文摘
作为车辆翻车事故每年造成大量的交通死亡,越来越多的汽车被配备翻转预防系统,目的是避免这类事故的发生。改善活动翻转预防系统的功能,本研究提供了一个潜在的增强方法的意图预测趋势横向载荷转移率(LTR),这是最常见的翻转指数。这将有助于提供一定量的铅时间控制系统更有效地回应。之前的预测过程中,提出了一个估计方程更好地估计LTR;使用仿真软件和TruckSim方程验证。此外,消除缺陷的影响,使这种方法实用,增加了缓冲算子。仿真结果表明,灰色的LTR (GLTR)能够全面预测未来趋势的LTR基于当前和以前的数据。测试下的“住正弦”(Sindwell)和双车道变化(DLC) GLTR可以事先为控制系统提供足够的时间。此外,为了进一步检查GLTR的性能,采用微分系统模型验证其有效性。通过Sindwell机动,证明GLTR指数可以提高翻转预防系统的性能达到预期的响应。
1。介绍
在交通问题,总线翻转对汽车制造企业是一个巨大的问题和交通管理。为了解决这个问题,研究人员和工程师们已经开发出多种翻转预防系统(1]。然而,一旦即将开始翻转的阶段,没有足够的时间去执行器准确,尤其是在极度危险的情况下(2]。因此,事先能够预测翻转趋势和产生一个合适的补偿时间对于防止总线翻转情况至关重要。
目前,负荷转移率(LTR)是一种广泛使用的参考参数翻转检测(3),被用作antirollover酒吧翻转指数(4)和差动制动系统(5]。通常,翻转预防系统启动驱动器一旦LTR超过某个阈值。如果一个算法可以预测LTR,交货时间可能会增加预测LTR和实际之间的差距LTR。因此,对致动器会有足够的时间来启动一个有效的对策,因此提高其有效性。
有很多种预测方法用于不同的目的(6,7]。深度学习方法是常用的预测工具,已被应用在许多领域,包括汽车风险预测(8]。然而,当预测是一个实时的过程;只能使用新暂时获得的数据。因此,自LTR预测是一个实时的过程,一个潜在的预测算法应该具有以下特点:样本过小、快速计算,和小的内部存储需求。一个合适的方法是灰色模型,由邓小平在1980年代(9]。这个模型是擅长解决小样本和不良信息的不确定性问题。车辆运动是一个快速的过程;因此,旧的数据不是有用的真实的预测和对结果有副作用,因为数据不够新。因此,我们开发了一个grey-model-based预测方法进行LTR预测形成早期翻转指数。灰色模型在许多领域取得了巨大的成功,被用于离线预测。使用致命的事故数据来自英国,毛et al。10)应用灰色模型对未来风险评估,发现预测值接近实际值。灰色模型应用于预测车辆的车轮滑移,然后预测被转移到一个滑模控制器,它加强了控制器的鲁棒性11]。灰色模型也被用于预测之间的横向距离接近车辆为司机提供额外的时间来应对即将发生的碰撞(12]。实时LTR仿真而言,周et al。13)结合灰色模型和翻转指数检测的翻转14-degree-of-freedom牵引式挂车。结果表明,灰色翻转索引实现早期检测翻转的威胁比单独翻转指数;此外,交货时间是足够的执行机构的参与。然而,他们使用的车辆模型是一个理想的仿真软件模型,这在很大程度上是不同于一个真正的公共汽车,和它的LTR估计不匹配TruckSim LTR。在这项研究中,使用更精确的估计模型,输出从TruckSim直接采用。此外,为了减轻LTR冲击数据,缓冲算子来确保灰色LTR (GLTR)的有效性在更广泛的速度范围。此外,翻转预防系统模型建立了检查GLTR的功能。
本文的主要贡献如下:(1)预测LTR,这可以被视为一个翻转早些时候检测指标,介绍了实现滚动预测。(2)GLTR是有效地预测两个标准处理测试期间,“住正弦”(Sindwell)和双车道变化(DLC),证明GLTR可以应付不同的横向运动。(3)相当大的领先时间生成增加工作时间用于初始化一个翻转预防行动。(4)GLTR指数纳入预防翻转。有效减少展期风险进一步验证通过TruckSim-Simulink cosimulation通过构建一个微分制动系统。
剩下的纸是组织如下:部分2介绍了总线翻转模型、层次模型,及其LTR估计。部分3介绍了LTR预测方法,包括灰色模型(一阶单变量)被称为通用 ,以及缓冲算子。部分4介绍了仿真结果的LTR预测。部分5提供了一个进一步的仿真研究,融合了GLTR differential-based制动系统。最后,部分6提供我们的结论。
2。汽车动力学模型
2.1。当你评估
不容易检测出真正的力量作用于轮胎,因为必要的传感器是非常昂贵的。因此,总线翻转构建动态模型建立合适的LTR估计方程。
图1说明了公共汽车的侧向动力学。图包括总线方向偏航角和偏航率、速度和滑动角。图2显示了轧辊动态公共汽车。公共汽车的非簧载质量的影响辊动力被忽视。路银行角度和巴士横摇角和距离与辊中心也表示在这个图中。
在数据1和2d是总线宽度;h是簧载质量的垂直距离CG以为轧辊轴线;γ偏航率;ß巴士的偏离角;δ方向盘角;前左、前右纵向力;前左、前右横向力;房颤和ar是前轮胎的滑动角和后胎的角;最后,和路上银行角和横摇角,分别。
公共汽车侧向动力学可以写成 和 在哪里 ; 横向加速度;是关于各自的轴的转动惯量;你是公共汽车的纵向速度;v是公共汽车的横向速度。
簧载质量的垂直动力学可以显示为 其中m簧上质量;横向加速度。
LTR,估计轮胎的正常力的差异在每一侧的公共汽车,是一种常用的负载转移指标(14]。方程(7LTR)给出了表达式: 在哪里和代表正确的轮胎的垂直力和左轮胎,分别 。LTR变化从0到1,1代表一个汽车轮胎与地面失去联系。
求解联立方程,假设和是零和替换成(7),下面的LTR得到表达,如下所示:
进一步假设采用如下: , ,和 因此,最后的表情估计LTR
结果使用(9Est-LTR)的缩写。提供一个内置的总线模型TruckSim可以输出每个轮胎的垂直力;因此,真正的LTR值可以计算(7与这些轮胎部队)。的计算结果(7)是指实际的LTR,缩写为Act-LTR。
公共汽车的一些参数表中列出1。
验证的有效性(9),仿真效果进行了比较估计LTR (Est-LTR)和实际的LTR (Act-LTR)模型。路面附着系数设置为0.85,确保外侧翻转的风险,而不是横向滑动。图3显示了常见的情况下,容易发生翻转。为了模拟这两种情况中,我们使用更复杂的动作Sindwell DLC,通常用于车辆的横向性能测试,繁殖翻转的情况。
图4显示89公里/小时的转向角Sindwell测试转向幅度是90°。比较的结果在图中演示了这个测试5两条曲线的趋势,这表明匹配。图6说明了DLC的方向盘角度测试,这是根据ISO 3888 - 2:2002 [15]。图7表明Est-LTR的比较和Act-LTR在105 km / h的DLC的考验;图显示略微领先时间,Est-LTR达到0.7 3.841和Act-LTR达到3.852年代。因此,估计方程是有效的参考配方翻转预防系统。因此,在下面几节中,我们考虑实际的LTR Est-LTR。
2.2。轮胎模型
计算轮胎力,本研究利用Dugoff轮胎模型,这是一个非线性轮胎模型。与一些经验轮胎模型相比,如“神奇公式”(MF)模型,需要大量的tire-specific参数可能是未知的,Dugoff模型,通过简单的方程,可以获得不同的车轮滑移条件下纵向和横向的轮胎部队(16]。
横向和纵向的轮胎可以被定义为力量 和纵向和横向角刚度的轮胎,是道路附着系数最大的摩擦系数,是滑率,滑车轮角。在这项研究中,的价值是0.85;因此,公共汽车侧向运动风险是翻转而不是侧滑。纵向车轮滑转率λ我可以从TruckSim获得。
3所示。LTR预测方法
3.1。灰色模型
在灰色模型类型,适合LTR预测是通用的类型,这意味着“一阶单变量”9]。这个模型是一个时间序列预测模型。通用的微分方程模型更新数据可用的预测。
灰色预测模型的优势在于,几个离散数据是描述一个未知的系统所必需的。通用汽车步骤如下(17]:
最初的系列作为 。 是一系列LTR值,可以通过仿真软件的抽头延迟块。在这项研究中,我们设置n等于10。
生成一阶累积生成一个操作序列。的一般形式是 和1-AGO的定义是
设置原始微分方程的一阶。假设满足以下方程:
这是通用的基本形式 ,变量a和b系数。定义变量 。
它的差分方程是
被称为背景值,其方程是什么 通常被设置为0.5。因此,根据这个微分方程的根,特定的解决方案(10)可以被描述为
在哪里本系列的预测价值。
使用最小二乘法获得参数a和b。方程(15)可以写成 在哪里 和
估计前的值和插入a和b (8)为了得到微分方程的特解。
因此,经济复苏的预测价值可以通过以下方程:
3.2。缓冲算子
在一些严重的处理测试,LTR价值迅速变化。这导致预测的值增长迅速,导致意想不到的地方峰值预测曲线。由于这个原因,有必要减少之间的增长趋势时间序列获得平滑预测曲线。
是延迟LTR数据系列,D是灰色的缓冲算子应用到吗 ,和XD = 后序列算子的功能在x D称为序列算子和XD是一阶算子作用序列 。
D弱化缓冲算子的基本知识:当满足以下三个条件,D可以称为弱化缓冲算子18];否则,它不能:(一)如果X是一个单调增加系列:B是一个弱化缓冲算子(k)≤X (k)(b)如果X是一个单调递减系列:D是一个弱化缓冲算子X (k)≥(k)(c)如果X是一个振动系列:
D是一个弱化缓冲算子。
在这项研究中,一个缓冲算子是利用如下:
;D是一个缓冲算子和ρ是X (n)的重量。本文预测结果可能达到理想的领导之间的平衡时间和预测的平滑曲线当重量变量的值ρ是0.8。
3.3。实时LTR预测
仿真的LTR预测在TruckSim实现和仿真软件co-atmosphere。TruckSim软件可以提供一个内置的总线模型与动态输出非常接近过滤数据从实际运行获得总线。图8显示了LTR使用灰色模型预测过程,这是一个开环。横向加速度和角度,滚和从TruckSim实时出口,然后利用LTR方程获得估计LTR。抽头延迟块是用来延迟并保存LTR连续时间内的值,和LTR系列被送到下一个过程。起初,10连续数据实时获取。为了避免被无穷或不是一个数字,结果我们最初的LTR数据设置为0.01。我们使用启发式方法发现10是一个合适的数量。如果n是超过系列包含太多的旧信息,预测的结果会有副作用;如果n小于10,不足以创造一个合理的预测结果。在灰色模型过程中,使用缓冲算子 和缓冲序列D 是生成的。新序列的基础上,通用汽车的五个步骤实现了预测系列吗 ,和 预测的LTR价值。在预测序列,交货时间是f的首选Ts, f和Ts分别代表前进的步骤和取样间隔。因此,如果假设Ts 0.02 s和f是10,那么首选铅时间是0.2秒。灰色模型的过程后,未来的LTR早些时候获得的参考价值,站在翻转检测。处理周期结束时,旧的数据发布,一个新周期开始。预测的LTR价值产生的灰色模型称为GLTR。
4所示。LTR预测结果
检查生成的交货时间可以多久GLTR指数,有些比较模拟报告在这一节中。cosimulation氛围下,高风险的翻转动作之间的不同表现进行了检查GLTR LTR。所选的测试Sindwell和DLC动作。Sindwell为测试是一个典型的机动车辆的横向性能,成立于由国家公路交通安全管理局(NHTSA)。同时,双车道改变策略已经被许多汽车公司作为另一个典型的横向过程。
在本部分中,远期预测步骤都是10,间隔时间是0.02秒。因此,相应的首选交货时间是0.2秒。
4.1。通用汽车的限制因素
这一部分论述了LTR预测结果没有缓冲算子的过程。预测结果等更复杂的处理测试数据链路控制和Sindwell测试证明通用有一个严重的限制。缺点是,如果预测的LTR被物理饱和阈值,该算法可以生成错误的警告或激活控制系统,即使在一个安全的行驶速度。
为了证明这个问题,一个典型的例子85 km / h的DLC测试呈现在图9。在这个操作中,翻转预防LTR阈值设置为0.7。然而,实际的LTR大约是0.6,这意味着没有实际的展期风险。根据这一实际情况,不需要启动翻转预防系统相对安全的行驶速度。然而,预测曲线的峰值点(3.82,0.985)和(5.86,1.031),以上的阈值。由于峰值点超过0.7,预测曲线会导致不必要的预防系统的启动。
结果,特别是在一个较小的高速,使用基本的通用汽车LTR预测的限制因素在严重的展期风险条件下这些预测突变会导致意想不到的翻转预防系统的启动。这一限制因素阻止灰色模型应用扩展到整个速度范围。
为了克服这个问题,首先,这一趋势发展的旧数据系列需要降低。如图10中,我们使用一个缓冲萎缩趋势在我们应用通用的数据实时数据系列。因此,结合通用提出了缓冲,GLTR算法成立。
图10显示的有效性GLTR 85 - km / h DLC测试。相比之下,图9,削弱的效果是显而易见的,导致峰的位置,以减少从(5.86,1.031)(6.04,0.661),这是非常接近峰值位置Est-LTR (6.14, 0.623)。因此,添加一个缓冲算子后,GLTR可以克服转基因的限制因素通过给一个合理的预测在展期风险的二级高速机动性能。
4.2。预测GLTR的结果
为了验证GLTR的有效性为目标引导时间,105 km / h DLC和89 km / h Sindwell使用GLTR指数进行了仿真测试。这两个动作的预测结果如图11和12。T1和T1”的时间点Est-LTR GLTR达到阈值。表2提供了一个预测结果的详细描述这两个动作的交货期是实质性的。在105 - km / h DLC,翻转阈值设置为0.7,交货时间是0.207秒。与此同时,在89公里/小时Sindwell,交货时间是0.177秒。
因此,在应用GLTR指数之后,充足的时间,激活命令可以触发提前约0.2 s。比通用GLTR表现更好在LTR预测通过获取足够的交货时间和减少预测波峰。此外,新的阈值信号可以用于额外的预警系统或differential-based系统,将高度减少展期风险。
为了进一步说明GLTR的功效,结果与其他工作相比。我们仍在使用89 km / h Sindwell演习为例。在[19介绍了预测LTR指数PLTR]。方程(20.)是基本PLTR的表达式。在测试中,未来的时间t是0.2秒,对应交货时间在这项研究的首选。
PLTR的交货时间是0.163秒,小于0.177秒(使用GLTR),证明GLTR的功效。
5。进一步的验证
此外,进一步研究这种新的翻转的实际有效性指数模型模型(一个活跃的差动制动系统)被添加到函数翻转预防系统。GLTR是展期预防行动的门槛。图13显示了差动制动系统的控制结构。一旦系统检测到GLTR超过了阈值,执行机构将开始提供差动制动力量干预的偏航力矩。 , 是前面左,前右刹车的力量。 , 是后方左右和后方刹车的力量。一旦超过0.7 GLTR, antirollover对策首先添加一个额外的偏航力矩。
二自由度车辆模型,也就是所谓的“自行车模型”,是作为参考模型。
基于双自由度模型和公式(10),参考偏航力矩可以计算如下:
因此,可以获得额外的时刻的方程如下:
差动制动是通过建立一个PID控制器。proportional-integral-derivative控制器(PID控制器)控制回路反馈机制广泛应用于工业控制系统和各种各样的其他应用程序需要不断调节控制(20.]。PID控制器的特点是能够使用的三个控制的比例、积分和微分影响控制器输出应用准确和最优控制。
总体控制功能可以用数学表达 在哪里调优参数Kp是比例增益, 获得的积分,调优参数, 微分增益,调优参数。
偏航率误差,在哪里和偏航率测量的原始速度和参考。
我们使用了偏航率误差作为控制目标计算目标偏航力矩。在(23),= 290,= 120,= 2.4。
根据公共汽车的转向特点,表3列出选择的制动轮来实现所需的偏航力矩。
为了更好地理解GLTR的有效性,估计LTR也用作阈值比较仿真测试。这个模拟测试后预防系统的性能的应用GLTR LTR。
这一部分展示了闭环的仿真结果获得cosimulation利用GLTR指数研究了。在TruckSim cosimulation模型包括总线模型,一个活跃的差动制动系统仿真软件造成的。相反的时刻获得的活性差异通过添加额外的制动转矩一定轮,使车辆能够有效地控制辊和偏航运动。
我们使用LTR分别和GTR的阈值控制器。验证GLTR,比较模拟试验是开展TruckSim找到新控制器的影响。进行比较的总线控制系统中,一辆公共汽车的LTR活跃,和一辆公共汽车GLTR活跃。仿真测试是100公里/小时的“Sindwell”机动90°振幅。首先,图14显示了使用LTR LTR预测结果。LTR和GLTR曲线的峰值点(1.608,0.775)和(1.802,0.758),那里有两个峰值点之间的0.2秒。
从图15,公交车的LTR GLTR匹配好直到第二转的中点GLTR系统激活前LTR。GLTR控制的峰值点和LTR控制减少(1.639,0.671)和(1.727,0.691)。我们可以看到GLTR控制可以帮助汽车达到一个稳定状态之前,公共汽车LTR控制。两条曲线达到零2.55和2.72年代,表明GLTR控制可以使公共汽车稳定提前0.17秒。
图16显示的比较结果辊LTR控制和GLTR控制之间的角度。GLTR有助于公共汽车减少偏航率约0.035 rad / s,显著减少翻车的可能性。
6。结论
这项研究证明了一个LTR总线翻转系统的预测算法。与现有的方法是基于估计算法,该算法可以生成一个相当大的领先时间翻转预防系统或预警系统。这个翻转指数的融合灰色模型和缓冲算子,介绍了总线翻转检测。仿真研究旨在调查预测的有效性GLTR及其应用的可能性。一些结论关于这种方法可以如下。(1)开发一个LTR估计方程,然后验证有一个相当合适的协议的LTR定义公式直接利用垂直从TruckSim轮胎部队。(2)交货期由GLTR帮助提前预警系统激活,这将减少总线翻转的可能的风险。(3)进一步模拟验证是由应用GLTR differential-based系统。与传统的LTR指数相比,GLTR有助于differential-based系统有更好的性能和功效。(4)在未来,为进一步推广,这个新的翻转指数应该应用于一个真正的翻转预防系统进行硬件在环测试或评估。
数据可用性
使用的数据来支持本研究的发现可以从相应的作者。
的利益冲突
作者宣称没有利益冲突有关的出版。
确认
这项工作是由中国国家自然科学基金(批准号51278062)。