多信息协同认知的电动车SBW系统建模与控制

SBW driver model with multi-source information, and make this model with vehicles, roads and environmental information by Cooperative Cognition, establish a class of SBW dynamic system model with active safety features. Using immune neural network model to identify and optimize the Parameter of the model. Theoretical analysis of the stability of the dynamic system with the dynamic behavior of the model, such as critical condition and stability, etc. Based on neural networks and immune algorithm, investigate the simulation of road feel of the SBW system and the active steering control strategies to improve SBW controllability and safety, and simulation. We Intends to solve the following problems:.(1) Using immune neural network to study SBW dynamic system model with multi-source information by Cooperative Cognition, with a new approach to solve the identification and optimization of the model parameter..(2) analysis the stability of the model, critical condition; study the Impact of sensor noise, road disturbance and uncertainty of the model on the reliability and stability of SBW system..(3) Based on immune feedback control system, we design the process to make the simulation of road feel and active steering control strategies, it can maki the SBW system be adapted to the drivers with different characteristics. this study is a useful supplement to existing theory.

研究SBW 多源信息融合的驾驶员模型，并将此模型与车、路、环境信息协同认知，建立一类具有主动安全功能的SBW 动力学模型。用免疫神经网络对所建模型进行参数进行辨识和优化。用动力系统稳定性理论分析模型的动力学行为，如临界条件，稳定性等。基于神经网络和免疫算法，研究SBW 系统的路感模拟和主动转向控制策略，以提高SBW 的操控性和安全性，并进行仿真验证。拟解决以下问题：.（1）用免疫神经网络方法研究SBW 多源信息协同认知的SBW 动力学模型，并用一种新方法并解决模型的参数辨识与优化问题。.（2）模型的稳定性分析，临界条件；研究传感器噪声、路面干扰和模型不确定性对SBW 系统可靠性和稳定性的影响。这是国内外学术前沿的问题。.（3）设计基于免疫反馈控制理论的SBW 系统的路感模拟和主动转向控制策略，使得SBW 系统可适应不同驾驶员的操控特点，是对现有理论的有益补充。

随着汽车电子技术、车联网技术、智能车辆技术等的快速发展，线控转向技术得到越来越广泛的应用，但也存在SBW生产成本高、可靠性等方面问题。将人-车-路各子系统联合形成一个复杂大系统，基于多信息协同认知方法建立驾驶员模型、方向和速度综合的线控转向系统模型，并对其进行动力学分析这方面的成果在国内外相关成果少见报道。对SBW的控制策略进行研究，以提高SBW控制性能，是一种新的技术和方法，研究成果对开发具有独立知识产权的SBW产品，对柳州高级乘用车的研发，无疑具有重要的理论和现实意义。项目开展得到主要结果有：① 对电动车辆多传感器检测技术在道路检测以及交通标识等检测等方面开展了研究，其中包括：图像识别技术、超声波探测技术、激光雷达探测技术等方面开展了研究，着重研究了图像识别技术在目标轮廓检测识别方法，以精准的采集数据以及融合提炼作为前提，为线控转向系统的控制算法研究奠定前期基础。② 以电动车线控转向系统（SBW）为对象，用免疫神经网络方法研究了SBW多源信息融合的驾驶员模型，并将车、路、环境信息协同认知，建立了一类由多自由度的整车模型、轮胎模型、道路模型等构成的，具有一定主动安全功能的SBW 动力学模型，并验证了其正确、有效性。③ 利用动力系统稳定性理论，对车辆临界条件、稳定性等进行了动力学行为分析，进一步仿真分析了系统参数对转向安全性和稳定性的影响，明确了系统最优参数，为研究进一步SBW 的路感模拟和主动转向控制策略奠定了基础。④ 基于神经网络和免疫算法，对SBW 系统的路感模拟和主动转向控制策略进行了分析研究，着重针对模型平衡解稳定性及动力行为进行了分析，提高了SBW 的操控性和安全性。⑤ 利用所建立的模型以及所得到的稳定性、安全性分析结果，利用Matlab/Simulink 和汽车系统动力学软件CarSim 对SBW系统控制算法进行了仿真研究，得到了较好的SBW系统主动转向控制策略。在所搭建的硬件台架进行了实验，实验结果表明，该系统控制策略达到了预期目标。