整合車輛運動學(xué)的動力學(xué)模型構(gòu)建研究

中圖分類號：U461 收稿日期：2025-05-09 DOI：10.19999/j.cnki.1004-0226.2025.07.009

Research on the Construction of Integrated Vehicle Kinematics and Dynamics Model

Liu yaol，Zhao Junli2 1.Schoolof Intellgent Manufacturing，Henan Polytechnic University，HebiSchoolofEngineeringand Technology， Hebi 458000，China 2.School of Economics and Management，Hebi Polytechnic，Hebi 4580oo，China

Abstract：NonlinearModelPredictiveControl（NMPC）playsakeyroleinHigh-LevelAutonomous Driving.Thispaperproposes andelaboratesindetailonaninnovativeintegratedvehiclemodeltatcombinesinematicsanddynamics，temedtheIntegratedKine maticandDynamicModel（IKDmodel）.Themodelachievesamorecomprehensivesimulationofveiclebehavioralcharacteristicsunderdiversedrivingconditionsbyintegratingtheoreticalframeworksfrombothvhiclekinematicsanddyamics，terebyenabligore precisemotionpredictionandcontrol.Finally，modelaccuracyisrigorouslyvalidatedusingaco-simulationplatformbasedonCarSim and Simulink.

Keywords：AutonomousDriving;VehicleKinematicModel;Model Predictive

1前言

在車輛控制研究中，精確的模型是控制算法的基礎(chǔ)，如十四自由度車輛模型這種高自由度模型可以很好地描述車輛動力學(xué)特性。但是高自由度的模型計算復(fù)雜程度也很高，大量消耗自動駕駛車輛算力。在設(shè)計控制器時因為同時要考慮求解難度和實時性，所以過于復(fù)雜的模型不是最優(yōu)選。在特定工作條件下，三自由度或更低的簡化模型由于其形式簡潔且精度足夠，經(jīng)常被用于控制器的設(shè)計。Liu等[1]在經(jīng)過研究后發(fā)現(xiàn)在中速時使用較低自由度的線性二自由度模型與高自由度的十三自由度模型對車輛最終控制效果沒有顯著影響，但是在一些失穩(wěn)等情況時，輪胎特性中的非線性特性和車輛在側(cè)傾或緊急加速與制動過程中發(fā)生的軸載荷轉(zhuǎn)移會直接影響模型的精確性。劉凱等2研究者也運用了類似的手段，得出了一個簡化版的動力學(xué)模型。

針對當前車輛運動控制模型的局限性[3]，本研究提出了一種車輛運動控制模型，該模型適用于高低速工況。同時，本研究對車輛橫向與縱向動力學(xué)之間的相互作用進行了探討，并對耦合程度較低的區(qū)域進行了簡化。

2IKD 模型的構(gòu)建

IKD模型融合了車輛運動學(xué)與動力學(xué)模型，從而構(gòu)建出適用于全速域的IKD模型。兩種模型結(jié)合的前提條件是保持狀態(tài)變量同步，所以第一步首先將運動學(xué)模型中狀態(tài)變量進行擴展[4]。運動學(xué)模型的狀態(tài)變量為ξ_kin（t）=[X，Y，ψ]^T ，動力學(xué)模型的狀態(tài)變量為 ξ_dyn（t）= [v_x，v_y，ψ，r，X，Y]^T 0

擴展后的運動學(xué)模型的狀態(tài)變量為 ξ_kin（t）= [v_x，v_y，ψ，r，X，Y]^T ，與車輛動力學(xué)模型一致。動力學(xué)模型簡化表示為 。

把車輛動力學(xué)模型與車輛動力學(xué)模型線性結(jié)合后可以得到IKD模型公式為：

式中， v_{x，blend，max} 與 v_{x，blend，min} 為本文定義的速度上下界限參數(shù)。

3簡化IKD模型

由式（1）可以得出，當車輛轉(zhuǎn)彎或受到路面等側(cè)向力時，力作用在輪胎上會間接影響到汽車縱向速度[5]；而汽車在加速或減速中受到來自地面的縱向驅(qū)動力 F_fx 同樣會使側(cè)向速度和橫擺角速度 ω_r 發(fā)生變化。這些橫向與縱向之間的耦合現(xiàn)象使IKD模型變得復(fù)雜并降低了模型的求解效率。本研究通過Carsim模型模擬了在高速與低速條件下，車輛方向盤轉(zhuǎn)角或前輪轉(zhuǎn)角對車輛縱向速度的作用；在車輛動力學(xué)解耦分析中，本研究定量考察了縱向驅(qū)動力對橫擺動力學(xué)的擾動機制。動力學(xué)解耦研究表明，盡管橫向-縱向動力學(xué)間存在非線性耦合效應(yīng)，但其交互作用呈現(xiàn)顯著的非對稱特性：由幾何轉(zhuǎn)向激勵產(chǎn)生的橫向動力學(xué)分量對縱向速度變化具有主導(dǎo)性影響，構(gòu)成不可忽略的強耦合項；而縱向驅(qū)動力對橫向動力學(xué)狀態(tài)的擾動作用相對微弱，可歸類為弱耦合項[6]。并采用攝動理論對縱向力-橫向動力學(xué)耦合項實施參數(shù)辨識與降階處理，得到SCD模型如下：

I_zr=l_fF_fycosδ_f-l_rF_fy

為了驗證單耦合動力學(xué)模型（SCDModel）的簡化有效性，本研究采用模型對比驗證方法，將SCD模型與完整橫縱雙向耦合動力學(xué)模型（DynamicsModel）進行瞬態(tài)響應(yīng)特性對比分析[7]。

試驗參數(shù)設(shè)定：在Carsim軟件中，將車輛模型設(shè)定為以一恒定車速沿直線行駛，在某一時刻向模型輸入轉(zhuǎn)向盤轉(zhuǎn)角階躍信號。綜合比較建立的SCD模型與在CarSim中選擇的普通車輛模型在試驗參數(shù)設(shè)定下進行特定方向盤轉(zhuǎn)角下的車輛橫擺角速度曲線，其具體參數(shù)見表1。

表1瞬態(tài)橫擺特性試驗參數(shù)

從圖1的分析結(jié)果表明，簡化后的單耦合動力學(xué)模型與原始未簡化模型在仿真精度方面表現(xiàn)出高度一致性，這種相似性有力地證明了單耦合動力模型簡化方法的合理性與有效性。IKD模型可以簡化為[8]：

圖1兩種模型在瞬態(tài)轉(zhuǎn)向試驗工況1下的橫擺角速度和誤差

從設(shè)定的仿真試驗結(jié)果可得到，車輛處于低縱向車速工況時，車輛速度越快，與SCD模型相比車輛的運動學(xué)模型具有更高的精度。在設(shè)定的幾組仿真工況下，Dynamic模型與SCD模型的平均模型誤差數(shù)據(jù)詳見表2。

表2穩(wěn)態(tài)轉(zhuǎn)向試驗運動學(xué)模型和SCD模型的橫擺角速度平均誤差

4仿真驗證模型

在算法中，可接受的模型誤差范圍為 Δe ，設(shè)定輸入?yún)?shù) Δe=0.02rad/s ，設(shè)定速度迭代步長 Δv=0.1km/h ，從而確定IKD模型的速度范圍上限為 17km/h ，下限為8.5km/h 。仿真結(jié)果如圖2所示。

圖 2IKD 模型在瞬態(tài)橫擺特性試驗工況1下的橫擺角速度和誤差

5結(jié)語

通過圖2的分析可以發(fā)現(xiàn)，當汽車的縱向運動車速低于IKD模型設(shè)定的車速極小值時，SCD模型將無法準確契合車輛實際運動特性。在低速狀態(tài)下，IKD模型的仿真精確度與車輛運動學(xué)模型相當，能夠較好地擬合車輛運動學(xué)模型；但隨著車速逐漸提高，車輛運動學(xué)模型的精確度開始下降，相反的是動力學(xué)模型的擬合程度卻開始升高。隨著車速的繼續(xù)升高，到達通過算法確定的IKD模型中的上下界之間時，IKD模型的擬合精度會優(yōu)于運動學(xué)模型或動力學(xué)模型，其精確度超過了單獨的運動學(xué)或動力學(xué)模型。而當車速進一步提升，動力學(xué)模型對車輛運動特性的描述已經(jīng)非常準確時，IKD模型就等同于車輛動力學(xué)模型了。所構(gòu)建的IKD模型能夠精準模擬車輛在不同速度條件下的橫擺角速度、橫向加速度等運動狀態(tài)，可以解決使用單一車輛模型時導(dǎo)致的車輛在高速失穩(wěn)等工況下的概念模糊等問題。

參考文獻：

[1]Liu K，GongJ，Kurt A，et al.A model predictive-based approach forlongitudinal control in autonomous driving with lateral interruptions[C]//2017IEEE IntelligentVehicles Symposium（IV）.IEEE，2017.

[2]劉凱，龔建偉，陳舒平，等.高速無人駕駛車輛最優(yōu)運動規(guī)劃與控制的動力學(xué)建模分析[J].機械工程學(xué)報，2018，54（14）：141-151.

[3]石培培.基于仿真的汽車懸架參數(shù)匹配及其對操穩(wěn)性的影響[J].專用汽車，2024（2）：37-39.

[4]曾海軍，陶湘廳.基于AVLCRUISE的純電動商用車動力系統(tǒng)匹配設(shè)計及性能仿真分析[J].專用汽車，2024（4）：11-16.

[5]滕成龍.基于復(fù)雜網(wǎng)絡(luò)理論的智能汽車建模與控制[D].鎮(zhèn)江：江蘇大學(xué)，2023.

[6]褚端峰，劉世東，高策，等.在動力學(xué)約束下基于車輛運動學(xué)模型轉(zhuǎn)向控制方法：CN201810386112.3[P].2025-05-09.

[7]馬祥生.考慮橫縱向耦合的智能車輛軌跡跟蹤研究[D].秦皇島：燕山大學(xué)，2023.

[8]郭烈，黃曉慧，葛平淑，等.基于反演法的智能車輛彎路換道軌跡跟蹤控制[J].吉林大學(xué)學(xué)報：工學(xué)版，2013，43（2）：323-328

作者簡介：劉堯，男，1991年生，助教，研究方向為車輛系統(tǒng)動力學(xué)。