态空间方程为：
[0080][0081]
y(k)＝[c
qc，d 0]x(k)+d
qc，d
u(k)
ꢀꢀ
(7)。
[0082]
s12、基于所述四分之一车辆模型，求解多参数二次规划问题得到状态分区及相应控制量。
[0083]
选取性能指标：簧上质量加速度、悬架动行程、车身位移、控制量。
[0084]
定义多参数二次规划目标函数：
[0085][0086]
其中，为簧上质量加速度，x1为悬架动行程，x2为车身位移，u为控制量，ρ1，
…
，ρ4为对应性能指标的权重系数，t为系统观测时间，即预测时域；
[0087]
选取合适的预测时域p及控制时域n，表示预测步长为p时的状态向量和输出向量，表示控制步长为n时的控制量；
[0088]
将公式(8)写成标准二次型形式，求解多参数二次规划优化问题：
[0089][0090][0091]
其中，q1、q2和r为权重矩阵，由ρ1，
…
，ρ4得到，x
min
、x
max
为状态向量的约束，u
min
、u
max
为控制量的约束；
[0092]
计算公式(9)的多参数二次规划问题，可以得到状态分区及相应控制量：
[0093][0094]
其中，fi、gi为最优控制量的表达式的参数，hi、ki为状态分区参数。
[0095]
s2、离线优化所述状态分区，得到离线查询表。
[0096]
当系统的预测模型复杂度不断增长时，其可行分区的数目也会呈指数形式增长，导致的在线查表过程变得十分缓慢，为解决上述所遇到的问题，在计算过程中将得到的所有状态分区都进行分类近似优化，以降低可行性状态分区的数目，提高在线查表过程中的速度。
[0097]
记录公式(10)计算得到的可行分区的参数hi、ki，以及对应的最优控制量的表达式的参数fi、gi，其中i为可行状态分区表中所对应的编号，记总数为m。然后，就对所建立的可行状态分区表进行优化处理，并创建新数据存储表。令i＝1、j＝1，并创建一个新数据存储表，则其具体处理步骤如下：
[0098]
(1)将原数据存储表中编号为i的分区中的所有数据都储存到所建立的新数据存储表的第j行中，令i＝i+1；
[0099]
(2)若i＝m，则执行步骤(5)；反之，将原数据存储表中编号为i的分区中的控制量表达式数据fi、gi与新数据存储表中第j行的进行比较；
[0100]
(3)若两者相同，则继续把原数据存储表中编号为i的分区的所有数据存入新数据存储表的第j行中，并令i＝i+1、j＝1并返回步骤(2)，反之若不相同，则执行步骤(4)；
[0101]
(4)令j＝j+1，若新数据存储表中存在第j行，则返回步骤(2)。如果新数据存储表中不存在第j行，则返回步骤(1)；
[0102]
(5)停止优化处理步骤，然后将所生成的新数据存储表替代原数据存储表作为离线查询表。
[0103]
由于此步骤(5)不在悬架控制器上进行，是在电脑上先计算完成，之后编译保存到悬架控制器中，悬架控制器在线直接查表调用优化结果。
[0104]
s3、主动悬架控制器根据感知的路面信息与当前主动悬架状态在线查所述离线查询表，选择对应的状态分区的最优控制序列进行主动悬架的控制。
[0105]
通过离线计算得到优化处理后的离线查表，表内包含有合并后的可行状态分区的参数hi、ki以及对应的最优控制量u的表达式的参数fi、gi，将在线求解复杂的最优问题转化为根据主动悬架系统状态和传感器感知的路面信息查表的过程，查表的逻辑流程如图4所示。
[0106]
如图5和图6所示，在路面信息高度比较大且变化剧烈的情况下，采用本实施例方法的簧上质量加速度被控制在非常小范围之内。
[0107]
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任
一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
[0108]
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
[0109]
以上本发明的具体实施方式，并不构成对本发明保护范围的限定。任何根据本发明的技术构思所作出的各种其他相应的改变与变形，均应包含在本发明权利要求的保护范围内。

技术特征：

1.一种用于主动悬架的约束最优显示控制方法，其特征在于，包括如下步骤：s1、离线计算多参数二次规划问题得到状态分区及相应控制量；s11、建立基于感知路面信息的四分之一车辆模型；s12、基于所述四分之一车辆模型，求解多参数二次规划问题得到状态分区及相应控制量；s2、离线优化所述状态分区，得到离线查询表；s3、主动悬架控制器根据感知的路面信息与当前主动悬架状态在线查所述离线查询表，选择对应的状态分区的最优控制序列进行主动悬架的控制。2.如权利要求1所述的用于主动悬架的约束最优显示控制方法，其特征在于，步骤s11具体包括如下子步骤：s111、将车前道路上n+1个点的路面信息记为其中，w0(k)车辆当前输入的路面信息，w1(k)，
…
，w
n
(k)为车辆即将输入的路面信息，t为向量转置；s112、定义路面信息更新模型：其中，y
r
(k)为感知传感器感知的路面信息，上式被简化表示为：其中，为k+1时刻的路面信息，a
r，d
为路面信息状态转移矩阵，e
r，d
为路面信息扰动矩阵；s113、选取状态向量x
qc
(k)：簧上质量位移x1(k)、簧上质量速度簧下质量位移x2(k)和簧下质量速度并定义增广状态向量为：选取测量向量y(k)：簧上质量加速度选取控制向量u(k)：执行器输出力u
a
(k)；则引入感知传感器感知路面信息的四分之一悬架模型离散时间状态空间方程为：y(k)＝[c
qc，d 0]x(k)+d
qc，d
u(k)；其中，x
qc
(k)为状态向量，a
qc，d
为离散时间状态转移矩阵，b
qc，d
为离散时间控制矩阵，c
qc，d
为离散时间观测矩阵，d
qc，d
离散时间直接传递矩阵，e
qc，d
为离散时间路面扰动矩阵。
3.如权利要求1所述的用于主动悬架的约束最优显示控制方法，其特征在于，步骤s12具体包括如下子步骤：s121、选取性能指标：簧上质量加速度、悬架动行程、车身位移和控制量，并定义多参数二次规划目标函数j：其中，为簧上质量加速度，x1为悬架动行程，x2为车身位移，u为控制量，ρ1，
…
，ρ4为对应性能指标的权重系数，t为系统观测时间；s122、选取合适的预测时域p及控制时域n，将多参数二次规划目标函数写成标准二次型形式：其中，q1、q2和r为权重矩阵，x
min
、x
max
为状态向量的约束，u
min
、u
max
为控制量的约束，表示预测步长为p时的状态向量和输出向量，表示控制步长为n时的控制量；s123、求解多参数二次规划问题，得到状态分区及相应控制量：其中，f
i
、g
i
为最优控制量的表达式参数，h
i
、k
i
为状态分区参数。4.如权利要求3所述的用于主动悬架的约束最优显示控制方法，其特征在于，步骤s2具体包括如下子步骤：s21、记录步骤s123得到的状态分区参数h
i
、k
i
，以及对应的最优控制量的表达式参数f
i
、g
i
，并建立原数据存储表；其中，i为可行状态分区表中所对应的编号，记总数为m；s22、令i＝1、j＝1创建一个新数据存储表，将原数据存储表中编号为i的可行状态分区中的所有数据都储存到新数据存储表的第j行中，令i＝i+1；s23、若i＝m，则执行步骤s26；反之，将原数据存储表中编号为i的分区中的最优控制量的表达式参数f
i
、g
i
与新数据存储表中第j行的进行比较；s24、若原数据存储表中编号为i的分区中的最优控制量的表达式参数f
i
、g
i
与新数据存储表中第j行的相同，则继续把原数据存储表中编号为i的可行状态分区的所有数据存入新数据存储表的第j行中，并令i＝i+1、j＝1并返回步骤s23；反之，执行步骤s25；s25、令j＝j+1，若新数据存储表中存在第j行，则返回步骤s23；如果新表中不存在第j行，则返回步骤s22；s26、停止优化处理步骤，然后将所生成的新数据存储表替代原数据存储表作为离线查询表。

技术总结

本发明提供一种用于主动悬架的约束最优显示控制方法，包括如下步骤：S1、离线计算多参数二次规划问题得到状态分区及相应控制量；S11、建立基于感知路面信息的四分之一车辆模型；S12、基于所述四分之一车辆模型，求解多参数二次规划问题得到状态分区及相应控制量；S2、离线优化所述状态分区，得到离线查询表；S3、主动悬架控制器根据感知的路面信息与当前主动悬架状态在线查所述离线查询表，选择对应的状态分区的最优控制序列进行主动悬架的控制。本发明将主动悬架控制器在线求解复杂的最优问题转化为离线求解，不仅可以提高主动悬架控制器在线运算的实时性，还能避免使用高算力控制器以节约成本。力控制器以节约成本。力控制器以节约成本。