基于遺傳算法的四驅(qū)電動(dòng)汽車狀態(tài)觀測器參數(shù)優(yōu)化方法
【專利摘要】本發(fā)明公開了一種基于遺傳算法的四驅(qū)電動(dòng)汽車狀態(tài)觀測器參數(shù)優(yōu)化方法,旨在解決電動(dòng)汽車狀態(tài)觀測器參數(shù)調(diào)節(jié)困難問題。包括以下步驟:建立車輛單輪滾動(dòng)模型及簡化的三自由度車輛模型;以車輛傳感器測量信息車輪轉(zhuǎn)動(dòng)角速度及驅(qū)動(dòng)力矩作為輸入,采用滑模觀測器方法設(shè)計(jì)縱向輪胎力觀測器;再以縱向輪胎力估計(jì)值、前輪轉(zhuǎn)角、側(cè)向加速度及橫擺角速度作為輸入,分別設(shè)計(jì)前、后軸側(cè)向輪胎力滑模觀測器;最后以縱向及側(cè)向輪胎力估計(jì)值、縱向及側(cè)向加速度、橫擺加速度和車輛前輪轉(zhuǎn)角作為輸入,設(shè)計(jì)車輛速度全維狀態(tài)觀測器;基于設(shè)計(jì)的模塊化車輛狀態(tài)觀測器,采用遺傳算法分別對各個(gè)估計(jì)模塊進(jìn)行觀測器參數(shù)優(yōu)化。
【專利說明】
基于遺傳算法的四驅(qū)電動(dòng)汽車狀態(tài)觀測器參數(shù)優(yōu)化方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及一種基于遺傳算法的模塊化四輪驅(qū)動(dòng)電動(dòng)汽車狀態(tài)觀測器參數(shù)優(yōu)化 方法的,屬于車輛狀態(tài)估計(jì)技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 作為新能源汽車的代表,電動(dòng)汽車相對于汽油燃燒作為動(dòng)力的傳統(tǒng)汽車而言,在 清潔、環(huán)保、節(jié)能等方面占據(jù)明顯的優(yōu)勢。因此,電動(dòng)汽車的保有量呈逐年增加的趨勢,而其 操縱穩(wěn)定性及主動(dòng)安全性問題也得到了廣泛的關(guān)注。
[0003] 電動(dòng)汽車的主動(dòng)安全性控制系統(tǒng)可以有效地提高汽車操縱穩(wěn)定性,從而減少交通 事故的發(fā)生。而其各種控制邏輯得以有效實(shí)施的前提是準(zhǔn)確獲得車輛的行駛狀態(tài)信息。然 而由于生產(chǎn)成本及測量誤差等因素的制約,在量產(chǎn)車中,部分車輛行駛狀態(tài)信息無法直接 通過車載傳感器測量得到。因此,利用可測量的車輛狀態(tài)信息設(shè)計(jì)觀測器對無法測量的車 輛狀態(tài)信息進(jìn)行估計(jì)逐漸成為了研究熱點(diǎn)。
[0004] 在車輛狀態(tài)估計(jì)問題中,車輛狀態(tài)觀測器參數(shù)是影響其估計(jì)準(zhǔn)確性的重要因素, 觀測器參數(shù)調(diào)節(jié)問題也是其技術(shù)難點(diǎn)。傳統(tǒng)的觀測器調(diào)節(jié)通常采用的是基于大量實(shí)驗(yàn)的手 動(dòng)調(diào)節(jié)方法,這種調(diào)節(jié)方法不僅工作量很大,并且不能保證所調(diào)節(jié)的參數(shù)是當(dāng)前工況的最 佳參數(shù)。因此,有必要設(shè)計(jì)一種智能優(yōu)化算法對觀測器參數(shù)進(jìn)行優(yōu)化。
【發(fā)明內(nèi)容】
[0005] 為解決電動(dòng)汽車狀態(tài)觀測器參數(shù)調(diào)節(jié)困難問題,本發(fā)明提供一種基于遺傳算法的 四驅(qū)電動(dòng)汽車狀態(tài)觀測器參數(shù)優(yōu)化方法,以模塊化的四輪驅(qū)動(dòng)電動(dòng)汽車狀態(tài)觀測器為例, 采用遺傳算法進(jìn)行觀測器參數(shù)的優(yōu)化。其中,模塊化的車輛狀態(tài)觀測器由縱向輪胎力滑模 觀測器、側(cè)向輪胎力滑模觀測器以及車輛速度全維狀態(tài)觀測器構(gòu)成。
[0006] 本發(fā)明是通過以下技術(shù)方案實(shí)現(xiàn)的:
[0007] -種基于遺傳算法的四驅(qū)電動(dòng)汽車狀態(tài)觀測器參數(shù)調(diào)節(jié)方法,包括以下步驟:
[0008] 步驟一、建立車輛單輪滾動(dòng)模型及簡化的三自由度車輛模型;
[0009] 步驟二、模塊化車輛狀態(tài)觀測器設(shè)計(jì):以車輛傳感器測量信息車輪轉(zhuǎn)動(dòng)角速度及 驅(qū)動(dòng)力矩作為輸入,采用滑模觀測器方法對四個(gè)輪的縱向輪胎力設(shè)計(jì)縱向輪胎力滑模觀測 器;再以縱向輪胎力估計(jì)值、前輪轉(zhuǎn)角、側(cè)向加速度及橫擺角速度作為輸入,分別設(shè)計(jì)前、后 軸側(cè)向輪胎力滑模觀測器;最后以縱向及側(cè)向輪胎力估計(jì)值、縱向及側(cè)向加速度、橫擺加速 度和車輛前輪轉(zhuǎn)角作為輸入,設(shè)計(jì)縱向車速、側(cè)向車速及橫擺角速度的車輛速度全維狀態(tài) 觀測器;
[0010] 步驟三、基于步驟二設(shè)計(jì)的模塊化車輛狀態(tài)觀測器,采用遺傳算法分別對各個(gè)估 計(jì)模塊進(jìn)行觀測器參數(shù)優(yōu)化。
[0011] 進(jìn)一步地,所述步驟三中采用遺傳算法分別對各個(gè)估計(jì)模塊進(jìn)行觀測器參數(shù)優(yōu)化 包括以下步驟:
[0012] 3.1)采用雙變量的標(biāo)準(zhǔn)遺傳算法首先分別對車輛四個(gè)輪的縱向輪胎力滑模觀測 器參數(shù)進(jìn)行優(yōu)化,再以經(jīng)過參數(shù)優(yōu)化的前軸縱向輪胎力估計(jì)值作為輸入對前軸側(cè)向輪胎力 滑模觀測器參數(shù)進(jìn)行優(yōu)化,最后對后軸側(cè)向輪胎力滑模觀測器參數(shù)進(jìn)行優(yōu)化;
[0013] 3.2)以經(jīng)過參數(shù)優(yōu)化的前軸縱向及前、后軸側(cè)向輪胎力估計(jì)值作為輸入,采用單 變量的標(biāo)準(zhǔn)遺傳算法對車輛橫擺角速度狀態(tài)觀測器進(jìn)行參數(shù)優(yōu)化;
[0014] 3.3)以經(jīng)過參數(shù)優(yōu)化的縱向及側(cè)向輪胎力估計(jì)值作為輸入,采用多目標(biāo)遺傳算法 對車輛縱向、側(cè)向車速觀測器參數(shù)進(jìn)行優(yōu)化,并得到Pareto最優(yōu)解集。
[0015] 由于采用了上述的技術(shù)方案,本發(fā)明的有益效果是:
[0016] (1)針對車輛狀態(tài)觀測器參數(shù)手動(dòng)調(diào)節(jié)困難的問題,提出了一種適用于模塊化四 輪驅(qū)動(dòng)電動(dòng)汽車狀態(tài)觀測器的遺傳算法參數(shù)優(yōu)化方法。
[0017] (2)使用高保真車輛動(dòng)力學(xué)仿真軟件veDYNA對優(yōu)化的觀測器參數(shù)進(jìn)行了有效性驗(yàn) 證,結(jié)果表明本發(fā)明所提出的觀測器參數(shù)優(yōu)化方法具有一定的效果,能夠保證觀測器估計(jì) 結(jié)果的準(zhǔn)確性。
【附圖說明】
[0018]圖1車輛單輪滾動(dòng)動(dòng)力學(xué)模型;
[0019] 圖2車輛俯視受力示意圖;
[0020] 圖3模塊化車輛狀態(tài)觀測器結(jié)構(gòu)圖;
[0021 ]圖4遺傳算法執(zhí)行步驟;
[0022]圖5左前輪縱向輪胎力滑模觀測器參數(shù)優(yōu)化結(jié)果 [0023]圖6縱向、側(cè)向車速狀態(tài)觀測器參數(shù)優(yōu)化Pareto前沿 [0024]圖7縱向輪胎力仿真結(jié)果 [0025]圖8側(cè)向輪胎力仿真結(jié)果
[0026] 圖9縱向、側(cè)向速度及橫擺角速度仿真結(jié)果
[0027] 表1車輛狀態(tài)觀測器參數(shù)優(yōu)化結(jié)果 [0028]表2四輪驅(qū)動(dòng)電動(dòng)汽車參數(shù)
[0029]表3縱向、側(cè)向車速狀態(tài)觀測器參數(shù)優(yōu)化Pareto最優(yōu)解
【具體實(shí)施方式】
[0030]下面結(jié)合附圖,對本發(fā)明所提出的技術(shù)方案進(jìn)行進(jìn)一步闡述和說明。
[0031]本發(fā)明提供了一種基于遺傳算法的模塊化四輪驅(qū)動(dòng)電動(dòng)汽車狀態(tài)觀測器參數(shù)優(yōu) 化方法,該方法包括以下幾個(gè)步驟:
[0032]步驟一、建立車輛單輪滾動(dòng)模型及簡化的車輛三自由度模型 [0033] 1.建立車輛單輪滾動(dòng)模型
[0034]為設(shè)計(jì)縱向輪胎力滑模觀測器,將車輛系統(tǒng)簡化為如圖1所示的車輛單輪滾動(dòng)模 型。
[0035]由圖1可以得到單輪滾動(dòng)動(dòng)力學(xué)方程如式(1)所示:
[0036]
(1)
[0037] 其中,J為車輪的轉(zhuǎn)動(dòng)慣量,單位kg · m2, c〇i為每個(gè)車輪的轉(zhuǎn)動(dòng)角速度,單位rad/s, Rrff為輪胎的有效半徑,單位m,Ti為每個(gè)車輪的驅(qū)動(dòng)力矩,單位Nm。
[0038] 2.建立簡化的三自由度車輛模型
[0039] 圖2是車輛俯視受力示意圖,為了方便研究,本發(fā)明考慮到車輛在縱向、側(cè)向以及 橫擺方向的受力情況,將整車模型簡化為三自由度模型。在車輛上建立坐標(biāo)系,原點(diǎn)位于汽 車的質(zhì)心,車輛前進(jìn)的方向?yàn)閄軸正方向,水平向左為y軸正方向,z軸正方向由右手螺旋定 則確定,如圖2所示。應(yīng)用牛頓第二定律可得到簡化的三自由度車輛模型動(dòng)力學(xué)方程如式 (2)所示
[0040]
(2)
[0041] 其中,m是汽車總質(zhì)量,單位kg,r為汽車的橫擺角速度,單位rad/s,Vx及Vy是車輛在 車體坐標(biāo)系下的縱向及側(cè)向速度,單位m/s,I z為整車?yán)@車輛坐標(biāo)系z軸的轉(zhuǎn)動(dòng)慣量,單位 kg · m2,F(xiàn)x及Fy分別表示車輛縱向及側(cè)向輪胎力,單位N,MZ為車輛繞z軸轉(zhuǎn)動(dòng)力矩,單位Nm。
[0042] 根據(jù)力與力矩平衡方程,車輛縱向及側(cè)向輪胎力Fx、Fy和車輛繞z軸轉(zhuǎn)動(dòng)力矩Mz可 以表示為:
[0043]
(3)
[0044] 其中,F(xiàn)xi/Fyi(i = l,. . .,4)分別為四個(gè)輪的縱向及側(cè)向輪胎力,單位Ν,δ^車輛前 輪轉(zhuǎn)角,單位rad,If和1R分別是車輛質(zhì)心距前/后軸的距離,單位m。
[0045] 步驟二、模塊化車輛狀態(tài)觀測器設(shè)計(jì):以車輛傳感器測量信息車輪轉(zhuǎn)動(dòng)角速度及 驅(qū)動(dòng)力矩作為輸入,采用滑模觀測器方法對四個(gè)輪的縱向輪胎力設(shè)計(jì)縱向輪胎力滑模觀測 器;再以縱向輪胎力估計(jì)值、前輪轉(zhuǎn)角、側(cè)向加速度及橫擺角速度作為輸入,分別設(shè)計(jì)前、后 軸側(cè)向輪胎力滑模觀測器;最后以縱向及側(cè)向輪胎力估計(jì)值以及縱向及側(cè)向加速度、橫擺 加速度和車輛前輪轉(zhuǎn)角作為輸入,設(shè)計(jì)縱向、側(cè)向車速及橫擺角速度的車輛速度全維狀態(tài) 觀測器。將上述設(shè)計(jì)的各個(gè)觀測器模塊進(jìn)行集成可以得到模塊化車輛狀態(tài)觀測器,其結(jié)構(gòu) 圖如圖3所示。為了方便對本發(fā)明的估計(jì)問題進(jìn)行介紹,首先將能夠通過車輛傳感器直接測 量的參數(shù)作如下說明:
[0046] (1)四個(gè)車輪的驅(qū)動(dòng)力矩Ti( i = 1,2,3,4)雖然不可直接測量,但可以通過車輛其 他可測量信息(發(fā)動(dòng)機(jī)力矩Te、發(fā)動(dòng)機(jī)轉(zhuǎn)速ω e、制動(dòng)輪缸壓力pt)計(jì)算得到,因此可以將其視 作可直接測量信息;(2)車輛方向盤的轉(zhuǎn)角信號δ可通過光電編碼器測量得到,進(jìn)而可以通 過關(guān)系式Sf = S/Isw計(jì)算得到車輛的前輪轉(zhuǎn)角Sf,Isw*轉(zhuǎn)向傳動(dòng)比;(3)四個(gè)車輪的轉(zhuǎn)動(dòng)角速 度c〇i(i = l,2,3,4)可通過輪速傳感器測量得到;(4)車輛縱向及側(cè)向加速度ax、ay可通過加 速度傳感器測量得到;(5)車輛橫擺角速度r可通過陀螺儀測量得到。
[0047]模塊化車輛狀態(tài)觀測器設(shè)計(jì)具體包括以下步驟:
[0048] 1、縱向輪胎力滑模觀測器設(shè)計(jì)
[0049]根據(jù)單輪滾動(dòng)動(dòng)力學(xué)方程,給出一階系統(tǒng)如下:
[0050]
(4).
[0051] 其中,是系統(tǒng)輸入,ωι作為系統(tǒng)的測量輸出量同時(shí)也是系統(tǒng)狀態(tài),當(dāng)系統(tǒng)狀態(tài)改 變時(shí),未知輸入量FX1也隨之改變。在這里,F(xiàn) X1就是我們要估計(jì)的狀態(tài),則該估計(jì)問題可以描 述成由測量輸出估計(jì)出系統(tǒng)未知輸入的過程。
[0052] 根據(jù)滑模觀測器理論,在這里定義系統(tǒng)誤差為邊- 本發(fā)明選取滑模面為系 統(tǒng)誤差,即S = ?,并選取李雅普諾夫函數(shù):
[0053] V = S2/2 (5)
[0054] 對公式(4)求導(dǎo),可得:
[0055] ^SS = Sa) = S((b-(h) (6):
[0056] 根據(jù)狀態(tài)觀測器理論,將公式(3)構(gòu)造成如下形式,其中LX1是觀測器增益。
[0057]
Π [0058] 將式(4)和式(7)代入(6)中,可以得到:
[0059]
_)
[0060] 其中,假設(shè)-|人.--.(·)滿足以下不等式:
[0061]
(9)
[0062] 上述假設(shè)中,F(xiàn)X1滿足有界條件,則只要pxl取足夠大的值,則假設(shè)是可以成立的。將 式(9)帶入到式(8)中,可以得到:
[0063]
(10)
[0064] 此時(shí),若Φ 其中sign(S)是符號函數(shù),進(jìn)而可以將式(10)表示 為:
[0065] K UX.sign (S) + |勾 A',. = () (ID
[0066] 由上述推導(dǎo)過程,本發(fā)明設(shè)計(jì)的滑模觀測器形式如下:
[0067]
(12)
[0068] 結(jié)合式(4)和式(12)進(jìn)一步將系統(tǒng)誤差導(dǎo)數(shù)表示為:
[0069]
(1 )
[0070] 當(dāng)時(shí)間為ti,系統(tǒng)達(dá)到穩(wěn)定時(shí),可得? = 〇,因此:
[0071]
(14)
[0072] 則根據(jù)式(14),未知輸入量FX1的估計(jì)值可以表示為如下形式:
[0073]
(1?>
[0074] 式(15)就是本發(fā)明針對未知輸入量見設(shè)計(jì)的滑模觀測器,其中,LX1是反饋增益, PX1是滑模增益。
[0075] 由于時(shí)間滯后、空間滯后以及系統(tǒng)慣性等影響,滑模系統(tǒng)容易出現(xiàn)抖振現(xiàn)象,這將 增大估計(jì)誤差從而影響估計(jì)結(jié)果。為了削弱抖振的影響,本發(fā)明采用飽和函數(shù)(16)代替符 號函數(shù)sign(S)。
[0076]
(!6)
[0077]其中,S表示估計(jì)誤差,Φ >0用于調(diào)解函數(shù)signeq(S,Φ )的斜率。
[0078] 將式(16)帶入式(15)中,可以得到縱向輪胎力滑模觀測器形式如下:
[0079]
(17)
[0080] 2、側(cè)向輪胎力滑模觀測器設(shè)計(jì)
[0081] 根據(jù)簡化的車輛三自由度動(dòng)力學(xué)方程,考慮到車輛沿y軸的側(cè)向運(yùn)動(dòng)方程和繞z軸 的轉(zhuǎn)矩平衡方程,可以得到以下車輛二自由度動(dòng)力學(xué)方程:
[0082]
(.18)
[0083]其中,ay為車輛側(cè)向加速度,單位m/s,F(xiàn)yf = Fyl+Fy2為前軸側(cè)向輪胎力,單位N,F(xiàn)yr = Fyl+Fy2為后軸側(cè)向輪胎力,單位N,F(xiàn)xf = Fxl+Fx2為前軸縱向輪胎力,單位N。
[0084]將式(18)中的前軸側(cè)向輪胎力Fyf和后軸側(cè)向輪胎力Fyr去耦合,得到:
[0085]
(!9)
[0086]對于前輪側(cè)向輪胎力Fyf,將式(19)化為形如式(4)的一階系統(tǒng):
[0087]
Q0)
[0088] 其中,r為系統(tǒng)狀態(tài),同時(shí)也是系統(tǒng)測量輸出,ay為系統(tǒng)輸入,F(xiàn)yf為系統(tǒng)未知輸入 量,同時(shí)也是要估計(jì)的狀態(tài)。
[0089]根據(jù)縱向輪胎力滑模觀測器設(shè)計(jì)過程,本發(fā)明設(shè)計(jì)的前軸側(cè)向輪胎力滑模觀測器 形式如下:
[0090]
(21)
[0091] 其中,Lyf為前軸側(cè)向輪胎力滑模觀測器的反饋增益,pyf為前軸側(cè)向輪胎力滑模觀 測器的滑模增益。結(jié)合式(20)和式(21)可以看出,在對前軸側(cè)向輪胎力進(jìn)行估計(jì)時(shí),需要以 前軸縱向輪胎力的值作為輸入。
[0092]同理可以設(shè)計(jì)后軸側(cè)向輪胎力滑模觀測器形式如下:
[0093](22) \ ..Γ .八 / |
I V Γ
[0094]其中,Lyr為后軸側(cè)向輪胎力滑模觀測器的反饋增益,pyr為后軸側(cè)向輪胎力滑模觀 測器的滑模增益。
[0095] 3、車輛速度全維狀態(tài)觀測器設(shè)計(jì)
[0096]根據(jù)力的平衡方程,縱向、側(cè)向加速度與車輛輪胎力之間的關(guān)系可以描述為:
[0097]
.闕
[0098] 其中,ax、ay分別為車輛的縱向及側(cè)向加速度,單位m/s2。根據(jù)式(2)和式(23),縱 向、側(cè)向車速及橫擺角速度可以進(jìn)一步表示為:
[0099]
(24)
[0100] 由于縱向、側(cè)向加速度及橫擺角速度可以由車輛傳感器直接測量得到,因此選擇 這三個(gè)量作為系統(tǒng)測量輸出,并將它們與其估計(jì)值之差作為車輛速度觀測器的校正項(xiàng),基 于非線性全維觀測器結(jié)構(gòu),可以設(shè)計(jì)出車輛縱向、側(cè)向車速及橫擺角速度的車輛速度全維 觀測器表達(dá)式如式(25)所示:
[0101]
(25>
[0102]兵甲,Ki (1 = X,y,r)代衣觀測益増益。利用輪胎力估計(jì)值,可以將縱向、側(cè)向加速 度估計(jì)值4、^.以及車輛繞z軸轉(zhuǎn)動(dòng)力矩估計(jì)值Λ)表示為:
[0103]
(26)
[0104] 步驟三、基于步驟二設(shè)計(jì)的模塊化車輛狀態(tài)觀測器,采用遺傳算法分別對各個(gè)估 計(jì)模塊進(jìn)行觀測器參數(shù)優(yōu)化。優(yōu)化參數(shù)的范圍及優(yōu)化結(jié)果如表1所示:
[0105] 表1車輛狀態(tài)觀測器參數(shù)優(yōu)化結(jié)果
[0106]
[0107] 其中優(yōu)化參數(shù)范圍是由手動(dòng)調(diào)節(jié)時(shí)的經(jīng)驗(yàn)值給出的一個(gè)較保守的范圍,以保證其 包含了最優(yōu)參數(shù),具體包括以下步驟:
[0108] 1.采用雙變量的標(biāo)準(zhǔn)遺傳算法首先分別對車輛四個(gè)輪的縱向輪胎力滑模觀測器 參數(shù)Pxl/L xl(i = l,2,3,4)進(jìn)行優(yōu)化,再以經(jīng)過參數(shù)優(yōu)化的前軸縱向輪胎力估計(jì)值作為輸入 對前軸側(cè)向輪胎力滑模觀測器參數(shù)Pyf/Lyr進(jìn)行優(yōu)化,最后對后軸側(cè)向輪胎力滑模觀測器參 數(shù)P yr/Lyr進(jìn)行優(yōu)化。
[0109] 根據(jù)步驟二所設(shè)計(jì)的縱向輪胎力滑模觀測器及前、后軸側(cè)向輪胎力滑模觀測器可 知,L、P是需要優(yōu)化的觀測器參數(shù)。對于輪胎力滑模觀測器參數(shù)優(yōu)化問題,由于縱向和側(cè)向 輪胎力滑模觀測器具有相似的結(jié)構(gòu),因此本發(fā)明僅給出以左前輪縱向輪胎力滑模觀測器為 例,利用遺傳算法對觀測器參數(shù)進(jìn)行優(yōu)化的過程。
[0110]在對觀測器參數(shù)進(jìn)行優(yōu)化時(shí),使用高保真動(dòng)力學(xué)仿真軟件veDYNA,選擇四輪驅(qū)動(dòng) 電動(dòng)汽車作為仿真車輛,具體車輛參數(shù)如表2所示:
[0111] 表2四輪驅(qū)動(dòng)電動(dòng)汽車參數(shù)
[0112]
[0113]
[0114] 讓車輛行駛在常規(guī)高附著雙移線工況下,具體工況設(shè)置為:在路面摩擦系數(shù)μ = 0.8的道路上,車輛由靜止開始加速,當(dāng)車輛速度加速到80km/h時(shí),進(jìn)行雙移線操作,之后保 持勻速直線運(yùn)動(dòng)。其中,考慮到實(shí)際中車載傳感器測量誤差,分別給傳感器測量信息車輪轉(zhuǎn) 動(dòng)角速度《i、驅(qū)動(dòng)力矩Ti、縱向加速度a x、側(cè)向加速度ay、橫擺加速度r以及車輛前輪轉(zhuǎn)角δ£ 加上幅值為〇. 0001的零均值白噪聲。
[0115] 遺傳算法(Genetic Algorithm,簡稱GA)是一類借鑒生物界自然選擇和自然遺傳 機(jī)制的隨機(jī)搜索算法。遺傳算法模擬自然選擇和自然遺傳過程中發(fā)生的繁殖、交叉和基因 突變現(xiàn)象,在每次迭代中都保留一組候選解,并按適應(yīng)度函數(shù)從解群中選取較優(yōu)的個(gè)體,利 用遺傳算子(選擇、交叉和變異)對這些個(gè)體進(jìn)行組合,產(chǎn)生新一代的候選解群,重復(fù)此過 程,直到滿足某種收斂指標(biāo)為止,具體執(zhí)行步驟如圖4所示。首先對遺傳算法程序進(jìn)行初始 化,具體參數(shù)設(shè)置為:種群規(guī)模為10,進(jìn)化代數(shù)為20精英個(gè)數(shù)為2,交叉概率為0.8,變異概率 為 0.2〇
[0116] 適應(yīng)度函數(shù)是指導(dǎo)搜索方向的唯一準(zhǔn)則,如何選擇它是GA中的關(guān)鍵問題。在進(jìn)行 左前輪縱向輪胎力滑模觀測器參數(shù)優(yōu)化時(shí),本發(fā)明選取估計(jì)誤差= &的均值和均 方差作為參數(shù)優(yōu)化的評價(jià)指標(biāo)。為了使優(yōu)化結(jié)果更加準(zhǔn)確合理,首先根據(jù)式(27)將二者進(jìn) 行歸一化處理,
[0117]
(2:7)
[0118]其中,G(xi) e [0 1],Xmin和Xmax分別為一組數(shù)據(jù)中的最小值和最大值,本發(fā)明選擇 適應(yīng)度函數(shù)如下:
[0119]
(28)
[0120] 其中,rmxl和ΓΜ?分別是左前輪縱向輪胎力誤差的均值和均方差權(quán)重因子,M( ·) 和D( ·)分別為求取均值和均方差的函數(shù),
[0121] (29)
[0122] 其中,N為單個(gè)變量的總個(gè)數(shù),N=t/s,t為仿真時(shí)間,s為仿真步長。
[0123] 遺傳算法具體執(zhí)行步驟如圖4所示。仿真時(shí),選取rmxl = 0.5, Γ μ1 = 0.5,仿真時(shí)間 為23s,仿真步長為0.01。基于遺傳算法的左前輪縱向輪胎力滑模觀測器參數(shù)優(yōu)化結(jié)果如圖 5所示,優(yōu)化過程中,隨著種群代數(shù)的增加,適應(yīng)度函數(shù)收斂于一個(gè)最小值,通過優(yōu)化我們得 到此時(shí)的滑模增益為L xl = 25.3026,反饋增益為pxl = 682.3490,相應(yīng)的適應(yīng)度函數(shù)值為 0.13376。
[0124] 其余三個(gè)輪的縱向輪胎力及前、后軸側(cè)向輪胎力觀測器參數(shù)均按上述過程進(jìn)行優(yōu) 化,其參數(shù)優(yōu)化結(jié)果如表1所示。
[0125] 2.以經(jīng)過參數(shù)優(yōu)化的前軸縱向及前、后軸側(cè)向輪胎力估計(jì)值作為輸入,采用單變 量的標(biāo)準(zhǔn)遺傳算法對車輛橫擺加速度狀態(tài)觀測器進(jìn)行參數(shù)優(yōu)化。
[0126] 對于車輛橫擺角速度觀測器參數(shù)優(yōu)化問題,需要優(yōu)化的參數(shù)是Kr,程序參數(shù)初始 化時(shí),各參數(shù)與上述設(shè)置相同。選擇的適應(yīng)度函數(shù)如式(30)所示,其中估計(jì)誤差F = r-h在 常規(guī)高附著雙移線工況下,其參數(shù)優(yōu)化結(jié)果如表1所示。
[0127]
(30):
[0128] 3.以經(jīng)過參數(shù)優(yōu)化的縱向及側(cè)向輪胎力估計(jì)值作為輸入,采用多目標(biāo)遺傳算法對 車輛縱向、側(cè)向車速觀測器參數(shù)進(jìn)行優(yōu)化,并得到Pareto最優(yōu)解集:
[0129] 由式(25)所示的縱向、側(cè)向車速觀測器形式可知,縱向和側(cè)向速度二者互相耦合, 在對縱向車速進(jìn)行估計(jì)時(shí)要以側(cè)向車速的估計(jì)值作為輸入,同時(shí),對側(cè)向車速進(jìn)行估計(jì)時(shí) 也要以縱向車速的估計(jì)值作為輸入。因此,在對縱向和側(cè)向車速觀測器參數(shù)進(jìn)行優(yōu)化時(shí),單 目標(biāo)的標(biāo)準(zhǔn)遺傳算法不再適用??紤]到二者估計(jì)值之間的相互影響關(guān)系,本發(fā)明利用 Mat 1 ab工具箱中的gamu 11 i ob j函數(shù)對多目標(biāo)優(yōu)化問題進(jìn)行求解。gamu 11 i ob j函數(shù)使用受控 的精英遺傳算法,該算法是帶精英策略的快速非支配排序遺傳算法(nondominated sorting genetic algorithm II,NSGA_II)的變體。其基本原理是:在可行域中尋找由優(yōu)化 變量組成的向量,使得一組相互沖突的目標(biāo)函數(shù)盡可能同時(shí)達(dá)到最小,并通過設(shè)置最優(yōu)前 端系數(shù)(Pareto Fraction)限制帕累托(Pareto)前沿上個(gè)體(精英個(gè)體)的數(shù)目,從而使所 求解收斂于Pareto前沿面。式(31)為縱向和側(cè)向車速觀測器參數(shù)優(yōu)化的目標(biāo)函數(shù)
[0130]
(?n
[0131] 多目標(biāo)遺傳算法參數(shù)設(shè)置為:最優(yōu)前端系數(shù)為0.3,種群規(guī)模為50,進(jìn)化代數(shù)為50, 交叉概率為〇. 8,變異概率0.2。在常規(guī)高附著雙移線工況下,經(jīng)過參數(shù)優(yōu)化得到的Pareto前 沿如圖6所示,所優(yōu)化變量值及其對應(yīng)的目標(biāo)函數(shù)值如表3所示:
[0132] 表3縱向/側(cè)向車速狀態(tài)觀測器參數(shù)優(yōu)化Pareto最優(yōu)解
[0133]
Lm 34」 由圖6 N以宥出,網(wǎng)個(gè)目標(biāo)凼數(shù)是相且沖哭的,其中一個(gè)目標(biāo)凼數(shù)值的減小則會(huì)引 起另一個(gè)目標(biāo)函數(shù)值的增大,因此,在Pareto前沿中則需要權(quán)衡兩個(gè)目標(biāo)函數(shù),選擇出一組 適合的解。在表3中可以看出,在列舉的14組最優(yōu)解中,目標(biāo)函數(shù)的值相對與目標(biāo)函數(shù)f 2的 值的變化較大。其最小值與最大值之間的差距也比較大,因此本發(fā)明著重考慮變化范圍較 大的目標(biāo)函數(shù)的值,選擇一組目標(biāo)函數(shù)的值較小的解。最終選擇的解如表3中的序號1所 示,BPKx=0.0018,K y=0.0099。
[0135] 下面給出本發(fā)明所述的基于遺傳算法的四驅(qū)電動(dòng)汽車狀態(tài)觀測器參數(shù)優(yōu)化方法 的離線仿真驗(yàn)證。
[0136] 為了驗(yàn)證觀測器參數(shù)優(yōu)化方法的有效性,首先將表1中所優(yōu)化出的參數(shù)輸入到模 塊化的車輛狀態(tài)觀測器中,并以veDYNA中的四輪驅(qū)動(dòng)電動(dòng)汽車作為仿真車輛。并以常規(guī)高 附著雙移線工況作為仿真工況,來驗(yàn)證與觀測器參數(shù)優(yōu)化時(shí)相同工況下的車輛狀態(tài)觀測器 估計(jì)效果。下面給出具體的實(shí)驗(yàn)結(jié)果與分析。
[0137] 考慮到車輛系統(tǒng)的對稱性,對于縱向輪胎力,只給出左側(cè)縱向輪胎力的仿真結(jié)果。 圖7-9,為該工況下的仿真結(jié)果圖。圖7分別為左前輪及左后輪縱向輪胎力觀測器估計(jì)結(jié)果 與veDYNA輸出真實(shí)值對比曲線以及其估計(jì)誤差。圖8分別為前輪及后輪側(cè)向輪胎力觀測器 估計(jì)結(jié)果與veDYNA輸出真實(shí)值對比曲線以及其估計(jì)誤差。圖9分別縱向/側(cè)向速度及橫擺角 速度觀測器估計(jì)結(jié)果與veDYNA輸出真實(shí)值對比曲線以及其估計(jì)誤差。由仿真結(jié)果圖可以看 出,對于所估計(jì)的車輛狀態(tài),經(jīng)過參數(shù)優(yōu)化的觀測器估計(jì)值可以較好的跟蹤上由veDYNA直 接輸出的真實(shí)值,并且有較小的估計(jì)誤差,這說明本發(fā)明所提出的基于遺傳算法的觀測器 參數(shù)優(yōu)化方法具有一定的有效性。
【主權(quán)項(xiàng)】
1. 一種基于遺傳算法的四驅(qū)電動(dòng)汽車狀態(tài)觀測器參數(shù)調(diào)節(jié)方法,其特征在于,包括以 下步驟: 步驟一、建立車輛單輪滾動(dòng)模型及簡化的三自由度車輛模型; 步驟二、模塊化車輛狀態(tài)觀測器設(shè)計(jì):以車輛傳感器測量信息車輪轉(zhuǎn)動(dòng)角速度及驅(qū)動(dòng) 力矩作為輸入,采用滑模觀測器方法對四個(gè)輪的縱向輪胎力設(shè)計(jì)縱向輪胎力觀測器;再以 縱向輪胎力估計(jì)值、前輪轉(zhuǎn)角、側(cè)向加速度及橫擺角速度作為輸入,分別設(shè)計(jì)前、后軸側(cè)向 輪胎力滑模觀測器;最后以縱向及側(cè)向輪胎力估計(jì)值、縱向及側(cè)向加速度、橫擺加速度和車 輛前輪轉(zhuǎn)角作為輸入,設(shè)計(jì)縱向車速、側(cè)向車速及橫擺角速度的車輛速度全維狀態(tài)觀測器; 步驟三、基于步驟二設(shè)計(jì)的模塊化車輛狀態(tài)觀測器,采用遺傳算法分別對各個(gè)估計(jì)模 塊進(jìn)行觀測器參數(shù)優(yōu)化。2. 如權(quán)利要求1所述的一種基于遺傳算法的四驅(qū)電動(dòng)汽車狀態(tài)觀測器參數(shù)調(diào)節(jié)方法, 其特征在于,所述步驟一建立的車輛單輪滾動(dòng)模型及簡化的三自由度車輛模型為: 1.1) 車輛單輪滾動(dòng)模型:其中,J為車輪的轉(zhuǎn)動(dòng)慣量,ω為每個(gè)車輪的轉(zhuǎn)動(dòng)角速度,Reff為輪胎的有效半徑,T為每 個(gè)車輪的驅(qū)動(dòng)力矩; 1.2) 簡化的三自由度車輛模型 車輛縱向及側(cè)向輪胎力Fx、Fy和車輛繞z軸轉(zhuǎn)動(dòng)力矩Mz可以表示為: Fx= (Fxi+Fx2)cos5f-(Fyi+Fy2)sin5f+Fx3+Fx4, Fy= (Fxl+Fx2)sin5f+(Fyl+Fy2)c〇s5f+Fy3+Fy4, Mz = lF(Fxi+Fx2)sin5f+lF(Fyi+Fy2)cos5f-lR(Fy3+Fy4) 其中,F(xiàn)xi/Fyi(i = 1,. . .,4)分別為四個(gè)輪的縱向及側(cè)向輪胎力,δ是車輛前輪轉(zhuǎn)角,1#口 1r分別是車輛質(zhì)心距前軸和后軸的距離,單位m。3. 如權(quán)利要求1所述的一種基于遺傳算法的四驅(qū)電動(dòng)汽車狀態(tài)觀測器參數(shù)調(diào)節(jié)方法, 其特征在于,所述步驟二設(shè)計(jì)的模塊化車輛狀態(tài)觀測器具體包括: 2.1) 縱向輪胎力滑模觀測器,形式為:其中,Lxi是反饋增益,pxi是滑模增益,Φ >0,ω i (i = 1,2,3,4)分別為四個(gè)車輪的轉(zhuǎn)動(dòng) 角速度,單位rad/s,J為車輪的轉(zhuǎn)動(dòng)慣量,單位kg · m2;Reff為輪胎的有效半徑,單位m。 2.2) 側(cè)向輪胎力滑模觀測器,包括: 前軸側(cè)向輪胎力滑膜觀測器為:其中,Lyf為前軸側(cè)向輪胎力滑模觀測器的反饋增益,pyf為前軸側(cè)向輪胎力滑模觀測器 的滑模增益; 后軸側(cè)向輪胎力滑膜觀測器:其中,Lyr為后軸側(cè)向輪胎力滑模觀測器的反饋增益,pyr為后軸側(cè)向輪胎力滑模觀測器 的滑模增益; 2.3)車輛速度全維狀態(tài)觀測器設(shè)計(jì): 選擇縱向加速度、側(cè)向加速度及橫擺角速度作為系統(tǒng)測量輸出,并將它們與其估計(jì)值 之差作為車輛速度觀測器的校正項(xiàng),基于非線性全維觀測器結(jié)構(gòu),設(shè)計(jì)出車輛縱向、側(cè)向車 速及橫擺角速度的車輛速度全維觀測器,表達(dá)式為:其中,代表觀測器增益,利用輪胎力估計(jì)值,可以將縱向、側(cè)向加速度估計(jì) 值4、4以及車輛繞ζ軸轉(zhuǎn)動(dòng)力矩估計(jì)值表示為:其中,ax、ay分別為車輛的縱向及側(cè)向加速度,單位m/ s2。4.如權(quán)利要求1所述的一種基于遺傳算法的四驅(qū)電動(dòng)汽車狀態(tài)觀測器參數(shù)調(diào)節(jié)方法, 其特征在于,所述步驟三中采用遺傳算法分別對各個(gè)估計(jì)模塊進(jìn)行觀測器參數(shù)優(yōu)化包括以 下步驟: 3.1) 采用雙變量的標(biāo)準(zhǔn)遺傳算法首先分別對車輛四個(gè)輪的縱向輪胎力滑模觀測器參 數(shù)進(jìn)行優(yōu)化,再以經(jīng)過參數(shù)優(yōu)化的前軸縱向輪胎力估計(jì)值作為輸入對前軸側(cè)向輪胎力滑模 觀測器參數(shù)進(jìn)行優(yōu)化,最后對后軸側(cè)向輪胎力滑模觀測器參數(shù)進(jìn)行優(yōu)化 3.2) 以經(jīng)過參數(shù)優(yōu)化的前軸縱向及前、后軸側(cè)向輪胎力估計(jì)值作為輸入,采用單變量 的標(biāo)準(zhǔn)遺傳算法對車輛橫擺角速度狀態(tài)觀測器進(jìn)行參數(shù)優(yōu)化,并將優(yōu)化出的觀測器參數(shù)輸 入到車輛橫擺角速度觀測器; 3.3) 以經(jīng)過參數(shù)優(yōu)化的縱向及側(cè)向輪胎力估計(jì)值作為輸入,采用多目標(biāo)遺傳算法對車 輛縱向、側(cè)向車速觀測器參數(shù)進(jìn)行優(yōu)化,并得到Pareto最優(yōu)解集。
【文檔編號】B60W40/10GK105946858SQ201610403778
【公開日】2016年9月21日
【申請日】2016年6月8日
【發(fā)明人】郭洪艷, 麻穎俊, 郝寧峰, 陳虹
【申請人】吉林大學(xué)