LQR算法在AFS系统中的Simulink建模与车辆稳定性控制

1. 项目背景与核心价值

在车辆动力学控制领域，主动前轮转向（Active Front Steering, AFS）系统正逐渐成为提升车辆操纵稳定性的关键技术方案。传统转向系统受限于固定传动比设计，难以兼顾低速灵活性与高速稳定性需求。而AFS系统通过实时调节前轮转向角，能够在不同工况下优化车辆响应特性。

LQR（线性二次调节器）作为经典最优控制算法，其二次型性能指标设计天然适合解决车辆稳定性控制中的多目标优化问题。将LQR与AFS结合，可以实现转向力矩的智能分配，有效抑制车辆在极限工况下的失稳风险。

这个Simulink模型探索项目的核心价值在于：

• 建立完整的"控制器设计-车辆模型-联合仿真"验证链路
• 验证LQR算法在AFS系统中的实际控制效果
• 为后续硬件在环（HIL）测试提供可靠的算法原型

2. 系统架构设计解析

2.1 整体方案框图

系统采用典型的闭环控制架构，主要包含以下模块：

code复制[参考输入] → [LQR控制器] → [AFS执行机构] → [车辆动力学模型] → [状态反馈]

2.2 关键子系统说明

1. 参考模型生成器

   • 基于二自由度自行车模型计算理想横摆角速度
   • 输入参数包括方向盘转角、车速等
   • 输出为期望的车辆动态响应

2. LQR控制器设计

   • 状态变量选择：横摆角速度β、横摆角速度γ
   • 控制输出：附加转向角δ
   • 权重矩阵Q/R通过Bryson规则初始化

3. AFS执行机构模型

   • 包含电机动力学特性（一阶惯性环节）
   • 考虑齿条传动比和转向系统刚度
   • 最大转向角速度限制在50deg/s

4. 车辆动力学模型

   • 采用14自由度非线性模型
   • 包含悬架特性、轮胎魔术公式等
   • 可切换线性/非线性轮胎模型

3. LQR控制器实现细节

3.1 状态空间建模

基于线性二自由度车辆模型建立状态方程：

code复制ẋ = Ax + Bu
y = Cx + Du

其中：

• 状态变量x = [β γ]'
• 控制输入u = δ
• 系统矩阵A包含轮胎侧偏刚度、轴距等参数

3.2 权重矩阵调参方法

采用分层调参策略：

1. 第一层：Bryson