×
孙晓强;张厚忠;蔡英峰;王少华;陈龙

考虑非线性轮胎动力学的智能车辆纵向速度混合建模与预测控制。 （英语） Zbl 1430.70034号

非线性动力学。 97，第2期，1051-1066（2019）。
小结：本文提出了一种混合模型预测控制（HMPC）策略，用于考虑非线性轮胎动力学的智能车辆纵向速度的自动调节。由于对车辆纵向速度控制性能有重大影响的轮胎纵向动力学表现出高度非线性的动力学行为，因此首先基于实验数据进行分段仿射（PWA）辨识，以准确地对轮胎纵向动力学进行建模。在此基础上，由于智能车辆需要在两种不同的模式（驱动和制动）下运行以实现自主速度调节，以及PWA识别轮胎模型的仿射子模型切换行为，本文所研究的智能车辆纵向动力学控制过程可以看作是一个具有连续变量和离散操作模式的混合系统。因此，进一步使用混合逻辑动力学框架对智能车辆纵向动力学进行建模，并使用HMPC控制器优化操作模式的切换顺序（二进制控制输入）和作用在车轮上的扭矩（连续控制输入），基于在线混合整数二次规划进行调整。仿真结果最终证明了所提出的HMPC控制器在典型行驶条件下对智能车辆纵向速度调节的有效性。

引用于三文件

MSC公司：

70电子60 机器人动力学与刚体控制
68T40型 机器人人工智能
93立方厘米 控制理论中的非线性系统

关键词：

智能车辆;纵向动力学;混合建模;模型预测控制;非线性轮胎动力学

软件：

HYSDEL公司
PDF格式BibTeX公司 XML格式引用
\textit{X.Sun}等人，《非线性动力学》。97，第2号，1051--1066（2019；Zbl 1430.70034）
全文： 内政部

参考文献：

[1] 建国，L.、司健，L.，恒，F.：基于汽车导航电子地图的AFS分析。江苏大学自然科学学报39（1），1-6（2018）
[2] Sun，X.，Cai，Y.，Wang，S.等人：通过混合模型预测控制实现智能车辆纵向动力学的最优控制。机器人。自动。系统112、190-200（2019）
[3] Li，Y.，Zhang，B.，Xu，X.：使用具有逆系统解耦的自适应模糊神经网络对电动汽车中的永磁轮毂电机进行鲁棒控制。T.罐头。Soc.机械。工程42（3），286-297（2018）
[4] Ju，J.、Haobin，J.和Shidian，M.：智能车辆驾驶员模型的自适应预览时间分析。江苏大学自然科学学报39（3），254-259（2018）
[5] Takase，M.、Zhao，T.、Zhang，M.等：阐述了印楝、麻疯树、橡胶和卡拉尼亚作为多用途非食用生物柴油资源的综述，并比较了它们的燃料、发动机和排放特性。更新。苏斯特。能源评论43，495-520（2015）
[6] Zhen，S.，Shuo，L.，Yantao，T.等：考虑纵向和横向集成控制的智能车辆驾驶员模型。地址：ICMA，2018年8月5-8日，中国长春
[7] Cerotti，D.、Distefano，S.、Merlino，G.等人：智能交通系统的群体合作方法。IEEE传输。智力。运输18（6），1529-1539（2017）
[8] Daniel，A.、Paul，A.和Ahmad，A.等人：智能交通系统（ITS）车辆的合作智能。无线。个人通讯87（2），461-484（2016）
[9] Yingfeng，C.，Youguo，H.，Hai，W.，等：基于弱监督层次深度模型的交通场景行人检测算法。Int.J.高级机器人。系统14（1），1-9（2016）
[10] Changzhu，Z.，Jinfei，H.，Jianbin，Q.等人：一种新型的基于模糊观测器的自主车辆路径跟踪转向控制方法。IEEE传输。模糊。系统27（2），278-290（2019）
[11] Sun，X.，Cai，Y.，Wang，S.，et al.：基于数据驱动的自动驾驶控制轮胎纵向特性的分段仿射识别。IEEE接入6，47424-47432（2018）
[12] 肖东，S，周，S，龙，C，等：基于逆系统方法的无轴承永磁同步电机的内模控制。IEEE传输。能量转换器31（4），1539-1548（2016）
[13] Omer，T.、Unal，Y.、Ahmet T.：插电式电动汽车和混合动力电动汽车中的电池充电器拓扑概述。收件人：ICCE，2018年5月9日至11日，法马古斯塔，北塞浦路斯
[14] Thanok，S.，Parnichkun，M.：使用基于粒子群优化的滑模控制对智能车辆进行纵向控制。高级机器人29（8），525-543（2015）
[15] Hong，L.，Kil，T.C.，Tae，S.N.等人：使用可变参数滑动控制的车辆纵向制动控制。控制。《工程实践》20（1），69-81（2012）
[16] Jullieme，D.，Guilherme，P.，Reinaldo，P.：自动汽车的纵向模型识别和速度控制。IEEE传输。智力。Transp 16（2），776-786（2015）
[17] Lydie，N.，Said，M.：使用二阶滑模技术的试验车辆纵向控制。控制。《工程实践》15（8），943-954（2007）
[18] Majdoub，K.，Giri，F.，Ouadi，H.等人：非线性控制的车辆纵向运动建模。控制。《工程实践》20（1），69-81（2012）
[19] Dezao，H.、Feng，G.、Keqiang，L.等：车辆防撞系统的车辆纵向动力学模型。J.清华。自然科学大学44（2），258-261（2004）
[20] Konghui，G.，Zhongcheng，Y.，Dang，L.：UniTire模型对组合滑移模式的预测能力研究。自动。工程28（6），565-568（2006）
[21] Farroni，F.、Lamberti，R.、Mancinelli，N.等人：TRIP-ID：一种从轨道或试验台上获得的实验数据中智能交互式识别Magic Formula轮胎模型参数的工具。机械。系统。信号。流程102，1-22（2018）
[22] Dugoff，P.，Segel，L.：轮胎牵引性能及其对车辆动态性能的影响分析。SAE 31219-1243（1970）
[23] Pola，G.，Benedetto，M.：离散时间分段仿射系统的符号模型和控制：近似模拟方法。IEEE T.自动化。合同59（1），175-180（2014）·Zbl 1360.68597号
[24] Ding，Y.，Zhu，C.，Zhang，H.：非线性随机系统的一种分布控制方法。J.排水。埃尔里格。机器。工程35（9），774-779（2017）
[25] Arshad，M.，Aly，R.，Dianchen，L.：广义高阶非线性薛定谔方程的亮暗孤立波解及其在光学中的应用。J.电磁铁。第31波（16），1711-1721（2017）
[26] Heemels，W.，Schutter，B.，Bemporad，A.：混合动力学模型的等价性。Automatica 37（7），1085-1091（2001）·Zbl 0990.93056号
[27] Xiaodong，S.，Long，C.，Haobin，J.等人：使用神经网络逆方案和内模控制器对无轴承永磁同步电机进行高性能控制。IEEE传输。Ind.Electron公司63（6），3479-3488（2016）
[28] Wang，F.，Xu，X.，Fang，Z.：基于啮合振动优化的六阶传动误差人字齿轮的设计与分析。高级机械。工程9（6），1-12（2017）
[29] Li，Y.，Zhang，B.，Xu，X.：基于反向传播神经网络逆系统的内模控制用于永磁轮毂电机的解耦控制。B.政策。阿卡德。《科学技术》66（6），961-972（2018）
[30] Georgios，P.，Tobias，G.，Manfred，M.：感应电机直接转矩控制问题的混合模型预测控制方法。国际强健杂志。农林17（17），1572-1589（2007）·Zbl 1131.93334号
[31] Xu，L.，Tseng，H.，Hrovat，D.：具有行程限制和非线性轮胎接触力的主动悬架混合模型预测控制。地址：ACC，2016年7月，美国波士顿
[32] Eduardo，P.，Aldo，C.：浮选厂的混合模型预测控制。矿工。工程70、26-35（2015）
[33] 肖强，S.，迎风，C.，朝春，Y.等：采用混合逻辑动力学方法的电控空气悬架的车辆高度和调平控制。科学。中国。Technol公司。科学59（12），1814-1824（2016）
[34] 孙旭、蔡毅、袁川等：车辆悬架阻尼多模切换阻尼器的混合模型预测控制。J.Vibroeng 19（4），2910-2930（2017）
[35] Wang，G.，Yin，M.，Liang，C.：基于图像处理的轮胎足迹几何参数测量系统。江苏大学自然科学学报38（2），139-143（2017）
[36] Ma，B.，Lv，C.，Liu，Y.等人：基于轮胎调心扭矩分布的道路附着力系数估计。J.戴恩。ASME系统140（5），1-17（2018）
[37] Roll，J.，Bempoad，A.，Ljunge，L.：通过混合整数编程识别分段仿射系统。Automatica 40（1），37-50（2004）·Zbl 1037.93023号
[38] Vaezi，M.，Izadian，A.：液压风力发电传输系统的分段仿射系统识别。IEEE T.控制。系统。T 23（6），2077-2086（2015）
[39] Paoletti，S.：分段仿射模型的识别，意大利锡耶纳锡耶纳大学博士论文（2004）
[40] Xu，X.，Chen，T.，Chen and L.，et al.：基于改进的闭环子空间识别的电动轮驱动电动汽车纵向力估计。江苏大学自然科学学报37（6），650-656（2016）
[41] Wang，F.，Xu，X.，Fang，Z.：节距偏差对圆柱斜齿轮啮合刚度和振动噪声的影响机理研究高级机械。工程9（9），1-9（2017）
[42] Murat，Y.、Philip，T.K.：电池充电器拓扑结构、充电功率水平和插电式电动汽车和混合动力汽车基础设施综述。IEEE传输。电源。Electr 28（5），2151-2169（2013）
[43] Keiya，N.、Jingyu，Z.、Xianyin，L.等：微孔喷嘴和超高压喷射压力对柴油喷雾火焰的夹带空气、液体渗透、火焰升力和碳烟形成的影响。国际J发动机。决议18（1-2），51-65（2017）
[44] 郭，J.，董，H.，盛，W.，等：电动汽车再生制动能量的最优控制策略。江苏大学自然科学学报39（2），132-138（2018）
[45] Sun，X.，Cai，Y.，Chen，L.等：使用混合系统方法的电子空气悬架系统的车辆高度和姿态控制。车辆。系统。戴恩54（3），328-352（2016）
[46] 张毅、魏振中、朱晓霞等：精密水肥灌溉系统的控制策略及其验证。J.排水。埃尔里格。机器。工程35（12），1088-1095（2017）
[47] Pregelj，B.，Gerksic，S.：用分段仿射模型近似的非线性过程的混合显式模型预测控制。J.过程。控制20（7），832-839（2010）
[48] Torrisi，F.，Bempoad，A.：HYSDEL——为分析和综合问题生成计算混合模型的工具。IEEE传输。控制系统。Technol 12（2），235-249（2004）
[49] Hredzak，B.，Agelidis，V.，Demetriades，G.：显式模型预测控制在混合电池-超级电容器电源中的应用。J.动力。来源27784-94（2015）
[50] Xiaodong，S.，Long，C.，Zebin，Y.等人：采用人工神经网络逆速度观测器的无轴承异步电机无速度传感器矢量控制。IEEE/ASME标准。机械18（4），1357-1366（2013）
[51] Owusu，E.，Zhan，Y.，Mao，Q.：SVM-AdaBoost面部表情识别系统。申请。Intell 40（3），536-545（2014）
[52] 孙旭、蔡毅、袁川等：电子空气悬架车辆高度和高度调节系统的模糊滑模控制。下巴。J.机械。工程31（25），1-13（2018）
[53] Wang，F.，Xu，X.，Fang，Z.：人字齿轮传动系统动力传输过程分析的新方法及实验验证。可控震源22（4），519-535（2017）
[54] Geyer，T.、Papafotiou，G.、Morari，M.：降压DC-DC转换器的混合模型预测控制。IEEE传输。控制系统。Technol 16（6），1112-1124（2008）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。