基于快速模型预测控制的重型车辆侧翻稳定性研究

doi:10.12068/j.issn.1005-3026.2025.20240092

摘要/Abstract

摘要：

为解决重型车辆易发生侧翻的问题,提出一种基于快速模型预测的主动安全控制方法.首先,建立重型车辆非线性动力学模型,利用T-S模糊方法将非线性系统转化为线性系统;采用分层控制策略,上层设计模型预测控制（model predictive control,MPC）防侧翻控制器获得最优横摆力矩,下层利用单侧车轮控制方式进行制动力分配.然后,为减少控制器的计算负担,引入Laguerre函数对控制输入序列进行重构,采用原始对偶内点法处理约束条件,实时高效地求解二次规划函数.最后,在典型工况下进行MATLAB/Simulink和TruckSim联合仿真.结果表明,相较于传统MPC控制器,所提的快速MPC控制器能够在保证性能的同时有效提高计算效率,可以及时避免车辆侧翻失稳.

关键词: 重型车辆, 模型预测控制, Laguerre函数, 原始对偶内点法, 侧翻稳定性

Abstract:

In order to solve the problem that heavy vehicles are prone to rollover， an active safety control method based on fast model prediction was proposed. Firstly， a nonlinear dynamic model of the heavy vehicle was established， and the nonlinear system was transformed into a linear system by the T-S fuzzy method. A hierarchical control strategy was adopted， where the upper layer was designed to obtain the optimal yaw moment by the model predictive control （MPC） anti-rollover controller， and the lower layer utilized the unilateral wheel control method for the allocation of the braking force. Then， in order to reduce the computational burden of the controller， the Laguerre function was introduced to reconstruct the control input sequence， and the constraints were handled by the primal-dual interior point method to solve the quadratic programming function efficiently in real time. Finally， the co-simulation of MATLAB/Simulink and TruckSim was carried out under typical working conditions， and the results show that compared with the traditional MPC controller， the proposed fast MPC controller can effectively improve the computational efficiency while guaranteeing the performance and can avoid the vehicle rollover instability.

Key words: heavy vehicle, model predictive control, Laguerre function, primal-dual interior-point method, rollover stability

中图分类号:

U 463.6

王宏伟, 张晴晴, 汪洵. 基于快速模型预测控制的重型车辆侧翻稳定性研究[J]. 东北大学学报（自然科学版）, 2025, 46(11): 12-18.

Hong-wei WANG, Qing-qing ZHANG, Xun WANG. Research on Heavy Vehicle Rollover Stability Based on Fast Model Predictive Control[J]. Journal of Northeastern University(Natural Science), 2025, 46(11): 12-18.

图/表 10

图1 车辆动力学模型注：图中hc为车辆质心到地面的距离；Bw为左右车轮的间距；Fzl和Fzr分别为左右车轮的垂直载荷；O为侧倾中心；C.G.为重型汽车簧载质量的中心即质心.（a）—横向动力学模型；（b）—侧倾平面模型.

Fig.1 Vehicle dynamics model

图2 侧倾稳定性控制框图注：图中Tlf，Tlr，Trf和Trr分别为左前轮、左后轮、右前轮和右后轮力矩；Fzlf，Fzlr，Fzrf和Fzrr分别代表左前轮、左后轮、右前轮和右后轮垂直载荷；R为车轮半径.

Fig.2 Rollover stability control block diagram

表1 车辆参数

Table 1 Vehicle parameters

车辆参数	数值
$m / k g$	18 300
$m s / k g$	16 800
$h / m$	0.8
$a / m$	3.4
$b / m$	1.6
$I x /$ （kg·m²）	7 695.6
$I z /$ （kg·m²）	30 782.4
$B / m$	2.1
$c φ /$ （N·m·s·rad^-1）	487 050
$k φ /$ （kN·m·rad^-1）	4 000
$k f /$ （kN·rad^-1）	150
$k r /$ （kN·rad^-1）	350

表1 车辆参数

Table 1 Vehicle parameters

车辆参数	数值
$m / k g$	18 300
$m s / k g$	16 800
$h / m$	0.8
$a / m$	3.4
$b / m$	1.6
$I x /$ （kg·m²）	7 695.6
$I z /$ （kg·m²）	30 782.4
$B / m$	2.1
$c φ /$ （N·m·s·rad^-1）	487 050
$k φ /$ （kN·m·rad^-1）	4 000
$k f /$ （kN·rad^-1）	150
$k r /$ （kN·rad^-1）	350

图3 LTR指标

Fig.3 LTR index

图4 横摆角速度

Fig.4 Yaw velocity

图5 侧翻角

Fig.5 Rollover angle

图6 转角输入

Fig.6 Steering input

图7 LTR指标（鱼钩转向工况）

Fig.7 LTR index（fishhook condition）

图8 横摆角速度（鱼钩转向工况）

Fig.8 Yaw velocity（fishhook condition）

图9 侧翻角（鱼钩转向工况）

Fig.9 Rollover angle（fishhook condition）

参考文献 14

[1]	Yang X W， Wu C Z， He Y， et al. A dynamic rollover prediction index of heavy-duty vehicles with a real-time parameter estimation algorithm using NLMS method［J］. IEEE Transactions on Vehicular Technology， 2022， 71（3）： 2734-2748.
[2]	Jin Z L， Zhang L， Zhang J L， et al. Stability and optimised H_∞ control of tripped and untripped vehicle rollover［J］. Vehicle System Dynamics， 2016，54（10）： 1405-1427.
[3]	Song Z S， Wang L L， Liu Y M， et al. Actively steering a wheeled tractor against potential rollover using a sliding-mode control algorithm： scaled physical test［J］. Biosystems Engineering， 2022， 213： 13-29.
[4]	Hu C， Wang Z F， Qin Y C， et al. Lane keeping control of autonomous vehicles with prescribed performance considering the rollover prevention and input saturation［J］. IEEE Transactions on Intelligent Transportation Systems， 2020， 21（7）： 3091-3103.
[5]	Zhang Y， Lu J W， Xia G， et al. Enhancing roll stability of counterbalance forklift trucks with a novel rollover index and hierarchical adaptive model predictive control［J］. IEEE Transactions on Vehicular Technology， 2024， 73（6）： 7925-7938.
[6]	Wang L P. Discrete model predictive controller design using Laguerre functions［J］. Journal of Process Control， 2004， 14（2）： 131-142.
[7]	Wang W R， Yan J H， Wang H， et al. Adaptive MPC trajectory tracking for AUV based on Laguerre function［J］. Ocean Engineering， 2022， 261： 111870.
[8]	Jeong D， Choi S B. Tracking control based on model predictive control using laguerre functions with pole optimization［J］. IEEE Transactions on Intelligent Transportation Systems， 2022， 23（11）： 20652-20663.
[9]	Panahi S， Kashani A， Danielson C. Primal-dual interior-point algorithm for symmetric model predictive control［J］. Automatica， 2023， 155： 111157.
[10]	Hu W J， Zhou Y H， Zhang Z L， et al. Model predictive control for hybrid levitation systems of maglev trains with state constraints［J］. IEEE Transactions on Vehicular Technology， 2021， 70（10）：9972-9985.
[11]	Chu D F， Li Z L， Wang J M， et al. Rollover speed prediction on curves for heavy vehicles using mobile smartphone［J］. Measurement， 2018， 130：404-411.
[12]	Larish C， Piyabongkarn D， Tsourapas V， et al. A new predictive lateral load transfer ratio for rollover prevention systems［J］. IEEE Transactions on Vehicular Technology， 2013， 62（7）：2928-2936.
[13]	李寿涛，魏玉博，李秋媛，等.考虑车辆侧偏刚度变化的MPC稳定性控制方法［J］.东北大学学报（自然科学版）， 2023， 44（2）： 162-167.
	Li Shou-tao， Wei Yu-bo， Li Qiu-yuan， et al. MPC stability control method considering the variation of vehicle’s cornering stiffness［J］. Journal of Northeastern University （Natural Science）， 2023， 44（2）： 162-167.
[14]	朱天军，麻威，王振峰，等.基于AdaBoost算法的重型车辆侧翻预警研究［J］.重庆交通大学学报（自然科学版）， 2021， 40（8）： 25-33.
	Zhu Tian-jun， Ma Wei， Wang Zhen-feng， et al. Rollover warning study of heavy vehicle based on AdaBoost algorithm［J］. Journal of Chongqing Jiaotong University （Natural Science）， 2021， 40（8）： 25-33.