基于懸架行程解耦的SUV路面不平度識別算法研究

張 建，劉秋錚，王 康，劉 曄，李素文

(中國第一汽車股份有限公司技術中心汽車電子部，長春 130011)

2016193

基于懸架行程解耦的SUV路面不平度識別算法研究

張 建，劉秋錚，王 康，劉 曄，李素文

(中國第一汽車股份有限公司技術中心汽車電子部，長春 130011)

基于某SUV半主動懸架測得的懸架動行程信號，分析了幾種典型工況的懸架動行程頻域特性；設計了基于車輛加速度的懸架行程解耦算法，以消除車輛慣性力引起的懸架行程變化對路面不平度識別的影響；提出了以設定的車輛行駛距離內的懸架動行程積分為指標識別路面不平度的算法；最后進行了實車道路試驗驗證。結果表明，所設計的算法能有效辨識良好鋪裝路面和不平路面，且在車輛急加速，急制動和急轉彎時不會造成誤識別。

SUV；路面不平度識別；懸架行程解耦；懸架模型

前言

車輛行駛環境在線識別在現代汽車系統中越發重要。良好鋪裝路面和不平路面都是SUV的常用行駛路況，路面不平度的在線辨識是SUV路面識別系統的重要組成部分。由于路面不平度對車輛行駛性能的重大影響，國內外學者和汽車技術人員在路面不平度的識別方法上已經進行了大量的研究[1]。文獻[2]中提出了一種基于懸架和車輪動行程的路面不平度識別方法，這一研究基于頻域分析方法，辨識車輛以不同速度在不同路面上行駛時的路面顛簸。文獻[3]中研究了一種在懸架上加裝加速度計，從而進行路面不平度辨識并進行分類的方法，這一研究的辨識結果不受車速影響。文獻[4]中提出了一種基于單軸激光探測和定位裝置(laser detection and ranging，LADAR)的路面幾何形狀辨識方法。文獻[5]中則設計了一種基于車輪垂直動載荷的路面不平度的識別方法。這些研究結果已經在不同條件下得到了驗證，但是在實用化中仍存在各自的問題，本文中的研究目標是采用原車上已有的傳感器信號設計實用化的路面不平度識別算法，為了能夠適應SUV的惡劣多變的行駛工況，算法要同時滿足實時性和精確性的要求，并且能夠處理各種特殊工況。

因此，本文中以某高端SUV為目標車型，基于該車型上裝備的半主動懸架所發出的懸架動行程信號開展研究，分析了幾種典型工況下的懸架動行程頻域特征，據此為消除車輛急加速、制動或轉向時，簧載質量加速度引起的慣性力導致的懸架行程變化對路面不平度識別效果的影響，從實時性和準確性的角度分析了幾種懸架模型的估算性能，選擇合適的模型設計了懸架行程解耦算法；據此提出了路面不平度辨識指標，并進行了實車道路試驗驗證。結果表明，所設計的算法能兼顧實時性和精確性的要求，有效識別良好鋪裝路面和不平路面，且在車輛急加速、制動或轉向時不會出現誤識別。

1 懸架動行程信號頻域特征分析

懸架動行程實質上是懸架系統在路面激勵作用下的響應，雖然對于車輛系統而言，路面激勵難以實時獲取，但一般說來，不平路面的激勵遠大于良好路面，因此導致的懸架動行程也較大。目標車型是一種高端SUV，4個懸架均為半主動獨立懸架，針對目標車進行了水平良好路面上勻速直行、不平路面直行、水平良好路面上蛇行以及水平良好路面上急加速+急減速的道路試驗，測取了各工況下懸架的動行程，如圖1所示。采用FFT方法進行懸架動行程的功率譜估計，結果如圖2所示。

由圖1可見，車輛在不平路面上行駛時懸架動行程遠大于水平路面勻速直行工況，從圖2中也可明顯看出這一點，但車輛在良好路面上行駛且加速度較大時也會引起懸架大幅度波動，其功率譜密度在一定頻段甚至高于不平路面的行駛工況。為了驗證懸架動行程與車輛加速度的關系，對水平路面蛇行工況的懸架動行程和側向加速度進行功率譜分析，結果如圖3所示。由圖可見，懸架動行程與側向加速度在0.2Hz處均有很強的能量集中，說明此時懸架動行程與車輛加速度有很強的相關性。可以使用車輛加速度對懸架動行程進行解耦，分離出路面不平造成的懸架波動，從而進行路面不平度的識別。

圖1 不同工況下懸架的動行程

圖2 不同工況懸架動行程的功率譜密度

圖3 水平路面蛇行工況懸架動行程與側向加速度的頻域關系

2 懸架動行程解耦算法

2.1 懸架動行程分解

在半主動懸架實測的懸架動行程中減去由加速度估算得到的動行程，即可得到由路面不平造成的懸架動行程，實現懸架行程解耦：

zsus=zmea-zcal

(1)式中：zmea為由半主動懸架發出的懸架行程測量值；zcal為車輛加速度造成的懸架動行程計算值。

解耦懸架行程zsus即可用于路面不平度識別。

2.2 車輛加速度造成的懸架動行程計算

懸架行程解耦所需的加速度導致的懸架變形zcal可采用車輛垂向運動動力學模型估算。考慮到車載控制單元的計算能力，需要對模型進行簡化。由于當車輛懸掛質量分配系數接近于1時，可認為前后軸懸掛質量垂直運動相互獨立[6]，為有效反映車輛側傾剛度對懸架動行程的影響，對前后軸分別采用1/2車輛振動模型計算懸架行程，模型如圖4所示。

圖4 1/2車輛振動模型

列出力和力矩平衡方程為

(2)

其中

zib=(zil+zir)/2,φi=(zir-zil)/B

1/2車輛模型將前后軸懸掛質量分別計算，其中i=f表示前軸，i=r表示后軸。

簧載質量mf和mr分別對應汽車前軸或后軸的

等效集中質量，即

(3)

ΔFil，ΔFir為單軸左右車輪車輛動載荷，用下式計算：

(4)

由于路面不平和車輛加速度分別會對懸架行程造成影響，而本文中也是分別對其進行考慮的，因此在估算車輛加速度造成的懸架動行程時，可以假設路面是完全平整的，即假設路面輸入

qil=qir=0

(5)

式中：M為汽車總質量；m為整車簧載質量；mf，mr分別為前軸和后軸的等效集中質量；a為汽車質心到前軸距離；b為汽車質心到后軸距離；L為軸距；B為輪距；h為汽車質心高；e為簧載質量質心到側傾中心的距離；g為重力加速度；cil,cir分別為單軸左、右懸架阻尼；kil,kir分別為單軸左、右懸架剛度；Kfφ，Krφ分別為汽車前、后軸的側傾角剛度；φ為整車側傾角；φi為汽車單軸側傾角；zib為前后軸簧載質量垂向行程；zil，zir分別為單個車軸上車身在懸掛點處的垂向行程；ΔFibl，ΔFibr分別為單軸左、右懸架力；ax為汽車縱向加速度；ay為汽車側向加速度。

不同整車裝載質量和裝載位置可能會對計算過程略有影響，但考慮到每次車輛行駛過程中兩者的變化量一般較小，不會對估算結果有很大影響，因此本文中暫未考慮這一因素，假設車輛載荷狀態不變。

2.3 懸架動行程計算算法驗證

以左前懸架計算結果為例說明懸架動行程計算算法的效果。圖5為蛇行工況下估計得到的懸架動行程；圖6為急加速緊接急減速工況估計得到的懸架動行程，可見該算法的估算結果非常接近實測值。

圖5 水平路面蛇行工況懸架動行程計算

圖6 水平路面急加速+急減速工況懸架動行程計算

3 路面不平度識別指標的確定

懸架行程解耦后，可以應用頻域分析方法進行路面不平度的估計[7]，但是功率譜分析方法計算量大，不適合用于在線計算，因此有必要從懸架動行程中找到能反映路面不平度特征的合適指標[8]。由圖2可見，懸架動行程信息中，絕大部分能量都集中在1Hz以下，這一方面是由于懸架振動頻率本來就較低，由半主動懸架發出的懸架動行程又是經過濾波處理后的信號，因此，可以用該信號的振動能量(也即是1Hz以下的低頻振動能量)來估計路面不平度。

此外，懸架動行程的功率譜是時間譜，而路面不平度則是空間譜，需要考慮車速的影響。最后確定采用車輛每行駛1m的距離時，解耦懸架行程zsus的曲線與橫軸(行駛距離S)所圍成的面積Esus作為表征指標，如圖7所示。

圖7 路面不平度指標

4 道路試驗研究

為驗證算法的有效性，分別進行了水平良好路面上勻速直行、不平路面直行、水平良好路面上蛇行和水平良好路面上急加速+急減速的道路試驗，試驗結果如圖8～圖11所示。每個工況均以左前懸架動行程和路面不平度指標為例進行說明。

(1)圖8為水平良好路面勻速直行工況的試驗結果。試驗車速為60km/h，可見車輛行駛平穩，懸架動行程很小，路面不平度指標接近于0。

圖8 水平良好路面直行不平度辨識結果

(2)圖9為不平路面直行工況的試驗結果。試驗時在試驗人員可承受的前提下保持盡量高的行駛車速，可見懸架動行程劇烈變化，路面不平度指標迅速上升，左前輪路面不平度指標最高可達180。

圖9 不平路面直行不平度辨識結果

(3)圖10和圖11為水平良好路面蛇行工況及急加速+急減速工況的試驗結果。可見大加速度導致大幅度的載荷轉移，并將引起懸架動行程劇烈變化，此時路面不平度指標高于勻速行駛工況，但基本可以保持在5以下。

圖10 水平良好路面蛇行不平度辨識結果

圖11 水平良好加減速不平度辨識結果

5 結論

以某SUV為目標車型，提出了基于懸架動行程解耦的路面不平度識別算法，并進行了道路試驗驗證。結果表明：以車輛每行駛1m的距離時，懸架動行程曲線與橫軸所圍成的面積來表征路面不平度的指標，該指標可以有效反映路面不平特征；基于修正阻尼的1/2車輛振動模型的懸架動行程計算算法效果良好，據此可以實現懸架動行程的有效解耦；所設計的路面不平度識別算法可以有效識別不平路面，且水平良好路面上的急加速、急制動與急轉向不會造成算法的誤識別。

[1]BARHILLELA,LERNERR,LEVID,etal.Recentprogressinroadandlanedetection:asurvey[J].MachineVisionandApplications, 2012, 25 (3): 727-745.

[3] WARD C C, IAGNEMMA K. Speed-independent vibration-based terrain classification for passenger vehicles[J]. Vehicle System Dynamics, 2009, 47 (9): 1095-1113.

[4] CREMEAN L B, MURRAY R M. Model-based estimation of off-highway road Geometry using single-axis LADAR and inertial sensing[C]. ICRA 2006.

[5] 李忠國, 張為公, 劉慶華,等. 基于車輪垂直動載的路面不平度識別研究[J]. 儀器儀表學報, 2006(S3).

[6] 余志生. 汽車理論[M]. 第3版. 北京: 機械工業出版社, 2000.

[7] Thai Minh Do,Thong Chi Le. Performance analysis of FFT filter to measure displacement signal in road roughness profiler[J]. International Journal of Computer & Electrical Engineering, 2013, 5(4):356-361.

A Study on the Road Roughness Identification Algorithm for SUVs Based on Decoupling of Suspension Deflection

Zhang Jian, Liu Qiuzheng, Wang Kang, Liu Ye & Li Suwen

R&DCenterAutomotiveElectronicsDepartment,ChinaFAWCo.,Ltd.,Changchun130011

Based on the dynamic suspension deflection signals measured on the semi-active suspension of a SUV, the frequency characteristics of its dynamic suspension deflection are analyzed. An algorithm for suspension deflection decoupling is devised based on vehicle acceleration to eliminate the effects of suspension deflection variation caused by vehicle inertial force on the identification results of road surface irregularity. Then an algorithm is proposed which takes the integral of suspension dynamic deflection in a preset driving distance of vehicle as an indicator of road surface irregularity identification. Finally a real vehicle road test for verification is conducted with a result showing that the algorithm devised can effectively distinguish between well paved road and rough road, and brisk acceleration, hard braking and sharp turning of vehicle will not result in misidentification.

SUV; road roughness identification; suspension deflection decoupling; suspension model

原稿收到日期為2016年7月4日，修改稿收到日期為2016年8月8日。