1.一种基于模糊逻辑的车辆主动尾翼的攻角控制方法,包含以下步骤:步骤一:以获取到的车辆速度V和车辆的期望加速度Accexp为输入量,通过主模糊控制器对输入量进行模糊化处理,得到输入量模糊子集的隶属度;其中,车辆的期望加速度Accexp由加速踏板开度PdGas和制动踏板的开度PdBrake计算得来,具体计算方式如下:Accexp = PdGas - PdBrake (1)其中,油门踏板开度PdGas和制动踏板开度PdBrake的取值范围均为[0,1];
步骤二:根据主模糊控制器的控制规则和模糊推理方法获得主动尾翼攻角A的模糊量;
步骤三:以轮胎滑移率差值的偏差E和误差变化量Ec为输入量,通过从模糊控制器对输入量进行模糊化处理,得到输入量模糊子集的隶属度;其中,轮胎滑移率差值SF&R为前后轮胎滑移率的差值,具体计算公式如下:SF&R=max{SRL, SRR}- max { SFL ,FFR } (2)其中SRL,SRR为左右后轮的滑移率,SFL,FFR为左右前轮的滑移率;
步骤四:根据从模糊控制器的控制规则和模糊推理方法获得攻角修正量A0的模糊量;
步骤五:分别对主模糊控制器和从模糊控制器的模糊量进行去模糊化处理得到最终的精确输出值;
步骤六:将主模糊控制器和从模糊控制器去模糊化处理后的输出量求和后得到主动尾翼的攻角控制量;
步骤七:测量各个轮胎的滑移率SRL、SRR、SFL、FFR和车辆速度V作为反馈,返回步骤一和步骤三。
2.根据权利要求1所述的基于模糊逻辑的车辆主动尾翼的攻角控制方法,其特征在于,步骤一中主模糊控制器对输入量进行模糊化处理的方法为:期望加速度Accexp的取值范围为[-1,1],模糊论域取值范围为[-1,1];设定期望加速度Accexp的模糊子集为{BL(减大),BM(减中),BS(减小),0,GS(加小),GM(加中),GL(加大)},Accexp模糊集的隶属度函数分布设定如下:其中BL和GL两个子集采用混合高斯型隶属度函数,具体参数如下:BL:y=gauss2mf(x,[1-1 0.1-0.85]);
GL:y=gauss2mf(x,[0.1 0.85 1 1]);
其中y=gauss2mf(x,[σ1c1σ2c2])表示双高斯混合函数;y为输出值,x为输入值,σ1和c1分别是左侧高斯函数的标准差和均值,σ2和c2分别是右侧高斯函数的标准差和均值;其他子集采用高斯型隶属度函数,具体参数如下:BM:y=gaussmf(x,[0.06-0.5]);
BS:y=gaussmf(x,[0.06-0.25]);
0:y=gaussmf(x,[0.05 0]);
GS:y=gaussmf(x,[0.06 0.25]);
GM:y=gaussmf(x,[0.06 0.5]);
其中y=gaussmf(x,[σc])表示高斯函数,y为输出值,x为输入值,σ和c分别是高斯函数的标准差和均值;
另一输入为车速V,其取值范围为[0km/h,180km/h],模糊论域的取值范围为[0,180],其模糊子集为{VS(大慢),MS(中慢),SS(小慢),M(适中),SF(小快),MF(中快),VF(大快)};
V模糊集的隶属度函数分布设定如下:VS和VF采用联合高斯隶属度函数,它们的参数分别为VS:y=gauss2mf(x,[6 0 8 30]);
VF:y=gauss2mf(x,[3 160 10 180]);
其他模糊子集采用高斯型隶属度函数,其参数分别如下:MS:y=gaussmf(x,[8 60]);
SS:y=gaussmf(x,[6 90]);
M:y=gaussmf(x,[5 110]);
SF:y=gaussmf(x,[4 130]);
MF:y=gaussmf(x,[4 148])。
3.根据权利要求2所述的基于模糊逻辑的车辆主动尾翼的攻角控制方法,其特征在于,步骤二中主模糊控制器的控制规则如下:根据主动尾翼的性质,确定控制策略的输出为尾翼的攻角;主动尾翼的攻角为A,其可调节范围是[-30°,30°],模糊论域的取值[-30,30],将其模糊子集设定为{NL(负大),NM(负中),NS(负小),0,PS(正小),PM(正中),PL(正大)};根据上述设置和尾翼的控制逻辑,主动尾翼的攻角模糊控制规则如表1所示;
表1
攻角A模糊集的隶属度函数采用高斯型和联合高斯型隶属度函数,分布设定如下:其中NL和PL两个模糊子集采用联合高斯型隶属度函数,其参数分别如下:NL:y=gauss2mf(x,[1-30 2-25]);
PL:y=gauss2mf(x,[2 25 1 30]);
其他子集采用高斯型隶属度函数,其参数如下:
NM:y=gaussmf(x,[2.5-17]);
NS:y=gaussmf(x,[2-8]);
0:y=gaussmf(x,[2 0]);
PS:y=gaussmf(x,[2 8]);
PM:y=gaussmf(x,[2.5 17])。
4.根据权利要求3所述的基于模糊逻辑的车辆主动尾翼的攻角控制方法,其特征在于,步骤二中主模糊控制器模糊推理过程采用最小-最大-重心法,具体如下:首先将当前检测的信息Accexp和V的隶属度分别带入表1,可以得出每条规则对应的输出模糊集的隶属函数;两个输入都不为零的规则即被触发,对已经触发的同一条规则的两个输入的隶属度进行取小计算,计算得出每条规则的结果称为该条规则的前提可信度;将每条规则的前提可信度与每条规则输出的模糊集的隶属函数进行取交集的运算得出的结果即为每条规则最终输出的模糊值;最后对所有规则输出的模糊值进行取并集计算,即可得出此时主模糊控制器输出的主动尾翼攻角A模糊量。
5.根据权利要求4所述的基于模糊逻辑的车辆主动尾翼的攻角控制方法,其特征在于,步骤三中从模糊控制器对输入量进行模糊化处理的方法为:从模糊控制器的输入E是车辆前后轮滑移率差值SF&R的实际值与期望值的差值,其中期望值为0,模糊论域取值[-1,1],设定其模糊子集为{FL(前大),FM(前中),FS(前小),0,RS(后小),RM(后中),RL(后大)};E模糊子集的隶属度函数设定如下:FL和RL两个子集采用混合高斯型隶属度函数,具体参数如下:FL:y=gauss2mf(x,[0.58-1 0.05-0.8]);
RL:y=gauss2mf(x,[0.06 0.5 0.6 1]);
其他子集采用高斯型隶属度函数,具体参数如下:
FM:y=gaussmf(x,[0.08-0.5]);
FS:y=gaussmf(x,[0.05-0.2]);
0:y=gaussmf(x,[0.04 0]);
RS:y=gaussmf(x,[0.05 0.2]);
RM:y=gaussmf(x,[0.08 0.5]);
从模糊控制器的输入Ec是车辆前后轮滑移率差值SF&R的实际值与期望值差值的变化量,模糊论域取值[-1,1],设定其模糊子集为{NL(负大),NM(负中),NS(负小),0,PS(正小),PM(正中),PL(正大)};E模糊子集的隶属度函数分布设定如下:NL和PL两个子集采用混合高斯型隶属度函数,具体参数如下:NL:y=gauss2mf(x,[0.6-1 0.06-0.5]);
PL:y=gauss2mf(x,[0.06 0.5 0.6 1]);
其他子集采用高斯型隶属度函数,具体参数如下:
VM:y=gaussmf(x,[0.05-0.3]);
VS:y=gaussmf(x,[0.04-0.15]);
0:y=gaussmf(x,[0.04 0]);
PS:y=gaussmf(x,[0.04 0.15]);
PM:y=gaussmf(x,[0.05 0.3])。
6.根据权利要求5所述的基于模糊逻辑的车辆主动尾翼的攻角控制方法,其特征在于,步骤四中从模糊控制器的控制规则如下:从模糊控制的输出为尾翼的攻角修正量A0,其可调节范围是[-10°,20°],模糊论域的取值[-10,20],将其模糊子集设定为{NL(负大),NS(负小),0,PSS(正小小),PS(正小),PM(正中),PL(正大)};根据上述设置,总结从模糊控制器的模糊规则如表2所示;
表2
攻角修正量A0模糊集的隶属度函数采用高斯型和联合高斯型隶属度函数,分布设定如下:其中NL和PL两个模糊子集采用联合高斯型隶属度函数,其参数分别如下:NL:y=gauss2mf(x,[0.5-15 1.2-8]);
PL:y=gauss2mf(x,[1 18 0.5 20]);
其他子集采用高斯型隶属度函数,其参数如下:
NS:y=gaussmf(x,[1-4]);
0:y=gaussmf(x,[0.8 0]);
PSS:y=gaussmf(x,[1 4]);
PS:y=gaussmf(x,[1.2 8]);
PM:y=gaussmf(x,[1.5 13])。
7.根据权利要求6所述的基于模糊逻辑的车辆主动尾翼的攻角控制方法,其特征在于,步骤四中从模糊控制器的模糊推理过程采用最小-最大-重心法,具体如下:首先将当前的输入信息E和Ec的隶属度分别带入规则表2,可以得出每条规则对应的输出模糊集的隶属函数;两个输入都不为零的规则即被触发,对已经触发的同一条规则的两个输入的隶属度进行取小计算,计算得出每条规则的结果称为该条规则的前提可信度;将每条规则的前提可信度与每条规则输出的模糊集的隶属函数进行取交集的运算得出的结果即为每条规则最终输出的模糊值;最后对所有规则输出的模糊值进行取并集计算,即可得出此时从模糊控制器输出的攻角修正量A0模糊量。
8.根据权利要求7所述的基于模糊逻辑的车辆主动尾翼的攻角控制方法,其特征在于,步骤五中对主模糊控制器和从模糊控制器的模糊量进行去模糊化处理时采用重心法进行去模糊化处理。