基于視覺識(shí)別的線控制動(dòng)壓力滑模控制*

邱明明，曹龍凱，黃 康，張義雷，劉 浩

（1.合肥工業(yè)大學(xué)機(jī)械工程學(xué)院，合肥 230009；2.汽車技術(shù)與裝備國(guó)家地方聯(lián)合工程研究中心，合肥 230009）

前言

隨著汽車智能化、網(wǎng)聯(lián)化和自動(dòng)駕駛技術(shù)的不斷發(fā)展，對(duì)車輛安全性提出了更高的要求，制動(dòng)系統(tǒng)的性能是衡量車輛安全性的重要指標(biāo)［1］，受到汽車行業(yè)的廣泛重視。線控制動(dòng)系統(tǒng)作為先進(jìn)的控制執(zhí)行器，是制動(dòng)系統(tǒng)的發(fā)展趨勢(shì)。制動(dòng)決策和執(zhí)行器控制是線控制動(dòng)系統(tǒng)關(guān)鍵技術(shù)，影響著制動(dòng)效果。然而制動(dòng)決策和執(zhí)行器控制分別受路面條件和控制器的控制精度影響，是制動(dòng)系統(tǒng)的技術(shù)難題。針對(duì)以上兩個(gè)方面的問題，國(guó)內(nèi)外學(xué)者已做了大量研究，并取得了有價(jià)值的研究成果。

在制動(dòng)決策方面，主要分為兩大類，一類是采用定滑移率進(jìn)行制動(dòng)，并將路面分為高、低附著路面［2］，如文獻(xiàn)［3］中提出一種改進(jìn)線性二次型最優(yōu)控制算法，使車輛在不同路面行駛工況下獲得良好的滑移率控制效果；文獻(xiàn)［4］中設(shè)計(jì)了一套電磁-液壓復(fù)合制動(dòng)系統(tǒng)，通過滑?？刂扑惴▽?duì)車輪制動(dòng)力進(jìn)行實(shí)時(shí)控制，提高了響應(yīng)速度和滑移率的控制精度；文獻(xiàn)［5］中提出了一種面向整車電子機(jī)械制動(dòng)系統(tǒng)的滑模控制方法，并通過CarSim 與Simulink 進(jìn)行制動(dòng)防抱死聯(lián)合仿真，驗(yàn)證了該控制方法的有效性和制動(dòng)性能的優(yōu)越性。另一類是采用變滑移率進(jìn)行制動(dòng)，對(duì)路面類型進(jìn)行辨識(shí)，獲取當(dāng)前路面條件下的最佳滑移率，如文獻(xiàn)［6］中提出一種基于道路特征值的路面識(shí)別方法，設(shè)計(jì)了6 種典型路面特征值區(qū)間，識(shí)別精度高，實(shí)時(shí)性好；文獻(xiàn)［7］中在Burckhardt 模型的基礎(chǔ)上，提出一種基于類比特性的路面峰值系數(shù)辨識(shí)算法，準(zhǔn)確性好，適用路面范圍廣；文獻(xiàn)［8］中采用帶工況參數(shù)的徑向基（RBF）神經(jīng)網(wǎng)絡(luò)來(lái)逼近Burckhardt模型中的非線性參數(shù)，用混合參數(shù)優(yōu)化方法辨識(shí)RBF 網(wǎng)絡(luò)工況參數(shù)，進(jìn)而辨識(shí)路面類型。綜上所述，第1 類方法采用定滑移率進(jìn)行制動(dòng)，并未考慮路面類型對(duì)最佳滑移率的影響，因此制動(dòng)系統(tǒng)的路面自適應(yīng)性差；第2 類方法采用變滑移率進(jìn)行制動(dòng)，這類方法雖然對(duì)路面類型進(jìn)行了辨識(shí)，但大多根據(jù)系統(tǒng)的狀態(tài)參數(shù)進(jìn)行辨識(shí)，受狀態(tài)參數(shù)不確定性影響大，影響辨識(shí)精度。因此，本文中提出一種基于計(jì)算機(jī)視覺的方法來(lái)直接對(duì)路面類型進(jìn)行識(shí)別，獲取當(dāng)前路面的最佳滑移率。

在執(zhí)行器控制方面，已有很多學(xué)者開展了大量研究，主要有PID控制、滑?？刂坪妥赃m應(yīng)控制等［9］，如文獻(xiàn)［10］中以集成式電液制動(dòng)系統(tǒng)作為研究對(duì)象，設(shè)計(jì)了基于PID 控制的位置—壓力串級(jí)控制器，提高了I-EHB 系統(tǒng)的制動(dòng)安全性和舒適性；文獻(xiàn)［11］中針對(duì)電液制動(dòng)系統(tǒng)，設(shè)計(jì)了具有目標(biāo)壓力跟蹤和強(qiáng)魯棒性的滑模控制器來(lái)提高系統(tǒng)的制動(dòng)性能和可靠性；文獻(xiàn)［12］中提出了一種針對(duì)混合線控制動(dòng)系統(tǒng)的制動(dòng)力精確調(diào)節(jié)PI 控制算法，實(shí)現(xiàn)前后車輪制動(dòng)力的精確調(diào)節(jié)。

本文中以一種液壓調(diào)控的線控制動(dòng)系統(tǒng)為基礎(chǔ)進(jìn)行建模，考慮制動(dòng)時(shí)電機(jī)參數(shù)和車速誤差等不確定性因素，在此基礎(chǔ)上提出一種雙層結(jié)構(gòu)的制動(dòng)控制器，上層基于深度學(xué)習(xí)理論對(duì)路面類型進(jìn)行辨識(shí)，進(jìn)而得到不同路面條件下的最佳滑移率；下層采用滑?？刂评碚搶?duì)最佳滑移率進(jìn)行跟蹤控制，以獲取當(dāng)前路面條件下的最佳控制輸入，最后通過仿真和硬件在環(huán)實(shí)驗(yàn)對(duì)控制器的控制效果和制動(dòng)力進(jìn)行驗(yàn)證。

1 液壓調(diào)控的線控制動(dòng)系統(tǒng)建模

1.1 制動(dòng)器建模

制動(dòng)系統(tǒng)簡(jiǎn)圖如圖1所示。

圖1 制動(dòng)系統(tǒng)簡(jiǎn)圖

系統(tǒng)工作時(shí)通過控制電機(jī)動(dòng)作，經(jīng)絲杠螺母推動(dòng)活塞桿運(yùn)動(dòng)，產(chǎn)生液壓制動(dòng)力，進(jìn)而實(shí)現(xiàn)制動(dòng)全過程。在制動(dòng)過程中分為消隙和堵轉(zhuǎn)兩個(gè)階段，由于消隙時(shí)間很短，故只考慮接觸后的電機(jī)堵轉(zhuǎn)狀態(tài)，則電機(jī)模型［13］為

式中：u 為PWM 占空比；Ua為電壓；La為電樞電感；ia為電樞電流；Ra為電樞電阻；Ke為反電動(dòng)勢(shì)系數(shù)；ωm為轉(zhuǎn)子角速度；Jm為轉(zhuǎn)子等效轉(zhuǎn)動(dòng)慣量；ω?m為轉(zhuǎn)子角加速度；KT為轉(zhuǎn)矩系數(shù)；TL為負(fù)載轉(zhuǎn)矩。

電機(jī)進(jìn)入堵轉(zhuǎn)狀態(tài)，ωm=0，ω?m=0，則轉(zhuǎn)矩和電流的關(guān)系為

則作用在制動(dòng)盤上的力矩為

式中：μr為制動(dòng)盤表面摩擦因數(shù)；r 為制動(dòng)盤有效半徑；Fb為制動(dòng)力；ηs為絲杠傳遞效率；ph為絲桿導(dǎo)程；A1為液壓主缸截面積；A2為制動(dòng)缸截面積。

1.2 1/4車輛模型

為簡(jiǎn)化模型，不考慮制動(dòng)強(qiáng)度對(duì)前后輪胎法向作用力的影響，即4 個(gè)車輪的法向受力是相等的。受力分析如圖2所示［14］。

圖2 制動(dòng)時(shí)車輪受力分析

1/4車輛動(dòng)力學(xué)方程為

式中：m 為車輛質(zhì)量；v 為車速；Ff為路面對(duì)車輪的摩擦力；μs為輪胎與路面之間的摩擦因數(shù)；FH為路面對(duì)車輪的反向作用力；g為重力加速度。

車輪動(dòng)力學(xué)方程為

式中：Jc為車輪轉(zhuǎn)動(dòng)慣量；ω 為車輪角速度；R 為車輪半徑。

滑移率是指在車輪運(yùn)動(dòng)中滑動(dòng)成分所占的比例，用λ表示：

1.3 輪胎模型

本文選用Burckhardt 輪胎模型［15］，則輪胎縱向附著系數(shù)為

式 中c1、c2、c3是 與 路 面 條 件 有 關(guān) 的 參 數(shù)，取 值見表1。

圖3 為滑移率和附著系數(shù)的關(guān)系圖。由圖可知，不同路面條件下最佳滑移率并不相同，峰值附著系數(shù)也不同，本文中通過計(jì)算機(jī)視覺確定路面類型后，利用Burckhardt 模型對(duì)最佳滑移率進(jìn)行求解。因?yàn)樵撃Ｐ涂珊芎玫伢w現(xiàn)縱向附著系數(shù)和滑移率之間的關(guān)系，且擬合精度高［16］，只要識(shí)別了路面類型就可得到該路面下的最佳滑移率：

表1 不同路面下Burckhardt模型參數(shù)

圖3 滑移率和附著系數(shù)關(guān)系

1.4 基于深度學(xué)習(xí)的路面類型識(shí)別

針對(duì)目前路面類型的辨識(shí)算法存在數(shù)據(jù)計(jì)算量大，易受參數(shù)不確定性影響等問題，本文結(jié)合深度學(xué)習(xí)在圖像處理方面的優(yōu)勢(shì)，設(shè)計(jì)了一種基于深度學(xué)習(xí)的路面類型識(shí)別模型，通過視覺對(duì)路面類型進(jìn)行直接識(shí)別，精度高、實(shí)時(shí)性好。識(shí)別模型框架如圖4所示。

圖4 路面識(shí)別過程

其中路面類型標(biāo)識(shí)定義如表2所示。

表2 路面類型標(biāo)識(shí)

將MatConvNet 工具箱作為卷積神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)工具，建立路面識(shí)別的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，如圖5所示。

圖5 卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

卷積神經(jīng)網(wǎng)絡(luò)算法的輸入為路面圖片。

卷積層對(duì)路面圖片進(jìn)行特征提取，輸出的特征圖被傳遞至池化層進(jìn)行特征選擇和信息過濾。全連接層對(duì)提取的特征進(jìn)行非線性組合以得到輸出，完成學(xué)習(xí)目標(biāo)。

輸出層利用Softmax 回歸分類器將路面類型分類結(jié)果輸出。

路面類型識(shí)別的步驟如下：

（1）收集6 種路面類型圖片各150 張，共900 張圖片，作為深度學(xué)習(xí)的訓(xùn)練庫(kù)，然后對(duì)路面圖片進(jìn)行編號(hào)；

（2）選取6 種路面類型圖片各20 張，共120 張圖片，作為測(cè)試庫(kù)，用來(lái)測(cè)試訓(xùn)練精度，這部分圖片與訓(xùn)練庫(kù)中圖片不同，同樣也須編號(hào)；

（3）新建標(biāo)識(shí)定義文本、訓(xùn)練標(biāo)簽文本和測(cè)試標(biāo)簽文本，分別用來(lái)定義路面類型、將訓(xùn)練庫(kù)中6 種路面類型圖片與定義標(biāo)識(shí)對(duì)應(yīng)和對(duì)路面類型圖片做編號(hào)排序；

（4）在MATLAB 中新建主函數(shù)、起始函數(shù)、訓(xùn)練函數(shù)、預(yù)處理函數(shù)，其中主函數(shù)可以調(diào)用其他函數(shù)；

（5）在 MATLAB 中 通 過 C++ 編 譯 運(yùn) 行MatConvNet 工具箱，在訓(xùn)練函數(shù)中設(shè)定訓(xùn)練迭代次數(shù)，運(yùn)行訓(xùn)練主函數(shù)，開始訓(xùn)練，當(dāng)?shù)螖?shù)達(dá)到設(shè)定值時(shí)，自動(dòng)結(jié)束訓(xùn)練，并生成訓(xùn)練結(jié)果模型，迭代次數(shù)越多，則訓(xùn)練結(jié)果模型的識(shí)別精度越高；

（6）運(yùn)行路面類型測(cè)試函數(shù)，對(duì)訓(xùn)練結(jié)果模型的識(shí)別精度進(jìn)行測(cè)試；

（7）最后，將訓(xùn)練結(jié)果模型放入識(shí)別模塊用于實(shí)時(shí)識(shí)別路面類型，從而實(shí)現(xiàn)深度學(xué)習(xí)在路面類型識(shí)別中的應(yīng)用。

訓(xùn)練過程如圖6所示，其中objective為所有樣本的誤差，top1err 為模型輸出1 個(gè)預(yù)測(cè)結(jié)果的錯(cuò)誤率，top5err 為模型輸出5 個(gè)預(yù)測(cè)結(jié)果的錯(cuò)誤率，可知隨著迭代次數(shù)（epoch）增加，誤差和錯(cuò)誤率在逐漸變小。

圖6 訓(xùn)練過程

經(jīng)測(cè)試，模型的識(shí)別精度為96.7%，測(cè)試結(jié)果如圖7 所示，圖片上方括號(hào)內(nèi)數(shù)字為識(shí)別后輸出的路面類型標(biāo)識(shí)。

2 滑移率跟蹤控制器設(shè)計(jì)

滑模控制（SMC）本質(zhì)上是一種特殊的非線性控制［17］，具有快速響應(yīng)、對(duì)應(yīng)參數(shù)變化和擾動(dòng)不靈敏、無(wú)需系統(tǒng)在線辨識(shí)、魯棒性好等優(yōu)點(diǎn)，與傳統(tǒng)控制方法的區(qū)別表現(xiàn)為控制的不連續(xù)性?；坡实母櫩刂剖苘囁俸椭苿?dòng)系統(tǒng)模型參數(shù)等不確定性因素的影響，對(duì)控制器的魯棒性要求較高，結(jié)合滑?？刂频膬?yōu)點(diǎn)，選用滑?？刂评碚搶?duì)滑移率跟蹤控制器進(jìn)行設(shè)計(jì)。

為使系統(tǒng)狀態(tài)能快速趨近于滑動(dòng)模態(tài)并削弱抖振的影響，選用指數(shù)趨近律［18］。

對(duì)λ求導(dǎo)得

圖7 路面識(shí)別結(jié)果

聯(lián)立（3）、式（6）、式（8）和式（12）可得：

式中電流ia為控制輸入，用u（t）表示。

在制動(dòng)時(shí)，電機(jī)處于堵轉(zhuǎn)狀態(tài)，此時(shí)輸出的堵轉(zhuǎn)力矩與轉(zhuǎn)子和定子間的位置有關(guān)，因此轉(zhuǎn)矩系數(shù)KT存在不確定性；另外，車速無(wú)法精確獲取，故針對(duì)以上不確定性引入綜合干擾項(xiàng)d（t），則有

設(shè)定切換函數(shù)

式中：λ*為理想滑移率，且隨著路面類型的變化而變化。則

(1) 本文通過單軸拉伸測(cè)試得到了0Cr18Ni9不銹鋼材料的應(yīng)力-應(yīng)變關(guān)系，該關(guān)系符合Ramberg-Osgood彈塑性本構(gòu)模型，利用全局優(yōu)化算法反演得到其彈塑性本構(gòu)參數(shù)：彈性模量和泊松比分別為203GPa和0.3，硬化指數(shù)和硬化系數(shù)分別為4.2和2.96。

將式（14）代入式（16）得

采用指數(shù)趨近律，有

聯(lián)立式（14）、式（18）得控制律為

由于干擾未知，上述控制律無(wú)法實(shí)現(xiàn)。為解決此問題，采用干擾的界來(lái)設(shè)計(jì)控制律。則

式中de為與干擾d的界相關(guān)的正實(shí)數(shù)。

將式（20）代入式（17）得

為滿足滑模到達(dá)條件，選取de值來(lái)保證控制系統(tǒng)穩(wěn)定。假設(shè)干擾項(xiàng)有界，則

式中dA和dB分別為干擾的下邊界和上邊界。

（1）當(dāng)s(t) > 0時(shí)，

（2）當(dāng)s(t) ＜0時(shí)，

則可得出滿足選取原則的de為

定義Lyapunov函數(shù)為

為進(jìn)一步削弱系統(tǒng)的抖振，在控制器中用飽和函數(shù)sat（s）代替符號(hào)函數(shù)sgn（s），即

式中：k=1/Δ；Δ為邊界層。

3 仿真分析與實(shí)驗(yàn)驗(yàn)證

3.1 仿真分析

為驗(yàn)證該控制方法的可行性，基于Simulink 建立雙層結(jié)構(gòu)的制動(dòng)系統(tǒng)控制器仿真模型，如圖8 所示，其中：上層為路面類型識(shí)別層，包括視覺識(shí)別和最佳滑移率模型；下層為制動(dòng)執(zhí)行系統(tǒng)，包括1/4 車輛模型、滑?？刂破髂Ｐ秃蛨?zhí)行器模型。

圖8 雙層制動(dòng)系統(tǒng)模型

在仿真中，首先針對(duì)不同路面，進(jìn)行單路面條件仿真，取該路面條件下的最佳滑移率與定滑移率對(duì)比，附著系數(shù)取該路面下的峰值附著系數(shù)與高、低附著系數(shù)對(duì)比，再對(duì)變路面條件進(jìn)行仿真，仿真參數(shù)如表3 所示。圖9～圖12 為單路面條件的仿真結(jié)果，圖13 為變路面條件的仿真結(jié)果，其中仿真工況為初速度80 km/h下的緊急制動(dòng)工況，但雪地路面初速度設(shè)為60 km/h（定滑移率λd=0.2；高附著路面條件下μd=0.8，包括干瀝青路面、濕瀝青路面和水泥路面；低附著路面條件下μd=0.2，包括雪地路面）。

表3 仿真參數(shù)

圖9 干瀝青路面（λd = 0.2，μd = 0.8）

圖10 濕瀝青路面（λd = 0.2，μd = 0.8）

由圖3 可知，雪地路面條件下的峰值附著系數(shù)小于0.2，故實(shí)際在雪地路面制動(dòng)時(shí)，取低附著系數(shù)為0.2 的制動(dòng)控制策略在制動(dòng)時(shí)間上會(huì)變長(zhǎng)，制動(dòng)距離也會(huì)增加。

綜合以上幾種路面仿真可知，取定滑移率λd=0.2，附著系數(shù)按高、低附著路面取0.8、0.2，并不適合所有路面條件下的制動(dòng)，不能達(dá)到最優(yōu)的制動(dòng)效果，采用最佳滑移率制動(dòng)效果優(yōu)于定滑移率，并由圖3 可知，滑移率為0.2 對(duì)應(yīng)的并非峰值附著系數(shù)，通過視覺對(duì)路面條件進(jìn)行識(shí)別，獲取最佳滑移率，進(jìn)而得到峰值附著系數(shù)，可使制動(dòng)減速度最大化，制動(dòng)效果更好。

圖11 水泥路面（λd = 0.2，μd = 0.8）

3.2 硬件在環(huán)實(shí)驗(yàn)

為驗(yàn)證該方案的有效性和可行性，搭建了硬件在環(huán)試驗(yàn)平臺(tái)，計(jì)算并輸出在制動(dòng)過程中的制動(dòng)力。

3.2.1 硬件在環(huán)實(shí)驗(yàn)平臺(tái)

圖12 雪地路面（λd = 0.2，μd = 0.2）

硬件在環(huán)實(shí)驗(yàn)平臺(tái)主要包括Simulink 仿真模型、控制平臺(tái)、硬件實(shí)物平臺(tái)和信號(hào)處理模塊，如圖14所示。

其中仿真模型為在Simulink 中搭建的控制算法模型、EHB 制動(dòng)執(zhí)行器模型、車輛模型，運(yùn)行仿真將模型中的控制量輸出；控制平臺(tái)主要包括上位機(jī)、下位機(jī)控制板，上位機(jī)負(fù)責(zé)將控制量輸入到下位機(jī)控制板，控制板與電機(jī)驅(qū)動(dòng)器通過RS232 串口實(shí)現(xiàn)通信連接，并向驅(qū)動(dòng)器發(fā)送PWM 控制信號(hào)；硬件實(shí)物平臺(tái)包括控制板、電機(jī)驅(qū)動(dòng)器、電機(jī)、轉(zhuǎn)矩測(cè)試儀、傳動(dòng)機(jī)構(gòu)、液壓主缸、制動(dòng)輪缸、壓力傳感器、穩(wěn)壓電源等；信號(hào)處理模塊包括轉(zhuǎn)矩采集模塊、壓力采集模塊；穩(wěn)壓電源負(fù)責(zé)向?qū)嶒?yàn)臺(tái)供電。

圖13 變路面（濕瀝青→干瀝青→雪路）

3.2.2 結(jié)果分析

取干瀝青路面下的制動(dòng)進(jìn)行實(shí)驗(yàn)驗(yàn)證，實(shí)驗(yàn)結(jié)果如圖15 所示。經(jīng)過硬件在環(huán)實(shí)驗(yàn)，可以得出實(shí)驗(yàn)臺(tái)滿足制動(dòng)力的要求，該方案可行，并且在制動(dòng)力穩(wěn)定后，與需求制動(dòng)力之間的誤差在2%以內(nèi)。

圖14 硬件在環(huán)實(shí)驗(yàn)平臺(tái)

圖15 實(shí)驗(yàn)結(jié)果

4 結(jié)論

本文中針對(duì)液壓調(diào)控的線控制動(dòng)系統(tǒng)，提出一種基于視覺識(shí)別的線控制動(dòng)壓力滑?？刂品椒?，在緊急制動(dòng)工況下，通過計(jì)算機(jī)視覺識(shí)別當(dāng)前路面類型，在識(shí)別精度和實(shí)時(shí)性上更好，進(jìn)而獲取該路面下的最佳滑移率作為控制對(duì)象，采用基于趨近率的滑模魯棒控制方法對(duì)最佳滑移率進(jìn)行跟蹤控制，相較于傳統(tǒng)的定滑移率，可獲得更好的制動(dòng)效果。最后，通過硬件在環(huán)實(shí)驗(yàn)驗(yàn)證了該方案的可行性。