[發明專利]一種基于LSTM神經網絡的汽車底盤解耦控制方法

在審

• 申請號: 202011058100.1
• 申請日: 2020-09-30
• 公開（公告）號: CN112269314A
• 公開（公告）日: 2021-01-26
• 發明（設計）人: 劉利鋒;王春燕;趙萬忠;王一松;秦亞娟;劉曉強;王展
• 申請（專利權）人: 南京航空航天大學
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 江蘇圣典律師事務所 32237
• 代理人: 韓天宇

1.一種基于LSTM神經網絡的汽車底盤解耦控制方法，其特征在于，包括如下步驟：

步驟1)，建立車輛底盤集成系統的動力學模型；

步驟2)，建立車輛底盤集成系統的逆模型；

步驟3)，將車輛底盤集成系統的逆模型作為解耦控制的預補償器，利用LSTM神經網絡將該逆模型與車輛系統串聯得到等效的單變量系統，使等效系統輸入輸出關系成為一一映射關系，實現解耦。

2.根據權利要求1所述的基于LSTM神經網絡的汽車底盤解耦控制方法，其特征在于，所述步驟1)中車輛底盤集成系統動力學模型的方程為：

式中，m,m_s,m_f,m_r分別為汽車的整車質量、簧載質量、前非簧載質量和后非簧載質量；a,b分別為汽車質心到其前、后軸的距離；I_z,I_r,I_xz分別為橫擺轉動慣量、側傾轉動慣量、側傾與橫擺運動的慣性積；h,k_f,k_r,E_f,E_r分別為側傾中心高度、前輪側偏剛度、后輪側偏剛度、前側傾轉向系數、后側傾轉向系數；v_x,β,ω_r,φ_r分別為汽車的縱向速度、質心側偏角、橫擺角速度、側傾角；分別為質心側偏角速度、橫擺角加速度、側傾角速度、側傾角加速度；δ,δ_d,T_z,T_φ分別為前輪差速轉向補償角、駕駛員施加的前輪轉角、橫擺控制力矩、懸架側傾力矩；K_φ,D_φ分別為懸架側傾剛度系數、懸架側傾阻尼系數；

令車輛底盤集成系統的狀態變量為控制輸入變量為u＝[δ,T_z,T_φ]^T、底盤集成系統輸出變量為y＝[β,ω_r,φ_r]^T，則車輛底盤集成系統的狀態方程為：

式中，

3.根據權利要求2所述的基于LSTM神經網絡的汽車底盤解耦控制方法，其特征在于，所述步驟2)的詳細步驟如下：

令車輛底盤集成系統逆模型為則車輛底盤集成系統逆模型的輸入輸出關系表示為：

式中，為輸入輸出映射關系。

4.根據權利要求3所述的基于LSTM神經網絡的汽車底盤解耦控制方法，其特征在于，所述步驟3)的詳細步驟如下：

步驟3.1)，采集數據：設置不同車速，通過施加不同的前輪轉角、橫擺控制力矩和懸架側傾力矩，對車輛的質心側偏角β、橫擺角速度ω_r、側傾角φ_r、質心側偏角速度橫擺角加速度側傾角速度前輪差速轉向補償角δ、橫擺控制力矩T_z、懸架側傾力矩T_φ數據進行采樣，得到訓練數據集和(δ,T_z,T_φ)；

步驟3.2)，對訓練數據集(δ,T_z,T_φ)中的數據進行平滑性處理，消除奇異值后進行歸一化處理：

式中，X_i為歸一化后的數據，x_i為歸一化前的數據，x_max為特征向量的最大值，x_min為特征向量的最小值。

步驟3.3)，將車輛底盤集成系統的逆模型作為解耦控制的預補償器，即將歸一化后的質心側偏角β、橫擺角速度ω_r、側傾角φ_r、質心側偏角速度橫擺角加速度側傾角速度作為LSTM神經網絡輸入，將歸一化后的前輪差速轉向補償角δ、橫擺控制力矩T_z、懸架側傾力矩T_φ作為神經網絡輸出，對LSTM神經網絡進行神經網絡訓練，如圖2所示：

計算遺忘門：f_t＝σ(W_f·[h_t-1,X_t])+b_f)

式中，f_t為當前時刻的遺忘門，取值范圍為0到1；W_f為遺忘門權重值；X_t為當前時刻的輸入值；h_t-1為上一時刻的輸出值；b_f為遺忘門偏置；σ為sigmoid函數；

計算輸入門：i_t＝σ(W_i·[h_t-1,X_t])+b_i)

式中，i_t為當前時刻的輸入門，取值范圍為0到1；W_i為輸入門權重值；b_i為輸入門偏置；

計算候選記憶單元信息：

式中，為當前時刻的將被更新到記憶單元的候選信息；W_C為候選信息權重值；b_C為候選信息偏置；

計算新的記憶單元信息：

式中，C_t為當前時刻的新的記憶單元信息；C_t-1為前一時刻的記憶單元信息；

計算LSTM神經網絡輸出：

o_t＝σ(W_o·[h_t-1,X_t])+b_o)

h_t＝o_t·tanh(C_t)

式中，o_t為當前時刻的初始輸出；W_o為初始輸出權重值；b_o為初始偏置；h_t為當前時刻的輸出；

步驟3.4)，利用LSTM神經網絡的得到多變量耦合系統的輸入輸出關系，實現線控底盤的解耦。