RBF神经网络的主动前轮转向滑模控制

RBF 神经网络的主动前轮转向滑模控制

夏长高，赵维林，任英文

（江苏大学汽车与交通工程学院，江苏镇江212013）

来稿日期：2018-04-07

基金项目：国家重点研发计划（2016YFD0700400）作者简介：夏长高，（1965-），男，江苏兴化人，博士研究生，教授，主要研究方向：汽车系统动力学与控制研究、汽车零部件CAD/CAE 集成与应用；

赵维林，（1992-），男，江苏南京人，硕士研究生，主要研究方向：汽车系统动力学与控制研究

1 引言

汽车的横向稳定性是评价汽车安全行驶的重要性能，通过主动控制系统来控制汽车行驶的稳定性越来越受重视。这些系统包括直接横摆力矩控制系统（DYC ）、电子稳定控制系统（ESP ）、主动前轮转向系统（AFS ）[1]。相对于其他转向控制系统，主动前轮转向优势在于能够在不调节制动力或驱动力的情况下对汽车稳定性进行控制。主动前轮转向系统除了保留传统的转向系统的基础上，在转向盘和齿轮齿条转向机之间增加了一套双行星齿轮机构，助力转向电机通过行星齿轮产生附加的转向角，共同作用产生总的输出转角[2]。主动前轮转向的控制方法主要有PID 控制[3]、模糊逻辑控制[4-5]、模型预测控制（MPC ）[6]、滑模控制（SMC ）[7-8]、遗传算法优化的BP 网络控制[9]。

滑模控制作为变结构控制的一种，具有对参数变化及外部扰动不敏感的特点，已成为非线性控制领域关注的热点之一[10]。

论文[7-8]利用滑模控制理论对主动转向系统进行了控制，通过仿真表明滑模控制能够有效的控制汽车的稳定性。但滑模控制中的滑模增益使系统产生高频抖振，如何削弱高频“抖振”现象却并未提及。

由于RBF 神经网络能具有较强的自适应和容错性能[11-12]。鉴于此，提出基于RBF 神经网络的主动前轮转向滑模控制（RBF-SMC ）策略。利用RBF 神经网络优化切换增益的方法，削弱滑模控制带来的“抖振”现象。运用CarSim 搭建汽车整车模型，在Matlab/Simulink 设计RBF 神经网络滑模控制策略。并进行转向阶跃和双移线这两种典型工况仿真，将无控制、SMC 控制、RBF-SMC 控制这三种控制的结果进行对比。来验证RBF-SMC 控制策略对汽车操纵稳定性改善效果。

2 主动前轮转向系统描述

主动前轮转向系统包括传统的齿轮齿条式转向系统、双行

摘要：针对汽车主动前轮转向控制存在的非线性和参数时变不确定性，传统的滑模控制会产生“抖振”现象。为此，提出了一种基于RBF 神经网络的主动前轮转向滑模控制策略。基于RBF 神经网络对其切换增益进行实时调节，以抑制滑模变结构控制带来的“抖振”现象。利用CarSim 和Matlab/Simulink 联合仿真平台，对该控制策略进行仿真验证。研究结果表明：提出的RBF 神经网络的滑模控制能够有效抑制“抖振”现象，相对于传统的滑模控制具有更强的鲁棒性和更高的控制效果，提高车辆转向时的操纵稳定性。

关键词：主动前轮转向；RBF 神经网络；滑模控制；抖振；操纵稳定性中图分类号：TH16；U461.2

文献标识码：A

文章编号：1001-3997（2018）09-0021-04

Sliding Mode Control of Active Front Steering on RBF Neural-Network

XIA Chang-gao ，ZHAO Wei-lin ，REN Ying-wen

（School of Automobile and Transportation Engineering ，Jiangsu University ，Jiangsu Zhenjiang 212013，China ）Ａｂｓｔｒａｃｔ：Aiming to the nonlinear and parameter time -varying characteristics of vehicle active front steering control ，the conventional sliding mode control ，a sliding mode variable structure using RBF neural network is proposed based on control of active front steering.In order to effectively reduce the chattering of using sliding mode variable structure ，a real -time adjustment of the switch gain is employed based on RBF neural network.The simulation test of control strategy used by the co-simulation of Matlab/Simulink and CarSim under step response and double lane change operating conditions.From the simulation test ，it can be concluded that the proposed sliding mode control of RBF neural network can significantly suppresses the chattering and more robustness than the conventional sliding mode control.It also improve vehicle stability during cornering.

Key Woｒdｓ：Ａｃｔive FｒonｔSｔeeｒing ；RBF Neuｒａl Neｔwoｒk ；Sliding Mode Conｔｒol ；Chａｔｔeｒing ；Hａndling Sｔａｂiliｔy

Machinery Design ＆Manufacture

机械设计与制造

第9期

2018年9月

21

万方数据