【技术实现步骤摘要】
本专利技术涉及车辆悬架装置配置领域，特别是涉及一种用于控制配备半主动悬架车辆的稳定性冗余方法和系统。
技术介绍
1、在进行半主动悬架车辆的稳定性冗余控制配备过程中，传感器故障后直接给定电流输出，或者0a为减振器的保护状态，以此实现安全冗余。这种控制方式单一状态与被动减振器相似，不能很好地满足车辆对于阻尼调控的需求。并且，对于多目标最优控制问题的优化，一般是将多目标通过加权的形式转变为单目标，缺少对每个目标的单独控制过程，且lqr最优控制权重矩阵的取值依据经验确定。
技术实现思路
1、为解决现有技术存在的上述问题，本专利技术提供了一种用于控制配备半主动悬架车辆的稳定性冗余方法和系统。
2、为实现上述目的，本专利技术提供了如下方案：
3、一种用于控制配备半主动悬架车辆的稳定性冗余方法，包括：
4、获取车辆状态信息；所述车辆状态信息包括：减振器的位移变化信息以及车辆质心状态信息；所述减振器的位移变化信息采用位移传感器获取；所述车辆质心状态信息采用imu传感器获取；所述车辆质心状态信息包括：质心垂向的加速度、质心纵向加速度、质心侧向加速度、质心侧倾角速度和质心俯仰角速度；
5、基于所述减振器的位移变化信息与第一设定阈值间的关系判断位移传感器是否存在故障，得到第一判断结果；
6、当所述第一判断结果为否时，采用多目标黏菌算法对控制目标进行优化得到lqr控制的最优反馈增益矩阵；所述控制目标包括簧载质量的加速度、轮胎动载荷以及悬架动挠度；
7、基于lqr控制的最优反馈增益矩阵结合卡尔曼滤波算法确定减振器的期望阻尼力，基于所述期望阻尼力实现车辆的阻尼调节；
8、当所述第一判断结果为是时，基于所述车辆质心状态信息与第二设定阈值间的关系判断imu传感器是否存在故障，得到第二判断结果；
9、当所述第二判断结果为否时，基于卡尔曼滤波算法根据车辆质心状态信息确定各悬架顶端簧上的速度以及加速度；
10、采用单传感器混合控制算法基于各悬架顶端簧上的速度以及加速度确定减振器的期望阻尼力，基于所述期望阻尼力实现车辆的阻尼调节；
11、当所述第二判断结果为是时，使用减振器电磁阀电流的0a状态作为应急状态实现车辆控制。
12、可选地，采用多目标黏菌算法对控制目标进行优化得到lqr控制的最优反馈增益矩阵，具体包括：
13、构建lqr控制的目标函数，并基于所述目标函数确定控制目标；
14、基于所述控制目标确定加权矩阵；
15、采用多目标黏菌算法确定所述加权矩阵的最优解；
16、基于所述加权矩阵的最优解确定最优反馈增益矩阵。
17、可选地，采用多目标黏菌算法确定所述加权矩阵的最优解，具体包括：
18、将所述加权矩阵作为决策变量，将目标函数作为个体，在可行搜索空间区域中随机生成父代种群，确定父代种群中所有个体的非支配排序和pareto前沿，确定每个pareto前沿的拥挤距离；
19、基于pareto前沿的拥挤距离确定第一参数、第二参数和黏菌的权重系数，并更新父代种群中黏菌的位置得到一个新的种群；
20、合并新的种群和父代种群得到当前种群，并确定当前种群中所有个体的非支配排序和pareto前沿；
21、基于当前种群中所有个体的非支配排序和pareto前沿抽取npop个个体作为新的父代种群，并返回执行“在可行搜索空间区域中随机生成父代种群，确定父代种群中所有个体的非支配排序和pareto前沿，确定每个pareto前沿的拥挤距离”的步骤，直至达到最大迭代次数时，得到所述加权矩阵的最优解。
22、可选地，基于卡尔曼滤波算法根据车辆质心状态信息确定各悬架顶端簧上的速度以及加速度，具体包括：
23、构建整车七自由度模型，并对所述整车七自由度模型进行离散化处理；
24、采用卡尔曼滤波算法基于离散化后的所述整车七自由度模型和车辆质心处的加速度信号确定各悬架顶端簧上的速度以及加速度。
25、可选地，所述单传感器混合控制算法的实现方程为：
26、
27、式中，为簧上加速度，为簧上速度，α为低频和高频之间的频率界限，cmin为最小阻尼，cmax为最大阻尼，c为采用单传感器混合控制算法基于各悬架顶端簧上的速度以及加速度确定的减振器的期望阻尼力。
28、可选地，基于lqr控制的最优反馈增益矩阵结合卡尔曼滤波算法确定的减振器的期望阻尼力表示为：
29、ul＝-k·xl；
30、式中，ul为基于lqr控制的最优反馈增益矩阵结合卡尔曼滤波算法确定的减振器的期望阻尼力，k为最优反馈增益矩阵，xl为状态变量。
31、一种用于控制配备半主动悬架车辆的稳定性冗余系统，包括：imu传感器和多个位移传感器；
32、所述imu传感器和多个所述位移传感器均搭载在车辆上；多个所述位移传感器分别搭载在车辆的车轮上，用于测量车辆的减振器的位移变化信息；所述imu传感器设置在车辆的质心位置处，用于测量车辆质心状态信息；所述车辆质心状态信息包括：质心垂向的加速度、质心纵向加速度、质心侧向加速度、质心侧倾角速度和质心俯仰角速度；
33、所述imu传感器和多个所述位移传感器均与控制器连接；所述控制器中植入有计算机程序；所述控制器用于基于减振器的位移变化信息和所述车辆质心状态信息调取并执行所述计算机程序，以实施上述提供的用于控制配备半主动悬架车辆的稳定性冗余方法。
34、可选地，所述系统还包括：线性二次型调节器；
35、所述线性二次型调节器分别与所述控制器和减振器连接；所述线性二次型调节器用于采用多目标黏菌算法对控制目标进行优化得到lqr控制的最优反馈增益矩阵，并基于lqr控制的最优反馈增益矩阵结合卡尔曼滤波算法确定减振器的期望阻尼力。
36、根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：
37、本专利技术在无传感器故障时，通过多目标黏菌算法对簧载质量的加速度、轮胎动载荷、悬架动挠度等多个目标进行直接优化，求解出lqr控制的最优反馈增益矩阵，结合卡尔曼滤波算法计算出减振器所需阻尼力，实现车辆阻尼调节，解决了控制过程中多目标优化的问题，避免了最优控制的经验取值，可根据项目需求选择合适参数。在仅有位移传感器故障时，基于卡尔曼滤波算法和单传感器混合控制算法确定减振器的期望阻尼力，实现车辆阻尼调节，在位移传感器和imu传感器均故障时，使用减振器电磁阀电流的0a状态作为应急状态实现车辆控制，能够在部分传感器失效时，依旧发挥半主动悬架作用。基于此，本专利技术能够在不增加成本的条件下，实现传感器失效情况的冗余控制，解决了控制过程中多目标优化的问题，避免了相关参数的主观选择，提高控制效率。
本文档来自技高网...【技术保护点】
1.一种用于控制配备半主动悬架车辆的稳定性冗余方法，其特征在于，包括：
2.根据权利要求1所述的用于控制配备半主动悬架车辆的稳定性冗余方法，其特征在于，采用多目标黏菌算法对控制目标进行优化得到LQR控制的最优反馈增益矩阵，具体包括：
3.根据权利要求2所述的用于控制配备半主动悬架车辆的稳定性冗余方法，其特征在于，采用多目标黏菌算法确定所述加权矩阵的最优解，具体包括：
4.根据权利要求1所述的用于控制配备半主动悬架车辆的稳定性冗余方法，其特征在于，基于卡尔曼滤波算法根据车辆质心状态信息确定各悬架顶端簧上的速度以及加速度，具体包括：
5.根据权利要求1所述的用于控制配备半主动悬架车辆的稳定性冗余方法，其特征在于，所述单传感器混合控制算法的实现方程为：
6.根据权利要求1所述的用于控制配备半主动悬架车辆的稳定性冗余方法，其特征在于，基于LQR控制的最优反馈增益矩阵结合卡尔曼滤波算法确定的减振器的期望阻尼力表示为：
7.一种用于控制配备半主动悬架车辆的稳定性冗余系统，其特征在于，包括：IMU传感器和多个位移传感器；<...
【技术特征摘要】
1.一种用于控制配备半主动悬架车辆的稳定性冗余方法，其特征在于，包括：
2.根据权利要求1所述的用于控制配备半主动悬架车辆的稳定性冗余方法，其特征在于，采用多目标黏菌算法对控制目标进行优化得到lqr控制的最优反馈增益矩阵，具体包括：
3.根据权利要求2所述的用于控制配备半主动悬架车辆的稳定性冗余方法，其特征在于，采用多目标黏菌算法确定所述加权矩阵的最优解，具体包括：
4.根据权利要求1所述的用于控制配备半主动悬架车辆的稳定性冗余方法，其特征在于，基于卡尔曼滤波算法根据车辆质心状态信息确定各悬架顶端簧上的速度以及加速度，...
【专利技术属性】
技术研发人员：王圣坤，杨建森，李韶华，刘忠海，冯晓，李欣，李雪鹏，张雨，王明晖，王鹏，武振江，闫德立，冯桂珍，
申请(专利权)人：中汽研天津汽车工程研究院有限公司，
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。