車輛側翻預警系統

1 研究目的與意義

重型車輛（包括重型卡車、重型半掛車）具有重心位置高、重量和體積大、輪距相對于車身高度過窄等特點，因此重型車輛側翻穩定閾值較低，很容易發生側翻事故；同時由于重型半掛車的牽引車和掛車之間存在復雜的耦合關系，具有后部放大的特點，導致行駛過程中極易發生側翻、擺振和折疊等危險事故。在側翻事故發生時，駕駛員幾乎都察覺不到側翻的發生。可見研制一種側翻預警系統來避免側翻事故的頻繁發生十分必要。

車輛側翻指車輛在行駛過程中繞縱軸轉動90°或更大的角度以至使車身和地面相接觸的危險側向運動。一般車輛側翻分為兩種：一種是絆倒側翻，即車輛行駛時發生側向滑移，與路面上的障礙物側向撞擊而將其“絆倒”；一種是曲線運動引起的側翻，即車輛在道路上行駛時，車輛側向加速度超過門限值，使內側車輪垂直反力為零引起側翻。

2 工作原理與關鍵技術

期刊\車輛側翻預警研究現狀與關鍵技術_張不揚.pdf

2.1 基本原理

車輛側翻預警系統利用車載傳感器獲得車輛狀態（車速、側向加速度、轉向盤轉角等），傳感器的信號經過A/D 轉化變為數字信號后，將其傳遞給控制器中的主控芯片，運行側翻預警算法，根據當前車輛行駛狀態預測車輛在未來一段時間內的側翻危險程度。若大于側翻指標的門限值則觸動警報系統對駕駛員進行提示。如下圖為側翻預警系統原理。

側翻預警系統原理

目前，車輛側翻預警系統在側翻算法的門限值選取上有兩種方式：一種是基于靜態門限值的控制方法，如車輛的側向加速度、側傾角等超過預定門限值，執行器便觸發報警系統。要求門限值的選擇恰到好處，否則報警系統可能過早報警，影響駕駛員狀態，造成緊張不適，過晚又會使駕駛員來不及控制就發生危險。另一種是基于動態穩定門限值的控制方法，如利用LTR（lateral load
transferrate, LTR） 橫向載荷轉移率作為TTR （time to
rollover, TTR）側翻預警算法動態門限值的方法。

2.2 關鍵技術

通過對車輛側翻預警系統工作原理的分析可知，在側翻預警系統中，側翻預警算法和車輛行駛狀態的獲取是開發實用側翻預警系統的關鍵。側翻預警算法可以估計車輛側翻的危險程度并判斷是否報警，一個簡單實時的算法可以提高預警系統的質量和實用性。車輛行駛狀態參數能否精準獲取也是預警系統的預警準確性的關鍵。

1）側翻預警算法

較早的側翻預警系統通過設立靜態門限值（如側向加速度、側傾角門限值等） 對車輛進行側翻預警。隨著側翻預警研究的發展，出現了采用動態穩定門限值的預警算法，此類算法具有更好的準確性。LTR 能夠反映出車輛側傾穩定性。 Rakheja, S提出了利用橫向載荷轉移情況來判斷車輛側翻的概念，通過兩側鋼板彈簧受力的比值來估算橫向載荷轉移情況。

LTR被定義為：車輛兩側車輪上的垂直載荷之差與垂直載荷之和的比值，如式所示：

式中，Fli 為車輛左側車輪上的垂直載荷；Fri 為車輛右側車輪上的垂直載荷；i和n分別為軸的位置和總的車軸數。設車輛在良好路面上行駛時LTR為0，易見LTR絕對值在[0,1]之間，在極限工況時LTR絕對值為1。當LTR為0時，兩側載荷相等，行駛狀況良好；當LTR絕對值為1時，兩側載荷不等，表明有一側車輪離地，發生了側翻。在設立門限值時LTR值多取0.9。此算法只考慮了車輪受力的情況，不需要考慮不同類型汽車的側翻預警閥值，具有良好的普適性。

RPER 被定義為：使車輛從目前位置翻轉到側翻位置，所需要提供的能量差。 在側翻過程中該能量和重力勢能進行相互轉化。在此算法中，為側翻工況時，RPER 值小于0；當在非側翻工況時，RPER值大于0。通過檢測RPER值便可以精確地得到汽車的行駛穩定性信息。RPER 算法能夠同時適用于非絆倒側翻和絆倒側翻事故。RSF的定義與LTR相差一個絕對值。RSF 的值在-1到1之間，具體定義如下式：

式中，Fli 為車輛左側車輪上的垂直載荷；Fri為車輛右側車輪上的垂直載荷；i和n分別為軸的位置和總的車軸數。RSF與車輛的掛車側向加速度、掛車的車軸側傾角有關。

2）側翻預警中常用的傳感器

側翻預警系統需要檢測汽車的側向加速度、橫擺角速度、車速、車輛側傾角、轉向盤轉角等車輛狀態參數。這些狀態參數對于預警結果的影響很大，所以在檢測時要使用性能良好的傳感器。通過側向加速度傳感器、橫擺角速度傳感器、輪速傳感器、側傾角傳感器、轉向盤轉角傳感器等可以間接或直接的得到車輛行駛狀態。國外傳感器研發、制造水平較高，產品具有較好的可靠性，主要有菲爾科、美國SMI（Silicon Microstructures
Inc）、博世、日本電裝、日本小野測器、美國凱勒爾、德國達特朗（CORRSYS-DATRON）等公司生產這類傳感器。

3 國內外相關研究現狀

期刊\大型車輛側翻預測和控制技術研究進展_賀宜.pdf

通過闡述國內外在車輛側翻預警和穩定性控制方面開展的研究現狀，詳細描述基于靜態門限值法和動態門限值法的側翻預警技術研究進展，分析車輛半主 動、主動轉向控制、主動懸架控制、差動控制、電子穩定控制、聯合控制等防側 翻控制技術發展現狀，指出當前車輛側傾預警領域主要研究方向在于提高側翻指標的預測精度和響應實時性，特別是綜合考慮道路環境因素對側翻指標的影響。側翻控制已逐步從半主動階段提升到主動控制，控制方法更趨智能化、精確化。人－車－路－環境耦合作用、復雜非線性條件下的車輛側翻預測模型，以及混沌 條件下的優化控制將會是未來重點研究方向。

期刊\車輛側翻預警研究現狀與關鍵技術_張不揚.pdf

闡述了目前國內、外在車輛側翻預警領域開展研究的現狀。簡述了側翻預警系統的工作原理，介紹了車輛側翻預警系統在側翻算法門限值選取上采用的兩種方式：基于靜態門限值的控制方法和基于動態穩定門限值的控制方法。指出側翻預警算法和車輛行駛狀態的獲取是開發實用側翻預警系統的關鍵技術，并展望了未來汽車側翻預警系統的發展方向。

博士\基于改進TTR重型車輛側翻預警及多目標穩定性控制算法研究_朱天.caj

針對重型車輛的特點，首先利用試驗數據離線辨識技術，建立可實時計算的車輛簡化動力學模型穩定性控制的動態門限值。利用簡化動力學模型，準確估計重型車輛的狀態。在此基礎上，研究基于改進TTR預警算法和基于LMI防側翻魯棒策略；針對重型半掛車易出現側翻、擺振及折疊危險，提出一套基于LQR最優控制的多目標穩定性控制策略，主動控制重型半掛車的側傾、擺振和折疊穩定性。然后利用某國外進口試驗車進行側翻預警試驗，對重型車輛側翻預警算法進行了驗證。

3.1 基于靜態門限值的側翻預測技術

基于靜態門限值的預測方法主要通過分析車輛側向加速度、側傾角以及橫擺角速度等靜態的指標來進行側翻預警，一旦超過了所設定的閾值，預警器或執行機構便會觸發。門限值根據不同車型和不同車況而異，大型車輛更易發生側翻危險，其靜態門限值低于小型車輛。

最早于1990年，Rekhja和 Piche開發了一套基于側向加速度的重型半掛車穩定性預警系統，通過檢測車輛的側向加速度門限閾值來衡量側翻危險狀態，并可對駕駛員發出警告，作為側翻預警系統的雛形，該系統實現了側翻預警功能，但方法較為簡單，預警準確度較低。隨后科研人員不斷研究不同門限閾值以提高預警算法精度。1999年，Winker等的研究顯示，車輛的側傾穩定性與側翻狀態有著密切關聯性，車輛側傾穩定性一定程度可以反映車輛側翻危險狀態。2001年，美國汽車工程師學會（Society of Automotive
Engineers, SAE）根據對車輛的靜態側傾穩定性分析，提出了靜態穩定系數（static
stability factor, SSF），通過推導車輛最大橫向加速度來評估車輛側翻風險。隨后，為改進側翻閾值采用定值處理方法的局限性，清華大學王建強在2009年探索出將側翻危險程度分為３個級別來預警的方法。系統根據預警級別不同發出響應級別的預警狀態，是一種對側翻閾值的擴展方法。靜態門限值方法可以對車輛的側傾穩定性進行判斷，前提是假設車輛為剛性物體，忽略車輛的動態特性對車輛側翻的影響。但車輛并非完全剛體，其自身的動態特性對側翻有著決定性的影響。同時，以單一側傾角、橫擺角速度或側向加速度作為側翻穩定性判定標準，不能全面反映車輛側傾狀態，精度較低。

3.2 基于動態門限值的側翻預測技術

受限于靜態門限值預警方法精確性不足，有學者研究出了基于動態門限值的側翻預測方法，即通過考慮車輛實時動力學特性來推算車輛側翻狀態，從而提高側翻預警準確性，主要技術方法包括：橫向載荷轉移率法、側翻能量保護法、側翻時間預警法和側翻指數法等。

1990年，由Preston thomas和Woodrooffe提出了橫向載荷轉移率（lateral load
transferrate, LTR），通過車輪垂向的受力來預測車輛側翻狀態，即車輛左右兩側車輪上的垂直受力載荷之差與垂直受力載荷之和的比值。由于精確性高于靜態門限值方法，自此，很多研究以橫向載荷轉移率（LTR）作為評判標準，并相續建立了重型半掛車側翻預測模型和側翻預警系統。LTR算法有較好的精度，但由于車輛動態操縱頻率對其側翻風險的影響異常復雜，隨后有學者對LTR算法 做出了不同程度的改進。

Ervin提出了一種度量車輛動態穩定性的方法，即動態載荷轉移率（dynamiclateral
load transferrate,DLTR），考慮前后軸在側傾運動上的差異，獨立計算每個側傾單元的動態穩定性，從而評價車輛的整體側傾穩定性。

2013年，Chad Larish等提出一種新的可預測橫向載荷轉移率算法（predictive
lateral load transferrate, PLTR），考慮車輛整體的轉向模式和側向加速度，以改善側翻預警的實時性，此算法的優點在于可以預測未來一段時間內的側傾狀態，而不是傳統LTR算法計算當前時刻狀態，以及運用預測算法能精確標定側翻指標的合理閾值。2015年，張志勇等提出一種客車橫向載荷轉移率在線估計和灰色預測法，建立LTR的預估模型，以改善車輛控制系統的時滯性問題。2016年，田順等提出了在灰色預測模型的基礎上加入弱化算子，可補償車輛穩定控制系統的遲滯，提出改進型灰度模型，以適用于全速度和復雜工況。2017年章新杰等提出一種載荷轉移比等高線（contour line ofload transferrate,CL-LTR），實驗表明，不同工況下的相同LTR 點，在同一側傾相平面內近似分布于同一直線上，基于此，提出一種動態車輛側傾預測指標。2018年，趙又群等根據預瞄－跟隨理論和灰色預測理論，建立預瞄－預測駕駛員模型，以此推算出側翻估計指標 （estimation LTR,EL-TR）。除了LTR以外，1993年，密蘇里大學哥倫比亞分校的 Nalecz提出了一種基于車輛狀態的側翻能量保護法（roll over
prevebtion energy re-served, RPER），用能量的方式來描述車輛側翻狀態。2016年，黃明亮等提出基于能量法的車輛側翻穩定綜合評價方法，通過建立非線性車輛模型，定義側翻能量穩定指標，整合車速和轉向輸入得到車速－轉向干擾系數，最終 建立一個包括車速、側傾角、側傾角速度以及轉向角等因素的車輛側翻穩定性評價指標。基于能量的側翻預測模型，方法較為簡便，能夠一定程度上描述車輛的側傾狀態。

密歇根大學B.C. Chen等于2001年提出了采用側翻時間預測的側翻預警方法（time to
rollover, TTR），即車輛從當前狀態行駛至一側車輪離地所需的時間。該方法以車輛方向盤轉角為輸入，通過簡單線性車輛模型計算車輛的側傾角在下一時間內能否達到極限值來衡量側翻危險，模型簡單易行。為進一步提高TTR值的精度，提出了采用神經網絡方法對算法進行改進，雖然彌補了簡單模型精度低的缺點，但卻也影響了算法的實時性。

俄亥俄州立大學 H.YU 等在2008年提出了一種針對重型車輛的側翻預警和控制方法，通過建立的５自由度車輛動力學模型和空間狀態量矩陣引入卡爾曼濾波算法對車輛狀態進行實時估計（側滑角、側傾角、側傾率等狀態量），其中車輛模型的關鍵參數（懸架剛度、前后軸側偏剛度）通過參數識別進行標定，使車輛模型更接近實際。由于早期的TTR算法的實驗是在恒定的車速和方向盤轉 角基礎上進行的，實驗條件過于單一。所以，在此基礎上，研究者提出２種等級的TTR作為側翻的衡量指標（level-one和level-two），level-one的初始條件是在過彎時車速變化和轉向角恒定，level-two的初始條件是車輛車速不斷變化且車輛轉向角也不斷改變。實驗結果表明，一級TTR可在車速變化的條件下迅速檢測到側翻風險，二級TTR可在劇烈轉向工況下，迅速檢測側翻風險，且所設計的方法綜合性能較好，可應用于實車條件下的側翻預測。與此同時，國內許多學者對TTR提出了不同改進方法，其中2011年吉林大學朱天軍和宗長富對車輛側翻預警進行了較為深入的研究，將卡爾曼濾波技術融入到TTR的側翻預警算法中，提出了改進性TTR方法，并且引進動態載荷轉移率作為側翻預警的門檻值，指標包含輪胎垂直力和懸架的側傾動態特性，并對預警控制效果進行了實車驗證。2016年武漢理工大學 褚端峰等提出了基于TTR算法的改進側翻判定指標，將當前車輛側向加速度和實時側向極限加速度比值這一相對量作為側翻判定條件，并結合TTR算法來計算車輛未來側翻的時間。

除LTR，TTR和RPER等主要方法以外，還有一些學者試圖通過引入其他方法進行技術突破。2009年，美國德爾福公司的研究人員B.M. Stavroff等提出了一種自適應側翻預測算法，通過在車輛的行駛過程中實時測量車速、橫擺角速度與側向加速度這３個參數，以此來實時估計車輛的質心高度，進而計算出車輛的側翻危險等級。2004年，Hac等提出了一種側翻指標（rollover index,RI），可用于對絆倒性側翻和非絆倒性側翻進行預測。該方法首先采用橫向加速度與橫擺角速度傳感器對車輛的側傾狀態進行估計，進而分析車輛的橫向加速度、側傾角和橫擺角速度等參數對車輛側傾運動的相互關系。2007年，韓國首爾國立大學的J. Yoon等提出了一種側翻指標，通過考慮懸架系統的車輛側傾動力學，建立車輛在不同初始狀態和工況下側傾角和側傾率的相平面分析圖來標定車輛的極 限側傾角、側傾率和臨界加速度，綜合了當前車輛的橫向加速度、側傾角、側傾率以及側翻預警時間，建立側翻危險指標函數，以描述車輛危險狀況。在J. Yoon等研究的基礎上，2014年Tao Chou等鑒于車輛單側輪胎離地為側翻零界點存在 的不足，提出了基于灰度理論的GRI側翻預測指標，用以預測未來０．５～１ｓ的車輛狀態相關參數：側向加速度、側傾角、側傾率，基于此指標，通過實驗，探討了車輪離地之后，還存在某個大于１的閾值，在此閾值內，車輛還是能恢復穩定狀態，提高預警精度。2017 年Behrooz Mashadi等也致力于研究車輛的一側車輪離地之后車輛穩態，建立車輪離地前后的車輛動力學模型，在此基礎上，用穩態方程的形式推導出以非側傾質量點的側傾角修正值為標準的側傾預測指標，適用于一側車輪離地之后的車輛側傾穩定性分析。除此之外，還有學者研究了車輛輸入信號對于側傾的影響，楊俊儒等提出了對車輛過彎時刻側翻的安全車速標定方法，綜合考慮了道路環境因素，以及應用敏感度分析法，分析了７種因素對車輛安全車速的顯著性，驗證了彎道半徑和路面附著系數對車輛安全車速的影響最為顯著。以上的側翻指標及預警都只適用于非絆倒型側翻事故，但實際上大部分側翻事故都是由于外部車輛與路側或障礙物撞擊引發的。因此2011年，G.P.Phanomachoeng等提出一種由于外界未知輸入引起的絆倒型或非絆倒型的側翻 檢測指標，建立在外部輸入干擾下的車輛模型和非線性觀測器。實驗表明，此方法能有效檢測絆倒型以及非絆倒型車輛側翻。2016年，Jin等提出由于傳統LTR算法中對車輪垂直載荷實時測量存在困難，所以提出一種改進LTR算法，通過分析車輪和懸架的垂直動力學，用簧上質量垂直位移和左、右簧下質量垂直位移來表征車輛懸架間的動力學狀態，以此提出一種新的側傾指標，可用于預測非絆倒側傾和特殊條件下的絆倒類側傾風險。2017年，賀宜等提出一種新的車輛系統可靠性方法，通過綜合考慮車輛狀態參數和道路環境因素，基于概率預測模型來量化車輛側翻風險，通過蒙特卡洛法對概率預測模型進行了驗證。

總結

以上是生活随笔為你收集整理的车辆侧翻预警系统介绍的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。