关键词：舒适性;;智能汽车;;磁流变半主动悬架;;鲁棒控制;;Pareto优化
摘 要：智能汽车是未来汽车技术发展的重要方向,是最富创新性的汽车技术领域。无人驾驶汽车作为智能汽车发展的最终目标,为智能技术、信息技术、控制技术以及传感技术等提出了诸多挑战性问题。目前。智能汽车的研究侧重于行驶安全性问题,对行驶舒适性问题研究的较少。事实上,车辆舒适性是车辆行驶时必须关注的重要性能。为此,本文从舒适性的角度,探索智能汽车的控制问题,以期为未来智能汽车的应用提供有效的控制方法。本文对智能汽车舒适性控制问题的研究在两个层面进行。一是根据智能汽车具有更多道路信息的特点,研究不同路况下的半主动悬架控制方法。二是研究不平路面下,满足舒适性要求的智能汽车车速调节方式。本文通过垂向动力学建模、半主动悬架鲁棒控制以及不平路面下智能汽车车速优化三部分内容阐述了研究方法及结果。针对现有悬架控制研究多基于只能表征车辆垂向振动的1/4模型的问题,本文给出了能够反映车身垂向、俯仰和侧倾动态的7自由度车辆系统模型,以及能够描述磁流变阻尼器非线性特性的双曲正切模型。为了较准确的描述多种路况下车辆行驶过程的激励特性,本文基于单轮等效协方差法,左右轮相关性和前后轮时间滞后性,对随机路面和离散冲击路面下的四轮激励信号进行了描述。针对目前半主动悬架控制中,多采用单一控制增益适应多种复杂车辆行驶工况的问题,本文分析了阻尼特性的改变对不同工况下车辆舒适性的影响,以及单一控制增益存在的问题,根据智能汽车的路面信息,提出了一种利用前馈控制确定不同工况下的阻尼工作点,进而通过反馈控制在工作点附近进行扰动抑制的鲁棒控制方法。仿真结果表明本文给出的控制方法能较好的提升多种路况的车辆舒适性能。针对智能汽车行驶过程的舒适行性问题,本文探索了一种通过调节车速提高舒适性的方法。通过分析车速与车辆乘坐舒适性的关系以及车速变化对舒适性影响情况,给出了一种车辆舒适性能指标的在线描述方法。鉴于车辆舒适性和行驶性能之间的矛盾,本文进一步将车速控制问题转化为多目标优化求解问题,并通过Pareto优化求解得到Pareto最优解集。最后,结合舒适性指标要求和Pareto最优解集,确定当前工况下的最优车速解。仿真结果表明,优化求得的车速在保证行驶性能的基础上,可有效提高车辆的舒适性。
内 容：原文可通过湖北省科技信息共享服务平台（http://www.hbstl.org.cn)获取