基于人-車-路閉環(huán)系統的汽車操穩(wěn)試驗及評價方法研究.pdf

1、伴隨汽車工業(yè)的蓬勃發(fā)展，汽車的安全、節(jié)能和環(huán)保成為汽車研究的三大熱點，其中，安全性是汽車性能的重中之重。在安全方面，行車安全尤為重要，汽車操縱穩(wěn)定性是反映行車安全的重要指標，也是汽車底盤開發(fā)過程中最關鍵的性能之一，將直接關系到汽車的主動安全性能。因此，對操縱穩(wěn)定性進行有效的評價是汽車底盤開發(fā)過程中的核心步驟之一，國內主機廠往往需要依靠國外技術力量才能完成底盤操縱穩(wěn)定性的評價與提升。所以，如何對設計的車輛實施客觀試驗驗證并進行評價，最終實

2、現汽車安全性的提升，成為了當前汽車工程領域的重要前沿課題之一。
　　實車試驗是評價車輛操縱穩(wěn)定性的基本手段，關于實車試驗與評價方法的研究是汽車操縱穩(wěn)定性研究的重要課題。車輛的操縱穩(wěn)定性受到汽車結構、道路環(huán)境和駕駛員等因素影響，傳統的客觀評價忽略了駕駛員、道路和車輛之間的相互影響，存在一定的不足，因此傳統的操縱穩(wěn)定性試驗評價主要是基于駕駛員的主觀評價，然而主觀評價結果會受到駕駛員個體差異的影響，誤差較大。本文圍繞著人-車-路虛擬試驗

3、方法、實車道路試驗方法和客觀評價方法三個領域進行了深入的研究，試圖探索一種用于車輛操縱穩(wěn)定性試驗的客觀評價試驗方法，提出了一種在計算機上進行數字仿真，并與實車道路試驗相結合的方法，該方法可以代替真實駕駛員進行實車道路試驗，擴大了計算機仿真分析技術在汽車研發(fā)中的應用。更為重要的是，該方法可以避免駕駛員個體差異對試驗結果的影響，同時減少了試驗的危險性。在此基礎上，本文對車輛操縱穩(wěn)定性的客觀評價方法進行了研究，對操縱穩(wěn)定性評價指標的權重系數進

4、行了分析，提出了一種基于主客觀賦權的客觀評價分析方法。
　　本文主要針對以下內容展開研究：
　　一、根據預瞄-跟隨理論，結合車輛和駕駛員狀態(tài)反饋信息，建立了預瞄–補償優(yōu)化神經網絡駕駛員模型。駕駛員模型結構的確定和關鍵參數的選取是準確預測駕駛員行為的基礎，本文通過研究駕駛員車輛感知模型、駕駛員的預瞄時間、反應時間和慣性延遲時間確定了駕駛員模型參數。利用開環(huán)辨識試驗得到車輛的數學模型，通過與實車的場地數據在不同車速和不同穩(wěn)態(tài)側向

5、加速度的階躍輸入下進行對比，驗證了辨識模型的正確性。最后，建立人-車-路虛擬閉環(huán)試驗系統，通過典型的對開/對接路面對人車路閉環(huán)系統進行了分析，仿真結果表明人-車-路閉環(huán)試驗系統可以有效地模擬駕駛員駕駛車輛的行為。
　　二、實車試驗測試方法研究。為了準確評價汽車操縱穩(wěn)定性，需要分析測試設備的技術參數，因此，操縱穩(wěn)定性試驗中試驗設備的整合是操縱穩(wěn)定性評價的關鍵環(huán)節(jié)。本文分析研究了操縱穩(wěn)定性的開環(huán)和閉環(huán)試驗方法，確定了整車測試試驗變量及

6、其要求，提出了試驗測試裝置的參數要求，根據實際測試過程中遇到的問題改進和試制試驗夾具，對車輛操縱穩(wěn)定性試驗設備組合方案進行了必要的研究，減少了在測試過程中測試變量的冗余。
　　三、人-車-路閉環(huán)系統在實車道路試驗中的應用。本文通過對目前國內外操縱穩(wěn)定性試驗評價方法進行分析，基于轉向機器人，采用虛擬計算和實車的道路試驗相結合的方法，實現了人-車-路閉環(huán)系統在實車的道路試驗中的應用。分析了車輛模型和駕駛員模型，搭建完成了實車的道路試驗

7、測試系統。同時，分析了側向位移的測量誤差及其產生機理，通過改進傳感器及其安裝位置提高了側向位移的測量精度。對雙移線和蛇形試驗等典型工況試驗進行了實車行駛軌跡研究，得到了理想的實車行駛軌跡。將其輸入到人-車-路閉環(huán)系統，通過優(yōu)化算法得到了典型工況下駕駛員的操縱輸入。同時，將駕駛員和場地的不確定性耦合在方向盤轉角中。最后，將此轉向盤輸入轉向機器人，并在試驗場進行實車驗證實驗，將所得結果和真實駕駛員的測試結果進行了對比。試驗結果表明，該試驗方

8、法在規(guī)定的工況下可以圓滿地完成試驗任務。
　　四、汽車操穩(wěn)性的客觀評價方法研究。在操縱穩(wěn)定性試驗方法的研究基礎上，選擇車輛和駕駛員。通過多策略評價賦值的思想對客觀評價指標進行賦值，并根據駕駛員進行主觀賦權優(yōu)化主客觀偏好系數，得到了結合主客觀賦權的客觀評價指標權重系數，并確定了操縱穩(wěn)定性試驗的客觀綜合評價方法；最后，根據選取的駕駛員和車輛對論文提出的試驗系統及客觀評價方法進行了初步實車道路試驗，根據典型工況下的車輛操縱穩(wěn)定性試驗數據