乘用车电控空气悬架高度控制策略

刘锦超, 李军伟, 陈 斌, 赵雷雷, 李 凯

(1.山东理工大学 交通与车辆工程学院, 山东 淄博 255049; 2.中国长安汽车集团有限公司, 四川 成都 610105)

引言

悬架作为汽车车架与车轮之间的传力连接装置,能够缓和不平路面对车身的冲击,改善车辆的乘坐舒适性[1]。目前汽车悬架系统大部分仍是被动悬架,在面对复杂的路况时,参数不可调的被动悬架已经日渐满足不了人们对舒适性和操作稳定性的需求[2]。而具备车身高度、阻尼等参数可调的电子控制空气悬架受到越来越多的关注[3]。

众多学者针对空气悬架高度控制响应速度快、 控制精度高的要求,提出了许多控制方法。JANG I等[4]提出闭环空气悬架系统的控制以及故障保护算法,能够根据驾驶条件和驾驶员指令来实现目标高度的控制。MA X B等[5-6]对空气悬架进行模型预测控制,实现了对悬架高度等参数的精确控制效果。李子璇等[7]运用自适应模糊PID控制策略,有效减小了车辆高度误差。上述空气悬架的控制方法都取得了较好的效果,但控制方法对计算性能要求较高,不利于实际车辆的应用。

本研究提出基于粒子群PID的控制算法对乘用车空气悬架高度进行控制。PID算法的优点是简单且易于实现,但控制参数难以整定。粒子群算法计算效率高,能够快速收敛于全局最优解。将粒子群和PID控制的优点结合起来,使控制效果得到提升。本研究首先研究了单轮电控空气悬架的控制机理,搭建了单轮空气悬架的AMESim-Smulink仿真模型并进行了基于粒子群PID控制算法的仿真分析。在此基础上,对整车空气悬架进行了研究,并对整车空气悬架高度控制效果进行了实车测试,实现了电控空气悬架高度的快速和精确控制。

1 电控空气悬架系统结构

电控空气悬架以电子控制模块为控制核心,对汽车悬架参数,如车身高度、减振器阻尼等进行实时控制。电控空气悬架系统一般由机械元件、气动回路元件、传感器和ECU电子控制系统组成[8]。电控空气悬架系统结构如图1所示。

图1 电控空气悬架系统结构

2 单轮空气悬架高度控制

空气悬架充放气过程是一个集热力学、动力学和气路流体力学的复杂过程[9]。整车车身高度的调节主要通过4个空气弹簧充放气动作来实现。为了更加直观的对空气弹簧充放气过程进行研究,首先搭建了单轮空气悬架模型。

2.1 单轮空气悬架模型

1) 空气悬架充放气模型

对空气悬架充放气模型进行了如下假设:气囊充放气过程可近似为绝热过程;气囊保压过程可近似为气体热力学多变过程;连接管路的截面积与阀体截面积相同;系统中气体是理想气体。

电磁阀开启时,空气弹簧进行充放气动作时气体压力与气体流量的关系为:

(1)

式中,p—— 任意状态下气囊内的气体绝对压力,MPa

V—— 任意状态时气囊的气体体积,m3

T—— 空气弹簧内气体温度,K

R —— 气体常数

n—— 气体多变指数

dm/dt—— 充放气过程中流经电磁阀的气体流量,kg/s

电磁阀关闭后,空气弹簧内部气体变为一个质量不变的密闭系统,此时系统状态为:

(2)

将电磁阀截面视为一个等效的节流小孔,则流经电磁阀的气体流量公式为:

(3)

pu—— 节流小孔的上游气压

pd—— 节流小孔的下游气压

S—— 电磁阀的等效截面积

b—— 气体临界压力比

2) 空气悬架系统车辆动力学方程

分析可得空气弹簧变形量与空气弹簧内气压之间的关系式为:

(4)

式中,pa—— 大气压力

Ae—— 空气弹簧气囊有效面积

M—— 簧载质量

g—— 重力加速度

c—— 减振器的阻尼

x—— 空气弹簧变形量

3) AMESim-Simulink单轮空气悬架模型

本研究利用AMESim建立单轮空气悬架模型,如图2所示。模型中包含了恒压气源代替的储气罐、理想的大气气压、三位三通电磁阀、簧上质量、悬架阻尼、流量传感器、压力传感器以及簧上质量安装的位移传感器、速度传感器和加速度传感器。

图2 AMESim-Simulink单轮空气悬架模型

在图2中,AMESim中将采集到传感器数据通过Interface模块传递给Simulink,Simulink中根据悬架当前参数采用一定的控制策略,输出电磁阀控制信号Current,电磁阀控制信号为负时表示充气,为正时表示排气[10]。选取流量流入为正,弹簧向上为正。仿真时用到的参数如表1所示。

表1 单轮空气悬架模型参数

2.2 基于粒子群算法的PID控制器设计

1) 基于粒子群算法的PID算法

传统PID控制器的参数整定需要研发人员依据工程经验在控制系统中不断调整,人工调整过程费时费力且很难取得理想效果[11-12]。基于粒子群(Particle Swarm Optimization,PSO)算法的PID参数整定能有效加快整定效率,其原理是利用粒子群从随机位置出发,根据适应度函数快速收敛于全局最优解。PSO算法中粒子速度和位置的迭代公式如下:

(5)

式中,Vi—— 第i个粒子群的速度

Xi—— 第i个粒子群的位置

ω—— 惯性因子,非负数

c1,c2—— 学习因子

r1,r2—— [0,1]的随机数

为了使悬架更快更准的达到目标值范围,本研究选取调节时间、超调量和误差共同组成适应度函数。此时适应度函数值越小,则表明控制效果越好,具体的适应度函数如下:

f=0.1ts+0.2σ+0.7e

(6)

式中,ts—— 调节时间

σ—— 超调量

e—— 误差

基于粒子群算法的PID算法实现流程如下:首先,初始化粒子群各参数:种群规模、学习因子、惯性因子、最大迭代次数和各粒子的速度与位置;其次,将Kp,Ki,Kd分别赋予粒子值代入空气悬架模型中作为PID控制器的3个参数,运行模型得到系统输出的调节时间、超调量和误差;然后计算各粒子适应度值,将其适应度值与历史最优值进行比较,确定个体最优解和种群最优解;最后,通过更新各粒子位置和速度,将粒子重新代入系统进行迭代,直到达到最大迭代次数为止,输出最终优化的Kp,Ki和Kd。

2) 控制效果验证

为了验证粒子群的优化效果,在所建立的AMESim-Simulink单轮空气悬架模型基础上,分别对普通PID的控制参数和PSO-PID控制器得到的参数进行了仿真测试。仿真时间设置10 s,以起始高度为零点,空气弹簧高度目标高度设置为20 mm,测试的空气弹簧高度随时间变化的对比曲线如图3所示。

图3 充气时空气弹簧高度变化对比曲线

从图3中可以看出,无控制时空气弹簧高度的稳态值偏离目标高度值的“过充”现象,普通PID控制器和PSO-PID控制器均能有效抑制电控空气悬架系统的“过充”现象,车身高度误差均小于0.5 mm。但普通PID控制器车身高度曲线的超调量大约为23.3%,而PSO-PID控制器车身高度曲线的超调量大约为9.65%。综上所述经过PSO-PID控制器优化后,车身高度输出曲线的超调量和误差范围都得到了较大程度的减少。

3 整车空气悬架高度调节

在完成单轮空气悬架充放气过程研究的基础上,为了验证基于粒子群的PID算法对整车空气悬架高度的控制效果,本研究进一步搭建了基于AMESim-Smulink-Carsim的整车空气悬架联合仿真平台。

3.1 整车空气悬架控制模型搭建

搭建的AMESim-Smulink-Carsim联合仿真平台主要由三部分组成: AMESim搭建整车空气悬架充放气模型、Simulink中进行控制计算、Carsim设置整车参数[13-14]。整车模型的部分参数如表2所示。

表2 整车部分参数

3.2 整车空气悬架控制性能分析

针对本研究提出的基于粒子群算法的PID控制器,为验证其合理性和有效性,通过联合仿真平台来仿真模拟不同工况下实际车辆车身高度切换情况[15]。

根据实际车辆车身高度切换情况,设置静态车速为0时的仿真工况如下:

(1) 车辆处于静态车速为0时,车身高度上升调节过程;

(2) 车辆处于静态车速为0时,车身高度下降调节过程。仿真得到两种过程对应的空气弹簧高度随时间变化曲线如图4～图7所示,图中均以起始高度为零点,上升为正,下降为负。

图4 静态上升前轮空气弹簧高度变化曲线

图5 静态上升后轮空气弹簧高度变化曲线

图6 静态下降前轮空气弹簧高度变化曲线

图7 静态下降后轮空气弹簧高度变化曲线

从图4～图7可以看到,经过PSO-PID优化后车身高度变化更平稳,且能有效抑制“过充”和“过放”现象,满足车高调节过程中精度要求。

为模拟车辆动态行驶时车身高度切换情况,设置在B级路面上,车速较低时提升车身高度、车速上升时恢复车身高度仿真得到两种过程对应的前轮空气弹簧高度随时间变化曲线如图8、图9所示,图中均以起始高度为零点,上升为正,下降为负。可知,由于路面激励的影响,车身高度在调节过程中出现明显的波动,但所设计的PSO-PID控制器能够较好的实现车辆在动态行驶过程中的车身高度调节,当达到目标高度后,车身高度会在目标高度上下波动,维持当前车身高度。

图8 动态上升前轮空气弹簧高度变化曲线

图9 动态下降前轮空气弹簧高度变化曲线

4 实车测试

仿真研究只能反映部分控制效果,为进一步验证所设计的电控空气悬架控制器的性能,本研究以某SUV试验车为研究对象,进行了实车试验。测试在平坦路面进行,储气罐压力为0.8 MPa,测试时的车速分别为静止0 km/h和低速20 km/h。图10为试验车空气悬架安装位置,悬架上端与车身连接,悬架下端与车轮连接。图11为试验车测试系统示意图。

图10 空气悬架安装图

图11 试验车测试系统示意图

在本试验车的测试系统中,空气悬架ECU根据驾驶员指令或者当前工况输出阀控信号来控制空气悬架执行相应的动作,然后通过高度传感器将空气悬架高度数据传递给空气悬架ECU。空气悬架ECU将收到的高度数据发送到CAN总线上,最后利用INCA设备采集CAN总线上的高度数据并且发送给上位机。

4.1 车辆静态时车身高度调节测试

在测试前将试验车停放在平坦的路面上,然后手动按下高度模式按钮,悬架控制器接收按钮信号后输出电磁阀控制信号控制空气弹簧充放气动作,车身高度随之改变[16-17]。

图12和图13分别为前轮车身高度和后轮车身高度变化曲线,图中纵坐标高度值取的是轮胎轮心到轮眉之间的距离。图中整个变化过程为高位模式切换到中位模式,再由中位模式切换到高位模式。本研究测试车的前轮高位模式设定值为493 mm,中位模式设定值为483 mm;后轮高位模式设定值为455 mm,中位模式设定值为445 mm。从图中可以看到,车身高度调节过程中均能顺利达到目标高度,绝对误差均小于2 mm,未超出误差带,且没有出现明显的高度反复调节或者控制超调现象。

图12 车辆静态时前轮车身高度变化曲线

图13 车辆静态时后轮车身高度变化曲线

此外,对比图12和图13可以看出,整车车身在下降过程中前轮在5.1 s先排气,待前轮排气完成后,后轮在6.6 s后排气;整车车身在上升过程中后轮在31.5 s先充气,待后轮充气完成后,前轮在40 s后充气。即为了维持车身在高度调节过程中的姿态平衡,充气时后轮先升、前轮后升,排气时前轮先降、后轮后降,符合所设计的控制策略。

4.2 车辆动态时车身高度调节测试

选取市区某段平坦无人的公路,车辆低速行驶在路面上,观测车身高度在动态的情况下的调节过程。图14和图15为经过滤波处理后,高度传感器采集到的车身高度变化数据图,图中纵坐标高度值取的是轮胎轮心到轮眉之间的距离。

图14 车辆动态下降时前轮车身高度变化曲线

图15 车辆动态上升时前轮车身高度变化曲线

图14为前轮车身高度由中位模式切换到低位模式的变化曲线。测试车的前轮低位模式设定值为463 mm。从图中可以看到,前轮车身高度先以481.2 mm 左右保持中位模式;随后自动下降到低位模式,车身高度维持在464 mm左右,动态行驶在路面上。整个动态调节过程中,车身高度能顺利达到目标高度,绝对误差均小于2 mm,未超出误差带。

图15为前轮车身高度由低位模式切换到中位模式的变化曲线。从图中可以看到,前轮车身高度先以463.8 mm左右维持低位模式;随后自动上升到中位模式,车身高度维持在481.9 mm左右,动态行驶在路面上。整个动态调节过程中,车身高度也能顺利达到目标高度,绝对误差均小于2 mm,未超出误差带。

经过实车测试表明,本研究所设计的电控空气悬架控制器能够实现静态和动态下的车身高度调节,且车身高度误差处于误差范围内,未出现明显的“过充”和“过放”现象。

5 结论

本研究通过对空气悬架系统工作机理的分析,利用AMESim建立了单轮空气悬架数学模型。针对车高调节过程中存在的“过充过放”问题,设计了基于粒子群的PID控制器。主要结论如下:

(1) 在基于AMESim-Simulink-Carsim联合仿真平台中建立了整车空气悬架模型对其控制效果进行验证。仿真结果表明,所设计的算法能有效减少车身高度调节过程中的超调和偏差,具有更高的控制性能。

(2) 通过实车测试,进一步验证了所设计的电控空气悬架控制器的性能。测试结果表明,本研究设计的电控空气悬架控制器在不同工况下的车身高度稳态误差均小于2 mm,实现了对车身高度快速精确的控制,达到了预期目标。