谷 磊

(徽商職業(yè)學(xué)院, 安徽 合肥 231201)

車輛由于側(cè)傾導(dǎo)致的道路交通安全事故頻發(fā),尤其當(dāng)車輛載重超過其自身荷載時,車輛重心呈現(xiàn)出一種偏高趨勢,當(dāng)車輛駕駛員突發(fā)大幅度轉(zhuǎn)向時,便會使車輛發(fā)生側(cè)傾,甚至有可能導(dǎo)致交通安全事故[1].因此,控制車輛載重,可提高車輛在行駛中的穩(wěn)定性,有效地解決車輛側(cè)傾問題.

有研究提出了針對車輛主動防側(cè)傾的控制方法,這些控制方法大多數(shù)集成了差動控制技術(shù)、主動控制技術(shù)、懸掛控制技術(shù)[2].當(dāng)前的控制技術(shù)可在某種程度上降低車輛發(fā)生側(cè)傾的概率,但這些控制技術(shù)均屬于增加駕駛員操作次數(shù)的控制方式;而主動式控制方法與懸掛式控制方法需要在指定車輛內(nèi)安裝復(fù)雜的裝置構(gòu)件[3],成本較高,目前利用率相對較低.

為此,本文在相關(guān)研究成果的基礎(chǔ)上,引進(jìn)蟻群算法,通過對車輛側(cè)傾瞬時行為的動力學(xué)分析與仿真,得到一個最優(yōu)控制參數(shù),以此為依據(jù),對當(dāng)前的控制方法進(jìn)行二次設(shè)計與優(yōu)化,減少側(cè)傾現(xiàn)象.

1 基于蟻群算法優(yōu)化的車輛主動防側(cè)傾模糊PID控制方法

1.1 構(gòu)建車輛行進(jìn)狀態(tài)的數(shù)學(xué)模型

為了實(shí)現(xiàn)對車輛的主動防側(cè)傾控制,需要掌握車輛在行進(jìn)過程中車身的運(yùn)行狀態(tài)及其在發(fā)生側(cè)傾行為時車身的瞬時變化.構(gòu)建一個車輛行進(jìn)狀態(tài)的數(shù)學(xué)模式,確定車輛在此種狀態(tài)下壓電元件的分布位置,從而得到一個針對壓點(diǎn)控制函數(shù)的車身結(jié)構(gòu)動力學(xué)傳遞模型.此時,需要在待測車輛上布置至少80個檢測點(diǎn),使用激振設(shè)備對車身進(jìn)行激振,使車輛在一個指定范圍內(nèi)發(fā)生振動行為[4].利用數(shù)據(jù)采集裝置對車身的振動頻率進(jìn)行獲取,并將采集的信號通過通信裝置傳輸?shù)接嬎銠C(jī),使信號呈現(xiàn)一種數(shù)字化趨勢,根據(jù)信號的表達(dá)方式,可以得到一個車輛在瞬時側(cè)傾狀態(tài)下的頻響函數(shù).結(jié)合函數(shù)表達(dá)式,可以初步掌握車輛在側(cè)傾時的模態(tài)特性;使用分析軟件,對車輛進(jìn)行函數(shù)曲線的終端擬合,得到該車輛側(cè)傾震蕩模型,如圖1所示.

圖1 車輛側(cè)傾震蕩模型

圖1中,箭頭方向分別表示車身的3個受力方向與側(cè)傾方向.根據(jù)車輛行進(jìn)過程中存在的慣性,對車身側(cè)傾時8個模態(tài)的變化進(jìn)行描述[5],如表1所示.

表1 車身側(cè)傾模態(tài)變化描述

運(yùn)用計算機(jī)終端的辨識算法對檢測點(diǎn)輸入數(shù)據(jù)與輸出數(shù)據(jù)之間的距離進(jìn)行計算.在此過程中,采用Matlab軟件中的辨識工具箱對震蕩信號進(jìn)行獲取,并將前端輸入的檢測信息作為評估狀態(tài)信息的空間表達(dá)方式,檢測過程表達(dá)式為：

(1)

式中：X為車輛在發(fā)生瞬時側(cè)傾時的傾量;Y為車輛在豎直方向上受到的動力學(xué)特性;A為車身對側(cè)傾作用力的分配量;C為測量的側(cè)傾量;D為測點(diǎn);B為輸入的側(cè)傾量;u為狀態(tài)校準(zhǔn)系數(shù);k為車身狀態(tài)變量.

將計算式(1)與圖1中內(nèi)容進(jìn)行對接,便可得到一個針對車身側(cè)傾的動力學(xué)研究模型.

1.2 基于蟻群算法優(yōu)化設(shè)計主動防側(cè)傾PID控制函數(shù)

引進(jìn)優(yōu)化的蟻群算法,采用構(gòu)建主動防側(cè)傾PID控制函數(shù)的方式,對車輛側(cè)傾現(xiàn)象加以主動控制,并通過在一系列組合優(yōu)化問題中尋找最優(yōu)解的方式,實(shí)現(xiàn)對車輛的有效控制.蟻群算法不要求控制模型具有較強(qiáng)的適應(yīng)性,即便模型的適應(yīng)度較低,算法也可以通過自身行為迭代的方式進(jìn)行靜態(tài)差值的計算[6].在此基礎(chǔ)上,將蟻群算法與PID控制器進(jìn)行對接,實(shí)現(xiàn)對控制端參數(shù)的及時調(diào)整,以此實(shí)現(xiàn)車輛在行進(jìn)過程中側(cè)傾現(xiàn)象與控制量之間呈現(xiàn)一種非線性映射關(guān)系,并利用算法的魯棒性特征,提高算法求解的效率.

為了實(shí)現(xiàn)對主動防側(cè)傾PID控制函數(shù)的設(shè)計,可參照蟻群的生物活動行為,將每一個控制變量看作一個獨(dú)立作為參數(shù),對其優(yōu)化的行為便是指在計算過程中對不同參數(shù)變量的融合,使獨(dú)立螞蟻個體構(gòu)成一個具有組織性特征的蟻群[7].車輛在行進(jìn)時,可將螞蟻釋放的信息素作為導(dǎo)向,動態(tài)化地控制車輛行進(jìn)狀態(tài),使車輛向穩(wěn)定行駛目標(biāo)不斷逼近,直到找到最優(yōu)目標(biāo)路徑.此時,輸出最優(yōu)路徑的非線性映射函數(shù),便可將其認(rèn)定為主動防側(cè)傾PID控制函數(shù).

控制螞蟻從原點(diǎn)開始爬行,當(dāng)蟻群中第n只螞蟻爬行到下一個目標(biāo)點(diǎn)時,認(rèn)為此時螞蟻的行進(jìn)路徑有i條,則螞蟻對指定行進(jìn)路徑的選擇概率公式為：

(2)

式中：φ為螞蟻對指定行進(jìn)路徑的選擇概率;i為行進(jìn)路徑總數(shù);yi為螞蟻選擇i路徑時的行進(jìn)量;tj為螞蟻行進(jìn)周期;τ為信息量;η為信息可見度.

當(dāng)螞蟻按照所有行進(jìn)路徑完成一個迭代行為時,記錄最小函數(shù)的爬行路程與信息量,由此便可得到一個參數(shù)相對最優(yōu)解[8].蟻群在爬行過程中的目標(biāo)函數(shù)計算式為：

(3)

式中：e為蟻群;J為蟻群在爬行過程中的目標(biāo)函數(shù);ω為爬行中的參數(shù);U為時間常數(shù).

輸出表達(dá)式J作為主動防側(cè)傾PID控制函數(shù)的映射.

1.3 求解PID函數(shù)的模糊化最優(yōu)控制解

對主動防側(cè)傾PID控制函數(shù)進(jìn)行模糊化最優(yōu)控制解求解,獲得精準(zhǔn)的求解數(shù)值才能確保對車輛側(cè)傾控制的有效性.在計算機(jī)終端對數(shù)據(jù)進(jìn)行實(shí)時更新,掌握信息的增量與增量信息的變化趨勢[9].過程為：初始化處理車輛行進(jìn)參數(shù)→初始化處理蟻群行進(jìn)路徑→初始化循環(huán)變量參數(shù)→模擬螞蟻爬行過程→尋找最優(yōu)解→模糊化處理最優(yōu)解集合→更新PID控制參數(shù)→判斷模糊量→將模糊量作為參數(shù)校正量→更新車輛行進(jìn)狀態(tài)的信息素→定位模糊集合中的最優(yōu)解→輸出最優(yōu)解.

此過程涉及最優(yōu)解集合的迭代處理,假定循環(huán)次數(shù)最高為p,此時需要模擬人腦思維,對PID進(jìn)行參照性推理,得到多個控制變量,每一個控制變量均可以作為控制車輛主動防側(cè)傾的PID參數(shù).在車輛行進(jìn)時,可根據(jù)實(shí)際情況選擇與之匹配的參數(shù)變量進(jìn)行調(diào)控,而一旦執(zhí)行端發(fā)生控制行為后,如車身無明顯變化,后端將自動執(zhí)行下一個控制參數(shù),直到車身發(fā)生顯著的偏差變化.為了避免執(zhí)行指令出現(xiàn)延遲問題,可在模糊解集合中設(shè)定多個維度的數(shù)據(jù)傳輸路徑,即多個參數(shù)同時進(jìn)行車身的調(diào)控,以此提高車輛在行進(jìn)狀態(tài)下的綜合性能,過程如圖2所示.

圖2 模糊解集合迭代過程

按圖2所示的流程對模糊解集合進(jìn)行多次迭代,在迭代過程中,為了提高控制行為的精度,需要在車輛平衡點(diǎn)附近進(jìn)行多次極限振蕩行為,使車輛在相對穩(wěn)定的狀態(tài)下實(shí)現(xiàn)側(cè)傾控制.此外,計算機(jī)前端輸入的控制側(cè)傾角度需要與車輛行駛過程中的加速度進(jìn)行對接,明確車輛在不同加速度行駛狀態(tài)下控制側(cè)傾所執(zhí)行的行為是不同的,需設(shè)定一個加速度參數(shù)對PID控制器的參數(shù)變量進(jìn)行調(diào)控,實(shí)現(xiàn)對車輛側(cè)傾的控制.

2 仿真分析

2.1 仿真試驗(yàn)平臺

考慮到使用真實(shí)的車輛進(jìn)行側(cè)傾控制試驗(yàn)存在一定危險性,且試驗(yàn)成本過高,選擇在仿真平臺上進(jìn)行試驗(yàn)操作,仿真操作平臺的構(gòu)成如表2所示.

表2 仿真試驗(yàn)操作平臺構(gòu)成

仿真試驗(yàn)時,將實(shí)驗(yàn)平臺與計算機(jī)設(shè)備進(jìn)行通信連接,將驅(qū)動系統(tǒng)與傳感器采集系統(tǒng)進(jìn)行連接,實(shí)時獲取車輛在仿真運(yùn)行狀態(tài)下的行駛狀態(tài).使用采集卡與USB端口將信息導(dǎo)入計算機(jī),在計算機(jī)上進(jìn)行車輛的模擬側(cè)傾,運(yùn)用聯(lián)合算法對側(cè)傾量進(jìn)行控制,并將控制量輸入到前端執(zhí)行裝置,由執(zhí)行機(jī)構(gòu)中的組織性構(gòu)件對車輛行進(jìn)行為進(jìn)行調(diào)控.仿真界面如圖3所示.仿真試驗(yàn)的樣機(jī)車輛參數(shù)與質(zhì)量如表3所示.

圖3 仿真界面

仿真分析用于控制車輛主動防側(cè)傾的操作系統(tǒng)為伺服機(jī)構(gòu)系統(tǒng).為了避免伺服機(jī)構(gòu)系統(tǒng)的運(yùn)行受到外界環(huán)境等相關(guān)因素的干擾,在仿真平臺上進(jìn)行伺服機(jī)構(gòu)系統(tǒng)的參數(shù)設(shè)定,如表4所示.

以車輛側(cè)傾角度作為評價方法,在相同的環(huán)境下,選擇現(xiàn)有控制方法與本文方法對樣機(jī)車輛進(jìn)行模擬側(cè)傾對比試驗(yàn).

表3 樣機(jī)車輛參數(shù)與質(zhì)量描述

表4 伺服機(jī)構(gòu)系統(tǒng)參數(shù)設(shè)定

2.2 結(jié)果分析

采用NI傳感器對不同加速度下車輛的側(cè)傾角度進(jìn)行獲取,將獲取結(jié)果傳輸?shù)接嬎銠C(jī)終端,繪制仿真分析結(jié)果,車輛側(cè)翻角度對比結(jié)果如圖4所示.

圖4 車輛側(cè)翻角度對比結(jié)果

根據(jù)圖4所示的試驗(yàn)結(jié)果可知:0°為車輛標(biāo)準(zhǔn)側(cè)傾角度,在此角度下,車輛行駛穩(wěn)定;現(xiàn)有控制方法在對車輛進(jìn)行控制時,側(cè)向加速度達(dá)到1.2g,側(cè)傾角度急劇增加,此時車輛發(fā)生側(cè)翻;在本文設(shè)計方法控制下,車輛側(cè)傾角度逐步趨近于平緩,在側(cè)向加速度達(dá)到1.2g時,側(cè)傾角度幾乎為0,證明此時已實(shí)現(xiàn)了對車輛側(cè)傾的主動控制,車身在運(yùn)行中趨近于穩(wěn)定.對比試驗(yàn)結(jié)果表明：相比現(xiàn)有控制方法,本文設(shè)計的基于蟻群算法優(yōu)化的車輛主動防側(cè)傾模糊PID控制方法可以有效地控制車輛在行進(jìn)過程中側(cè)傾角度,提高車輛在行駛中的穩(wěn)定性.

3 結(jié)語

本文提出了一種基于蟻群算法優(yōu)化的車輛主動防側(cè)傾模糊PID控制方法,通過對比試驗(yàn)驗(yàn)證了本方法的可行性,可以有效控制車輛在行進(jìn)過程中出現(xiàn)側(cè)傾,在一定程度上提高了車輛道路行駛的安全性.