使用基于模型的設計 開發側翻穩定性控制系統

　　本文中所實現的 ESC 避免了駕駛員的操作導致的不安全車體側傾和側滑動作。它能對車輪應用差動制動，從而調整車體側傾和側滑率，同時最小化由控制器自動應用的電子制動所導致的車輛速度降低。 我們實現的 ESC 在三種控制模式之間切換。根據車輛進入車輪滑移狀態的三種可能誘因激活控制模式：失去牽引力、側傾過度、側滑過度。模式切換邏輯控制一組比例-積分-微分（PID）補償器，它們將根據已測量和預計的參數調整駕駛員對車輪施加的制動壓力。Simulink? 中實現的控制器設計具有六項 PID 增益，可為優化 ESC 性能而進行更改。

　　在此模型中，我們可以查看車輪轉速、制動壓力、車體側傾、側滑率和滑移率。某些車輛狀態是通過可用傳感器數據預測的，就像在實際車輛控制器中一樣，而其他一些狀態是通過已測量和預計參數之間的數學關系預測的。車輛速度是通過未制動車輪的車輪平均轉速預測得出的。使用低通濾波器來模擬在已測量的車輪轉速下車輛慣性的效果，避免在向四個車輪應用制動壓力時，車速測量值出現不確定值。

　　如果不使用造價高昂的傳感器，車體滑移率將是一個難以直接測量的參數。我們實現的 ESC 將通過已測量的側滑率來預測車體滑移率。車體側傾角是通過將橫向加速度與車體側傾角相關聯的傳遞函數預測的。在車體側傾角處于指定設計限制內時，這個傳遞函數是有效的。通過確保優化算法將在預測的車體側傾角超出設計限制時對控制器施以嚴格作用，即可展示出，我們并不需要能準確預測超出設計范圍的車體側傾角的預估算法。因而，我們可以顯著簡化普通車輛操作條件下的車體側傾角預估算法。

　　指定了控制器結構之后，下一項任務就是調優控制器增益，以滿足設計需求。如果沒有能夠以系統化方式實驗的模型，工程師通常就要依賴從過去的車輛程序中獲得的知識，或者投入大量時間去嘗試，通過道路實驗調優 PID 補償器的參數值。基于模型的設計使此過程擺脫了硬件的麻煩，而是使用模型來探索設計空間。通過將這些模型與基于自動優化的方法相結合，工程師即可顯著減少通過原型或仿真開展繁瑣測試的需求，獲得最優的控制器增益。

　　對于這種應用，優化算法首先將控制器增益設置為零，要找到保證系統處于設計限制之內的最優控制器增益，共需進行大約 100 次迭代，計算時間約為 4 分鐘。迭代式試錯法則需要密集的人工測試，即便測試是完全可重復的，而且調優過程中的側翻不會對車輛導致任何損害，做相同數量的測試用例所需的時間也將超過 4 小時。在現代 PC 上以數字方式仿真一次為時 10 秒的 NHTSA fishhook 操控實驗僅需不到 3 秒鐘的時間，并且可以無限制地重復，而不存在與道路實驗有關的開銷。

　　在此模型中，我們要為 ESC 中的 PID 補償器尋找最優控制器增益，保證車輛的車體側翻角、滑移率和滑移角處于特定的設計限制之內，同時最小化因差動制動引起的速度損失。六項可調優的增益提供了近乎無限種控制器增益組合，詳盡無遺的測試幾乎是不可能實現的。Simulink? Response Optimization? 允許以圖形化方式設置系統需求，限制車體側翻和車輛滑移，同時最小化 ESC 制動的能量損失。指定性能標準之后，基于優化的例程將自動調整參數，使車輛能夠在無側翻的情況下執行 fishhook 操控實驗。

　　我們將需要限制的信號提供給 Signal Constraint 模塊，并以圖形化方式設置其設計限制，如圖 2 的水平實線所示。我們選擇了以下需求（限制）來滿足設計目標：

　　· 車體側翻角限制為 +/-11.5 度。