[发明专利]一种基于LSTM神经网络的汽车底盘解耦控制方法

说明书

本发明公开了一种基于LSTM神经网络的汽车底盘解耦控制方法，建立了车辆底盘集成系统的动力学模型，利用Interactor算法对非线性系统进行了可逆性分析，并构建了可逆性系统，利用神经网络对非线性函数的逼近能力，使用LSTM神经网络实现对多变量系统的映射，从而实现了非线性线控车辆底盘的解耦，在此解耦方式的基础上进行车辆底盘的控制，提高了底盘控制稳定性和容错性。

技术领域

本发明涉及汽车安全技术领域，尤其涉及一种基于LSTM神经网络的汽车底盘解耦控制方法。

背景技术

随着汽车工业的飞速发展，电动汽车得到普及和广泛使用，为提高车辆行驶安全性，对于汽车底盘集成控制的研究成为热点问题。

汽车底盘集成中，不同的子系统之间存在干涉耦合影响，如果仅仅将个子系统单独控制，会不可避免的产生子系统之间的干扰和冲突。例如主动转向和主动制动系统在控制侧向稳定性时，会产生耦合，从而导致两个控制系统频繁动作，影响底盘可靠性和车辆行驶安全性，通过解耦控制优化协调各个子系统的动作，提高安全性。

目前对于汽车底盘的集成控制大多将车辆模型定为线性二自由度模型，该模型适用在侧向加速度较小时，而当侧向加速度较大时，车辆的轮胎会进入非线性区域，不能再用线性模型的系统进行控制。而对于非线性系统的控制方法主要有相平面分析法，李雅普诺夫法和微分几何方程法，但上述方法中，相平面法不适用于二阶以上的系统，且工作量较大；李雅普诺夫法需要求取合适的能量函数，但能量函数没有固定的设计方法不易求取，而基于反馈线性化理论的微分几何方法则需要被控对象精确的数学模型。

发明内容

本发明所要解决的技术问题是针对背景技术中所涉及到的缺陷，提供一种基于LSTM神经网络的汽车底盘解耦控制方法。

本发明为解决上述技术问题采用以下技术方案：

一种基于LSTM神经网络的汽车底盘解耦控制方法，包括如下步骤：

步骤1)，建立车辆底盘集成系统的动力学模型；

步骤2)，建立车辆底盘集成系统的逆模型；

步骤3)，将车辆底盘集成系统的逆模型作为解耦控制的预补偿器，利用LSTM神经网络将该逆模型与车辆系统串联得到等效的单变量系统，使等效系统输入输出关系成为一一映射关系，实现解耦。

作为本发明一种基于LSTM神经网络的汽车底盘解耦控制方法进一步的优化方案，所述步骤1)中车辆底盘集成系统动力学模型的方程为：

式中，m,m_s,m_f,m_r分别为汽车的整车质量、簧载质量、前非簧载质量和后非簧载质量；a,b分别为汽车质心到其前、后轴的距离；I_z,I_r,I_xz分别为横摆转动惯量、侧倾转动惯量、侧倾与横摆运动的惯性积；h,k_f,k_r,E_f,E_r分别为侧倾中心高度、前轮侧偏刚度、后轮侧偏刚度、前侧倾转向系数、后侧倾转向系数；v_x,β,ω_r,φ_r分别为汽车的纵向速度、质心侧偏角、横摆角速度、侧倾角；分别为质心侧偏角速度、横摆角加速度、侧倾角速度、侧倾角加速度；δ,δ_d,T_z,T_φ分别为前轮差速转向补偿角、驾驶员施加的前轮转角、横摆控制力矩、悬架侧倾力矩；K_φ,D_φ分别为悬架侧倾刚度系数、悬架侧倾阻尼系数；