基于RBF神经网络的汽车ABS滑模控制器的设计

　　同一般的控制系统相比,ABS系统必须具有很强的抗干扰能力和强鲁棒性,这在一定程度上决定了ABS控制方法的类型·另外,ABS控制系统还有一个重要的特点就是控制过程实时性强,一般其控制循环在毫秒级就能完成,这个特点又要求控制算法不能太复杂·目前,汽车防抱死制动系统的控制方法有多种:逻辑门限值控制、PID控制、模糊控制和神经网络等·

　　实用的ABS产品大多采用基于经验的逻辑门限值控制方法[1-6]·逻辑门限值控制算法虽然简单,但是需要大量的道路试验摸索控制规律,且控制效果并不理想,它并非是最佳的控制算法·汽车电子工程师都在致力研究基于滑移率的控制算法·用滑移率作为控制目标容易实现连续控制,因而可提高ABS在制动过程中的平顺性·实现连续控制的最简单算法是PID控制[5-6],PID控制方法的最大优点是不需要了解被控制对象的数学模型,只需要根据经验进行调节器参数的整定,这个特点正好满足了ABS控制系统建模比较困难的特点·但是在制动过程中,由于轮胎与路面的摩擦特性导致防抱死制动系统具有明显的非线性、时变性和不确定性,PID算法很难实时整定控制器参数,而滑模控制能很好地满足这些性能要求[7-8]·滑模控制作为一种重要的鲁棒控制方法,能够使非线性系统保持稳定并能克服模型的不确定性但是,滑模控制中由于控制器的非线性使得系统的控制信号产生高频的抖振,而实际系统中所有的执行器带宽都是有限的,无法实现高频的切换·同时高频的抖振会导致系统元件的损坏·因此如何消除抖振是滑模控制的重要研究课题,亟待解决·

　　本文利用神经网络的自学习能力和滑模控制的快速性,提出了基于神经网络的滑模控制方法,设计了汽车ABS的滑模鲁棒控制器·所设计的滑模控制器不仅能够有效地抑制系统的抖振,而且满足了系统所要求的抗干扰能力强、可靠性高及控制过程快速等性能·

　　1　系统描述

　　1.1　单轮车辆模型

　　为了简化研究问题,采用单轮车辆系统模型(见图1),忽略空气阻力和车轮滚动阻力·其运动方程描述如下[1]·

式中:Fx为车轮纵向摩擦力,Fx=Fx(λ); m为车辆质量;v为车体速度;μ为车轮与地面的附着系数;I为车轮转动惯量;ω为车轮角速度;R为车轮半径;Mb为制动力矩;N为车轮对地面的法向反力·定义滑移率为

　　1.2　车轮轮胎模型

　　采用双线性模型来简化轮胎模型[9](见图2)·当车轮滑移率λ较小时,纵向附着系数随λ近似成线性关系增加,当纵向附着系数在λ=20%附近时达到峰值附着系数μf,此时汽车具有最大的纵向附着能力·