智能方法在汽车操纵稳定性试验中的应用研究

试验时，首先被测汽车在加速路段以试 验车速等速行驶，进入试验区段后，继续以 稳定车速按场地要求路线行驶，同时打开仪 器设备进行记录，当车辆行至指定地点，驾 驶员应以最快的速度转动转向盘至预先确 定的转角，并保持转向盘不动，同时保持节 气门开度不变。从驾驶员转动转向盘开始至 本次试验结束，记录时间大约为 6s左右[7]。
-8
-10
-12
2
4
6
行车时间 t/s
8 10
图 4 输入 RBF 网络的横摆角速度试验值 图 4～图 11 为急促移线试验时，输入
RBF 网络中的横摆角速度、侧向加速度试验 值以及方向盘转角识别值。其中图 4～图 7 代表单移线试验时的试验数据以及方向盘 转角识别情况，图 8～图 11 为双移线试验时 的情况。

1 试验原理与试验方法
1．1 方向盘转角阶跃试验
给转向盘一个突然的转角输入，并固定 不变，这相当于给系统一个阶跃位移干扰。 如果系统稳定的话，它将从一个稳态（直线 行驶）过渡到另一个稳态（圆周行驶），这 个过程为过渡过程。
试验在平坦场地上进行，汽车先以直线 行驶，达到试验车速后，突然以不小于 200 （°）/s（GB6323.2－86）的角速度打方向 盘。方向盘转角位移因车速不同而异，但要 求达到一定的稳态圆周行驶时的侧向加速 度，如 1～3m/s2，间隔为 0.5 m/s2（GB6323.2 －86）进行。方向盘转至应有转角后保持不 变，油门亦不变，汽车从直线进入圆周行驶。 试 验 要 求 在 最 高 车 速 的 70 ％ 车 速 下 （GB6323.2－86）进行[6]。
Research on the Test of Vehicle Handling and Stability Based on
Computational Intelligence
Zhao Youqun Yin hao （Nanjing University of Aeronautics and Astronautics, Nanjing 210016） Abstract: Based on a brief review of the developing history of vehicle handling inverse dynamics, a new method of the research of vehicle handling inverse dynamics, based on the test of vehicle handling and stability is put forward. The curves of vehicle yaw velocity, lateral acceleration and steering angle is founded through the data of the steering wheel step input test and the lane change test, so using radial basis function neural networks, the mapping relationship between vehicle yaw velocity, lateral acceleration and steering angle can be found. The off-road vehicle has been analyzed and the data of yaw velocity, lateral acceleration and steering angle of this vehicle have been put into the networks, the identification results show that the method is feasible, accurate and has little computation requirement. Keywords: Test of vehicle handling and stability; Vehicle handling dynamics; Inverse problem; Computational intelligence
基金项目：高等学校博士学科点专项科研基金资助 项目（20040287004）
速操纵问题，也可归结于汽车操纵动力学的 “逆问题”。文献[5]对汽车操纵逆动力学的 研究现状和研究方法进行了比较好的综述。
关于汽车操纵逆动力学问题研究的文 献资料还相当有限，而对于操纵逆动力学的 实车试验研究，国内在这方面所做的工作还 很少。因此，本文在汽车操纵稳定性实车实 验的基础上,对实车测得的试验数据进行处 理,同时运用计算智能方法对汽车操纵逆动 力学进行研究分析。径向基函数网络结构简 单、训练简洁、稳定性好并且在逼近能力、 分类能力和学习速度等方面均表现出良好 的特性，因而本文采用径向基网络作为汽车 方向盘输入识别的工具。
侧向加速度ay/(m·s-2)
5 3 1 -1 0 -3 -5
2
4
6
8 10
行车时间 t/s
图 5 输入 RBF 网络的侧向加速度试验值
横摆角速度r/(°)·s-1
绝对误差δi-δm/（°）
方向盘输入 δ/（°）
10
8
试验值
6
识别值
4
2
0
-2 0 1 2 3 4 5 6 7 8
-4
-6
-8
-10
行车时间 t/s
需要用到的试验设备： 第五车轮和时间信号发生器用来测定 车速和时间；角速度陀螺仪用以测定汽车横 摆角速度；侧向加速度计用以测定汽车侧向 加速度；转向盘测力仪用以测定转向盘转 角；试验现场数据处理系统等。
2 神经网络的建立
径向基函数(Radial Basis Function, RBF) 网络是针对BP网络存在局部极小值和收敛 速度慢这两个固有欠缺而提出的一种改进 网络。它是一种前馈反向传播网络，有两个 网络层：隐层为径向基层；输出层为一线性 层。当RBF网络的径向基层采用高斯函数 时，网络的训练，从理论上说应确定高斯函 数的数学期望、方差及隐层和输出层神经元 的权值与阀值，但实际上，当隐层和输出层 神经元的权值与阀值确定后，网络的输出也 就确定了。所以径向基网络的学习，仍然是 各网络层权值和阀值的修正过程[8]。
3km/h）匀速通过试验路段，要求驾驶员从 初始车道以最快的速度急剧地转入一条和 初始车道平行的车道，并尽可能快的回到初 始车道，行驶过程中不允许撞倒放在车道线 上的分道标桩，同时分别测量相应测量值。 单移线试验基本和双移线相同，只是在车辆 转入与初始车道平行的试验道路后不再回 到初始车道，直行通过即可。
图 6 方向盘转角识别值
6
4
2
0 012345678
-2
-4
行车时间 t/s
图 7 方向盘转角识别误差
12
10
8
6
4
2
0
-2 -4
0
-6
-8
-10
-12
2 4 6 8 10 12 行车时间 t/s
图 8 输入 RBF 网络的横摆角速度试验值
侧向加速度ay/(m·s-2)
5 3 1 -1 0 -3 -5
试验是在天气和路面状况良好的情况 下进行的。对于方向盘角阶跃试验，汽车在 加速路段以 80±3km/h 的车速等速行驶，进 入试验区段后，继续以稳定车速按场地要求 路线行驶至指定地点，驾驶员以最快的速度 转动方向盘至预先确定的转角，并保持转向 盘不动，同时保持节气门开度不变。
对于急促移线试验，根据标准要求在试 验路段画好试验行驶路线，以 80km/h（±
2 4 6 8 10 12 行车时间 t/s

图 9 输入RBF网络的侧向加速度试验值
方向盘输入 δ/（°）
10 8 6 4 2 0 -2 0 -4 -6 -8 -10
试验值 识别值
2468
行车时间 t/s
Байду номын сангаас
10 12
图 10 方向盘转角识别值
6
绝对误差δi-δm/（°）
-4
行车时间 t/s
图 2 方向盘转角识别结果
绝对误差δi-δm/（°）

10 8 6 4 2 0 -2 0 1 2 3 4 5 6 7 8 -4
行车时间 t/s
图 3 方向盘转角识别绝对误差
横摆角速度 r/(°)·s-1
12
10
8
6
4
2
0
-2 -4
0
-6
0 前言
随着汽车设计水平的不断提高和公路 条件的不断完善，汽车呈现出高速化的发展 趋势，这就要求汽车保证在高速工况下具有 良好的操纵性和稳定性。近几十年来，如何 获得良好的操纵稳定性，始终是各国学者和 设计师们的主要研究方向[1]。
汽车操纵动力学的研究方法主要包括 开环方法和闭环方法[2]，为了避开驾驶员建 模的一些难以解决的问题，美国学者 Bernard[3]等开始研究汽车操纵逆动力学问 题。2000 年，英国的Casanova[4]等研究了最

智能方法在汽车操纵稳定性试验中的应用研究
赵又群 尹浩 （南京航空航天大学能源与动力学院，南京，210016） 摘 要：在汽车操纵逆动力学研究现状的基础上，提出了一种基于实车试验研究操纵逆 动力学的新方法。通过汽车实车试验，以汽车阶跃试验和急促移线试验为出发点，根据试验 得到的数据，绘出汽车横摆角速度、侧向加速度、方向盘转角曲线，由此依据径向基网络函 数建立了汽车横摆角速度、侧向加速度与方向盘转角之间的映射关系。以某型越野汽车作为 实例分析，将该车的横摆角速度、侧向加速度试验数据，代入已经训练好的神经网络中识别 汽车的方向盘转角，识别结果表明，该方法是可行的，且运算速度快，识别精度较高。 关键词：实车试验；操纵动力学；逆问题；智能方法 中图分类号：U461