基于稳定性等级识别的AFS与DYC协同控制策略提升车辆操纵稳定性研究

为解决车辆在极端工况下因轮胎侧向特性导致主动前轮转向系统(AFS)控制能力不足的问题，研究人员开展了AFS与直接横摆力矩控制(DYC)协同控制策略研究。通过K-means++聚类算法实时识别车辆稳定性等级并动态分配控制权重，结合滑模控制(SMC)计算附加横摆力矩?M和前轮转角，联合仿真验证该策略可使横摆角速度峰值降低12%。该研究为智能底盘稳定性控制提供了新思路。

　　

随着智能化和电动化趋势的发展，车辆性能持续提升，但动力性能的增强和车辆数量的增加也带来了更高的交通事故率。车辆主动安全性能，尤其是底盘稳定性性能，越来越受到研究人员的关注。其中，主动前轮转向系统(AFS)和直接横摆力矩控制(DYC)作为维持车辆稳定性的重要手段，各自存在局限性：AFS在高速或稳定性边界条件下容易失效，而DYC虽然能通过差动驱动或制动实现稳定性控制，但会引起车速波动影响舒适性。如何协调这两种系统的优势，成为提升车辆操纵稳定性的关键问题。

针对这一挑战，国内研究人员在《Results in Engineering》发表了创新性研究成果。该团队通过整合多种车辆状态参数，采用K-means++聚类算法将车辆稳定性划分为绝对稳定、过渡稳定和难以稳定三个等级，建立了基于实时状态识别的协同控制框架。研究主要运用了三种关键技术：通过CarSim/Simulink联合仿真采集多工况车辆状态数据；采用改进的K-means++算法进行稳定性等级离线聚类；基于滑模控制理论分别设计AFS附加前轮转角控制器和DYC附加横摆力矩控制器，并通过欧氏距离实时计算控制权重实现动态协调。

研究结果部分：

1. 车辆动力学建模：建立了包含纵向、横向和横摆运动的3自由度车辆模型，采用刷子轮胎模型描述非线性轮胎特性，通过垂直载荷动态计算实现轮胎力精确表征。
2. 稳定性等级识别：通过10组不同速度下的转向工况数据，选取8维状态参数构建数据集，聚类分析显示三个稳定性等级的中心点特征差异显著，如绝对稳定状态的横摆角速度γ为17.82°/s，而难以稳定状态仅5.13°/s。
3. 控制器设计验证：在正弦转向工况测试中，协同控制使质心侧偏角β峰值从0.036弧度降至0.018弧度；高频转向工况下，附加横摆力矩?M最大值减少约100N·m，控制切换次数降低50%。

实验验证部分通过线控底盘平台完成单车道变换测试，结果显示相较于无控制状态和传统LQR控制，提出的协同控制策略使横摆角速度峰值分别降低12.44%和8.34%，且侧向加速度波动幅度最小。特别是在转向回正后，车辆能更快恢复稳定状态，证明了该方法的有效性。

这项研究的创新性在于突破了传统单一稳定性指标的局限，通过多参数融合的稳定性等级识别实现了AFS与DYC的智能协同。相比现有方法，该策略具有三大优势：更全面的状态评估维度、更精确的权重分配机制以及更强的极端工况适应能力。研究不仅为智能底盘控制提供了新思路，其采用的动态权重分配框架也可拓展至其他多执行器协同控制领域，对推动自动驾驶车辆稳定性控制技术的发展具有重要意义。论文中采用的刷子轮胎模型参数辨识方法和基于相平面的稳定性划分准则，也为相关研究提供了可借鉴的技术路线。