基于MPC的制动力分配方法、系统、设备、介质及产品与流程

摘要: 本技术涉及车辆制动控制系统,特别涉及一种基于mpc的制动力分配方法、系统、设备、介质及产品。背景技术:1、车辆制动系统的性能直接关系到行车安全。传统的制动系统采...
基于MPC的制动力分配方法、系统、设备、介质及产品与流程

本技术涉及车辆制动控制系统,特别涉及一种基于mpc的制动力分配方法、系统、设备、介质及产品。

背景技术:

1、车辆制动系统的性能直接关系到行车安全。传统的制动系统采用液压或气压传动,并常配备防抱死系统(anti-lock braking system,abs)和电子制动力分配(electricbrakeforce dis-tribution,ebd)功能。ebd通常基于预设的固定比例曲线分配前后轴制动力,虽能提供基础保障,但无法适应动态变化的车辆状态和复杂路况。

2、随着线控技术的发展,电子机械制动(emb)系统因其响应快、控制精度高、结构简单等优点,成为下一代制动系统的研究方向。为优化emb性能,现有研究提出了多种智能控制算法。这些方法属于“反应式”控制,即根据当前误差进行调整,因此在应对急剧变化的工况时,其响应速度和综合性能仍有提升空间。

技术实现思路

1、本技术提供一种基于mpc的制动力分配方法、系统、设备、介质及电子产品。

2、第一方面,本技术提供了一种基于mpc的制动力分配方法,该基于mpc的制动力分配方法包括:获取车辆状态数据;其中,车辆状态数据包括车辆纵向速度信号、车辆横摆角速度信号和踏板制动信号;

3、根据踏板制动信号所确定的总制动力,设定目标函数的参考轨迹;参考轨迹至少通过纵向速度参考,横摆角速度参考和最佳滑移率中的至少两参考项表征;

4、基于模型预测控制,在滚动时域内对mpc的预测模型的多目标优化问题进行求解;其中,多目标优化问题包括与车辆纵向速度信号、车辆横摆角速度信号,以及参考轨迹中参考项所对应的多个惩罚项;

5、根据求解出的控制量分别向各车轮配置的emb执行器分配对应的制动力。

6、可选地,mpc的预测模型基于以下步骤确定:

7、构建车辆动力学模型的状态空间方程:其中,状态空间方程包括以下两项:

8、纵向动力学方程:

9、;

10、横摆动力学方程:

11、;

12、其中,是车辆质量;

13、是车辆纵向速度信号

14、是纵向加速度信号

15、是前左轮的纵向制动力;

16、是前右轮的纵向制动力;

17、是后左轮的纵向制动力;

18、是后右轮的纵向制动力;

19、是车辆绕垂直轴的转动惯量;

20、是车辆横摆角速度信号;

21、是横摆角加速度信号;

22、是车辆前轴左右两侧车轮距离信号;

23、是车辆后轴左右两侧车轮距离信号;

24、对车辆动力学模型的纵向动力学方程和横摆动力学方程离散化处理,得到mpc的预测模型。

25、可选地,对车辆动力学模型的纵向动力学方程和横摆动力学方程离散化处理,得到mpc的预测模型,包括:

26、以为状态向量;

27、以及以为控制向量,将纵向动力学方程以及横摆动力学方程改写成状态空间形式:

28、;其中,a为系统矩阵,b为输入矩阵;

29、对改写成状态空间形式的方程进行前向欧拉法离散化,得到mpc的预测模型。

30、可选地,多目标优化问题的目标函数包括以下至少两项:第一惩罚项;第二惩罚项;第三惩罚项;第四惩罚项;

31、其中,第一惩罚项用于惩罚车辆纵向速度信号与的偏差项;

32、第二惩罚项用于惩罚车辆横摆角速度信号与的偏差;

33、第三惩罚项用于惩罚第k控制周期的控制量与第(k-1)控制周期的控制量的偏差;

34、第四惩罚项用于惩罚车轮滑移率与的偏差;

35、多目标优化问题的约束条件包括以下至少两项:

36、

37、其中,为emb执行器提供的最大制动力;

38、为防止制动力突变的边界;

39、;

40、是滑移率的下限;

41、是滑移率的上限;

42、为轮胎椭圆约束;

43、为纵向制动力;

44、为横向制动力;

45、为路面附着系数;

46、为轮胎垂向力;

47、对应前右轮;

48、对应前左轮;

49、对应后右轮;

50、对应后左轮。

51、可选地,多目标优化问题的目标函数为:

52、

53、其中,为第一惩罚项;

54、为第二惩罚项;

55、为第三惩罚项;

56、为第四惩罚项;

57、、r、s和p分别为权重矩阵;

58、车轮滑移率为;

59、为车轮角速度;

60、为车轮半径;

61、为预测时域;

62、为控制时域;

63、k为当前的控制周期;

64、(k+ii)为从第k控制周期起,经过ii个控制周期后的控制周期。

65、可选地,在滚动时域内对mpc的预测模型的多目标优化问题进行求解,包括:

66、在滚动时域内,通过优化求解器对mpc的预测模型的多目标优化问题进行求解;其中,优化求解器配置最大迭代步数。

67、可选地,根据求解出的控制量分别向各车轮配置的emb执行器分配对应的制动力,包括:

68、根据求解出的最优控制序列中的第一个控制量向各车轮配置的emb执行器分配对应的制动力。

69、可选地,获取车辆状态数据,包括:

70、通过传感器模块采集原始数据;

71、采用扩展卡尔曼滤波器以原始数据中的原始车辆纵向速度信号和原始横摆角速度分别为输入,分别输出车辆纵向速度信号和车辆横摆角速度信号。

72、可选地,根据踏板制动信号所确定的总制动力,设定目标函数的参考轨迹,包括:

73、基于制动踏板开度信号完成驾驶员制动意图解析:以踏板行程与踏板力作为双输入参量,通过预标定的映射表进行查表运算,计算出驾驶员期望的整车总制动力;

74、根据总制动力,设定目标函数的参考轨迹。

75、第二方面,本技术提供了一种基于mpc的制动力分配系统,该基于mpc的制动力分配系统包括:电子控制单元和emb执行器;其中,

76、电子控制单元,用于:

77、获取车辆状态数据;其中,车辆状态数据包括车辆纵向速度信号、车辆横摆角速度信号和踏板制动信号;

78、根据踏板制动信号所确定的总制动力,设定目标函数的参考轨迹;参考轨迹至少通过纵向速度参考,横摆角速度参考和最佳滑移率中的至少两参考项表征;

79、基于模型预测控制,在滚动时域内对mpc的预测模型的多目标优化问题进行求解;其中,多目标优化问题包括与车辆纵向速度信号、车辆横摆角速度信号,以及参考轨迹中参考项所对应的多个惩罚项;

80、根据求解出的控制量分别向各车轮配置的emb执行器分配对应的制动力。

81、可选地,电子控制单元,还用于:

82、构建车辆动力学模型的状态空间方程:其中,状态空间方程包括以下两项:

83、纵向动力学方程:

84、;

85、横摆动力学方程:

86、;

87、其中,是车辆质量;

88、是车辆纵向速度信号;

89、是纵向加速度信号;

90、是前左轮的纵向制动力;

91、是前右轮的纵向制动力;

92、是后左轮的纵向制动力;

93、是后右轮的纵向制动力;

94、是车辆绕垂直轴的转动惯量;

95、是车辆横摆角速度信号;

96、是横摆角加速度信号;

97、是车辆前轴左右两侧车轮距离信号;

98、是车辆后轴左右两侧车轮距离信号;

99、对车辆动力学模型的纵向动力学方程和横摆动力学方程离散化处理,得到mpc的预测模型。

100、可选地,电子控制单元在配置为对车辆动力学模型的纵向动力学方程和横摆动力学方程离散化处理,得到mpc的预测模型时,还具体用于:

101、以为状态向量;

102、以及以为控制向量,将纵向动力学方程以及横摆动力学方程改写成状态空间形式:

103、;其中,a为系统矩阵,b为输入矩阵;

104、对改写成状态空间形式的方程进行前向欧拉法离散化,得到mpc的预测模型。

105、可选地,多目标优化问题的目标函数包括以下至少两项:

106、第一惩罚项;第二惩罚项;第三惩罚项;第四惩罚项;

107、其中,第一惩罚项用于惩罚车辆纵向速度信号与的偏差项;

108、第二惩罚项用于惩罚车辆横摆角速度信号与的偏差;

109、第三惩罚项用于惩罚第k控制周期的控制量与第(k-1)控制周期的控制量的偏差;

110、第四惩罚项用于惩罚车轮滑移率与的偏差;

111、多目标优化问题的约束条件包括以下至少两项:

112、

113、其中,为emb执行器提供的最大制动力;

114、为防止制动力突变的边界;

115、;

116、是滑移率的下限;

117、是滑移率的上限;

118、为轮胎椭圆约束;

119、为纵向制动力;

120、为横向制动力;

121、为路面附着系数;

122、为轮胎垂向力;

123、对应前右轮;

124、对应前左轮;

125、对应后右轮;

126、对应后左轮。

127、在这里,通过设置多目标优化问题的约束条件,能够显式地将执行器物理极限、轮胎附着椭圆等作为约束条件融入优化问题,从而始终将系统控制在安全、可行的范围内。

128、可选地,多目标优化问题的目标函数为:

129、

130、其中,为第一惩罚项;

131、为第二惩罚项;

132、为第三惩罚项;

133、为第四惩罚项;

134、、r、s和p分别为权重矩阵;

135、车轮滑移率为;

136、为车轮角速度;

137、为车轮半径;

138、为预测时域;

139、为控制时域;

140、k为当前的控制周期;

141、(k+ii)为从第k控制周期起,经过ii个控制周期后的控制周期。

142、可选地,电子控制单元配置为在滚动时域内对mpc的预测模型的多目标优化问题进行求解时,还具体用于:

143、在滚动时域内,通过优化求解器对mpc的预测模型的多目标优化问题进行求解;其中,优化求解器配置最大迭代步数。

144、可选地,电子控制单元在配置为根据求解出的控制量分别向各车轮配置的emb执行器分配对应的制动力时,还具体用于:

145、根据求解出的最优控制序列中的第一个控制量向各车轮配置的emb执行器分配对应的制动力。

146、可选地,该基于mpc的制动力分配系统还包括传感器模块;电子控制单元在配置为获取车辆状态数据时,还具体用于:

147、通过传感器模块采集原始数据;

148、采用扩展卡尔曼滤波器以原始数据中的原始车辆纵向速度信号和原始横摆角速度分别为输入,分别输出车辆纵向速度信号和车辆横摆角速度信号。

149、可选地,电子控制单元在配置为根据踏板制动信号所确定的总制动力,设定目标函数的参考轨迹时,还具体用于:

150、基于制动踏板开度信号完成驾驶员制动意图解析:以踏板行程与踏板力作为双输入参量,通过预标定的映射表进行查表运算,计算出驾驶员期望的整车总制动力;

151、根据总制动力,设定目标函数的参考轨迹。

152、第三方面,本技术提供了一种电子设备,包括:至少一个处理器;以及,与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行以实现第一方面描述的基于mpc的制动力分配方法。

153、第四方面,本技术提供了一种计算机可读存储介质,当存储介质中的指令由电子设备对应的处理器执行时,使得电子设备能够实现第一方面描述的基于mpc的制动力分配方法。

154、第五方面,本技术提供了一种计算机程序产品,包括计算机程序/指令,该计算机程序/指令被处理器执行时实现如第一方面描述的基于mpc的制动力分配方法。

155、本技术的技术方案相对现有技术具有如下技术效果:

156、本技术提供的基于mpc的制动力分配方法,具有以下有益效果:

157、综合性能提升:通过多目标优化问题,能够在保证车辆稳定性的前提下,显著缩短制动距离。

158、前瞻控制,响应迅速:利用mpc的预测模型的预测功能,算法能够“预见”未来的状态变化并提前动作,有效减小了控制滞后,提高了对突发工况的应对能力。