整車道路模擬試驗(yàn)臺(tái)的控制算法

胡毓冬，周 鋐，徐 剛

（1.同濟(jì)大學(xué)汽車學(xué)院，上海201804；2.同濟(jì)大學(xué)新能源汽車工程中心，上海201804）

整車耐久性試驗(yàn)是轎車設(shè)計(jì)開發(fā)過程中最為關(guān)鍵的環(huán)節(jié)之一，它既是檢驗(yàn)已有設(shè)計(jì)合格與否的有效途徑，又為結(jié)構(gòu)的修改和優(yōu)化設(shè)計(jì)等提供客觀依據(jù).近年來，室內(nèi)道路模擬試驗(yàn)已被廣泛應(yīng)用于評(píng)價(jià)整車的疲勞耐久性能.它與傳統(tǒng)的用戶道路試驗(yàn)和試驗(yàn)場(chǎng)道路試驗(yàn)相比具有更多的優(yōu)點(diǎn)，室內(nèi)道路模擬試驗(yàn)臺(tái)架可以24小時(shí)不間斷地運(yùn)行，整個(gè)試驗(yàn)過程不需要司機(jī)的參與，而且不受天氣和交通狀況的影響.

室內(nèi)道路模擬試驗(yàn)的核心在于如何在試驗(yàn)室環(huán)境內(nèi)再現(xiàn)整車行駛于用戶道路或試驗(yàn)場(chǎng)道路時(shí)所承受的載荷，對(duì)于疲勞耐久性試驗(yàn)，需要達(dá)到較高的載荷再現(xiàn)精度以使試驗(yàn)數(shù)據(jù)結(jié)果可靠.因此，使系統(tǒng)的實(shí)際輸出加載與理想的目標(biāo)加載盡可能一致就變得尤為重要.

當(dāng)今行業(yè)里所采用的時(shí)域波形再現(xiàn)技術(shù)（time waveform replication，TWR）即是解決目標(biāo)信號(hào)重現(xiàn)的一種方法.其理論在1976年就已經(jīng)提出［1］，此后大量的商業(yè)軟件相繼推向市場(chǎng).MTS公司于1977年推出第一版遠(yuǎn)程參數(shù)控制（RPC）［2］，Schenk公司于1979年推出傳遞函數(shù)迭代補(bǔ)償（ITFC）［3］，Instron公司和LMS公司于1996年推出TWR［4］，這些軟件都是基于相同的數(shù)學(xué)原理，即迭代自學(xué)習(xí)控制（ILC）［5］.該控制算法可以使被控系統(tǒng)高精度地按照要求的參考軌跡重復(fù)運(yùn)行.近年來，國(guó)內(nèi)各高校在該領(lǐng)域也進(jìn)行了一些研究，其中清華大學(xué)的杜永昌等［6］研制了汽車道路動(dòng)態(tài)試驗(yàn)?zāi)M控制系統(tǒng)，此外同濟(jì)大學(xué)的陳棟華等［7］、武漢理工大學(xué)的汪斌等［8］對(duì)汽車室內(nèi)道路模擬試驗(yàn)的控制算法進(jìn)行了相關(guān)研究.

隨著計(jì)算機(jī)技術(shù)與現(xiàn)代制造業(yè)的發(fā)展，滿足整車道路模擬試驗(yàn)的硬件系統(tǒng)已能比較容易獲得，然而由于預(yù)算等各種因素，一些道路模擬試驗(yàn)系統(tǒng)并未配備具有迭代功能的相應(yīng)控制算法軟件.如果能夠通過編程實(shí)現(xiàn)試驗(yàn)臺(tái)的控制算法，可以大大降低道路模擬試驗(yàn)系統(tǒng)的成本，同時(shí)也為虛擬道路模擬試驗(yàn)臺(tái)的開發(fā)提供支持.但是對(duì)于控制算法的具體實(shí)現(xiàn)，各公司開發(fā)的軟件中算法實(shí)現(xiàn)的編程代碼是不開放的，國(guó)內(nèi)外參考文獻(xiàn)中也少有提及.本文以同濟(jì)大學(xué)汽車學(xué)院試驗(yàn)室的四通道整車道路模擬試驗(yàn)臺(tái)作為研究對(duì)象，借助Matlab軟件建立對(duì)目標(biāo)信號(hào)進(jìn)行適當(dāng)重疊分段的頻域迭代自學(xué)習(xí)控制算法，并在試驗(yàn)臺(tái)上采用該算法實(shí)現(xiàn)對(duì)某樣車軸頭垂向加速度信號(hào)的時(shí)域再現(xiàn).

1 TWR流程

TWR過程主要分為兩大步驟，即系統(tǒng)辨識(shí)和目標(biāo)信號(hào)迭代.

1.1 TWR系統(tǒng)辨識(shí)

本文所辨識(shí)的對(duì)象為四通道整車道路模擬試驗(yàn)系統(tǒng)，如圖1所示.整個(gè)系統(tǒng)由控制器、電－液伺服控制系統(tǒng)、液壓油缸、位移傳感器、試驗(yàn)樣車、加速度傳感器等組成，辨識(shí)過程中將該系統(tǒng)作為一個(gè)整體進(jìn)行辨識(shí).其中，系統(tǒng)的輸入信號(hào)為四個(gè)油缸的位移控制信號(hào)U（u1，u2，u3，u4），響應(yīng)輸出信號(hào)為車輪軸頭處的四個(gè)垂向加速度響應(yīng)信號(hào)Y（y1，y2，y3，y4）.

圖1 四通道整車道路模擬試驗(yàn)系統(tǒng)Fig.1 Four－post test rig system for load simulation test

辨識(shí)方法為非參數(shù)頻率響應(yīng)函數(shù)（FRF）模型辨識(shí)法，具體流程如圖2所示.

1.1.1 辨識(shí)激勵(lì)信號(hào)

辨識(shí)中選取的辨識(shí)激勵(lì)信號(hào)通常為白粉紅噪聲，其激勵(lì)的頻域范圍以及激勵(lì)能量值的大小需要根據(jù)所要再現(xiàn)的目標(biāo)信號(hào)的頻域信息來相應(yīng)選取，而其激勵(lì)能量則需與目標(biāo)信號(hào)的能量相當(dāng).

圖2 FRF模型辨識(shí)流程圖Fig.2 Flow diagram of the FRF model identification

1.1.2 FRF的獲取

辨識(shí)中臺(tái)架的激勵(lì)信號(hào)（即上述白粉紅噪聲）是確切知道的，因而采用H1估計(jì)法來獲取該系統(tǒng)FRF矩陣

式中：H（jω）為系統(tǒng)FRF矩陣，Gyu（jω）為輸入u和輸出y在頻率ω處的互功率譜估計(jì)矩陣，Guu（jω）為輸入u在頻率ω處的自功率譜估計(jì)矩陣.

同時(shí)可以得到各輸入、輸出之間的相干函數(shù)矩陣γ來評(píng)價(jià)模型對(duì)系統(tǒng)描述的準(zhǔn)確程度

式中：γ為輸入u和輸出y之間的相干函數(shù)矩陣，Gyy（jω）為輸出y在頻率ω處的自功率譜估計(jì)矩陣.

1.1.3 模型更新

通常在辨識(shí)階段需要進(jìn)行多次模型辨識(shí)，得到對(duì)應(yīng)的多個(gè)模型，對(duì)這些模型進(jìn)行平均從而提高模型辨識(shí)的精度

式中：Have（jω）為平均后的FRF矩陣；Hnew和Hold分別為當(dāng)前次辨識(shí)和上一次平均后的FRF矩陣；λ（0＜λ＜1）為加權(quán)系數(shù)，加權(quán)系數(shù)λ通?？筛鶕?jù)工程師的經(jīng)驗(yàn)進(jìn)行選定，或者基于相干函數(shù)來選擇［9］.若更新前后的FRF變化不大，即可結(jié)束系統(tǒng)辨識(shí).

1.2 TWR目標(biāo)信號(hào)迭代

由于試驗(yàn)系統(tǒng)經(jīng)常表現(xiàn)出一定的非線性，因而有必要通過迭代的方式來獲得逐步收斂的驅(qū)動(dòng)信號(hào)，使各目標(biāo)點(diǎn)的響應(yīng)信號(hào)逼近其對(duì)應(yīng)的目標(biāo)信號(hào).本文采用的是頻域迭代自學(xué)習(xí)控制算法，實(shí)際迭代流程如圖3所示.

圖3 迭代流程圖Fig.3 Flow diagram of iteration

實(shí)際中為了避免首次驅(qū)動(dòng)信號(hào)得到的系統(tǒng)響應(yīng)大大超過目標(biāo)響應(yīng)信號(hào)，從而對(duì)試驗(yàn)系統(tǒng)造成破壞，另外為了防止迭代過程發(fā)散，在獲得初次驅(qū)動(dòng)信號(hào)矩陣時(shí)添加一個(gè)加權(quán)系數(shù)α，在頻域內(nèi)進(jìn)行計(jì)算

式中：U1（jω）為初次驅(qū)動(dòng)信號(hào)矩陣U1（t）的傅里葉變換，可通過傅里葉逆變換得到矩陣U1（t）；Yt（jω）為目標(biāo)信號(hào)矩陣的傅里葉變換；α為加權(quán)系數(shù)（0＜α＜1）.

通過播放驅(qū)動(dòng)信號(hào)可得到系統(tǒng)實(shí)際的響應(yīng)信號(hào)，進(jìn)而得到各響應(yīng)信號(hào)與各目標(biāo)信號(hào)的跟蹤誤差，并且可以對(duì)迭代的質(zhì)量進(jìn)行評(píng)價(jià).通常的評(píng)價(jià)指標(biāo)為相對(duì)均方根值誤差

式中：e（t）＝y(tǒng)t（t）－y（t）為跟蹤誤差；yt（t）為目標(biāo)信號(hào)；RMS｛｝為信號(hào)的均方根值.

通常對(duì)于整車道路模擬試驗(yàn)，當(dāng)各ε均小于10%時(shí)即可結(jié)束迭代.否則可根據(jù)所得的跟蹤誤差通過計(jì)算來修正下一次的驅(qū)動(dòng)信號(hào)

式中：ΔU（jω）為迭代中驅(qū)動(dòng)信號(hào)矩陣的更新量；E（jω）為跟蹤誤差矩陣E（t）＝Y(jié)t（t）－Y（t）的傅里葉變換；Uold（jω），Unew（jω）分別為更新前后的驅(qū)動(dòng)信號(hào)矩陣的傅里葉變換，通過對(duì)Unew（jω）進(jìn)行傅里葉逆變換即可獲得下一次迭代的驅(qū)動(dòng)信號(hào)矩陣；β為加權(quán)系數(shù)（0＜β＜1）.

2 頻域迭代自學(xué)習(xí)控制算法的實(shí)現(xiàn)

前文介紹了頻域迭代自學(xué)習(xí)控制算法的原理及流程，接下來對(duì)該算法的具體實(shí)現(xiàn)做進(jìn)一步的研究，進(jìn)而提出在迭代過程中對(duì)信號(hào)進(jìn)行適當(dāng)重疊分段的改良迭代算法.

2.1 系統(tǒng)辨識(shí)算法的實(shí)現(xiàn)

由于進(jìn)行系統(tǒng)辨識(shí)時(shí)采用的激勵(lì)信號(hào)為白粉紅噪聲，因而在計(jì)算FRF時(shí)，為了降低隨機(jī)誤差，需要通過對(duì)辨識(shí)激勵(lì)及響應(yīng)信號(hào)進(jìn)行分段計(jì)算來平滑處理.

此外，為了避免由于對(duì)信號(hào)分段截取產(chǎn)生的能量泄漏問題，在對(duì)各段數(shù)據(jù)進(jìn)行傅里葉變化時(shí)，應(yīng)進(jìn)行加窗處理（通常采用Hanning窗），同時(shí)在計(jì)算功率譜時(shí)對(duì)功率譜值進(jìn)行加窗幅值補(bǔ)償（對(duì)于Hanning窗，其補(bǔ)償系數(shù)約為2.6）.

2.2 矩陣求逆的實(shí)現(xiàn)

在目標(biāo)信號(hào)迭代過程中，需要對(duì)系統(tǒng)FRF矩陣進(jìn)行求逆運(yùn)算.對(duì)于系統(tǒng)FRF矩陣，可能出現(xiàn)矩陣奇異的情況而導(dǎo)致求逆過程無法進(jìn)行（或接近奇異矩陣而使所得的逆矩陣不可靠），因而需要通過奇異值分解（SVD）的方法獲取其最小二乘的偽逆.

若系統(tǒng)FRF矩陣的SVD分解為

式中：正交矩陣W的所有列向量構(gòu)成了一組正交的奇異值左乘向量；對(duì)角陣Σ的對(duì)角元素包含了FRF矩陣的所有特征值，且由大到小排列；正交矩陣VT的所有行向量構(gòu)成了一組正交的奇異值右乘向量.

由此可得系統(tǒng)FRF矩陣的逆為

在公式（9）中仍然需要對(duì)矩陣Σ進(jìn)行求逆，當(dāng)Σ含有值為零的特征值（即系統(tǒng)FRF矩陣奇異）時(shí)求逆仍無法進(jìn)行.此時(shí)可以通過在公式（9）中同時(shí)去除零值的特征值以及其對(duì)應(yīng)的左乘、右乘向量，從而計(jì)算得到最小二乘意義下的偽逆［10］.

2.3 頻域目標(biāo)信號(hào)迭代算法的實(shí)現(xiàn)

頻域迭代自學(xué)習(xí)控制算法要求目標(biāo)信號(hào)是周期性信號(hào)，而實(shí)際的目標(biāo)信號(hào)并不符合這一要求，因而需要對(duì)目標(biāo)信號(hào)進(jìn)行加窗處理.為了避免對(duì)目標(biāo)信號(hào)的能量產(chǎn)生過大的削弱，本文采用自定義的衰減窗，如圖4所示.即只在目標(biāo)信號(hào)起始與結(jié)束的小段時(shí)間長(zhǎng)度內(nèi)對(duì)信號(hào)施加正弦衰減窗，以保證其起始和結(jié)束時(shí)刻的值均衰減為零，使其成為符合要求的周期信號(hào)，對(duì)其余的信號(hào)段則不做衰減處理.衰減時(shí)間段長(zhǎng)度可按具體情況進(jìn)行選擇，本文衰減時(shí)間段選為0.5s（即信號(hào)起始與結(jié)束的100點(diǎn)）.

圖4 自定義衰減窗圖Fig.4 Custom fading window diagram

目標(biāo)信號(hào)迭代通常使用的有整段迭代法和分段迭代法：① 整段迭代法即將整段目標(biāo)信號(hào)直接進(jìn)行頻域迭代.設(shè)目標(biāo)信號(hào)的點(diǎn)數(shù)為M，通常情況下M要遠(yuǎn)大于系統(tǒng)辨識(shí)中分段信號(hào)的點(diǎn)數(shù)N，要求所使用的系統(tǒng)FRF的頻率分辨率為Fs／M，而經(jīng)系統(tǒng)辨識(shí)得到的系統(tǒng)FRF實(shí)際分辨率為Fs／N（＞Fs／M）.通?？梢酝ㄟ^插值的手段使原FRF頻率分辨率提高到Fs／M，從而將整段目標(biāo)信號(hào)直接進(jìn)行頻域迭代.然而，道路模擬的目標(biāo)信號(hào)長(zhǎng)度一般較大，有時(shí)會(huì)達(dá)到幾十分鐘甚至幾個(gè)小時(shí).在對(duì)數(shù)據(jù)量較大的數(shù)據(jù)段進(jìn)行傅里葉變換時(shí)，其算法復(fù)雜度將隨數(shù)據(jù)點(diǎn)數(shù)的增多而急劇加大，因而理論上不宜采用這種方法.②分段迭代法即對(duì)目標(biāo)信號(hào)進(jìn)行分段迭代，它在迭代過程中可以規(guī)避頻率分辨率的問題，但是各分段起始和結(jié)束的信號(hào)段由于衰減窗的作用會(huì)出現(xiàn)失真，從而影響最終的迭代結(jié)果.

綜合以上兩種方法，提出了一種對(duì)目標(biāo)信號(hào)進(jìn)行適當(dāng)重疊分段的方法.

首先，對(duì)時(shí)域目標(biāo)信號(hào)（或時(shí)域誤差信號(hào)）進(jìn)行重疊分段，信號(hào)段的長(zhǎng)度參照系統(tǒng)辨識(shí)劃分的長(zhǎng)度同樣取為N點(diǎn)，重疊率通常選為50%（即N／2點(diǎn)），設(shè)信號(hào)分為q段（如信號(hào)總長(zhǎng)度不是N／2的整數(shù)倍，可在信號(hào)末尾添加相應(yīng)數(shù)量的數(shù)據(jù)零加以補(bǔ)足）；接著，將q段信號(hào)根據(jù)公式（4）（或公式（6），（7））進(jìn)行頻域計(jì)算（對(duì)每段信號(hào)都添加自定義衰減窗，衰減段點(diǎn)數(shù)選為R，使其滿足2R＜N／2），得到其對(duì)應(yīng)的時(shí)域驅(qū)動(dòng)信號(hào)；最后，將所得的q段時(shí)域驅(qū)動(dòng)信號(hào)按以下原則進(jìn)行拼接，如圖5所示.

圖5 改良頻域迭代算法示意圖Fig.5 Improved frequency－domain iterative arithmetic diagram

（1）對(duì)于沒有重疊的信號(hào)段（即第一段前N／2點(diǎn)以及第q段后N／2點(diǎn)）不做處理，直接使用所得結(jié)果.

（2）對(duì)于有重疊的信號(hào)段（以第一段與第二段重疊的N／2點(diǎn)為例）：對(duì)于前R點(diǎn)，由于其在第二段的加窗處理中幅值有衰減，因而采用第一段得到的結(jié)果；對(duì)于后R點(diǎn)，由于其在第一段的加窗處理中幅值有衰減，因而采用第二段得到的結(jié)果；而對(duì)于剩下的N／2－2R點(diǎn)，由于其在兩段信號(hào)的加窗處理中幅值均未產(chǎn)生變化，因而采用兩段信號(hào)所得結(jié)果的平均值.

按以上原則即可得到時(shí)域驅(qū)動(dòng)信號(hào)，使得迭代過程得以繼續(xù)，并且規(guī)避了添加衰減窗對(duì)信號(hào)產(chǎn)生幅值衰減的影響.

3 算法驗(yàn)證

以現(xiàn)有的四通道道路模擬試驗(yàn)系統(tǒng)為對(duì)象，在真實(shí)環(huán)境中對(duì)上述頻域迭代自學(xué)習(xí)控制算法進(jìn)行驗(yàn)證.

目標(biāo)信號(hào)為某樣車在襄樊試車場(chǎng)石塊路行駛時(shí)四個(gè)車輪軸頭處的垂向加速度響應(yīng)信號(hào).迭代過程中通過迭代算法離線獲得驅(qū)動(dòng)信號(hào)，在實(shí)際試驗(yàn)臺(tái)架上進(jìn)行播放，對(duì)樣車各軸頭處的實(shí)際垂向加速度響應(yīng)信號(hào)進(jìn)行采集，借助該響應(yīng)信號(hào)與目標(biāo)信號(hào)的誤差通過迭代算法獲得下一次的驅(qū)動(dòng)信號(hào)，從而建立整個(gè)迭代過程.該迭代過程中的各軸頭垂向加速度相對(duì)均方根值誤差收斂曲線如圖6所示.

從圖中可以看出，經(jīng)過14次迭代后各相對(duì)均方根值誤差已小于10%，已經(jīng)達(dá)到試驗(yàn)的迭代精度要求.經(jīng)14次迭代后的跟蹤誤差如圖7所示（以左前車輪軸頭處的垂向加速度響應(yīng)信號(hào)為例）.從圖中可以看出，實(shí)際響應(yīng)信號(hào)與目標(biāo)響應(yīng)信號(hào)非常接近，達(dá)到了試驗(yàn)加載的要求.

圖6 迭代過程相對(duì)誤差收斂曲線Fig.6 Relative RMS error convergence curve of the iteration process

圖7 第14次迭代跟蹤誤差Fig.7 Tracking error of the 14th iteration for the front left acceleration

4 結(jié)論

本文給出了基于FRF模型的系統(tǒng)辨識(shí)以及基于頻域迭代自學(xué)習(xí)控制算法的目標(biāo)信號(hào)迭代具體流程，提出了對(duì)目標(biāo)信號(hào)進(jìn)行適當(dāng)重疊分段的頻域迭代自學(xué)習(xí)控制算法，并對(duì)該算法的編程實(shí)現(xiàn)進(jìn)行了深入研究.同時(shí)以現(xiàn)有的四通道道路模擬試驗(yàn)系統(tǒng)作為研究對(duì)象，借助Matlab軟件建立了該算法，在真實(shí)環(huán)境中采用該算法進(jìn)行某樣車軸頭加速度信號(hào)的時(shí)域再現(xiàn)，結(jié)果表明該算法達(dá)到道路模擬試驗(yàn)的加載精度要求，能夠作為整車道路模擬試驗(yàn)臺(tái)的控制算法.本文的工作對(duì)于道路模擬試驗(yàn)臺(tái)控制算法的編制以及道路模擬試驗(yàn)時(shí)域信號(hào)再現(xiàn)加載的問題有較大幫助，同時(shí)也為虛擬道路模擬試驗(yàn)臺(tái)的開發(fā)提供了迭代控制算法的支持.

［1］ Cryer B W，Nawrocki P E，Lund R A.A road simulation system for heavy duty vehicles［C］／／Proceedings of the Automotive Engineering Congress and Exposition.Detroit：SAE International，1976：361－374.

［2］ Dodds C J.A computer system for multi－channel remote parameter control of a test specimen［R］.Minnesota：MTS Publication，1977.

［3］ Craig J B.ITFC—how it works and where to use it［M］.Darmstadt：Schenck Publication，1979.

［4］ De Cuyper J，Coppens D.Service load simulation on multi－axis test rigs［J］.Sound and Vibration，1999，30（1）：30.

［5］ Daley S，H?t?nen J，Owens D H.Hydraulic servo system command shaping using iterative learning control［C］／／Proceedings of UKACC Control 2004.Bath：UKACC，2004：117－121.

［6］ 杜永昌，管迪華.汽車道路動(dòng)態(tài)試驗(yàn)?zāi)M控制系統(tǒng)的研究與開發(fā)［J］.汽車技術(shù)，1999（3）：16.

DU Yongchang，GUAN Dihua.Study and development of vehicle road dynamic simulating test system（RDSS）［J］.Automobile Technology，1999（3）：16.

［7］ 陳棟華，靳曉雄，周鋐.汽車室內(nèi)道路模擬試驗(yàn)系統(tǒng)控制算法的研究［J］.噪聲振動(dòng)與控制，2006，26（1）：31.

CHEN Donghua，JIN Xiaoxiong，ZHOU Hong.Study on control algorithm for vehicle road simulation test system［J］.Noise and Vibration Control，2006，26（1）：31.

［8］ 汪斌，過學(xué)迅，徐占，等.路面時(shí)域波形室內(nèi)再現(xiàn)方法研究［J］.中國(guó)機(jī)械工程，2010，21（3）：264.

WANG Bin，GUO Xuexun，XU Zhan，et al.Research on algorithm road surface time waveform reappearance［J］.China Mechanical Engineering，2010，21（3）：264.

［9］ De Cuyper J，Coppens D，Liefooghe C，et al.Advanced drive file development methods for improved service load simulation on multi axial durability test rigs［C］／／Proceedings of the Acoustics and Vibration Asia.Singapore：Acoustics and Vibration Asia，1998：339－354.

［10］ Maia N M M.An introduction to the singular value decomposition technique［C］／／Proceeding of the 7th International Modal Analysis Conference.Las Vegas：［s.n.］，1989：338－339.