混合域車聯(lián)網(wǎng)絡(luò)下貨運車隊主動懸架控制

楊朝會, 紀(jì)建奕, 袁策, 柳江

(1.青特集團有限公司技術(shù)中心，青島 266106；2.青島理工大學(xué)機械與汽車工程學(xué)院，青島 266520)

在車隊的實際工程運輸中，由于運輸路線較長，卡車的數(shù)量較多，數(shù)據(jù)交互量會非常大，進而導(dǎo)致交互效率降低，成本高；其次，振動所帶來的影響頗為明顯，貨物的完好程度也難以保證。為此，如何將先進的車聯(lián)網(wǎng)(internet of vehicle，IoV)技術(shù)應(yīng)用到貨運卡車車隊中，合理優(yōu)化架構(gòu)，改善懸架性能成為亟須解決的問題，國內(nèi)外研究團隊進行了大量研究。

IoV技術(shù)具有龐大的網(wǎng)絡(luò)規(guī)模、可靠的互聯(lián)網(wǎng)連接和較高的處理能力等眾多特殊特性[1]，其可與車載硬件設(shè)備相互兼容，實現(xiàn)互聯(lián)互通，從而占據(jù)了運輸系統(tǒng)的主導(dǎo)地位，使整個車隊達到狀態(tài)同步的效果。目前，對于IoV通信架構(gòu)的研究較多，張捷等[2]在車聯(lián)網(wǎng)環(huán)境下設(shè)計了一種模擬駕駛實驗，為車輛通信的聯(lián)網(wǎng)信息提供一定的參考。Li等[3]提出了一個可組合式的數(shù)據(jù)中心，構(gòu)建云端服務(wù)器和通信架構(gòu)，進行實驗驗證，為大數(shù)據(jù)提供了附加價值。Zhang等[4]將設(shè)計一個大型的車聯(lián)網(wǎng)通信架構(gòu)作為處理車隊車輛上傳的大數(shù)據(jù)并提供數(shù)據(jù)驅(qū)動服務(wù)的關(guān)鍵任務(wù)，然而車聯(lián)網(wǎng)數(shù)據(jù)，特別是高頻車輛狀態(tài)(如地理位置、懸架參數(shù)等)具有體積大、值密度低、數(shù)據(jù)質(zhì)量低等特點，因而這些特性成為巨大的挑戰(zhàn)。Sharma等[5]、周啟揚等[6]分析了基于車聯(lián)網(wǎng)的智能交通架構(gòu)，通過廣域的信息交互手段和便捷的車載硬件設(shè)備，為貨運車隊改善了基本的交通問題，完成低成本、高效、舒適出行。閻俊豪等[7]以車聯(lián)網(wǎng)技術(shù)為基準(zhǔn)，設(shè)計了車路協(xié)同感知系統(tǒng)，結(jié)合智能通信架構(gòu)訊息準(zhǔn)確收集有關(guān)車輛的一系列信息，對貨運車隊間的協(xié)同作業(yè)發(fā)揮了積極的作用。眾多學(xué)者對于主動懸架控制進行了研究，裴倩倩[8]提出一種改進的比例-積分-微分(proportion-integration-differentiation，PID)控制算法，滿足懸架性能指標(biāo)的同時，使汽車安全、平穩(wěn)行駛。為提高平順性和舒適性。劉曉昂等[9]引入模糊控制策略，調(diào)節(jié)懸架PID控制參數(shù)，降低垂向振動，提高了穩(wěn)定性。黃麟等[10]將改進的粒子群算法融入模糊PID控制中，該算法有利于車輛平順性、穩(wěn)定性的提高。王維強等[11]、劉興亞[12]、董炳辰等[13]分別設(shè)計了半車主動、半主動懸架模糊PID控制器，較好地實現(xiàn)了行駛的平順性和舒適性。王春華等[14]、Liu等[15]基于反向傳播(back propagation，BP)神經(jīng)網(wǎng)絡(luò)算法設(shè)計了自適應(yīng)PID控制器，通過與PID主動懸架、被動懸架的仿真對比，所提出的模型和算法有效改善了汽車的平順性。馬克輝等[16]以車身加速度為優(yōu)化目標(biāo)，采用粒子群算法獲取不同的優(yōu)化參數(shù)，可有效地改善車輛的振動響應(yīng)。

值得注意的是，有關(guān)車隊通信架構(gòu)和主動懸架控制的研究中，大都局限于以下三點：一是車隊通信架構(gòu)相對復(fù)雜，數(shù)據(jù)量大，在工程運輸中，合理優(yōu)化架構(gòu)，實現(xiàn)混合域下的信息交互手段，目前研究較少；二是長短途運輸中，懸架的性能影響平順性和安全性，針對單車懸架模型減少振動所帶來的隱患，而從車隊車聯(lián)的角度研究較少；三是控制方法的研究大都基于傳感器測量前提之下，然而無法保證車輛在有限時間內(nèi)、低CPU和低內(nèi)存消耗方面提供更好的性能，且硬件成本高。

在此基礎(chǔ)上，現(xiàn)利用PID與模糊PID控制融合，將單車懸架主動控制拓展到車隊車聯(lián)懸架的主動控制，提出科學(xué)合理的混合域車聯(lián)通信方案，降低數(shù)據(jù)交互量的同時，也對車身加速度進行迭代優(yōu)化，并進行信息交互效率的迭代分析，具有工程實踐參考意義。

1 混合域車聯(lián)通信架構(gòu)及懸架控制方案

通常而言，為了減少安全隱患，提高經(jīng)濟效益，車隊貨車運輸具有典型的重復(fù)性特征，即相同車型、固定線路完成相同作業(yè)，這是車聯(lián)主動懸架控制的前提之一。首先對混合域通信架構(gòu)進行分析，進而提出一種基于車聯(lián)主動懸架的控制方案。

1.1 通信架構(gòu)的分析

基于混合域下的車隊信息交互示意圖如圖1所示。發(fā)車前，貨運調(diào)度人員會按需求對車輛進行配對，且運輸作業(yè)時不允許更改配對關(guān)系，①車按規(guī)定時間先發(fā)車，配對的②車在下一個時間點發(fā)車，如圖1中藍色實線為雙向箭頭，代表①車與②車配對成功，并且進行局域信息交互，代號為L1，隨后成對的車代號分別為L2，L3，…，Ln。紅色實線為雙向箭頭，代表所有①車與ITS指揮中心建立通信，①車將實時的路況信息傳遞給ITS基站，代號為G1，ITS中心受理后，發(fā)布給車隊中所有編號為①的車輛，實現(xiàn)廣域上的信息交互，代號為G2，G3，…，Gn。

①、②為車隊發(fā)出的車輛；③為ITS指揮中心；L1、L2為①、②兩車的局域信息傳遞；G1、G2為智能交通系統(tǒng)(intelligent transport system,ITS)與①車的廣域信息傳遞

車載終端與云端服務(wù)器之間建立TCP連接，對于貨車車隊作業(yè)而言，①號車將需要發(fā)送的數(shù)據(jù)放入緩存區(qū)，并合并數(shù)據(jù)包，緩存區(qū)滿后，再將其發(fā)送給與其結(jié)對等待的②車。根據(jù)前述混合域通信功能需求，建立通信協(xié)議，其協(xié)議格式和數(shù)據(jù)包信息見表1和表2。

表1 通信協(xié)議格式表

表2 數(shù)據(jù)包信息表

這種數(shù)據(jù)傳輸方式可能會出現(xiàn)數(shù)據(jù)丟失、黏包和分包等問題[17]。因此，根據(jù)架構(gòu)功能需求以及貨運工程需要，制訂了合理清晰的通信協(xié)議架構(gòu)，保證數(shù)據(jù)包的完整。

1.2 懸架控制方案

針對上述混合域車聯(lián)通信架構(gòu)，提出了一種基于車聯(lián)懸架模糊PID控制系統(tǒng)，如圖2所示。

1為后車的車橋；2為彈簧；3為作動器；4為后車的車身；5為后車簧載位移傳感器；6為云平臺服務(wù)器；7為頭車的參數(shù)；8為車隊中其余的頭車；9為后車非簧載位移傳感器；10為大數(shù)據(jù)平臺；11為后車模糊PID控制器

發(fā)車時，貨車車輛兩兩結(jié)對，頭車將路面信息、車速、懸架性能參數(shù)傳給云端平臺運算處理，經(jīng)優(yōu)化、篩選后，將參數(shù)輸入到模糊PID控制器中，改善后車懸架性能，后車結(jié)合速度傳感器和簧載位移傳感器測得的數(shù)據(jù)，融入控制器中，再上傳大數(shù)據(jù)平臺，發(fā)送給車隊中其余頭車，實現(xiàn)廣域數(shù)據(jù)共享。

2 懸架底層模糊PID控制算法

2.1 半車主動懸架模型

考慮振動對平順性的影響，建立半車主動懸架簡化模型，如圖3所示。

θ為質(zhì)心角；M為車身質(zhì)量；mf為前輪質(zhì)量；mr為后輪質(zhì)量；I為車身轉(zhuǎn)動慣量；Ksf為前懸架剛度；Ksr為后懸架剛度；Kuf為前輪剛度；Kur為后輪剛度；Z1為前輪位移；Z2為前車身位移；Z3為后輪位移；Z4為后車身位移；Z01為前輪路面輸入；Z02為后輪路面輸入；Csf為前懸架阻尼；Csr為后懸架阻尼；df為前軸到質(zhì)心的距離；dr為后軸到質(zhì)心的距離；Uf為前懸架作動器控制力；Ur為后懸架作動器控制力

由牛頓第二定律得到其運動微分方程為

(1)

選用濾波白噪聲作為隨機路面輸入，車輛前后輪擾動量時間差為t0=(df+dr)/u，可得隨機路面的表達式為

(2)

(3)

式中：u為車速；G0為路面不平度系數(shù)；f0為下截止頻率；w1為前懸架輸入的高斯白噪聲；w2為后懸架輸入的高斯白噪聲；zM為質(zhì)心位移。

(4)

式(4)中：Y(t)和X(t)均為狀態(tài)方程；U(t)為懸架作動器力的狀態(tài)方程；w(t)為高斯白噪聲輸入狀態(tài)方程；A、B、C、D、F為狀態(tài)輸入矩陣。

其中：

2.2 基于車聯(lián)網(wǎng)絡(luò)的模糊PID控制器設(shè)計

根據(jù)第1節(jié)提出的貨運車隊結(jié)對交互方案，結(jié)合車聯(lián)網(wǎng)絡(luò)，頭車采用傳統(tǒng)的PID控制算法，后車將PID控制器和模糊控制器并聯(lián)，構(gòu)建模糊PID聯(lián)合控制器。因此，基于車聯(lián)網(wǎng)絡(luò)的模糊PID控制器主要由PID控制器、云端服務(wù)器、模糊PID控制器三部分組成，其結(jié)構(gòu)原理如圖4所示。

圖4中，頭車控制后的參數(shù)經(jīng)云端數(shù)據(jù)庫處理、運算、篩選，后車獲取云端優(yōu)化后的參數(shù)進行控制，可得到最優(yōu)的懸架性能。后車將優(yōu)化后的參數(shù)通過局域信息交互反饋給與之配對的前車，以提高整個車隊的主動懸架控制效率。

P為比例方程；I為積分方程；D為微分方程

頭車采用的PID控制算法為

(5)

式(5)中：F1(t)為頭車輸出控制量；Kp為比例調(diào)節(jié)系數(shù)；Ki為積分調(diào)節(jié)系數(shù)；Kd為微分調(diào)節(jié)系數(shù)；e1(t)為頭車系統(tǒng)輸出偏差。

將Ki、Kd分別表示為Kp/Ti、KpTd，式(6)變形可得連續(xù)的PID控制算法，即

(6)

將主動控制力離散化，對式(6)做變換可得

(7)

(8)

將式(7)和式(8)代入到式(6)中，可得

(9)

式中：T為采樣周期；k為采樣次數(shù)；e1(i)為頭車?yán)塾嬈钚盘?；e1(k)為頭車第k次的偏差信號。

由于云端服務(wù)器數(shù)據(jù)規(guī)模龐大，且主動懸架參數(shù)來源會隨著車隊作業(yè)分布于不同的地理位置，將從兩方面進行優(yōu)化，即傳輸數(shù)據(jù)的延時性和經(jīng)濟性，如圖5所示。

圖5 云端服務(wù)器架構(gòu)圖

定義頭車在t時刻傳遞的數(shù)據(jù)量為a1(t)，在t時刻送達云端的數(shù)據(jù)量為λ1(t)，未處理的數(shù)據(jù)量為η1(t)，頭車所能傳遞的最大數(shù)據(jù)量為A1，云端服務(wù)器在t時刻的總成本為M(t)，因此可得

a1(t)≤A1

(10)

a1(t)≤∑λ1(t)

(11)

M(t)=mp(t)+ml(t)+ms(t)

(12)

(13)

式中：mp(t)為t時刻實時運算成本；ml(t)為t時刻延時運算成本；ms(t)為t時刻硬件存儲成本。

在時間序列上云端未處理數(shù)據(jù)量的更新規(guī)則表達式為

(14)

(15)

當(dāng)η1(t)=0時，可得

(16)

(17)

Δ[θ(t)]={L[θ(t+1)]L[θ(t)]|θ(t)}

(18)

式中：θ(t)為實際與虛擬聯(lián)合矩陣；L[θ(t)]為負載積壓度量單元。

在減小數(shù)據(jù)傳輸延時的同時，為降低總成本，即得

min{Δ[θ(t)]+VM(t)|θ(t)}

(19)

式(19)中：V為非負參數(shù)。

因此，頭車經(jīng)PID控制后的參數(shù)傳遞給云端服務(wù)器，其以低功耗、低延時、低成本降低了硬件需求，后車將得到前車最優(yōu)的控制參數(shù)，并建立模糊PID控制器，使其可達到更高的控制精度，如圖6所示。

由圖6可知，模糊PID控制器的輸入變量由E和EC組成，其輸出變量為三角形隸屬函數(shù)，根據(jù)后車主動懸架的控制需求，模糊集數(shù)學(xué)表達式為

圖6 后車模糊PID控制器結(jié)構(gòu)圖

E={NB,NM,NS,ZO,PS,PM,PB}

(20)

EC={NB,NM,NS,ZO,PS,PM,PB}

(21)

式中：NB為負大；NM為負中；NS為負??；ZO為零；PS為正??；PM為正中；PB為正大。

即模糊論域和模糊集分別為

(22)

(23)

利用模糊規(guī)則對兩個變量進行模糊推理，以實現(xiàn)對PID控制器3個參數(shù)的校正。建立模糊PID控制器模糊規(guī)則表如表3所示。

表3 模糊控制規(guī)則表

3 車隊中主動懸架的迭代優(yōu)化

3.1 實例仿真

以某車型為研究對象，以30 m/s的車速在B級(G0=64×10-6m3/cycle)路面行駛，仿真主要參數(shù)如表4所示。

表4 仿真主要參數(shù)

頭車PID控制后的主動懸架與后車經(jīng)過車聯(lián)網(wǎng)絡(luò)優(yōu)化處理，并進行模糊PID控制后的主動懸架對比，以車身加速度、懸架動行程、輪胎動位移作為3個評價指標(biāo)，仿真結(jié)果如圖7所示。

由圖7可知，與傳統(tǒng)的PID控制相比，采用車聯(lián)模糊PID控制的主動懸架性能指標(biāo)的峰值均有所降低。其中，車身加速度(body acceleration，BA)的峰值降低最為明顯，有效改善了車輛的平順性；其次，懸架動行程(suspension working space，SWS)與輪胎動位移(dynamic tire deflection，DTD)的峰值均有一定程度的降低，且懸架動行程滿足設(shè)計范圍要求。

圖7 評價指標(biāo)對比圖

為了定量化描述主動懸架性能指標(biāo)的改善效果，根據(jù)圖7的仿真結(jié)果，計算B級路面輸入下主動懸架3個性能指標(biāo)的均方根值(root mean square,RMS)，如表5所示。

表5 3個性能指標(biāo)的均方根值

由表5可知，車隊中結(jié)對作業(yè)的后車采用車聯(lián)-模糊PID控制的主動懸架能明顯改善貨車性能，尤其是車輛的平順性。與頭車采用傳統(tǒng)的PID控制相比，后車主動懸架控制的BA減小了46.33%，SWS減小了9.15%，DTD減小了33.80%。

3.2 信息交互效率

為了提高車隊中對與對之間的信息交互效率，對成對的貨車車隊進行迭代優(yōu)化，結(jié)果如圖8所示，將傳統(tǒng)的單車多次行駛，轉(zhuǎn)換成兩兩結(jié)對，輔以混合域架構(gòu)的車隊多車單次行駛。

Pair 1，Pair 2，…，Pair Xi，Pair Xi+1分別為貨運車隊兩兩結(jié)對編號；BAXi為第Xi對貨車的加速度

為了驗證車隊整體迭代效率，假設(shè)車隊中有m對貨車，每組貨車在整個路段運輸一次的時間為t，設(shè)整個路段完成多次作業(yè)的時間為T，由此可得

T=mt

(24)

多組車在整個路段完成一次作業(yè)的時間為T′，發(fā)車間隔為Δt，可得

T′=t+(m-1)Δt

(25)

(26)

式中：ΔL為兩組車之間發(fā)車時保持的安全距離；v為行駛車速。

由式(25)可知，t=Δt時，有T=T′；t>Δt時，有T

(27)

故可知，當(dāng)T≥T′，且隨著Δt的減小，效率逐步提升，其時間縮短的極限值為1/m，即多組車完成單次作業(yè)的迭代效率更高。需要額外指出的是，基于車聯(lián)網(wǎng)絡(luò)主動懸架控制算法的尋優(yōu)，是整個車隊的車輛按照發(fā)車順序進行了尋優(yōu)迭代，不需要每輛車都進行相同的尋優(yōu)過程、或等待某車輛完成尋優(yōu)后復(fù)制到其他車輛，因此該優(yōu)化方法的迭代整體效率更高，更適合工程實際應(yīng)用。

4 結(jié)論

(1)提出了貨運車隊貨車發(fā)車前進行兩兩組隊的整體方案，結(jié)合通信協(xié)議，建立混合域的網(wǎng)絡(luò)架構(gòu)，通信穩(wěn)定性高，信息交互量減少近1/2，證明新方案是科學(xué)合理可行的。

(2)建立半車主動懸架模型，頭車采用傳統(tǒng)的主動懸架PID控制，將控制后的參數(shù)通過車聯(lián)網(wǎng)絡(luò)上傳云端平臺，對云端數(shù)據(jù)運算的經(jīng)濟性及延時性進行分析，與之結(jié)對的后車采用車聯(lián)-模糊PID控制，通過實例仿真可得，在改善車輛平順性，車身加速度均方根降低46.33%，與此同時，保證了通信穩(wěn)定性，也降低了硬件需求。

(3)在混合域通信架構(gòu)下，將單車多次行駛轉(zhuǎn)化為多車單次行駛，進行組間車輛懸架性能的迭代優(yōu)化。實例計算表明，該方法是有效可行的，且迭代整體效率更高。