乘用車穩定性自抗擾控制策略

劉 剛, 靳立強, 王 熠

(1. 吉林大學 汽車仿真與控制國家重點實驗室,吉林 長春 130025; 2. 河南工學院 自動控制系, 河南 新鄉 453000;3. 燕山大學 信息學院計算機教學實驗中心, 河北 秦皇島 066004)

?

乘用車穩定性自抗擾控制策略

劉 剛1,2, 靳立強1, 王 熠3

(1. 吉林大學 汽車仿真與控制國家重點實驗室,吉林 長春 130025; 2. 河南工學院 自動控制系, 河南 新鄉 453000;3. 燕山大學 信息學院計算機教學實驗中心, 河北 秦皇島 066004)

為了提高汽車駕駛過程中的安全性能,研究傳統乘用車的操縱穩定性控制策略,并采用分層控制結構設計穩定性控制系統.控制策略包含參考模型、UniTire輪胎模型、參數估計模塊,控制量期望值計算模塊、自抗擾控制(ADRC)部分及直接橫擺力矩分配和滑移率控制模塊.采用動力學計算的方法估計質心側偏角,將估算得到的質心側偏角和傳感器采集得到的橫擺角速度作為控制變量.當控制變量超過設定門限值時,采用ADRC計算橫擺力矩.基于UniTire輪胎模型建立主動橫擺力矩和車輪滑移率的關系確定目標滑移率,通過變參數PID實現滑移率控制.應用硬件在環仿真(HILS)平臺分別進行單移線和雙移線仿真實驗,結果表明：所提出的穩定性控制策略能夠提高車輛的操穩性能,使得控制變量能夠緊密跟蹤期望值.

自抗擾控制(ADRC)；車輛動力學；電子穩定控制系統；橫擺力矩控制；硬件在環仿真(HILS)

車輛電子穩定系統(electronic stability program, ESP)是汽車主動安全技術領域一個重要的研究方向.ESP用于保證汽車在行駛過程中的穩定性,即在車輛出現轉向不足或者轉向過多危險情況時,ESP通過發動機轉矩與制動轉矩產生直接橫擺力矩來糾正車輛行駛狀態,從而保證車輛的穩定狀態.ESP產品目前只有博世、大陸等外企能夠生產,國內尚無相關產品.關于ESP系統的大量研究,集中在直接橫擺力矩的控制算法和橫擺力矩分配策略.目前在接橫擺力矩控制算法方面,滑模控制[1]、模糊控制[2]、模型預測控制[3]、H∞算法[4]等已有運用.在橫擺力矩分配策略方面,Yang[5]采用二次規劃法設計橫擺力矩分配器,采用有效集法求車輪橫擺力矩分配最優解.付皓[6]利用轉矩矢量進行力矩分配,實車試驗表明,這類方法有效提高了電動車的側向穩定性能.Li等[7]提出了基于車載輪胎模型的橫擺力矩分配和制動壓力控制方案,并討論了輪胎模型不準確和極限附著橢圓偏差2種情況下的目標值選取方法.Chen等[8-10]將橫擺力矩分配和目標滑移率值的確定問題轉換成了有約束的優化問題,使用數學方法獲得橫擺力矩分配最優解.

本文采用分層控制策略,將車輛穩定控制系統分成上、下兩層.上層控制器計算車輛穩定所需直接橫擺力矩,考慮到車輛在復雜工況下會產生強非線性、模型參數擾動等控制難題,采用自抗擾控制算法來解決車輛行駛過程中的非線性和不確定性的問題.下層控制器用于橫擺力矩分配,通過研究UniTire輪胎模型建立直接橫擺力矩和輪胎目標滑移率之間的關系,采用自適應變參數比例積分微分(proportion integration differentiation, PID)算法實現滑移率控制.

1 UniTire輪胎模型

車輛動力學性能嚴重依賴輪胎與路面之間的作用力,因此建立高精度的輪胎模型是車輛電子穩定研究領域的關鍵問題,本文采用Guo等[11]提出的UniTire輪胎模型計算車輛在復雜工況下輪胎受力.

在UniTire模型中,定義縱向滑移率Sx和側向滑移率Sy分別為

(1)

(2)

式中：Ω為車輪角速度,Re為車輪有效半徑,vx和vy分別為輪心的縱向速度和側向速度.

在UniTire輪胎模型中,無量綱的縱向滑移率φx和無量綱側向滑移率φy分別為

(3)

式中：Kx為縱滑剛度,Ky為側偏剛度,Fxm和Fym分別為輪胎的縱向力極值和側向力極值,φ為無量綱總滑移率.

由式(1)～(3)可得UniTire輪胎的側向力和縱向力分別為

(4)

(5)

式中：Fz為輪胎z軸方向受力；μx為縱向滑移摩擦系數；μy側向滑移摩擦系數；E為曲率因子,用來調節受力曲線的彎曲度.

考慮到車輛穩定性控制時的加速、制動工況對車輪垂直載荷的影響,車輪載荷為

(6)

式中：Lf和Lr分別為車輛前后軸到車輛質心的距離,hcg為質心到地面的距離,L為前、后軸之間的距離,Bf為車輛寬度.

2 ESP分層控制策略

ESP在汽車實際運動狀態偏離駕駛員期望運動狀態時主動介入進行穩定性控制.本文設計的電子穩定系統采用分層控制策略,上層控制器負責采用自抗擾控制算法計算穩定性控制所需的直接橫擺力矩,下層控制器負責將計算所得橫擺力矩分配到被控車輪進行滑移率控制從而實現車輛的穩定性控制.上層控制器的控制變量選擇質心側偏角和橫擺角速度,因為質心側偏角和橫擺角速度能夠反映車輛的轉向特性,其中橫擺角速度用來判斷車輛轉向過程中是否出現轉向不足或轉向過多的情況,質心側偏角用來判斷在轉向過程中是否出現軌跡偏離的情況,兩者共同決定了車輛的穩定狀況.將這2個變量與其期望值分別作差,當其中任何一個的差值大于介入門限值時,就采用自抗擾算法進行橫擺力矩計算.下層控制器首先根據車輛狀態判斷選取被控車輪,然后根據上層計算所得橫擺力矩和UniTire輪胎模型計算得出目標滑移率,通過采用自適應變參數PID算法實現滑移率控制,從而使得車輛狀態達到穩定.如圖1所示為控制策略架構圖.

圖1 車輛電子穩定性控制策略架構圖Fig.1 Architecture of proposed vehicle electronical stability controlscheme

3 上層控制器設計

3.1 理想橫擺角速度和理想質心側偏角計算

采用車輛線性二自由度模型穩態響應模型計算橫擺角速度和質心側偏角的期望值.

通過文獻[12]所提公式計算得到橫擺角速度的期望值為

(7)

其中穩定性因數為

(8)

式中：ωrd為汽車等速圓周運動時的橫擺角速度期望值；vx一般采用估算的方法得到,可參考文獻[6]；δ為前輪側偏角,可通過方向盤轉角傳感器得到；m汽車的質量；Cf為前輪側偏剛度,Cr為后輪的側偏剛度.

由于式(7)未考慮路面工況的復雜,因此采用文獻[7]中利用附著系數對期望值進行限制,即橫擺角速度的期望值的取值范圍為

(9)

考慮到模型的瞬態響應特性,增加一階滯后環節最終得到橫擺角速度的期望值為

(10)

式中：τ為目標響應時間.

根據二自由度車輛模型做等速圓周運動的情況,在穩態時,可得理想質心側偏角為

(11)

式(11)是根據側向力與輪胎的側偏角成正比而得出的,并未考慮在輪胎附著接近極限值,此時側向力和輪胎側偏角已不成線性的關系.根據文獻[13-15]中提及的經驗結論,即在路面附著系數為0.90時,質心側偏角的期望值上線為10°；在路面附著系數為0.35的工況下,質心側偏角期望值上限值為4°,因此修正的質心側偏角的期望值為

(12)

式中：βupper為質心側偏角的上限值：

|βupper|=arctan (0.02μg).

(13)

3.2 質心側偏角估算

質心側偏角在車輛穩定性控制中多采用參數估計的方法.目前常見的質心側偏角估算研究多采用卡爾曼濾波、非線性狀態觀測器等方法.此類方法多是以非線性模型為基礎,算法復雜,實時性較差,在實際ESP系統中受限.本文利用線性模型進行質心側偏角估算.

考慮到在穩定性控制中,車輛的質心側偏角上限值僅為10°,是一個較小的角度值,將質心側偏角的公式變化為

(14)

本文設計的電子穩定系統需要每10 ms對質心側偏角進行一次估算,在10 ms的時間內車輛的縱向車速可以認為是一個常數,因此式(14)的導數為

(15)

汽車理論中線性二自由度車輛模型微分方程為

(16)

將式(16)代入式(15)可得質心側偏角的微分值為

(17)

式中：ay和ωr分別為側向加速度和橫擺角速度,兩者均可以通過汽車上的偏航率傳感器采樣得到.對式(17)求積分即可得到質心側偏角.

3.3 路面附著系數

采用Fukada[16]提出的利用非線性度的附著補償系數加側向加速度的方式確定路面附著系數為

μ=|Gy|+μe.

(18)

式中：μ為路面附著系數；Gy=ay/g,g為重力加速度；μe為附著補償系數,該系數前輪轉角的偏差值之間的關系如圖2所示.其中前輪轉角偏差為

(19)

式中：vc為特征車速.

圖2 附著補償系數與前輪轉角差值的關系Fig.2 Curve of compensation factor versus front wheel angle difference

3.4 自抗擾控制器設計

自抗擾控制器的模型采用線性二自由度模型:

(20)

(21)

車輛在行駛過程中,利用偏航率傳感器采集橫擺角速度,然后將其與橫擺度速度的期望值相減;當差值大于系統設定的門限值時,基于橫擺角速度的自抗擾控制器就會介入控制.基于質心側偏角的自抗擾控制器同理.

3.3.1 橫擺角速度控制

將式(21)改寫為以直接橫擺力矩ΔM為控制量的仿射模型:

(22)

式中：

其中，u為輸出的直接橫擺力矩；f10為模型中的已知部分,其中的變量均可通過傳感器測量得到；f11為模型中的未知部分即車輛在運行過程中受到的各種“外擾”和“內擾”的總和作用.

橫擺角速度動態方程式(式(22))的擴張觀測器為

(23)

式中：

其中，z11為橫擺角速度ωr的觀測器；z12為式(23)中f11的估計值；α1為濾波因子,取值范圍在(0,0.8)；m1為非線性因子；k01和k02皆為輸出誤差矯正增益；fal(e,α,m)為坐標系下在原點附近的冪次函數.

式(22)的非線性誤差反饋控制率為

e2=ωrd-z11,

uωr=k1fhan(e2,α2,m2).

(24)

在自抗擾算法中,k01、k02、k1、α2、m2、b0皆為待調節參數.其中,k01、k02、k1是由系統的采樣步長確定的,韓京清[17]提出了與斐波那契數列相關的方法為

(25)

根據該方法得到觀測器系數的范圍后,利用Simulink軟件最終得到k01=800,k02=30 000,k1=18 000；參數α2為控制量增益,一般取2 000；參數m2和b0分別類似于PID控制算法中的比例增益系數和積分增益系數,利用Simulink軟件優化確定m2=600,b0=3.

最終,基于橫擺角速度控制的直接橫擺力矩為

ΔMωr=Iz(uωr-f10-z12).

(26)

3.3.2 質心側偏角控制

當車輛運行時質心側偏角與其期望值的差值達到門限值時,基于質心側偏角的自抗擾控制器就會介入控制.針對式(18)作如下修改,將其改成以直接橫擺力矩ΔM為控制量的一階仿射模型：

(27)

式中：

對基于質心側偏角動態方程式(23)設計擴張狀態觀測器:

(28)

式中：z21為質心側偏角β的觀測值,z22為f21的估計值.接著對式(26)設計非線性狀態誤差反饋率為

(29)

式中：k2、k03、k04、α4、m4、b1為待調試參數.由式(25)得到k2=600、k03=28 000、k04=15 000、α4=1 700、m4=500、b1=2.

基于質心側偏角控制的直接橫擺力矩為

ΔMβ=Iz(z22-uβ).

(30)

最終ESP在介入控制時上層控制器輸出的直接橫擺力矩為

(31)

式中：eβ-lim和erd-lim分別為質心側偏角和橫擺角速度在ESP介入控制時的門限設定值.

4 下層控制器設計

4.1 直接橫擺力矩的分配策略

車輛的轉向狀態可以通過理想橫擺角速度和實際橫擺角速度的差值進行判斷,判斷方法如圖(3)所示.圖中w為橫擺角速度偏差的門限值,當偏差值小于門限值時,車輛正處在中性轉向狀態.而橫擺角速度差值大于門限值,且當ωr-ωrd<0時,車輛處于不足轉向；相反的情況下則處于轉向過度.

圖3 車輛轉向狀態估算流程圖Fig.3 Flow chart of vehicle steering state estimation

直接橫擺力矩的分配部分需要考慮2個問題,一個是被控車輪的選擇,二則是需要確定被控車輪的目標滑移率.對于目前將直接橫擺力矩的分配轉換成有約束的優化問題,目前通過優化算法來求出每個車輛的最優解[18].這種將橫擺力矩分配到4個車輪的方式可以有效地提高控制效果.但是此類方法算法復雜,實時性不太好,因此本文盡可能地將直接橫擺力矩分配到單個車輪,如果分配的縱向力大于輪胎的極限值,則可以選擇同側車輪作為輔助制動輪.當車輛行駛過程中出現轉向不足時,ESP介入控制選擇內側后輪作為主要的控制對象;當車輛出現轉向過度的情況時,則選擇外側前輪作為主要制動對象,以此減小轉向過度的趨勢.被控車輪的選擇策略如表1所示.

表1 被控車輪選擇策略

圖4 車輛模型中的輪胎受力圖Fig.4 Force diagram of tire in vehicle motion model

根據輪胎摩擦圓理論,當汽車的車輪在縱向的滑移率增加Δλ,該輪胎的縱向力則會增加ΔFxfj,同時輪胎的側向力會減少ΔFyfj.如圖(4)所示為車輛模型中輪胎受力圖,當ESP介入控制時,前輪有轉角,后輪沒有轉角,因此直接橫擺力矩分配至前輪與直接橫擺力矩分配至后輪的公式為

(32)

式中：δf為前輪轉角,df為車輛寬度,lf為前軸到質心的距離.

由式(32)可知,直接橫擺力矩的期望值由輪胎縱向力產生的力矩增量減去側向力的力矩增量構成,接著我們對該式改寫構建橫擺力矩的期望值與輪胎滑移率的關系為

(33)

由文獻[11]的UniTire輪胎模型得到縱向力公式和側向力(式(4)),對式(4)縱向滑移率微分后帶入得式(33),即可確定直接橫擺力矩期望值和輪胎目標滑移率增量之間的關系為

ΔM=g(μ,Fzi)Δλi.

(34)

式中：Δλi為車輪分配得到的直接橫擺力矩而引起的滑移率的變化量,μ為地面附著系數,Fzi為車輪的垂直載荷.式(34)中的路面附著系數和車輪垂直載荷可以分別根據式(18)和式(6)計算得出.

4.2 目標滑移率控制

通過將目標滑移率和汽車當前車輪的滑移率做差,即e(k)=λd(k)-λ(k),采用變參數自適應PID計算得到車輪的目標制動壓力變化率為

Δp(k)=Kpe(k)+Kie(k)+Kd[e(k)-e(k-1)].

(35)

式中：的比例系數Kp、積分系數Ki及微分系數Kd的值均可根據滑移率差值e(k)進行選取,如表2所示,表2中E1=0.2,E2=0.5,e為滑移率差值e(k)在當前周期的值.

表2 自適應比例積分微分(PID)控制參數值列表

Tab.2 Parameters of adaptive proportion integration derivative (PID)

ePIDe>E2300115E1

5 硬件在環仿真

圖5 硬件在環仿真HIC平臺及車輛電子穩定系統(ESP)控制器Fig.5 Image of Hardware-in-the-loop (HIL) and electronic stability program (ESP) controller circuit

為了驗證本文提出的控制策略,采用基于dSpace硬件在環平臺(Hardware-in-the-Loop, HIL)進行一系列的實驗.硬件在環平臺是將部分硬件系統與計算機仿真軟件系統結合起來,硬件部分能夠準確反映系統的機械特性及液壓特性,仿真軟件能夠模擬各種路況,通過這種方式驗證算法的有效性和可靠性.如圖5所示為項目組設計的硬件在環仿真平臺和ESP控制器.

如圖6所示為硬件在環平臺的結構原理圖.平臺采用了dSpace公司的Simulator仿真系統及MicroAutobox快速原型控制器.通過計算機將Carsim整車模型下載并連接到Simulator中,再將本文基于Matlab/simulink的ESP控制策略下載至MicroAutobox.

圖6 硬件在環平臺結構原理圖Fig.6 Architecture of HIL stucture

駕駛員通過方向盤、驅動踏板將方向盤轉角信號和踏板位置信號輸入Simulator中.同時Simulator根據實時工況,通過CAN總線和IO口將縱向加速度、側向加速度、橫擺角速度、輪速信號輸出至ESP控制器.MicroAutobox作為ESP控制器,接收Simulator和駕駛員輸入的車輛狀態信號和傳感器信號.MicroAutobox中的ESP控制策略根據車輛狀態及路況進行實時計算,將控制指令以PWM信號的方式發送給液壓調節單元,通過液壓調節單元中的電磁閥和液壓泵驅動制動執行機構,實現車輛的主動安全控制,最后通過輪缸壓力傳感器將壓力信號送至ESP控制器以實現閉環控制.其中ESP控制器部分可以采用MicroAutobox,也可將Simulink的ESP控制算法生成C代碼下載至32位的單片機,將單片機作為ESP控制器.

本文在單移線和雙移線工況上進行仿真實驗以驗證穩定性控制策略的效果.仿真車型數據如表3所示.仿真條件設置如下：車速110 km/h,在附著系數為0.35和0.85的工況下只做轉向操作,車輛沒有加速或者制動的信號輸入,進行3種工況的仿真，分別是關閉ESP功能、基于PID算法的ESP控制器和以本文提出的算法作為控制器.

表3 某乘用車技術參數

如圖7所示在單移線工況下的仿真結果.圖中t表示時間,p表示輪缸壓力.如圖7(a)所示為側向加速度實驗結果,在關閉ESP功能后車輛在2.5 s時就表現出了失穩狀態；采用自抗擾算法控制的車輛的側向加速度的變化趨勢緊密跟隨方向盤轉角變化趨勢；PID算法控制下的車輛的側向加速度未能及時跟隨方向盤轉角變化趨勢,且在回正的過程中波動較大.如圖7(b)和圖7(c)所示分別為橫擺角速度和質心側偏角的仿真結果.從圖中可以看出,采用本文算法控制的車輛的橫擺角速度和質心側偏角的值緊密跟隨期望值,而采用PID算法控制的車輛對目標值的跟隨性能較差.如圖7(d)所示為本文算法控制下的車輛4個車輪的輪缸壓力,本文提出的下層算法通過調整被控車輪的制動壓力實現目標滑移率的控制.

圖7 單移線工況下硬件在環實驗數據Fig.7 Simulation results of HIL during single lane

如圖8所示為雙移線工況下的實驗結果.該工況下的仿真條件設置為時速110 km/h,路面附著系數為0.85的高附著路面,車輛在仿真過程中沒有加速、制動的信號輸入.如圖8(a)所示為雙移線工況下的側向加速度結果,關閉ESP功能的車輛在4 s時出現失穩狀態.由圖可見,本文提出的自抗擾控制的車輛的側向加速度跟隨方向盤轉角變化趨勢的性能優于PID算法.如圖8(b)和(c)所示為橫擺角速度和質心側偏角的實驗數據,本文提出的算法緊密跟隨期望值,且將質心側偏角的值控制在10°以內(根據文獻[9],在附著系數為0.9的路面,質心側偏角的上限值為10°),保證了車輛穩定性,控制效果要優于PID控制.

圖8 雙移線工況下硬件在環實驗數據Fig.8 Simulation results of HIL during double lane

6 結 語

本文針對傳統乘用車提出了基于自抗擾控制的ESP控制策略.ESP控制策略采用分層控制的方法,上層進行相關參數的估計及控制量期望值的計算,當質心側偏角和橫擺角速度兩者中任一超過門限值后,采用自抗擾控制算法計算直接橫擺力矩的計算.下層負責直接橫擺力矩的分配,依靠直接橫擺力矩和目標滑移率之間的數學關系進行被控車輪的選擇,再進行滑移率控制,從而提高直接橫擺力矩的控制精度.

基于dSpace硬件在環實驗平臺的單移線和雙移線實驗表明：與PID控制算法相比,本文所提控制策略顯著增強了汽車在復雜工況下的操穩性能；該方法能夠有效準確估計質心側偏角,且準確地跟蹤控制變量的理想值.下一步研究將針對車輛狀態參數準確估計,從而最終實現ESP產品化.

[1] 林程,彭春雷,曹萬科.獨立驅動電動汽車穩定性的滑模變結構控制[J].汽車工程,2015, 37(2): 132-138. LIN Cheng, PENG Chun-lei, CAO Wan-ke. Sliding mode variable structure control for the stability of independent drive electric vehicle [J]. Automotive Engineering, 2015, 37(2): 132-138.

[2] 許建,張政,李翔,等.獨立驅動電動汽車橫擺力矩的模糊控制算法[J].西安交通大學學報,2014,48(7): 83-91. XU Jian, ZHANG Zheng, LI Xiang, et al. A fuzzy control system for the direct yaw moment of 4WD electric vehicles [J]. Journal of Xi’an JiaoTong University, 2014, 48(7): 83-91.

[3] 鄒廣才,羅禹貢,李克強.基于全輪縱向力優化分配的4WD車輛直接橫擺力矩控制[J].農業機械學報, 2009, 40(5): 1-9. ZHOU Guang-cai, LUO Yu-gong, LI Ke-qiang. 4WD vehicle DYC based on tire longitudinal forces optimization distribution [J].Transactions of The Chinese Society for Agricultural Machinery, 2009, 40(5): 1-9.

[4] 玄圣夷,宋傳學,靳立強,等.基于多級魯棒PID控制的汽車穩定性控制策略[J].吉林大學學報：工學版,2010,40(1): 13-18. XUAN Sheng-yi, SONG Chuan-xue, JIN Li-qiang, et al. Multilevel robust PID control strategy for vehicle stabilitycontrol [J]. Journal of Science Jilin University： Engineering Science, 2010, 40(1): 13-18.

[5] YANG P. Stability control strategy design and experiment of distributed electric drive vehicle [J]. Journal of Mechanical Engineering, 2013, 49(24): 128-136.

[6] 付皓.汽車電子穩定系系統質心側偏角估計與控制策略[D].吉林:吉林大學,2008: 76. FU Hao. Research on sideslip angle estimation and control algortihm for vehicle electronic stability system [D]. Jilin: Jilin University, 2008: 76.

[7] LI L, JIA G, CHEN J, et al. A novel vehicle dynamics stability control algorithm based on the hierarchical strategy with constrain of nonlinear tyre forces [J]. Vehicle System Dynamics, 2015, 53(8): 1093-1116.

[8] CHEN Y, HEDRICK J K, GUO K A novel direct yaw moment controller for in-wheel motor electric vehicles [J]. Vehicle System Dynamics, 2013, 51(6): 925-942.

[9] GOODARZI A, MOHAMMADI M. Stability enhancement and fuel economy of the 4-wheel-drive hybrid electric vehicles by optimal tyre force distribution [J]. Vehicle System Dynamics, 2013, 52(4): 539-561.

[10] SHUAI Z, ZHANG H, WANG J, et al. Lateral motion control for four-wheel-independent-drive electric vehicles using optimal torque allocation and dynamic message priority scheduling [J]. Control Engineering Practice, 2014, 24(1): 55-66.[11] GUO K, LU D, CHEN S K, et al. The UniTire model: a nonlinear and non-steady-state tyre model for vehicle dynamics simulation [J]. Vehicle System Dynamics, 2005, 43(1): 341-358.

[12] SONG P, TOMIZUKA M, ZONG C. A novel integrated chassis controller for full drive-by-wire vehicles [J]. Vehicle System Dynamics, 2015, 53(2): 215-236.

[13] LI L. Progress on vehicle dynamics stability control system [J]. Journal of Mechanical Engineering, 2013, 49(24): 95-110.

[14] YAN C, WANG J. Energy-efficient control allocation with applications on planar motion control of electric ground vehicles[C] ∥ American Control Conference 2011. San Francisco: [s. n.], 2011: 2719-2724.

[15] HE P, HORI Y, KAMACHI M,et al. Future motion control to be realized by in-wheel motored electri vehicle[C] ∥ 31st Annual Conference of IEEE. Raleigh: [s. n.], 2005: 263-283.

[16] FUKADA Y. Slip-angle estimation for vehicle stability control [J]. Vehicle System Dynamics, 1999, 32(4/5): 375-388.

[17] 韓京清.擴張狀態觀測器參數與斐波那契數列[J].控制工程,2008,15(2): 1-3. HAN J Q. Parameters of the extended state observer and Fibonacci sequence [J]. Control Engineering of China, 2008,15(2): 1-3.

[18] BUCCHI F, FRENDO F. A new formulation of the understeer coefficient to relate yaw torque and vehicle handing [J]. Vehicle System Dynamics, 2016, 54(6): 1-22.

Vehicle stability control system based on active disturbance-rejection control strategy

LIU Gang1,2, JIN Li-qiang1, WANG Yi3

(1.StateKeyLaboratoryofAutomotiveSimulationandControl,JilinUniversity,Changchun130025,China；2.DepartmentofAutomaticControl,HenanInstituteofTechnology,Xinxiang453000,China；3.YanshanUniversity,QinhuangIsland066004,China)

The steering stability control strategy of traditional passager vehicle was investigated and an electronic stability control system based on hierarchical control strategy was designed to improve safety performance during vehicle driving. The control strategy insisted of reference model, UniTire model, parameter estimation model, desired parameter calculation model, active disturbance rejection control (ADRC) model, direct yaw moment distrubution and slip ratio regulation model. First of all, side slip angle was calculated using dynamics calculation method. Secondly, take the evaluated side slip angle and the yaw rate obtained by sensors as control variables. When the control variables exceeded threshold value, ADRC was adopted to calculate the yaw moment. In order to determine the target slip ratio, the relation between active yaw moment and wheel slip ratio was built up based on the UniTire model; the variable PID parameters were used to control slip ratio. Finally, hardware in loop simulation (HILS) was taken under single line and double line conditions. Results show that the proposed stability controller strategy can improve the vehicle’s controllability and stability, making the control variable track the expectation closely.

active disturbance rejection control (ADRC); vehicle dynamics; electronic stability control system; yaw moment control; hardware in loop simulation (HILS)

2015-12-08.

國家自然科學基金資助項目(50907030)；中國博士后科學基金資助項目(2013M54024B).

劉剛(1981—).男,博士生.從事汽車底盤電子控制技術研究, ORCID: 0000-0001-8849-169X.E-mail: gliu14@mails.jlu.edu.cn 通信聯系人：靳立強(1976—),男,教授.ORCID: 0000-0002-0545-3872.E-mail: jinlq@jlu.edu.cn

10.3785/j.issn.1008-973X.2016.12.007

U 461.2

A

1008-973X(2016)12-2289-08