CN120207040A 一种基于侧倾相平面切换的车辆垂向-侧倾协同控制方法

地址230009安徽省合肥市包河区屯溪路(72)发明人夏光张宇蕃李涛吴士标周大洋张晨昊张博刘垚源吴见阳王晓飞白嘉乐限责任公司34101一种基于侧倾相平面切换的车辆垂向-侧倾本发明公开了一种基于侧倾相平面切换的由度转向-侧倾车辆动力学模型，用于描述簧上当前状态输入侧倾相平面切换模块及SAC智能0-0侧频相平面主导模式抢占与延迟机制4左右侧转角62步骤3:基于侧倾角及侧倾角速度，构建侧倾相平面切换模块，并设计其模式切换边界步骤4:在左、右侧非对称随机路面激励和随机前轮转角输入下，利用侧倾相平面切换步骤5:将车身侧倾角及角速度输入侧倾相平面切换模块中，以确定当前控制模式，使2.根据权利要求1所述的一种基于侧倾相平面切换的车辆垂向-侧倾协同控制方法，其是左侧和右侧簧下质量位移，之和z分别是左侧和右侧簧下质量速度，是车身加速度；步骤2.2:定义动作空间a={Fa,Fa},Fa、F。分别为左侧、右侧主动悬架输出的主动按式(1)计算垂向减振主导模式CCM下的奖励函数r:按式(2)计算侧倾安全主导模式SCM下的奖励函数r2:按式(3)计算附加惩罚项3:按式(4)计算总奖励函数r:3络和目标Critic2网络的网络结构均完全一致；接层的输入为所述第一全连接层的输出和动作，所述输出层生成状态-动作对的价值；所述Actor网络包括：依次连接的第四全连接层、第五全连接层、动作输出层，所述动作其中，均值分支，包括：依次连接的第一子全连接层和均值输出层，所述第一子全连接层的输入端连接所述第五全连接层的输出端，所述均值输出层用于输出主动力均值的第一向量；方差分支，包括：依次连接的第二子全连接层和方差输出层，所述第二子全连接层的输入端连接所述第五全连接层的输出端，所述方差输出层用于输出主动力方差的第二向量；高斯分布采样层是利用所述主动力的第一向量和第二向量构建高斯分布，并生成左3.根据权利要求1所述的一种基于侧倾相平面切换的车辆垂向-侧倾协同控制方法，其步骤3.1:构建侧倾相平面：将正弦前轮转角激励输入向六自由度转向-侧倾车辆动力学模型或实车中，以获取侧步骤3.2:确定模式切换边界：值，当σ超过设定值σ时，车辆直接进入侧倾安全主导模式SCM;否则，车辆将发起进入减振主导模式CCM的需求，并按式(5)所示的抢占与延时机制进行实际的模式切换；式(5)中，Mode(t)代表t时刻的控制模式，Mode(t-1)代表t-1时刻的控制模式，tinCM4.根据权利要求1所述的一种基于侧倾相平面切换的车辆垂向-侧倾协同控制方法，其步骤4.1:随机初始化Critic1网络的参数θ₁、Critic的参数θ赋给目标Critic1网络的参数θ'、将Critic2网络的参数θ₂赋值给目标Critic2网络的参数θ2;随机初始化Actor网络的参数@;步骤4.2:将t时刻的状态S:输入Actor网络中，输出t时刻的动作a并作用于车辆上，以获得t+1时刻的状态S+1;利用S:中的侧倾角及角速度计算出侧倾因子σ,并由式(5)所示的4抢占与延时机制确定t时刻的控制模式，进而计算t时刻的奖励r₂,从而获得一条样本数据步骤4.3:从经验池中随机抽取一条样本数据{S,a,S+,},将S₂和@,输入Critic1网络第一目标价值Q(s+,a₄)和第二目标价值Q₂(s:+1,a₄1);按式(7)来计算t+1时刻的目标价值Y+1:y+1=r+ymin(Q(sH,a+),Q₂(sH,步骤4.4:将y+1分别与Q(s,a,)和Q₂(s,a,)做均方差来构建Loss函数，从而利用梯度步骤4.6:根据min(Q(s,a,),Q₂(s,,a,),采用延迟更新机制对Actor网络的参数@进行更新，得到Actor网络更新后的参数并赋值给@,所述延迟机制是指Critic网络更新若干次步骤4.7:按照步骤4.2-步骤4.6的过程对智能体进行迭代训练，直至奖励收敛到稳定5.根据权利要求2所述的一种基于侧倾相平面切换的车辆垂向-侧倾协同控制方法，其5式(10)中，Y是比例因子，θse是设置的逆向侧倾角限值；步骤5.3:按式(11)构建侧倾角跟踪误差△θ:6.一种电子设备，包括存储器及处理器，其特征在于，所述存储器存储有实现权利要求1-5中任一项所述的车辆垂向-侧倾协同控制方法的程序，所述处理器执行所述程序时实现主动悬架逆向侧倾控制。7.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-5中任一项所述的车辆垂向-侧倾协同控制方法的步骤。6一种基于侧倾相平面切换的车辆垂向-侧倾协同控制方法技术领域[0001]本发明涉及车辆主动悬架控制技术领域，具体涉及一种基于侧倾相平面切换的垂向-侧倾协同控制方法，尤其适用于双侧非对称激励路面与转向复合工况下的车辆稳定性与舒适性综合优化。背景技术[0002]在车辆智能化发展进程中，复杂工况下的多目标协同控制成为关键技术挑战。当车辆在双侧存在显著差异的非对称激励路面上转向行驶时，车身垂向振动与侧倾运动存在高度耦合。传统主动悬架控制策略常采用分层设计或固定参数模式，难以解决垂向舒适性与侧倾稳定性目标冲突。此外，基于阈值触发的模式切换策略易因路面突变引发控制指令振荡，导致悬架作动器能量浪费及性能失衡。因此，亟需一种融合实时状态感知与多模态协同优化的主动悬架控制方法，以突破动态耦合工况下的性能瓶颈。发明内容[0003]本发明为克服现有技术的不足之处，提供一种基于侧倾相平面切换的车辆垂向-侧倾协同控制方法，以期实现双侧非对称路面激励下转向行驶复合工况下对侧倾稳定性和垂向舒适性协同优化，拓宽车辆侧倾稳定域和提高乘坐舒适性。[0005]本发明一种基于侧倾相平面切换的车辆垂向-侧倾协同控制方法的特点在于，是应用于主动悬架车辆，并按以下步骤进行：[0006]步骤1:基于Doguff轮胎模型，建立六自由度转向-侧倾车辆动力学模型，用于描述簧上和簧下质量的垂向振动及车辆侧倾、横摆和侧向运动；[0007]步骤2:构建基于软行为策略梯度算法的智能体，并设计智能体的状态空间、动作[0008]步骤3:基于侧倾角及侧倾角速度，构建侧倾相平面切换模块，并设计其模式切换边界和抢占与延时机制；[0009]步骤4:在左、右侧非对称随机路面激励和随机前轮转角输入下，利用侧倾相平面切换模块训练智能体，直至总奖励收敛至高水平奖励值，从而获得用于离线控制的最优智[0010]步骤5:将车身侧倾角及角速度输入侧倾相平面切换模块中，以确定当前控制模式，使得最优智能体依据当前车辆状态，输出当前控制模式下的左、右侧悬架主动力，以实现垂向舒适性和侧倾稳定性的协同优化控制。[0011]本发明所述的一种基于侧倾相平面切换的车辆垂向-侧倾协同控制方法的特点也[0012]步骤2.1:定义状态空间s={y,8,θ,0,△B,z,Ż,Zm,2,,},其中，是车辆横向加速7分别是左侧和右侧簧下质量位移，之和z分别是左侧和右侧簧下质量速度，,是车身加速[0013]步骤2.2:定义动作空间a={F,F},Fa、Fa分别为左侧、右侧主动悬架输出的主动力；[0014]步骤2.3:按模式Mode构建不同的奖励函数：[0015]按式(1)计算垂向减振主导模式CCM下的奖励函数r₁:[0017]按式(2)计算侧倾安全主导模式SCM下的奖励函数2:[0019]按式(3)计算附加惩罚项r3:[0022]按式(4)计算总奖励函数r:网络和目标Critic2网络的网络结构均完全一致。征拼接层的输入为所述第一全连接层的输出和动作，所述输出层生成状态-动作对的价值；动作输出层包括：均值分支、方差分支和高[0027]其中，均值分支，包括：依次连接的第一子全连接层和均值输出层，所述第一子全连接层的输入端连接所述第五全连接层的输出端，所述均值输出层用于输出主动力均值的第一向量；[0028]方差分支，包括：依次连接的第二子全连接层和方差输出层，所述第二子全连接层的输入端连接所述第五全连接层的输出端，所述方差输出层用于输出主动力方差的第二向[0029]高斯分布采样层是利用所述主动力的第一向量和第二向量构建高斯分布，并生成[0031]步骤3.1:构建侧倾相平面：8[0032]将正弦前轮转角激励输入向六自由度转向-侧倾车辆动力学模型或实车中，以获[0033]步骤3.2:确定模式切换边界：[0034]定义侧倾稳定因子σ=|2,θ+Ω₂|≤,其中，Q、Ω₂是2个系数因子，σ是设定的切换限值，当σ超过设定值σ时，车辆直接进入侧倾安全主导模式SCM;否则，车辆将发起进入减振主导模式CCM的需求，并按式(5)所示的抢占与延时机制进行实际的模式切换；[0036]式(5)中，Mode(t)代表t时刻的控制模式，Mode(t-1)代表t-1时刻的控制模式，tinscM是上一次进入SCM的时间，并由式(6),T₃是控制步长，N是设定的延时切换的控制周期网络的参数θ赋给目标Critic1网络的参数θ、将Critic2网络的参数θ₂赋值给目标Critic2网络的参数θ2;随机初始化Actor网络的参数@;[0040]步骤4.2:将t时刻的状态S:输入Actor网络中，输出t时刻的动作a并作用于车辆上，以获得t+1时刻的状态S+1;利用S,中的侧倾角及角速度计算出侧倾因子σ,并由式(5)所示的抢占与延时机制确定t时刻的控制模式，进而计算t时刻的奖励r,从而获得一条样本数据{s,a,SH,r}并存入经验池中；[0041]步骤4.3:从经验池中随机抽取一条样本数据{s,a,S+,r;},将S₁和a输入Criticl网络和Critic2网络中，并相应输出状态-动作对的第一价值Q(s,a)和第二价值Q₂(s,,a,);[0043]将S+1和a+1输入目标Critic1和目标Critic2网络中，并相应输出状态-动作对的价值第一目标价值Q(sH,a+1)和第二目标价值Q₂(s:,a₄);[0044]按式(7)来计算t+1时刻的目标价值y1+1:[0047]步骤4.4:将y+1分别与Q(s,a,)和Q₂(s,,a,)做均方差来构建Loss函数，从而利用9[0048]步骤4.5:采用式(8)来更[0051]步骤4.6:根据min(Q₁(s,,a),Q₂(s,a,)),采用延迟更新机制对Actor网络的参数@[0052]步骤4.7:按照步骤4.2-步骤4.6的过程对智能体进行迭代训练，直至奖励收敛到[0066]2.本发明通过设计模式抢占式触发与延迟退出机制，在高速紧急避障或持续侧倾扰动场景下，优先锁定侧倾安全主导模式的执行优先级，抑制垂向舒适主导模式的非必要激活，避免高频切换造成的悬架作动器振荡，并通过延迟多个控制周期的最低驻留时间约束，确保侧倾稳定干预的持续性，最终实现侧倾安全优先级的全局强化控制。附图说明[0067]图1为本发明总体控制策略图；[0068]图2为本发明SAC智能体的Cri[0070]图4为本发明侧倾相平面示意图；[0071]图5为本发明模式切换切换边界示意图；[0072]图6为本发明SAC算法执行流程。具体实施方式[0073]本实施例中，一种基于侧倾相平面切换的车辆垂向-侧倾协同控制方法，是应用于主动悬架车辆，总体控制框图如图1所示，并按以下步骤进行：[0074]步骤1:建立六自由度转向-侧倾车辆动力学模型，用以描述簧上和簧下垂向振动及车辆侧倾、横摆和侧向运动，选用Dugoff模型建立轮胎垂向力与侧向力间的耦合关系。[0075]步骤1.1:利用式(1)建立考虑横向、横摆、侧倾、垂向振动的六自由度车辆动力学模型：、I₂分别是车辆横摆转动惯量、车身侧倾转动惯量，F₂、Fπ分别是左侧、右侧悬架被动垂向激励输入、右侧路面激励输入，žs、艺、žu分别是车身加速度、左侧簧下质量加速度、右侧簧下质量加速度，中是车辆横摆角，φ是车辆横摆角加速度，a、b分别为质心距离前轴、后轴的距离，a,是车辆侧向加速度，按式(2)计算，θ是车身侧倾角，Ö是车身侧倾角加速度，B是半轮距，h是侧倾中心到车辆质心的距离，Ma是主动侧倾力矩。[0080]步骤1.2:按式(3)计算两侧悬架刚度和阻尼被动垂向力：[0082]式(3)中，k,是悬架弹簧的刚度系数，Cs是悬架减振器的阻尼系数，Zs₁、Z分别是[0083]步骤1.3:基于小侧倾角假设，有sinθ≈θ,左、右两侧簧上质量运动与簧下质量运动关系按式(4)表达：[0085]步骤1.4:基于小前轮转角假设，前后轮侧偏角根据自行车转向模型计算，见式[0088]步骤1.5:选用Dugoff轮胎模型来表征轮胎侧向力与垂向载荷的耦合关系，按式(6)计算轮胎侧向力：[0091]步骤2:基于逆向侧倾机理，通过主动倾斜车身以产生与离心力矩反向的重力矩分量，提高车辆侧倾稳定性和侧向舒适性，计算目标车身侧倾角θarget,进而计算侧倾角跟踪[0092]步骤2.1:按式(7)计算离[0094]步骤2.2:车辆稳态行驶时，j=0,按式(8)计算车辆转向行驶时的理想横摆加振动与侧倾运动存在耦合，选取的状态空间要能够完整描述垂向振动和侧倾运动的特征。所以在振动和侧倾协同控制时也需动态划分两者权重，对此分别[0108]r₁=-zₙ²-5z[0116]步骤3.4:设计SAC智能体的网络结构，包括：Critic1、Critic2网络和目标[0124]步骤4.1:侧倾相平面构建：通过将幅值和频率各不相同的正弦前轮转角输入转网络的参数θ赋给目标Critic1网络的参数θ、将Critic2网络的参数θ₂赋值给目标Critic2网络的参数θ2;随机初始化Actor网络的参数@;[0134]步骤5.2:将t时刻的状态S:输入Actor网络中，输出t时刻的动作a并作用于车辆上，以获得t+1时刻的状态S+1;利用S,中的侧倾角及角速度计算出侧倾因子σ,并由式(5)的抢占与延时机制确定t时刻的控制模式，进而计算t时刻的奖励r,从而获得一条样本数[0135]步骤5.3:从经验池中随机抽取一条样本数据{s,a,S+H,r;},将S,和a,输入Criticl价值第一目标价值Q(s₄,a+1)和第二目标价值Q₂(s+,a+1);[0140]式(18)中，Y为折扣因子，本例中取0.99。[0141]步骤5.4:将y1+1分别与Q(s,a,)和Q₂(s,,a,)做均方差来构建Loss函数，从而利用梯度下降法对Critic1网络的参数θ₁、Critic2网络的参数θ₂进行更新，得到Critic1网络更新后的参数并赋值给θ₁、Critic2网络更新后的参数并赋值给θ₂。[0142]步骤5.5:采