线控转向系统的自适应神经网络滑模控制

罗玉涛 郭海文

(华南理工大学 机械与汽车工程学院，广东 广州 510640)

汽车线控转向(SBW)系统取消了传统的转向盘到转向执行机构之间的机械连接，由电控系统直接进行转向控制，不仅有利于提高汽车的操纵稳定性和主动安全性，而且有利于推动汽车电动化和智能化的发展，是汽车转向技术的主要发展趋势[1]。

针对车轮转角控制的问题，目前已有多种控制方法应用于SBW系统，例如PID反馈控制[2- 3]和线性二次状态反馈控制[4]。但考虑系统不确定性和电机力矩扰动时，上述方法难以满足系统要求的鲁棒性。传统滑模控制(SMC)具有一定的抵抗外部干扰的能力[5- 7]，但在设计传统滑模控制器时，需要预先设定系统干扰的上界值，而且会存在明显的抖振现象。此外，有研究表明，可以通过结合智能控制和滑模控制理论来设计具有良好鲁棒性和稳定性的自适应车轮转角控制器[8- 11]。文献[8]基于传统滑模设计了具有在线训练自适应学习算法的二阶滑模控制器，能够实时估计系统干扰；文献[9] 提出了结合滑模控制和模型预测控制的容错滑模预测控制策略，使线控转向系统具有更好的鲁棒性和容错能力；文献[10]提出了一种自适应的终端滑模控制策略，该控制策略与传统滑模相比，不仅能保证系统的有限时间误差收敛性，而且对系统不确定性和力矩干扰具有更好的鲁棒性；文献[11]提出了一种自适应模糊滑模控制策略，利用模糊理论实时估计滑模控制器的切换增益，降低了传统滑模控制的保守性，并减少了车轮转角的抖振现象。……