車輛動(dòng)力學(xué)模型的優(yōu)化分析

摘要：為保證車輛行駛過(guò)程中的安全性，本文首先對(duì)車輛的動(dòng)力學(xué)模型進(jìn)行了簡(jiǎn)化處理，得到車輛動(dòng)力學(xué)的數(shù)學(xué)模型，然后分析出控制車輛穩(wěn)定運(yùn)行時(shí)的關(guān)鍵參數(shù)，為使車輛行駛在最優(yōu)參數(shù)下，獲得最大的行駛安全性，結(jié)合遺傳優(yōu)化算法，對(duì)數(shù)學(xué)模型進(jìn)行優(yōu)化計(jì)算分析，最后，通過(guò)計(jì)算分析得到最優(yōu)的控制參數(shù)，保證車輛行駛過(guò)程中的安全性。

關(guān)鍵詞：車輛動(dòng)力學(xué)；優(yōu)化計(jì)算；遺傳優(yōu)化計(jì)算；安全行駛

1、 引言

隨著科學(xué)技術(shù)的飛速發(fā)展，交通行駛道路的路面得到極大改善，以及車輛制造的工藝越來(lái)越好，致使目前車輛設(shè)計(jì)的最高時(shí)速和車輛行駛的速度越來(lái)越快，另外，車輛駕駛員初次駕駛的年齡逐漸低齡化，同時(shí)仍有部分老年駕駛員在道路上駕駛車輛行駛，這就需要現(xiàn)代車輛具有良好的操控性和安全性。

2、 車輛動(dòng)力學(xué)模型分析

假設(shè)輪胎回正力矩對(duì)車輪外傾角無(wú)影響，則簡(jiǎn)化車輛模型的輪胎力是關(guān)于輪胎側(cè)偏角和垂直載荷這兩個(gè)因素的函數(shù)，又因輪胎側(cè)向力與輪胎側(cè)偏角為線性關(guān)系，進(jìn)而可以獲得簡(jiǎn)化后車輛模型的車輛動(dòng)力學(xué)方程為：

（1）

上式中，m為車輛所具有的質(zhì)量，v為車輛側(cè)向速度，r為車輛橫擺角速度，uc為車輛前進(jìn)速度，Caf為車輛前輪側(cè)偏剛度，Car為車輛后輪側(cè)偏剛度，a為車輛前軸到質(zhì)心的距離，b為車輛后軸到質(zhì)心的距離，I為車輛橫擺的轉(zhuǎn)動(dòng)慣量。

進(jìn)一步，令車輛的狀態(tài)變量為

（2）

前輪轉(zhuǎn)角作為系統(tǒng)輸入U(xiǎn)，車輛的理想動(dòng)力學(xué)模型的狀態(tài)空間為：

（3）

其中

依據(jù)車輛的理想動(dòng)力學(xué)模型可得車輛的理想橫擺角速度rno，另外結(jié)合輪胎與地面之間最大附著系數(shù)的限制，

（4）

上式中，v為車輛側(cè)向速度，r為車輛橫擺角速度，為輪胎與地面之間的附著系數(shù)，g為重力加速度，R為車輛的轉(zhuǎn)向半徑。

在實(shí)際應(yīng)用過(guò)程中，一般處理方法為：

（5）

所以通過(guò)比較rno，rmu，的最小值，即為得到確定的車輛橫擺角速度期望值rm，利用制動(dòng)過(guò)程中產(chǎn)生的橫擺力矩，使得實(shí)際的車輛橫擺角速度與期望的車輛橫擺角速度一致，這樣就可以盡量保持車輛行進(jìn)過(guò)程中的穩(wěn)定性。

但是，隨著行駛車輛的車速越來(lái)越快，或者車輛方向盤的轉(zhuǎn)角越來(lái)越大，此時(shí)車輛的側(cè)偏角與側(cè)偏角速度都趨于變大，車輛的行駛不穩(wěn)定性也隨之而來(lái)，很難通過(guò)自我修正的方法使車輛恢復(fù)至穩(wěn)定狀態(tài)，如圖1所示，只有側(cè)偏角和側(cè)偏角速度位于相平面中心位置時(shí)，車輛可以保持穩(wěn)定的行駛狀態(tài)。

通過(guò)確定的車輛橫擺角速度期望值rm以及車輛側(cè)偏角βm，與車輛實(shí)際行駛過(guò)程中所具有的車輛橫擺角速度期望值r以及車輛側(cè)偏角β，經(jīng)過(guò)比較器得出二者相對(duì)應(yīng)的差值Δr與Δβ，根據(jù)所得的Δr與Δβ的大小確定車輛修正擺正力矩ΔM，進(jìn)而使得車輛保持車輛動(dòng)力學(xué)穩(wěn)定性。

3、 動(dòng)力學(xué)模型的優(yōu)化分析

3.1 優(yōu)化分析方法簡(jiǎn)介

遺傳優(yōu)化算法是一種模擬大自然生物進(jìn)化過(guò)程的快速優(yōu)化計(jì)算方法，能夠在可行域范圍內(nèi)，對(duì)計(jì)算模型進(jìn)行快速全局計(jì)算搜索，求出所需的最優(yōu)計(jì)算結(jié)果，如圖2所示，遺傳優(yōu)化算法包括選擇，交叉和變異這三種操作。

圖2 遺傳優(yōu)化算法流程圖

首先在可行域內(nèi)隨機(jī)生成初始化群體，根據(jù)每個(gè)個(gè)體對(duì)計(jì)算模型的適應(yīng)度，將不良個(gè)體淘汰去除，保持優(yōu)良個(gè)體的存在，然后執(zhí)行交叉操作，實(shí)際上就是對(duì)保存下來(lái)的優(yōu)良個(gè)體交換參數(shù)進(jìn)而產(chǎn)生新的個(gè)體，新的個(gè)體擁有兩個(gè)父親的某些性狀，因此該個(gè)體有可能成為更優(yōu)秀的個(gè)體，接下來(lái)的變異操作，就是選取一小部分個(gè)體，隨機(jī)的改變他們的部分參數(shù)，增加群體的多樣性。重復(fù)上述選擇淘汰和繁殖變異過(guò)程，直到滿足條件的最優(yōu)秀的個(gè)體出現(xiàn)，實(shí)踐表明，進(jìn)化過(guò)程結(jié)束后的最后一代中的最優(yōu)個(gè)體就是利用遺傳優(yōu)化算法所得到的最終結(jié)果。

3.2動(dòng)力學(xué)模型的優(yōu)化計(jì)算

依據(jù)分析得到的車輛動(dòng)力學(xué)模型，以及遺傳優(yōu)化算法的特點(diǎn)，將車輛動(dòng)力學(xué)模型改造為能夠進(jìn)行遺傳優(yōu)化計(jì)算的相對(duì)應(yīng)的優(yōu)化模型。

步驟1：在可行域內(nèi)，隨機(jī)生成包含車輛穩(wěn)定控制性能指標(biāo)相關(guān)參數(shù)的集合。

步驟2：對(duì)生成的集合中的每個(gè)元素進(jìn)行選擇，剔除掉不滿足要求的，或是致使目標(biāo)函數(shù)值過(guò)大的元素。

步驟3：選取剩下集合元素中的一部分，交叉調(diào)換一部分車輛穩(wěn)定控制性的相關(guān)參數(shù)，同時(shí)選取另外一部分集合元素，適度修改其中一部分相關(guān)參數(shù)，以獲得新的集合元素。

步驟4：重復(fù)步驟1至步驟3，直到獲得目標(biāo)函數(shù)的最優(yōu)解，即保持車輛穩(wěn)定行駛的相關(guān)控制參數(shù)。

結(jié)論

本文對(duì)車輛行駛過(guò)程中的動(dòng)力學(xué)模型進(jìn)行了簡(jiǎn)化處理，得到了車輛動(dòng)力學(xué)模型的數(shù)學(xué)模型，通過(guò)對(duì)該數(shù)學(xué)模型的理論分析，得到控制車輛穩(wěn)定行駛的相關(guān)參數(shù)，并結(jié)合遺傳優(yōu)化計(jì)算算法，優(yōu)化計(jì)算出控制車輛穩(wěn)定運(yùn)行的相關(guān)參數(shù)，進(jìn)而保證車輛行駛安全。

參考文獻(xiàn)：

[1]王慧麗，楊海忠. 基于系統(tǒng)辨識(shí)的車輛動(dòng)力學(xué)建模方法[J]. 儀器儀表學(xué)報(bào)，2015，（06）：1275-1282.

[2]王憲彬，施樹明，劉麗，金立生. 基于遺傳算法和擬牛頓法的車輛動(dòng)力學(xué)平衡點(diǎn)混合求解方法[J]. 機(jī)械工程學(xué)報(bào)，2014，（04）：120-127.

作者簡(jiǎn)介：馮曉宇（1995-）；男，漢，重慶市巫山縣；重慶科技學(xué)院、機(jī)械設(shè)計(jì)制造及其自動(dòng)化、本科endprint