基于Agent 技術(shù)的電動(dòng)汽車(chē)底盤(pán)智能控制系統(tǒng)研究

童俊煒，蔡祥鵬

（泉州師范學(xué)院 航海學(xué)院， 福建 泉州362000）

隨著科技的不斷進(jìn)步、多傳感器數(shù)據(jù)信息融合以及集成電路等技術(shù)的提升，人們對(duì)汽車(chē)性能追求進(jìn)一步得到了提高［1］.目前，如何提高車(chē)輛乘坐舒適感、安全穩(wěn)定性［2］以及操作簡(jiǎn)易性已成為車(chē)輛工程制造業(yè)的研究重點(diǎn)［3］.很多研究表明實(shí)現(xiàn)對(duì)底盤(pán)控制系統(tǒng)控制功能的調(diào)控，能夠更好發(fā)揮每個(gè)控制模塊的功能，達(dá)到車(chē)輛底盤(pán)整體化的控制［4］，以提高車(chē)輛使用性能［5］.四輪汽車(chē)的制動(dòng)、轉(zhuǎn)向以及驅(qū)動(dòng)等動(dòng)力學(xué)性能能夠單獨(dú)進(jìn)行調(diào)整［6］，可以適應(yīng)極限交通工況，但是集成一體化控制系統(tǒng)能夠盡可能的整合傳感器、執(zhí)行模塊以及控制系統(tǒng)機(jī)構(gòu)，解決傳統(tǒng)汽車(chē)底盤(pán)控制的缺點(diǎn)，可更好的消除不同控制子系統(tǒng)間的干擾與耦合，最大可能利用子系統(tǒng)的功能，使相互之間協(xié)作運(yùn)行［7-8］.然而，這也使得控制系統(tǒng)更加復(fù)雜.系統(tǒng)的耦合程度也隨之增加、冗余度變大、約束條件更加嚴(yán)格，加大了控制系統(tǒng)集成化的難度.此外，目前市面上的汽車(chē)動(dòng)力學(xué)集成控制多集中在車(chē)輛動(dòng)力學(xué)分析上的控制系統(tǒng)設(shè)計(jì)，一般不考慮車(chē)輛能量消耗［9］.電動(dòng)汽車(chē)的制動(dòng)以及電機(jī)驅(qū)動(dòng)等多個(gè)特性的車(chē)輛集成化控制系統(tǒng)，將節(jié)能減排這一需求進(jìn)行滿足.與發(fā)動(dòng)機(jī)特性易變性不同的是電機(jī)控制技術(shù)已經(jīng)相對(duì)比較成熟，電機(jī)的轉(zhuǎn)矩、轉(zhuǎn)速控制精度的要求更加嚴(yán)格，已基本滿足人們對(duì)車(chē)輛動(dòng)力性能需求［10］.

筆者提出基于Agent 技術(shù)的電動(dòng)汽車(chē)底盤(pán)智能控制系統(tǒng)，將各車(chē)輛控制子系統(tǒng)按照功能不同進(jìn)行劃分，優(yōu)化各子控制系統(tǒng)目標(biāo)對(duì)象，構(gòu)建電動(dòng)汽車(chē)底盤(pán)控制系統(tǒng)，以達(dá)到在不同工況環(huán)境下電動(dòng)汽車(chē)底盤(pán)智能控制系統(tǒng)智能調(diào)控的目的.

1 電動(dòng)汽車(chē)底盤(pán)控制系統(tǒng)框架構(gòu)建

1.1 多智能體系統(tǒng)

多智能體系統(tǒng)(Multi-Agent System, MAS)將各個(gè)Agent 通過(guò)相互通信實(shí)現(xiàn)某些功能或者完成某些特定環(huán)境下的目標(biāo).多智能體系統(tǒng)可視為一個(gè)可以求解問(wèn)題，可以因環(huán)境變化而自行調(diào)節(jié)自我的智能行為，而且可以利用網(wǎng)絡(luò)與其他Agent 實(shí)現(xiàn)通信、交互和合作等多種方式共同解決疑難問(wèn)題的分布式人工智能化系統(tǒng).多智能體系統(tǒng)的結(jié)構(gòu)框圖如圖1 所示.

圖1 多智能體系統(tǒng)結(jié)構(gòu)圖

1.2 基于Agent 的底盤(pán)總體控制系統(tǒng)架構(gòu)

經(jīng)過(guò)綜合考慮，筆者提出了一種以Agent 技術(shù)為基礎(chǔ)的四輪獨(dú)立驅(qū)動(dòng)電動(dòng)汽車(chē)底盤(pán)控制系統(tǒng).該系統(tǒng)主要由環(huán)境層、數(shù)據(jù)信息交互層、協(xié)調(diào)決策層、底部調(diào)控層以及指令執(zhí)行層組成.在充分借用智能協(xié)調(diào)決策控制功能上，需要全方位顧及控制系統(tǒng)不同級(jí)別的控制目標(biāo)，利用多個(gè)Agent 控制系統(tǒng)完成對(duì)四輪獨(dú)立驅(qū)動(dòng)電動(dòng)汽車(chē)的有效控制. 筆者提出的電動(dòng)汽車(chē)底盤(pán)總體控制系統(tǒng)是一種基于子Agent 模塊的全面思維系統(tǒng)框架.值得注意的是圖中環(huán)境層、數(shù)據(jù)信息交互層和執(zhí)行層中電動(dòng)汽車(chē)模型由于受到位置的約束在不同的地方使用不同的表示方式，但是實(shí)質(zhì)為相同模型.

（1） 環(huán)境層和數(shù)據(jù)信息交互層

多個(gè)Agent 間可以實(shí)現(xiàn)有效的信息交互是通信系統(tǒng)需要解決難題的關(guān)鍵，但是被控目標(biāo)狀態(tài)參數(shù)的準(zhǔn)確獲得是可以達(dá)到四輪獨(dú)立驅(qū)動(dòng)電動(dòng)汽車(chē)底盤(pán)迅速有效控制的基礎(chǔ).同時(shí)也是規(guī)定多個(gè)Agent 間合作控制要求的參考依據(jù). 數(shù)據(jù)信息同和處理是指對(duì)四輪獨(dú)立驅(qū)動(dòng)電動(dòng)汽車(chē)不同類(lèi)型傳感器檢測(cè)信號(hào)的處理，完成對(duì)電動(dòng)汽車(chē)狀態(tài)有關(guān)參數(shù)的評(píng)估.電動(dòng)汽車(chē)狀態(tài)的評(píng)估內(nèi)容主要包含車(chē)輛質(zhì)心偏角、側(cè)向速度以及縱向速度等，這類(lèi)變量是一種難以快速測(cè)量的變量.通過(guò)對(duì)車(chē)輛狀態(tài)參數(shù)的評(píng)估，不但可以確保多個(gè)Agent 系統(tǒng)滿足某些參數(shù)和狀態(tài)變化的需求，同時(shí)還可以精確的獲得電動(dòng)汽車(chē)的狀態(tài)參數(shù)，便于對(duì)汽車(chē)車(chē)輛的故障診斷和檢測(cè)系統(tǒng)的實(shí)時(shí)告警提供精確的數(shù)據(jù)信息.

（2） 決策推理Agent

為了確保車(chē)輛可以更加快速適應(yīng)復(fù)雜多變的道路情況，需要Agent 具備較強(qiáng)的學(xué)習(xí)能力與智能性能.強(qiáng)化學(xué)習(xí)可以提高Agent 的在線學(xué)習(xí)能力，主要通過(guò)與外界的動(dòng)態(tài)環(huán)境進(jìn)行交互學(xué)習(xí)以實(shí)現(xiàn)預(yù)定目標(biāo).基本過(guò)程為假設(shè)Agent 按照預(yù)定行為策略可以獲得環(huán)境正面鼓勵(lì)， 那么Agent 之后將會(huì)不斷增強(qiáng)這個(gè)行為策略趨勢(shì).筆者將強(qiáng)化學(xué)習(xí)方法引入到?jīng)Q策推理Agent 以加強(qiáng)學(xué)習(xí)，對(duì)Agent 的性能指標(biāo)進(jìn)行優(yōu)化.構(gòu)建的強(qiáng)化學(xué)習(xí)模型如圖2 所示.

圖2 強(qiáng)化學(xué)習(xí)模型

筆者使用馬爾可夫決策過(guò)程（Markov decision process，MDP）強(qiáng)化學(xué)習(xí)問(wèn)題，其定義如下：

表達(dá)式中，S 表示全局狀態(tài)變量集合，包括系統(tǒng)全部可能存在狀態(tài)變化；s′表示系統(tǒng)在下個(gè)時(shí)間段的狀態(tài)；A(s)表示在狀態(tài)s 全部將會(huì)運(yùn)行的指令集合；P(s,a,s′)表示在t 時(shí)刻s′執(zhí)行指令a 后下一個(gè)時(shí)刻t+1轉(zhuǎn)換到狀態(tài)的概率；r(s,a)表示在時(shí)刻t 時(shí)的狀態(tài)為s，執(zhí)行指令a 后得到的回報(bào)；V 表示目標(biāo)函數(shù).

假設(shè)定義狀態(tài)-指令對(duì)的評(píng)估使用Q 表示，可用以下表達(dá)式：

表達(dá)式中，（s,a）表示在t 時(shí)刻的狀態(tài)-行為對(duì)；η 表示折扣因子.

在明確p 和r 數(shù)據(jù)的條件下，能夠求解出Q 的數(shù)值.但是Q 學(xué)習(xí)算法可直接根據(jù)Agent 歷史狀態(tài)進(jìn)行智能化學(xué)習(xí)，僅僅需要參考實(shí)時(shí)的狀態(tài)和可以選擇的動(dòng)作，也不需要狀態(tài)轉(zhuǎn)換函數(shù)，因此筆者將Q 學(xué)習(xí)算法應(yīng)用到?jīng)Q策推理Agent，Q 學(xué)習(xí)算法的行為值迭代表達(dá)式為：

表達(dá)式中，α 表示學(xué)習(xí)因子.

（3）協(xié)調(diào)控制Agent

博弈論能夠?yàn)橐訟gent 的協(xié)調(diào)控制系統(tǒng)提供快速的解決方法，與靜態(tài)博弈相比，筆者設(shè)計(jì)的電動(dòng)汽車(chē)底盤(pán)智能控制系統(tǒng)在不斷變化的道路交通環(huán)境中快速適應(yīng).而微分博弈是一種不間斷時(shí)間段內(nèi)變化的動(dòng)態(tài)博弈，即使用微分方程對(duì)運(yùn)動(dòng)軌跡進(jìn)行描述，每個(gè)Agent 的目標(biāo)是盡可能優(yōu)化相應(yīng)控制目標(biāo)，同時(shí)進(jìn)行不斷博弈，最后實(shí)現(xiàn)利益平衡的狀態(tài).筆者將微分博弈法應(yīng)用到協(xié)調(diào)控制Agent 中，主要在電動(dòng)汽車(chē)底盤(pán)控制Agent 間出現(xiàn)耦合與嚴(yán)重影響的地方使用.在不同的工況環(huán)境下電動(dòng)汽車(chē)底盤(pán)運(yùn)行穩(wěn)定、車(chē)輛安全行駛以及乘坐舒適度等多個(gè)目標(biāo)實(shí)時(shí)進(jìn)行調(diào)整的要求，進(jìn)行動(dòng)態(tài)連續(xù)協(xié)調(diào)控制.

（4） 底部調(diào)控層

筆者針對(duì)整個(gè)電動(dòng)汽車(chē)底盤(pán)控制的子控制系統(tǒng)進(jìn)行功能模塊劃分.考慮到汽車(chē)輪胎固有的非線性特點(diǎn)，汽車(chē)底盤(pán)在橫向、縱向以及垂直方向存在嚴(yán)重的耦合關(guān)系，如圖3 所示.從不同控制目標(biāo)角度進(jìn)行分類(lèi)，汽車(chē)底盤(pán)控制子系統(tǒng)可劃分為橫向控制、縱向控制、垂直方向控制3 種，每個(gè)控制系統(tǒng)主要針對(duì)電動(dòng)汽車(chē)底盤(pán)運(yùn)行穩(wěn)定、車(chē)輛安全行駛以及乘坐舒適度3 個(gè)控制指標(biāo).筆者分別按照橫向、縱向以及垂直方向3 個(gè)控制系統(tǒng)誰(shuí)控制器，將底盤(pán)能量管理當(dāng)做Agent ，優(yōu)化電動(dòng)汽車(chē)的底盤(pán)能量控制系統(tǒng).

圖3 控制系統(tǒng)框架示意圖

（5） 執(zhí)行層

如圖3 所示，執(zhí)行層位于控制系統(tǒng)的最底部，主要調(diào)控車(chē)輪轉(zhuǎn)向角、制動(dòng)力矩、驅(qū)動(dòng)力矩、懸架控制力F 等多個(gè)信號(hào)，相應(yīng)的控制汽車(chē)底盤(pán)的各個(gè)執(zhí)行機(jī)構(gòu)，以達(dá)到對(duì)汽車(chē)底盤(pán)控制的目的.

2 電動(dòng)汽車(chē)底盤(pán)智能控制系統(tǒng)

2.1 構(gòu)建參考模型

筆者構(gòu)建的參考模型可以根據(jù)駕駛員操作指令、汽車(chē)行駛數(shù)據(jù)信息以及交通道路狀況來(lái)獲得車(chē)輛運(yùn)動(dòng)特性.二自由度車(chē)輛模型主要考慮的是車(chē)輛橫擺行駛狀態(tài)，不考慮縱向行駛、繞縱向的側(cè)傾行駛、繞側(cè)向的俯仰行駛以及懸架的垂向行駛.同時(shí)還能夠?qū)?chē)輛橫擺和側(cè)向特性的實(shí)時(shí)分析，其工作原理圖如圖4所示.

圖4 二自由度車(chē)輛模型工作原理圖

圖中l(wèi)α，lβ代表車(chē)輛質(zhì)心與后車(chē)軸間的長(zhǎng)度；Fyf，F(xiàn)yr代表車(chē)輛前后車(chē)輪受到的側(cè)向力；α1，α2代表車(chē)輛前后車(chē)輪的側(cè)偏角；vx, vy, Mτ代表車(chē)輛整體的縱向速度、側(cè)向速度以及橫擺力矩；β 表示質(zhì)心側(cè)偏角；δf代表車(chē)輛前輪轉(zhuǎn)角，ω 代表車(chē)輛橫擺角速度.

根據(jù)圖3 分析可得到車(chē)輛側(cè)向運(yùn)動(dòng)方程：

表達(dá)式中Fy代表側(cè)向力；m 代表整車(chē)質(zhì)量.

車(chē)輛的橫擺運(yùn)動(dòng)特性可使用以下方程進(jìn)行描述：

表達(dá)式中Mz代表車(chē)輛橫擺力矩；Iz代表橫擺轉(zhuǎn)動(dòng)慣量.

由輪胎側(cè)偏特性可得：

表達(dá)式中，cf, cr表示車(chē)輛的前后輪相應(yīng)的側(cè)偏剛度；α1，α2代表車(chē)輛前后車(chē)輪的側(cè)偏角.考慮到α1，α2數(shù)值

較小，同時(shí)考慮到質(zhì)心偏側(cè)角也很小，即：

根據(jù)公式（1）~（7）可得二自由度車(chē)輛模型控制系統(tǒng)表達(dá)式為：

根據(jù)上述表達(dá)式可得期望橫擺角速度表達(dá)式為：

2.2 車(chē)輛底盤(pán)智能控制組織級(jí)控制器設(shè)計(jì)

實(shí)現(xiàn)對(duì)車(chē)輛底盤(pán)有效控制主要是為了提高汽車(chē)整體性能.所以，由多個(gè)子控制系統(tǒng)組成的車(chē)輛底盤(pán)智能控制系統(tǒng)，確保車(chē)輛的橫擺角速度、質(zhì)心偏側(cè)角等多個(gè)變量可以實(shí)時(shí)數(shù)字和參考模型參數(shù)的變化而變化，并使得車(chē)輛車(chē)輪滑移率始終維持在峰值附著系數(shù)響應(yīng)的滑移附近，以提高車(chē)輛行駛性能.筆者使用滑模變結(jié)構(gòu)控制算法求解車(chē)輛行駛中的廣義控制力和力矩.

設(shè)計(jì)滑模控制器時(shí)，選用的切換函數(shù)中變量速度誤差、速度誤差積分項(xiàng)和速度誤差微分項(xiàng)e˙i，表達(dá)式分別如下：

切換函數(shù)表達(dá)式為：

式中，參數(shù)ξi＞0.

等速趨近率表達(dá)式為：

為了有效消除高項(xiàng)抖振的問(wèn)題，使用飽和函數(shù)取代sgn(S)，表達(dá)式為:

3 仿真與結(jié)果分析

為了檢驗(yàn)設(shè)計(jì)的電動(dòng)汽車(chē)底盤(pán)控制系統(tǒng)運(yùn)行性能， 使用MATLAB/Simulink 和Carsim 進(jìn)行系統(tǒng)性能仿真測(cè)試. 在測(cè)試期間Agent 主要通過(guò)控制車(chē)輪電機(jī)轉(zhuǎn)矩和加入附加橫擺力以提高車(chē)輛的橫向操作有效性，在Carsim 中車(chē)輛相關(guān)參數(shù)如表1 所示.

表1 車(chē)輛本體相關(guān)參數(shù)

在前輪轉(zhuǎn)向角階躍輸入工況下對(duì)搭建的DYCAgent 控制算法進(jìn)行仿真實(shí)驗(yàn).仿真條件設(shè)置如下：駕駛員在0.3 s 內(nèi)迅速將轉(zhuǎn)向盤(pán)轉(zhuǎn)至80°后保持恒定，初始速度為80 km/h，駕駛員不踩加速踏板和制動(dòng)踏板，路面附著系數(shù)μ=0.85，Agent 技術(shù)量化因子k1=50，比例因子k2=3 000.使用Matlab/Simulink 仿真軟件對(duì)該系統(tǒng)進(jìn)行仿真測(cè)試分析，假設(shè)在行駛過(guò)程中車(chē)輛的初始化速度設(shè)置為20 m/s，然后給車(chē)輛前輪加入轉(zhuǎn)向角階躍信號(hào)，在此數(shù)值不變的情況下給車(chē)輪加入制動(dòng)力矩，設(shè)定目標(biāo)滑移率的大小為0.2，如圖5 所示.在設(shè)定值不變的情況下依次對(duì)組織級(jí)控制器進(jìn)行測(cè)試，結(jié)果如圖5~圖10 所示.

圖5 轉(zhuǎn)向輪轉(zhuǎn)角與滑移率

圖6 橫擺角速度響應(yīng)

圖7 質(zhì)心側(cè)偏角響應(yīng)

圖8 側(cè)傾角速度響應(yīng)

圖9 俯仰角速度響應(yīng)

圖10 車(chē)身垂直加速度響應(yīng)

從圖5~圖10 可知車(chē)輛底盤(pán)智能控制系統(tǒng)中引入滑模控制算法，可以確保縱向滑移率的目標(biāo)值達(dá)到0.2，同時(shí)也減小橫擺角速度的幅值變化，降低系統(tǒng)超調(diào)量，仿真結(jié)果與質(zhì)心側(cè)偏角一樣，并且實(shí)心側(cè)偏可以有效調(diào)控在3 度區(qū)間內(nèi)，可達(dá)到對(duì)車(chē)身側(cè)滑的抑制效果，極大地提升了車(chē)輛操作的安全性與穩(wěn)定性.圖8 和圖9 依次為車(chē)身側(cè)傾角角速度和俯仰角角速度的時(shí)域變化曲線，從仿真結(jié)果分析可知滑模控制算法可以降低側(cè)傾角速度和俯仰角速度，提高乘客的乘坐舒適感.從圖10 可以得出使用組織級(jí)控制器能夠有效降低車(chē)身加速度幅值波動(dòng)大小，使其變化趨勢(shì)更加平緩，提高車(chē)輛行駛的平順性.

4 結(jié)論

提出的智能控制系統(tǒng)可以實(shí)現(xiàn)不同層析功能的相互協(xié)作，并在此基礎(chǔ)上構(gòu)建底盤(pán)控制架構(gòu)，使得車(chē)輛在滿足不同行駛情況下需求，以決策底盤(pán)每個(gè)子系統(tǒng)的協(xié)調(diào)控制，有效提升控制系統(tǒng)性能.最后通過(guò)仿真結(jié)果分析表明，將Agent 技術(shù)引入到汽車(chē)底盤(pán)控制系統(tǒng)，能夠抑制不同子控制系統(tǒng)間的相互干擾，進(jìn)一步提高此系統(tǒng)的安全性與穩(wěn)定性.