汽车线控转向系统执行机构控制策略研究.docxVIP

汽车线控转向系统执行机构控制策略研究

线控转向系统作为智能网联与自动驾驶车辆的核心执行部件，具备高响应性和灵活控制等优势。为提升其控制性能与稳定性，本文从模型建立、状态估计、控制策略设计及快速原型验证四方面展开系统研究。结合试验台架与实时仿真平台，重点解决系统滞后、精度与鲁棒性问题，旨在为线控转向系统的工程应用与产业化提供可行技术路径。

线控转向汽车模型搭建及状态估计

1.转向执行系统模型

搭建线控转向执行机构的试验台架，采集电动机转矩、电流及转角响应数据，验证模型的准确性。试验中，电动机空载时响应延迟控制在5ms以内，最大输出转矩达15N?m，结合机械传动系统的传动比为12：1，测得系统整体响应时间约为50ms。模型中引入的摩擦力矩参数通过阶跃输入试验确定，误差小于3%。进一步对不同负载下的响应曲线进行拟合分析，结果表明模型在动态及稳态特性方面均具有良好一致性。

线控转向执行机构结构如图1所示。

图1线控转向执行机构结构

试验结果表明，模型能够准确反映电动机动力特性及转向角变化规律，为后续控制算法的设计、验证与优化提供有力支撑和理论依据。

2.汽车模型的建立

采用CarSim平台建立车辆多自由度动力学模型，结合实际车辆参数（质量1600kg，轴距2.8m，轮胎侧偏刚度8000N/r）。通过匀速转弯和蛇形曲线试验，测量车辆横摆角速度和侧向加速度，数据与模型预测误差均在5%以内。进一步在不同载荷和道路附着条件下进行对比仿真，验证模型对复杂工况的适应能力。试验验证表明，该模型能准确模拟车辆在不同速度（30～80km/h）和转向角（±20°）下的动态响应，动态特性与实际车辆表现高度一致，满足线控转向系统状态估计和控制需求，具有良好的通用性与扩展性1]。

3.转向执行电动机控制模型

设计基于PID控制的电动机转向角控制算法，在试验台架上进行阶跃输入和正弦波测试。测试结果显示，转向角跟踪误差最大不超过0.5°，系统超调量小于10%，稳态误差基本为零。通过引入滤波器，系统对输入信号噪声的抑制效果提升约20%。试验进一步证明该控制模型在动态响应速度和稳态精度方面表现优异，满足车辆行驶稳定性需求。

4.基于扩展卡尔曼滤波的车辆状态参数估计

采用IMU（惯性测量单元）、轮速传感器和转向角传感器采集数据，结合扩展卡尔曼滤波算法（EKF），估计车辆侧向速度和横摆角速度。实车测试中，滤波后侧向速度估计误差均方根（RMSE）低于0.15m/s，横摆角速度误差低于0.02r/s。通过与实际传感器数据对比，滤波器能有效降低噪声干扰，提高状态估计准确性，满足实时控制需求。

此外，算法在动态工况下保持良好鲁棒性，具备较强的适应能力和实用性，为线控系统实时控制打下良好基础。

5.基于扩展卡尔曼滤波的车辆状态参数估计

在仿真环境中对EKF算法进行验证，通过对车辆非线性动力学模型进行状态预测和观测更新，滤波收敛速度快，约0.1s内达到稳定。仿真数据显示，卡尔曼增益动态调整有效降低了估计误差，整体估计精度提升约15%。结合试验数据，EKF算法能够在复杂驾驶工况下保持估计稳定性，确保线控转向系统控制的准确和可靠。

基于变传动比和主动前轮转向的转角控制策略

围绕提升车辆转向性能的目的，设计并验证了可变角传动比机构与基于滑模控制的主动前轮转向策略。试验部分搭建了具备传动比调节功能的前轮转向系统，安装角度传感器实时采集转向盘和前轮角度数据，以评估传动比变化对转向响应的影响。

基于滑模的主动转向控制策略流程如图2所示试验结果显示，低速时传动比调至2：1，转向响应时间缩短约15%；高速时传动比调至4：1，有效提升车辆行驶稳定性。系统还具备传动比动态调节功能，可根据车速实时切换，有效平衡低速机动性与高速稳定性，进一步提高整车的操控安全性与舒适性。主动转向控制方面，设计基于车辆横摆角速度和侧偏角误差的滑模控制器，通过硬件测试平台实时调节前轮转角，验证控制策略在扰动和模型不确定性下的鲁棒性，最大控制误差降低30%。

图2基于滑模的主动转向控制策略流程

此外，基于Matlab/Simulink建立仿真模型，模拟低速转弯、高速换道及紧急避让工况，结合试验参数对比分析控制效果，结果显示响应时间缩短20%，控制精度提升15%，超调峰值误差降低10%。整体试验设计结合软硬件系统，系统性验证了传动比调节和滑模控制策略对提升车辆操控稳定性的有效作用。

计人时滞的稳定性控制策略

1.线控转向系统时滞来源

通过搭建线控转向试验台架，采用高精度编码器和数据采集系统对信号采集和执行机构动作进行了同步测量，分析出系统时滞主要来自信号采集延迟约10ms、控制器计算处理延迟约15ms、执行机构机械响应滞后约20ms和通信传输