線控底盤多模式轉向系統研究

摘 要：伴隨著當代新興科學技術的快速發展，線控底盤技術是汽車智能化發展的重要趨勢，因此文章對線控底盤多模式轉向系統的多模式轉向模式進行了研究。詮釋什么是多模式轉向和各種轉向模式的公式和運用環境，通過對汽車轉向時的相關計算公式的理解，結合八自由度車輛動力學模型以及橫擺角速度控制策略，質心側偏角控制策略等模塊，建立了仿真模型，最后通過對仿真結果橫擺角速度和質心側偏角理想值和實際值的偏差對比來驗證各轉向模式的穩定性。

關鍵詞：智能化 多模式轉向 線控底盤 Simulink模型

1 緒論

智能汽車具有提升駕駛安全性、緩解交通壓力和減少交通事故發生等一系列優點，在未來的智能交通系統中有著非常廣闊的應用前景[1]，而智能駕駛的發展離不開線控底盤技術的進步，智能車線控底盤技術是智能駕駛汽車的核心，是智能駕駛技術得以實現的基礎。傳統汽車底盤控制是通過機械或者液壓系統實現的，整體結構比較復雜，并且沒有實時反饋能力，無法有效地進行精準控制。而智能車底盤線控技術是通過信號來實現數據傳輸，從而控制底盤相關動作，可以根據提前所設定的命令，按照具體的數據信息情況，科學合理地完成控制任務，保證控制的有效性和實時性[2]。線控底盤技術是智能汽車的關鍵核心技術之一[3]，線控底盤技術主要包含線控轉向、線控制動以及線控驅動，其中以線控驅動和線控制動發展較為成熟，而線控轉向技術由于其安全性以及可靠性等問題，還未大量應用于量產車。智能車線控底盤多模式轉向系統的基本工作原理：在方向盤運轉過程中，由方向盤的轉角傳感器和扭矩傳感器分別收集測量到的轉角和扭矩信息，并將其轉變成電信號，傳送給主控制器。主控制器在通過相應傳感器接收到車輪數據后，包括車速、縱向加速度、橫擺運動速率等，會結合這些數據，向轉向執行電機發送相應的指令，以便進行較為合理的轉向[4-5]。線控底盤多模式轉向系統是決定汽車主動安全性的關鍵總成，傳統的汽車轉向系統一般是機械系統，汽車的轉向運動的過程一般是由駕駛員操縱方向盤，接下來方向盤的轉向通過轉向器和多個桿件傳遞到車輪從而實現轉向[6-7]。而智能車線控多模式轉向系統將方向盤和轉向輪之間的機械連接取消，完全依靠電能完成轉向，這種方法突破了傳統轉向系統的諸多局限，不但可以自由設計汽車轉向的力傳遞特性，還能對車輛轉向的角傳遞特性進行設計，為車輛的轉向特性的設計提供了廣闊的空間。

2 線控底盤模型設計

8DOF動力學模型：在考慮相關假設情況下，選擇車輛沿x軸的縱向運動，沿y軸的側向運動，繞z軸的橫擺運動，繞x軸的側傾運動以及四個車輪的轉動，搭建了8DOF整車模型。通過對車輛的縱向動力學、側向動力學、橫擺動力學進行分析，再結合相關的線控底盤受力分析圖，通過對兩者的結合和分析可以得出并且搭建相應車體動力學模型。線控底盤在轉向過程中受力分析示意圖如圖1所示。

2.1 縱向動力學方程

2.2 側向動力學方程

2.3 橫擺動力學方程

在車輪上的合力矩是車輪的驅動扭矩和制動力矩的差值，即，因此車輪的轉動平衡方程式，如下公式所示：

3 多模式轉向分析

3.1 阿克曼轉向分析

根據阿克曼轉向幾何設計的相關車輛，當汽車在行駛過程中沿彎道轉彎時，車輛底盤所采用的四連桿的相位等曲柄會使內輪的轉向角比外輪轉向角大2-4度，從而使得四個輪子路徑的圓心上交會于后軸的延長線上瞬時轉向中心，使汽車能夠順暢地轉彎，從而滿足行駛的規范與要求。（圖3）

車輛中心轉過的角度θ等于左右車輪轉角α和β的平均根據，由三角函數可以得到，L是前后軸之間的軸距、R是車輛中軸的轉彎半徑。阿克曼轉向也被稱為自行車轉向，在特定情況下，自行車模型實際上是對阿克曼轉向幾何的一個簡化，其通過簡化了前輪轉向角與后軸將遵循的曲率之間的幾何關系，避免了干擾和誤差，阿克曼轉向公式適用于在較低速度場景下對車輛運動做估算。

3.2 前輪轉向

前輪轉向，在行駛過程中駕駛員通過轉動方向盤，通過轉向機構將旋轉的動作傳遞給前輪，從而實現汽車的轉向。前輪轉向轉彎半徑計算是指在車輛轉彎時，前輪所繞過的弧線的半徑大小。計算前輪轉向轉彎半徑需要考慮車輛的軸距、前輪轉角、車輛速度等因素。前輪轉向轉彎半徑越小，車輛的轉彎半徑也就越小，轉彎的靈活性就越好。在一些需要頻繁轉彎的場合，如城市行駛、賽車比賽等，前輪轉向轉彎半徑的大小顯得尤為重要。計算前輪轉向轉彎半徑的公式是R=L/tanδ，其中R為前輪轉向轉彎半徑，L為車輛的軸距，δ為前輪轉角。該公式適用于車輛在低速下行駛時的轉彎半徑計算。

3.3 楔形轉向

楔形轉向，顧名思義，就是能夠讓車輛在特殊路段上像螃蟹一樣橫向行駛的一種轉向模式，自然界中螃蟹依靠其獨特的自身結構能夠橫行無阻，當車輛在行駛時遇到極端的路面情況，不得不橫向行駛，因此，這時候楔形轉向模式就起到了作用，當一輛車想要橫向移動時，就需要四個車輪進行協同轉向。楔形是指車輛以斜向行駛的狀態，通常用于特殊情況下的轉彎或調整車輛位置。

4 多模式轉向系統控制器設計

4.1 前輪轉向和阿克曼轉向的滑膜穩定性控制

4.1.1 基于橫擺角速度控制

在對直接橫擺力矩控制分析的基礎上，橫擺力矩決策的根本目標是在以保證質心偏側角較小下的前提下，使橫擺角速度最大限度的與理想值跟隨，以滿足駕駛員的駕駛需求。以橫擺角速度及其變化率和質心側偏角及其變化率作為被控制變量，并結合考慮兩者之間的耦合關系，設計加權控制模塊，決策得到附加橫擺力矩，從而保證車輛的穩定性。在八自由度車輛模型基礎上，增加橫擺力矩可得微分方程為：

使橫擺角速度實際值和理想值偏差盡可能小，可以使車輛更好的跟隨駕駛員理想的轉向要求，因此，定義偏差，定義滑膜面：

式中，為基于橫擺角速度定義的滑模變量，，為橫擺角速度偏差系數和橫擺角速度變化率偏差系數，且gt;0，gt;0。

將上式代入滑模面得：

滑模控制率選取指數趨近率，即 ，其中，為指數趨近率系數，且，；并且為減小滑模控制抖振，增大時應同步減小。因此，將選取的滑模控制率代入上文式可得：

4.1.2 基于質心側偏角控制

由于質心側偏角決定車輛的軌跡跟隨性，同理，定義偏差，誤差變化率，同時，定義滑模面：

式中，為基于質心側偏角定義的滑模變量，為質心側偏角偏差系數和質心側偏角速度變化率偏差系數，且gt;0，gt;0。

與橫擺角速度控制類似，設計控制率采用指數趨近率，令其中為指數趨近率系數，并且為減小滑模控制抖振，增大時應同步減小。將選取的滑模控制率代入上式可得：

4.1.3 滑模控制抖振抑制

在滑模控制算法中，為避免產生抖振，采用魯棒性更好的飽和函數sat（s），保證切換面附近控制的光滑連續性。因此，文章采用飽和函數為：

式中，為邊界層寬度。

4.1.4 加權控制模塊

橫擺角速度和質心側偏角對車輛狀態的影響具有耦合關系，選用二者加權控制的方式，即在質心偏側角小于閾值下限時，完全采用橫擺角速度控制方式；在質心偏差角大于上限時，完全采用質心側偏角控制方式；在質心側偏角在上限和下限范圍內時，采用兩者聯合控制，控制的表達式如下：

式中，Mz為加權模塊橫擺力矩輸出控制量，Mr、分別為基于橫擺角速度控制、基于質心側偏角控制得出的附加橫擺力矩，k為權重系數。

4.2 楔形轉向的滑膜穩定性控制

和上文的阿克曼轉向還有前輪轉向相比，楔形轉向在公式上有稍微的區別，文字部分不在重復，下文進行相關公式的描寫。

5 智能車多模式轉向仿真分析

仿真過程中，整車質量、車身質量質心距離前軸的距離、質心距離后軸的距離、前軸輪距、后軸輪距、空氣阻力系數、迎風面積分別為1765kg、1600kg、1.2m、1.4m、1.6m、1.6m、0.3431、1.895。

5.1 控制策略

控制模塊的控制的總體思路為利用控制器對汽車八自由度模型進行輸入的轉矩進行調整，從而實現調整汽車的行駛姿態（如橫擺角速度和質心側偏角），通過這個步驟實現操作穩定性控制，控制方面具體分為以下幾個模塊：二自由度模塊，橫擺角速度+質心側邊角聯合系數分配模塊，橫擺角速度滑模跟隨模塊，質心側邊角滑模跟隨模塊，轉距分配模塊。（圖4）

5.2 阿克曼轉向模式仿真

在代表橫擺角速度的圖5a中，在1.6秒左右前，車輛處于直行狀態，在1.6秒后車輛進入轉向狀態，橫擺角速度和質心側偏角開始變化，阿克曼轉向的橫擺角速度理論值與實際值偏差較小，理論值在2.25秒達到最大值的峰值，實際值受到外界因素影響，在2.35秒左右達到最大值的峰值，理論值在3.05秒左右達到最小的峰值，實際值在3.2秒達到最小的峰值，隨后，隨著轉向結束，理論值和實際值逐漸趨向于零，總體而言，兩者的偏差比較小，單論橫擺角速度阿克曼轉向模式的穩定性較好，但在圖5b中，即質心側偏角理論值和實際值差距較大。

對比阿克曼轉向采用基于滑模控制的橫擺力矩控制策略的結果，圖5c圖5d對阿克曼轉向在控制策略優化后的橫擺角速度和質心側偏角的變化進行了對比，控制后比未控制的車輛穩定性大幅度增加，驗證了文章控制效果的有效性。通過控制策略極大的減少了質心側偏角理論值和實際值的誤差，保障了車輛轉向時的穩定性。

5.3 前輪轉向模式仿真

圖6a阿克曼轉向中兩轉角不大一樣，圖6b為前輪轉角兩個前輪轉向一模一樣，但是兩轉向模式的轉角客觀差別不大，因此，在該仿真中，阿克曼轉向和前輪轉向模式在同等工況的情況下，重要參數如質心側偏角和橫擺角速度在大致軌跡上相同，前輪轉向模式的重要參數如圖7所示。

5.4 楔形轉向模式仿真

在沒有進行控制策略優化的情況下，圖8a橫擺角速度理想值在2.2秒左右達到最大值0.15rad/s，而實際值略微滯后，在2.25秒左右達到峰值0.135rad/s，在進行第二次轉向時，理想值也在3s左右達到負數的峰值，而實際值在3.1秒處達到峰值，隨后隨著轉彎結束，理論值和實際值迅速趨同，趨向于零，由此得出楔形轉向在沒有采取控制策略時的橫擺角速度理論值和實際值相對較為切合，在車輛行駛中，橫擺角速度的大小與汽車的穩定性密切相關。

6 結論

阿克曼轉向模式、前輪轉向模式、楔形轉向模式三種轉向模式分別適配著不同的工況，通過對衡量穩定性的參數如橫擺角速度和質心側偏角理想值和實際值偏差數據圖分析在該工況下哪種轉向模式具有十足的優越性，經過分析阿克曼轉向模式的穩定性相對較好，這是因為楔形轉向模式可實現轉角較小的要求需要控制，消耗的功率較大，而與之相比阿克曼轉向模式的轉角較大，消耗的功率較小。通過對車輛運動軌跡圖分析，得到如下相關的結論，在仿真分析給定的相關工況中，汽車的轉彎半徑較大。因為在文章工況下車輛轉角較大，楔形轉向模式在轉角較小的工況時表現優秀，因此穩定性相對阿克曼轉向較差。

參考文獻：

[1]吳艷，王麗芳，李芳.基于滑模自抗擾的智能車路徑跟蹤控制[J].控制與決策，2019，34（10）：2150-2156.

[2]黃李麗.智能網聯背景下汽車底盤線控系統及控制技術應用[J].內燃機與配件，2023（13）：93-95.

[3]何凌蘭，周蘇.新能源汽車智能駕駛線控底盤技術應用[J].汽車測試報告，2023（2）：53-55.

[4]陳萌，杜萬席.汽車線控底盤技術發展趨勢分析與研究[J].汽車與配件，2022（24）：54-59.

[5]編輯部.汽車線控底盤研究：智能競賽的關鍵領域，本土廠商迎來發展良機[J].汽車與配件，2022（21）：40-46.

[6]沈玉龍，李剛，張凱，等.商用車電動液壓助力轉向系統綜述[J].汽車實用技術，2020，45（18）：248-249+252.

[7]張斌斌，李楠，郭晚茹.車輛電控液壓動力轉向系統的設計[J].鑿巖機械氣動工具，2016（03）：19-21+28.