【技术实现步骤摘要】
一种商用车滑板底盘线控制动系统及其制动感觉优化方法
[0001]本专利技术属于滑板底盘系统
，具体涉及一种商用车滑板底盘线控制动系统及其制动感觉优化方法。
技术介绍
[0002]现阶段商用车朝着电动化、智能化发展，而滑板底盘凭借其通用化、集成化和线控化水平推动了商用车的转型升级。然而现有的底盘制动系统未充分考虑驾驶员制动感觉的实际需求，智能化程度低，现阶段对于驾驶员制动感觉的影响少有深入的研究；因此，如何合理地设计商用车滑板底盘线控制动系统的变传动比策略及制动感觉优化方法是设计人员研究的重要课题。
[0003]目前，对于制动感觉优化的相关研究，一般只是对真空助力器的助力特性进行模拟和调整，设计几种供驾驶员选择的固定模式，普遍存在未考虑驾驶员制动感觉的实际需求，智能化程度较低的问题。此外，相关研究并未对驾驶员目标制动强度进行准确的识别，存在制动感觉优化程度不全面的问题。例如，中国专利技术专利申请号为CN201910353593.2中公开了一种电动助力制动系统制动踏板反馈的优化方法；中国专利技术专利申请号为CN202110334231.6中公开了一种基于I
‑
Booster和驾驶个性的电动汽车制动感觉一致性控制方法；中国专利技术专利申请号为CN202110636872.7中公开了一种新能源汽车制动助力装置及制动感觉一致性优化方法，通过一种简单的机械结构优化驾驶员踏板脚感。
[0004]以上对于制动感觉优化的研究没有充分考虑驾驶员制动感觉的实际需求，存在智能化程度较低的问题，同时存在...
【技术保护点】
【技术特征摘要】
1.一种商用车滑板底盘线控制动系统，其特征在于，包括：制动踏板、制动踏板位移速度传感器、车速传感器、整车控制模块、电子制动助力控制系统、再生制动控制模块、轮毂电机、驾驶员制动意图识别模块、变传动比控制模块及摩擦制动器；所述制动踏板位移速度传感器安装在制动踏板上，用于获取制动踏板的位移信息、制动踏板的速度信息，并将获得的制动踏板的位移信息、制动踏板的速度信息传送给驾驶员制动意图识别模块；所述车速传感器安装于车轮中，用于获取车辆速度信息，并将获得的车辆速度信息传送给驾驶员制动意图识别模块；所述驾驶员制动意图识别模块对驾驶员目标制动强度进行识别，并发送驾驶员目标制动强度信号给整车控制模块；所述整车控制模块根据所述驾驶员目标制动强度信号，进行制动感觉多目标优化，并将优化后的参数发送给变传动比控制模块；所述变传动比控制模块根据优化后的参数及滑板底盘线控制动系统变传动比策略，输出电子制动助力控制系统的传动比信号；所述电子制动助力控制系统包含电子制动助力电机；分别与制动踏板、变传动比控制模块和摩擦制动器连接，根据变传动比控制模块的传动比信号，调整电子制动助力电机提供的助力与制动踏板提供的推力之间的助力比，从而传输踏板反力改善驾驶员制动感觉；所述再生制动控制模块与轮毂电机电气连接，用于能量回收，控制轮毂电机输出再生制动力；所述轮毂电机安装于车轮内，用于输出再生制动力矩以制动车轮；所述摩擦制动器安装于车轮内，用于产生摩擦制动力矩，对车轮进行摩擦制动。2.一种商用车滑板底盘线控制动系统的制动感觉优化方法，基于权利要求1所述系统，其特征在于，包括以下步骤：(1)建立滑板底盘电子制动助力控制系统模型和七自由度整车模型；(2)根据步骤(1)中建立的滑板底盘电子制动助力控制系统模型和七自由度整车模型，设计滑板底盘线控制动系统变传动比策略，调整电子制动助力电机提供的助力与制动踏板提供的推力之间的助力比；(3)选定制动踏板速度和车辆速度信息作为驾驶员制动意图识别的参数，通过改进的RBF神经网络对驾驶员目标制动强度进行识别；(4)以步骤(3)中识别的驾驶员目标制动强度作为设计变量，建立以制动感觉指数BFI、制动响应时间、制动距离以及制动效率四项参数为优化目标的多目标优化模型，并利用Isight方法完成多目标优化。3.根据权利要求2所述的商用车滑板底盘线控制动系统的制动感觉优化方法，其特征在于，所述步骤(1)中具体包括：电子制动助力控制系统模型建立如下：
式中，U为电子制动助力电机的电压值；L为电子制动助力电机的电感；i为电子制动助力电机的电流；R为电子制动助力电机的电阻；E为电子制动助力电机的电动势；k
e
为电子制动助力电机的反电动势系数，ω
m
为电子制动助力电机的角速度；J
m
为电子制动助力电机的转动惯量；B为电子制动助力电机的黏性阻尼系数；T
m
为电子制动助力电机的负载转矩；T
e
为电子制动助力电机的电磁转矩；电子制动助力电机提供的助力与制动踏板提供的推力之间的助力比n为：式中，k
pv
为等效刚度；k为电子制动助力控制系统的传动比；n0为初始助力比；k
s2
为补偿弹簧弹性系数；七自由度整车模型建立如下：式中，F
xfl
为左前轮胎纵向力；F
xfr
为右前轮胎纵向力；F
xrl
为左后轮胎纵向力；F
xrr
为右后轮胎纵向力；F
yfl
为左前轮胎横向力；F
yfr
为右前轮胎横向力；F
yrl
为左后轮胎横向力；F
yrr
为右后轮胎横向力；F
zfl
为左前轮胎垂向力；F
zfr
为右前轮胎垂向力；F
zrl
为左后轮胎垂向力；F
zrr
为右后轮胎垂向力；m为整车质量；δ为前轮转角；h
g
为质心到地面的距离；g为重力加速度；l为车辆轴距；I
z
为整车绕Z轴转动惯量；V
x
、V
y
分别为纵横向速度；a、b为质心至前、后轴的距离；r为车轮半径；t
w
为左右轮距。4.根据权利要求3所述的商用车滑板底盘线控制动系统的制动感觉优化方法，其特征在于，所述步骤(2)中滑板底盘线控制动系统变传动比策略具体如下：
采用经过偏移和拉伸的sigmoid函数对电子制动助力控制系统传动比k的比例系数k0进行初步设计，函数表达式为：式中，k0为电子制动助力控制系统传动比k的比例系数；b1、b2、b3为调整sigmoid函数形状的参数；z为驾驶员目标制动强度；对电子制动助力控制系统的传动比进行调节的两个分段线性函数如下：对电子制动助力控制系统的传动比进行调节的两个分段线性函数如下：式中，k1，k2为电子制动助力控制系统传动比k的分段比例系数；f
(s)
，f
(v)
为作调节用的分段函数；c、d为分段函数的转折点；k
s
，k
v
为分段函数斜线部分的斜率；综合电子制动助力控制系统中驾驶员目标制动强度、制动响应时间、制动距离以及制动效率对传动比的影响，令电子制动助力控制系统的传动比k为上述三个比例系数之积，即：k＝k0·
k1·
k2将上式代入电子制动助力电机提供的助力与制动踏板提供的推力之间的助力比公式可得：5.根据权利要求4所述的商用车滑板底盘线控制动系统的制动感觉优化方法，其特征在于，所述步骤(3)中驾驶员目标制动强度z的识别过程如下：(31)将采集的制动踏板速度和车辆速度信息，作为驾驶员制动意图识别的参数；采用改进的RFB神经网络建立驾驶员制动意图与车辆速度和制动踏板速度参数之间的映射关系，对驾驶员的制动意图进行识别；建立广义RBF神经网络函数关系如下：式中，X为制动踏板速度和车辆速度的输入样本；为基函数；w为输出权值；C为基函数的中心；P为中心数量；z为驾驶员目标制动强度；制动踏板速度和车辆速度的输入样本X作为基函数的中心，高斯函数作为隐藏层的基函数制动强度z作为输出结果，得到神经网络线性方程组Φ：
选择Gauss函数作为广义RBF神经网络的基函数，其表达式为：式中，σ为径向基函数的扩展常数；r为向量离基函数中心的距离；(32)建立改进的RBF神经网络：通过改进的自组织监督算法确定基函数的中心C、扩展常数σ和输出权值w；采用PAM聚类算法对输入样本X进行聚类来获得聚类中心，根据输入样本X到各聚类中心之间的距离确定径向基函数的扩展常数σ：σ＝λmin||X
‑
C
j
||式中，λ为重叠系数；σ为径向基函数的扩展常数；j＝1,2
…
P；采用求矩阵伪逆的方法获得输出权值w：w＝[(Φ
T
Φ)
‑1Φ
T
]z式中，Φ为神经网络线性方程组；Φ
T
为神经网络线性方程组的转置矩阵；(Φ
T
Φ)
‑1为Φ
T
Φ的逆矩阵；每次迭代后的总误差E为：式中，e
i
为输入第i个样本时的误差；按照梯度下降的方法，基函数的中心C、扩展常数σ和输出权值w三个迭代参数的具体计算式为：式中，G为高斯函数；η
m
为学习系数，m＝1,2,3；j＝1,2
…
P；在迭代过程中，加入调整学习系数的步骤：η
m
＝η
m
+ξΔE式中，ξ为总误差对η的影响系数。
6.根据权利要求5所述的商用车滑板底盘线控制动系统的制动感觉优化方法，其特征在于，所述步骤(4)中的驾驶员制动感觉多目标优化过程具体如下：(41)选取制动感觉指数BFI、制动响应时间、制动距离以及制动效率作为优化目标，选定b1、b2、b3、c、d、β作为设计变量，β为制动力分配比；(42)通过制动效率对制动系统的制动力分配比β进行约束：S1和S2由下式表示：由下式表示：制动力分配比β对制动效率的影响由下式表示：J1＝S1+S2其中，S1和S2分别表示制动效率曲线E
f
、E
r
与纵橫轴围成的面积；J1表示制动力分配比β对制动效率的影响；为前轴利用附着系数；为后轴利用附着系数；为附着系数；(43)建立涉及6个设计变量和4个目标函数响应面模型：M
BFI
＝556.7879+130.6737
·
b1‑
0.3704
·
c
‑
1851.4176
·
β
‑
151.4643
·
b
12
+0.6925
·
b
...
【专利技术属性】
技术研发人员：徐坤豪，赵万忠，王春燕，叶英楠，邹松春，梁为何，张森皓，王子皓，吕远飞，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。