基于LQR的主动前轮转向AFS Simulink模型探索

QmZVLlLHvXq

145人浏览 · 2026-03-31 17:30:00

QmZVLlLHvXq · 2026-03-31 17:30:00 发布

基于LQR的主动前轮转向AFS Simulink模型【目的】对主动前轮转向控制系统展开研究，改善汽车的转向性能及安全性能。【方法】计算理想横摆角速度及质心侧偏角，基于LQR控制理论搭建主动前轮转向系统；汽车速度为85km/h，双移线工况；【结果】主动前轮转向控制器提供的附加前轮转角可使实际横摆角速度紧密跟随理想横摆角速度，且无明显抖振。【结论】主动前轮转向控制器对于提升车辆稳定性有重要意义，可为AFS控制器的开发提供一定的理论指导。下图为位移，质心侧偏角，横摆角速度对比图：提供模型文件

在汽车工程领域，提升汽车的转向性能与安全性能一直是研究的重点。今天咱们就来聊聊基于LQR（线性二次型调节器）的主动前轮转向AFS Simulink模型，看看它是如何改善汽车这两大关键性能的。

目的 - 提升汽车性能的追求

咱们研究主动前轮转向控制系统，核心目的就是改善汽车的转向性能及安全性能。想象一下，在复杂路况下，汽车能够更加精准地转向，并且保持稳定，这对于驾驶者的安全以及驾驶体验的提升有着不言而喻的重要性。

方法 - LQR理论搭建AFS系统

1. 计算理想横摆角速度及质心侧偏角

这是整个系统的基础计算部分。以车辆动力学为基础，通过一系列公式计算理想横摆角速度和质心侧偏角。例如，理想横摆角速度 $\omega{r,d}$ 的计算公式可能类似于：$\omega{r,d} = \frac{v}{l} \cdot \delta$，其中 $v$ 是车速，$l$ 是轴距，$\delta$ 是前轮转角。质心侧偏角 $\beta$ 的计算也涉及到车辆的质量、惯性矩等参数。这里简单给出个示意代码片段（假设用Python进行计算）：

import numpy as np

# 假设的车辆参数
l = 2.7  # 轴距，单位：米
v = 85 * 1000 / 3600  # 速度85km/h转换为m/s

# 假设前轮转角
delta = np.pi / 180 * 10  # 10度转换为弧度

omega_r_d = v / l * delta
print(f"理想横摆角速度: {omega_r_d} rad/s")

在这个代码里，我们定义了车辆的轴距 l，速度 v，以及前轮转角 delta，然后根据公式计算出理想横摆角速度 omegard 并打印出来。

2. 基于LQR控制理论搭建主动前轮转向系统

LQR控制理论在这个模型里起到了关键作用。它通过设计合适的权重矩阵 $Q$ 和 $R$，来优化系统的性能。简单来说，$Q$ 矩阵决定了状态变量（如横摆角速度、质心侧偏角等）的跟踪精度权重，$R$ 矩阵决定了控制输入（前轮附加转角）的权重。

在Simulink中搭建模型时，我们要将计算好的理想值作为参考输入，车辆的实际状态作为反馈，通过LQR控制器计算出附加前轮转角。下面是一个简单的LQR控制器在Matlab中的代码示例（仅为示意，实际可能更复杂）：

% 定义系统矩阵
A = [0 1; 0 -1];
B = [0; 1];
C = [1 0];
D = 0;

% 定义权重矩阵
Q = [1 0; 0 1];
R = 1;

% 计算LQR增益
K = lqr(A, B, Q, R);

在这段Matlab代码中，我们首先定义了系统矩阵 A、B、C、D，这里只是简单示意，实际系统矩阵需要根据车辆动力学精确推导。然后定义了权重矩阵 Q 和 R，最后使用Matlab的 lqr 函数计算出LQR增益 K。这个增益 K 在Simulink模型中用于计算附加前轮转角。

这里我们设置汽车速度为85km/h，采用双移线工况，这种工况能很好地模拟实际驾驶中的频繁转向场景，用来测试AFS系统性能非常合适。

结果 - 紧密跟随与稳定表现

通过仿真运行这个基于LQR的AFS Simulink模型，我们得到了令人欣喜的结果。主动前轮转向控制器提供的附加前轮转角可使实际横摆角速度紧密跟随理想横摆角速度，且无明显抖振。从位移，质心侧偏角，横摆角速度对比图（见提供的图）中可以直观地看到，实际横摆角速度曲线紧紧贴着理想横摆角速度曲线，这表明系统能够精准地控制车辆的转向动态。