商用车横向稳定性优化控制联合仿真分析

提出一种基于粒子群优化与径向基(Radical basis function,RBF)神经网络优化算法的商用车横向稳定性优化控制策略,采用上、下双层控制模式,上层控制器以横摆角速度与质心侧偏角为控制目标,依据车辆行驶工况的反馈信息,利用粒子群优化(Particle swarm optimization,PSO)算法对模糊控制器中的比例因子参数实施动态优化,实现对前轮附加转角和横摆力矩的控制。下层控制器采用RBF神经网络优化制动力分配,通过对横摆角速度偏差的自适应学习,结合滑移率控制器实时优化分配左、右前轮的制动器制动力并修正前轮转角。基于搭建的Truck Sim与Matlab/Simulink联合仿真环境,选取典型试验工况进行车辆横向稳定性仿真分析。研究结果表明,与传统的电子稳定控制系统(Electronic stability control,ESC)控制策略相比较,优化控制后车辆的横摆角速度、质心侧偏角以及侧向加速度等动态响应指标均满足控制要求,并且实际行驶轨迹与目标规划路径之间具有良好的跟随性,有效改善了低附着路面行驶条件下商用车的横向稳定性。