驾驶机器人车辆动态制动力矩补偿
来源：中国血液净化杂志2020年第2期北京时间：
作者：陈刚, 王和荣
单位：南京理工大学 机械工程学院, 江苏 南京 210094"],"fundList_en":["National Natural Science Foundation of China (51675281); Six Talents Peak Project of Jiangsu Province (2015-JXQC-003); Fundamental Research Funds for the Central Universities (30918011101); Postgraduate Research & Practice Innovation Program of Jiangsu Province (KYCX18_0395)
摘要：为了减小长期自动驾驶过程中制动性能下降带来的影响，提出了一种驾驶机器人车辆动态制动力矩补偿方法。首先建立了以车速和制动踏板力为输入，制动力矩为输出的驾驶机器人车辆制动性能离线自学习模型。然后考虑到驾驶机器人车辆长期自动驾驶导致离线自学习模型可靠性下降，建立了以车速和制动踏板力为输入，制动力矩为输出的扩展自回归在线辨识模型，并采用模糊变遗忘因子递推最小二乘法进行参数辨识。模糊变遗忘因子递推最小二乘法通过引入遗忘因子的方式，对数据施加时变加权系数，以避免出现数据增长导致的数据饱和现象。模糊变遗忘因子控制器以制动力矩辨识误差为输入，经模糊规则推理实时输出合适的遗忘因子进行参数辨识，能够有效均衡驾驶机器人车辆制动性能参数辨识的稳定性与收敛速度。驾驶机器人车辆自动驾驶过程中，根据当前车速与目标车速的大小计算出所需的制动力矩，加上反馈回来的制动力矩误差，并结合当前时刻的车速，利用制动性能离线自学习模型与机械腿逆向运动学模型实时计算出制动电机输出位移量，实现对驾驶机器人车辆制动力矩的在线补偿。仿真与试验结果表明：利用所提出的方法对车辆动态制动力矩进行辨识时，通过调节遗忘因子，辨识结果能够快速收敛且辨识误差较小。在此基础上，控制驾驶机器人车辆进行纵向车速跟踪时，能够有效减小制动性能下降造成的影响，保证控制车速跟踪误差在±1 km·h<sup>-1</sup>之内。
关键词：汽车工程,动态制动力矩补偿,模糊变遗忘因子递推最小二乘法,驾驶机器人车辆,制动性能自学习
基金资助：国家自然科学基金项目（51675281）；江苏省六大人才高峰计划项目（2015-JXQC-003）；中央高校基本科研业务费专项资金项目（30918011101）；江苏省研究生科研与实践创新计划项目（KYCX18_0395）
