针对极限工况下汽车的操纵稳定性问题,建立八自由度整车模型以及小角度假设下的非线性动力学模型。通过MATLAB软件对理想侧倾角关于侧向加速度的分段函数进行拟合处理,得到理想侧倾角的连续目标函数。设计基于模型预测控制理论的主动横向稳定杆控制器,完成了CarSim和Simulink联合仿真平台搭建,并在双移线和弯道制动这两种典型操纵稳定性评价工况下进行仿真试验。从试验数据对比分析中可以得出,在两种典型试验工况下车辆的性能评价参数值均得到较为理想的改善,进而提高了对车辆的稳定性控制。

针对极限工况下汽车的制动效能和方向稳定性问题,基于Matlab/Simulink建立八自由度整车模型以及HSRI轮胎模型,分析了前轴两轮胎分别在单独制动过程中车轮的目标滑移率对车辆横摆力矩所产生的影响。通过对开路面和JTurn两种典型极限工况下的实车实验,表明设定较大的外前轮目标滑移率可提高车辆的制动效能,但其制动方向稳定性较差。在保证车辆具有较好的制动稳定性前提下,适当的增大外前轮目标滑移率的门限值可使车辆获得更好的制动性能,但所设定的滑移率门限值不应超过0.12。

针对汽车主动前轮转向控制存在的非线性和参数时变不确定性,传统的滑模控制会产生“抖振”现象。为此,提出了一种基于RBF神经网络的主动前轮转向滑模控制策略。基于RBF神经网络对其切换增益进行实时调节,以抑制滑模变结构控制带来的“抖振”现象。利用CarSim和Matlab/Simulink联合仿真平台,对该控制策略进行仿真验证。研究结果表明提出的RBF神经网络的滑模控制能够有效抑制“抖振”现象,相对于传统的滑模控制具有更强的鲁棒性和更高的控制效果,提高车辆转向时的操纵稳定性。