基于Agent 技術的電動汽車底盤智能控制系統(tǒng)研究

童俊煒，蔡祥鵬

（泉州師范學院 航海學院， 福建 泉州362000）

隨著科技的不斷進步、多傳感器數(shù)據(jù)信息融合以及集成電路等技術的提升，人們對汽車性能追求進一步得到了提高［1］.目前，如何提高車輛乘坐舒適感、安全穩(wěn)定性［2］以及操作簡易性已成為車輛工程制造業(yè)的研究重點［3］.很多研究表明實現(xiàn)對底盤控制系統(tǒng)控制功能的調(diào)控，能夠更好發(fā)揮每個控制模塊的功能，達到車輛底盤整體化的控制［4］，以提高車輛使用性能［5］.四輪汽車的制動、轉(zhuǎn)向以及驅(qū)動等動力學性能能夠單獨進行調(diào)整［6］，可以適應極限交通工況，但是集成一體化控制系統(tǒng)能夠盡可能的整合傳感器、執(zhí)行模塊以及控制系統(tǒng)機構(gòu)，解決傳統(tǒng)汽車底盤控制的缺點，可更好的消除不同控制子系統(tǒng)間的干擾與耦合，最大可能利用子系統(tǒng)的功能，使相互之間協(xié)作運行［7-8］.然而，這也使得控制系統(tǒng)更加復雜.系統(tǒng)的耦合程度也隨之增加、冗余度變大、約束條件更加嚴格，加大了控制系統(tǒng)集成化的難度.此外，目前市面上的汽車動力學集成控制多集中在車輛動力學分析上的控制系統(tǒng)設計，一般不考慮車輛能量消耗［9］.電動汽車的制動以及電機驅(qū)動等多個特性的車輛集成化控制系統(tǒng)，將節(jié)能減排這一需求進行滿足.與發(fā)動機特性易變性不同的是電機控制技術已經(jīng)相對比較成熟，電機的轉(zhuǎn)矩、轉(zhuǎn)速控制精度的要求更加嚴格，已基本滿足人們對車輛動力性能需求［10］.

筆者提出基于Agent 技術的電動汽車底盤智能控制系統(tǒng)，將各車輛控制子系統(tǒng)按照功能不同進行劃分，優(yōu)化各子控制系統(tǒng)目標對象，構(gòu)建電動汽車底盤控制系統(tǒng)，以達到在不同工況環(huán)境下電動汽車底盤智能控制系統(tǒng)智能調(diào)控的目的.

1 電動汽車底盤控制系統(tǒng)框架構(gòu)建

1.1 多智能體系統(tǒng)

多智能體系統(tǒng)(Multi-Agent System, MAS)將各個Agent 通過相互通信實現(xiàn)某些功能或者完成某些特定環(huán)境下的目標.多智能體系統(tǒng)可視為一個可以求解問題，可以因環(huán)境變化而自行調(diào)節(jié)自我的智能行為，而且可以利用網(wǎng)絡與其他Agent 實現(xiàn)通信、交互和合作等多種方式共同解決疑難問題的分布式人工智能化系統(tǒng).多智能體系統(tǒng)的結(jié)構(gòu)框圖如圖1 所示.

圖1 多智能體系統(tǒng)結(jié)構(gòu)圖

1.2 基于Agent 的底盤總體控制系統(tǒng)架構(gòu)

經(jīng)過綜合考慮，筆者提出了一種以Agent 技術為基礎的四輪獨立驅(qū)動電動汽車底盤控制系統(tǒng).該系統(tǒng)主要由環(huán)境層、數(shù)據(jù)信息交互層、協(xié)調(diào)決策層、底部調(diào)控層以及指令執(zhí)行層組成.在充分借用智能協(xié)調(diào)決策控制功能上，需要全方位顧及控制系統(tǒng)不同級別的控制目標，利用多個Agent 控制系統(tǒng)完成對四輪獨立驅(qū)動電動汽車的有效控制. 筆者提出的電動汽車底盤總體控制系統(tǒng)是一種基于子Agent 模塊的全面思維系統(tǒng)框架.值得注意的是圖中環(huán)境層、數(shù)據(jù)信息交互層和執(zhí)行層中電動汽車模型由于受到位置的約束在不同的地方使用不同的表示方式，但是實質(zhì)為相同模型.

（1） 環(huán)境層和數(shù)據(jù)信息交互層

多個Agent 間可以實現(xiàn)有效的信息交互是通信系統(tǒng)需要解決難題的關鍵，但是被控目標狀態(tài)參數(shù)的準確獲得是可以達到四輪獨立驅(qū)動電動汽車底盤迅速有效控制的基礎.同時也是規(guī)定多個Agent 間合作控制要求的參考依據(jù). 數(shù)據(jù)信息同和處理是指對四輪獨立驅(qū)動電動汽車不同類型傳感器檢測信號的處理，完成對電動汽車狀態(tài)有關參數(shù)的評估.電動汽車狀態(tài)的評估內(nèi)容主要包含車輛質(zhì)心偏角、側(cè)向速度以及縱向速度等，這類變量是一種難以快速測量的變量.通過對車輛狀態(tài)參數(shù)的評估，不但可以確保多個Agent 系統(tǒng)滿足某些參數(shù)和狀態(tài)變化的需求，同時還可以精確的獲得電動汽車的狀態(tài)參數(shù)，便于對汽車車輛的故障診斷和檢測系統(tǒng)的實時告警提供精確的數(shù)據(jù)信息.

（2） 決策推理Agent

為了確保車輛可以更加快速適應復雜多變的道路情況，需要Agent 具備較強的學習能力與智能性能.強化學習可以提高Agent 的在線學習能力，主要通過與外界的動態(tài)環(huán)境進行交互學習以實現(xiàn)預定目標.基本過程為假設Agent 按照預定行為策略可以獲得環(huán)境正面鼓勵， 那么Agent 之后將會不斷增強這個行為策略趨勢.筆者將強化學習方法引入到?jīng)Q策推理Agent 以加強學習，對Agent 的性能指標進行優(yōu)化.構(gòu)建的強化學習模型如圖2 所示.

圖2 強化學習模型

筆者使用馬爾可夫決策過程（Markov decision process，MDP）強化學習問題，其定義如下：

表達式中，S 表示全局狀態(tài)變量集合，包括系統(tǒng)全部可能存在狀態(tài)變化；s′表示系統(tǒng)在下個時間段的狀態(tài)；A(s)表示在狀態(tài)s 全部將會運行的指令集合；P(s,a,s′)表示在t 時刻s′執(zhí)行指令a 后下一個時刻t+1轉(zhuǎn)換到狀態(tài)的概率；r(s,a)表示在時刻t 時的狀態(tài)為s，執(zhí)行指令a 后得到的回報；V 表示目標函數(shù).

假設定義狀態(tài)-指令對的評估使用Q 表示，可用以下表達式：

表達式中，（s,a）表示在t 時刻的狀態(tài)-行為對；η 表示折扣因子.

在明確p 和r 數(shù)據(jù)的條件下，能夠求解出Q 的數(shù)值.但是Q 學習算法可直接根據(jù)Agent 歷史狀態(tài)進行智能化學習，僅僅需要參考實時的狀態(tài)和可以選擇的動作，也不需要狀態(tài)轉(zhuǎn)換函數(shù)，因此筆者將Q 學習算法應用到?jīng)Q策推理Agent，Q 學習算法的行為值迭代表達式為：

表達式中，α 表示學習因子.

（3）協(xié)調(diào)控制Agent

博弈論能夠為以Agent 的協(xié)調(diào)控制系統(tǒng)提供快速的解決方法，與靜態(tài)博弈相比，筆者設計的電動汽車底盤智能控制系統(tǒng)在不斷變化的道路交通環(huán)境中快速適應.而微分博弈是一種不間斷時間段內(nèi)變化的動態(tài)博弈，即使用微分方程對運動軌跡進行描述，每個Agent 的目標是盡可能優(yōu)化相應控制目標，同時進行不斷博弈，最后實現(xiàn)利益平衡的狀態(tài).筆者將微分博弈法應用到協(xié)調(diào)控制Agent 中，主要在電動汽車底盤控制Agent 間出現(xiàn)耦合與嚴重影響的地方使用.在不同的工況環(huán)境下電動汽車底盤運行穩(wěn)定、車輛安全行駛以及乘坐舒適度等多個目標實時進行調(diào)整的要求，進行動態(tài)連續(xù)協(xié)調(diào)控制.

（4） 底部調(diào)控層

筆者針對整個電動汽車底盤控制的子控制系統(tǒng)進行功能模塊劃分.考慮到汽車輪胎固有的非線性特點，汽車底盤在橫向、縱向以及垂直方向存在嚴重的耦合關系，如圖3 所示.從不同控制目標角度進行分類，汽車底盤控制子系統(tǒng)可劃分為橫向控制、縱向控制、垂直方向控制3 種，每個控制系統(tǒng)主要針對電動汽車底盤運行穩(wěn)定、車輛安全行駛以及乘坐舒適度3 個控制指標.筆者分別按照橫向、縱向以及垂直方向3 個控制系統(tǒng)誰控制器，將底盤能量管理當做Agent ，優(yōu)化電動汽車的底盤能量控制系統(tǒng).

圖3 控制系統(tǒng)框架示意圖

（5） 執(zhí)行層

如圖3 所示，執(zhí)行層位于控制系統(tǒng)的最底部，主要調(diào)控車輪轉(zhuǎn)向角、制動力矩、驅(qū)動力矩、懸架控制力F 等多個信號，相應的控制汽車底盤的各個執(zhí)行機構(gòu)，以達到對汽車底盤控制的目的.

2 電動汽車底盤智能控制系統(tǒng)

2.1 構(gòu)建參考模型

筆者構(gòu)建的參考模型可以根據(jù)駕駛員操作指令、汽車行駛數(shù)據(jù)信息以及交通道路狀況來獲得車輛運動特性.二自由度車輛模型主要考慮的是車輛橫擺行駛狀態(tài)，不考慮縱向行駛、繞縱向的側(cè)傾行駛、繞側(cè)向的俯仰行駛以及懸架的垂向行駛.同時還能夠?qū)囕v橫擺和側(cè)向特性的實時分析，其工作原理圖如圖4所示.

圖4 二自由度車輛模型工作原理圖

圖中l(wèi)α，lβ代表車輛質(zhì)心與后車軸間的長度；Fyf，F(xiàn)yr代表車輛前后車輪受到的側(cè)向力；α1，α2代表車輛前后車輪的側(cè)偏角；vx, vy, Mτ代表車輛整體的縱向速度、側(cè)向速度以及橫擺力矩；β 表示質(zhì)心側(cè)偏角；δf代表車輛前輪轉(zhuǎn)角，ω 代表車輛橫擺角速度.

根據(jù)圖3 分析可得到車輛側(cè)向運動方程：

表達式中Fy代表側(cè)向力；m 代表整車質(zhì)量.

車輛的橫擺運動特性可使用以下方程進行描述：

表達式中Mz代表車輛橫擺力矩；Iz代表橫擺轉(zhuǎn)動慣量.

由輪胎側(cè)偏特性可得：

表達式中，cf, cr表示車輛的前后輪相應的側(cè)偏剛度；α1，α2代表車輛前后車輪的側(cè)偏角.考慮到α1，α2數(shù)值

較小，同時考慮到質(zhì)心偏側(cè)角也很小，即：

根據(jù)公式（1）~（7）可得二自由度車輛模型控制系統(tǒng)表達式為：

根據(jù)上述表達式可得期望橫擺角速度表達式為：

2.2 車輛底盤智能控制組織級控制器設計

實現(xiàn)對車輛底盤有效控制主要是為了提高汽車整體性能.所以，由多個子控制系統(tǒng)組成的車輛底盤智能控制系統(tǒng)，確保車輛的橫擺角速度、質(zhì)心偏側(cè)角等多個變量可以實時數(shù)字和參考模型參數(shù)的變化而變化，并使得車輛車輪滑移率始終維持在峰值附著系數(shù)響應的滑移附近，以提高車輛行駛性能.筆者使用滑模變結(jié)構(gòu)控制算法求解車輛行駛中的廣義控制力和力矩.

設計滑?？刂破鲿r，選用的切換函數(shù)中變量速度誤差、速度誤差積分項和速度誤差微分項e˙i，表達式分別如下：

切換函數(shù)表達式為：

式中，參數(shù)ξi＞0.

等速趨近率表達式為：

為了有效消除高項抖振的問題，使用飽和函數(shù)取代sgn(S)，表達式為:

3 仿真與結(jié)果分析

為了檢驗設計的電動汽車底盤控制系統(tǒng)運行性能， 使用MATLAB/Simulink 和Carsim 進行系統(tǒng)性能仿真測試. 在測試期間Agent 主要通過控制車輪電機轉(zhuǎn)矩和加入附加橫擺力以提高車輛的橫向操作有效性，在Carsim 中車輛相關參數(shù)如表1 所示.

表1 車輛本體相關參數(shù)

在前輪轉(zhuǎn)向角階躍輸入工況下對搭建的DYCAgent 控制算法進行仿真實驗.仿真條件設置如下：駕駛員在0.3 s 內(nèi)迅速將轉(zhuǎn)向盤轉(zhuǎn)至80°后保持恒定，初始速度為80 km/h，駕駛員不踩加速踏板和制動踏板，路面附著系數(shù)μ=0.85，Agent 技術量化因子k1=50，比例因子k2=3 000.使用Matlab/Simulink 仿真軟件對該系統(tǒng)進行仿真測試分析，假設在行駛過程中車輛的初始化速度設置為20 m/s，然后給車輛前輪加入轉(zhuǎn)向角階躍信號，在此數(shù)值不變的情況下給車輪加入制動力矩，設定目標滑移率的大小為0.2，如圖5 所示.在設定值不變的情況下依次對組織級控制器進行測試，結(jié)果如圖5~圖10 所示.

圖5 轉(zhuǎn)向輪轉(zhuǎn)角與滑移率

圖6 橫擺角速度響應

圖7 質(zhì)心側(cè)偏角響應

圖8 側(cè)傾角速度響應

圖9 俯仰角速度響應

圖10 車身垂直加速度響應

從圖5~圖10 可知車輛底盤智能控制系統(tǒng)中引入滑?？刂扑惴?，可以確保縱向滑移率的目標值達到0.2，同時也減小橫擺角速度的幅值變化，降低系統(tǒng)超調(diào)量，仿真結(jié)果與質(zhì)心側(cè)偏角一樣，并且實心側(cè)偏可以有效調(diào)控在3 度區(qū)間內(nèi)，可達到對車身側(cè)滑的抑制效果，極大地提升了車輛操作的安全性與穩(wěn)定性.圖8 和圖9 依次為車身側(cè)傾角角速度和俯仰角角速度的時域變化曲線，從仿真結(jié)果分析可知滑模控制算法可以降低側(cè)傾角速度和俯仰角速度，提高乘客的乘坐舒適感.從圖10 可以得出使用組織級控制器能夠有效降低車身加速度幅值波動大小，使其變化趨勢更加平緩，提高車輛行駛的平順性.

4 結(jié)論

提出的智能控制系統(tǒng)可以實現(xiàn)不同層析功能的相互協(xié)作，并在此基礎上構(gòu)建底盤控制架構(gòu)，使得車輛在滿足不同行駛情況下需求，以決策底盤每個子系統(tǒng)的協(xié)調(diào)控制，有效提升控制系統(tǒng)性能.最后通過仿真結(jié)果分析表明，將Agent 技術引入到汽車底盤控制系統(tǒng)，能夠抑制不同子控制系統(tǒng)間的相互干擾，進一步提高此系統(tǒng)的安全性與穩(wěn)定性.