用于主动悬架前视模型预测控制中道路前视信息校正的轻量级路面自适应TimesNet

《MECHANICAL SYSTEMS AND SIGNAL PROCESSING》:Lightweight pavement-adaptive TimesNet for road preview information correction in preview model predictive control of active suspensions

【字体: 大 中 小 】 时间:2026年09月28日 来源:MECHANICAL SYSTEMS AND SIGNAL PROCESSING 10.2

编辑推荐:

   - 轻量化P-TimesNet可修正主动悬架MPC中的路面预览误差。 - 带有频谱注意力的动态TimesBlock增强了路面重构能力。 - 时频联合损失函数改善了短视距路面轮廓预测。 - 在预览误差条件下,P-TimesNet-MPC将车身加速度降低了最高达45.86%。

  

- 轻量化P-TimesNet可修正主动悬架MPC中的路面预览误差。
- 带有频谱注意力的动态TimesBlock增强了路面重构能力。
- 时频联合损失函数改善了短视距路面轮廓预测。
- 在预览误差条件下,P-TimesNet-MPC将车身加速度降低了最高达45.86%。

**引言**

智能车辆是现代智能交通系统的重要组成部分[1]。要充分发挥其潜能,不仅需要先进的决策能力,还需要一个高度自适应的底盘系统,能够在复杂、不可预测的环境中保持最佳的动态性能。作为底盘的基本组成部分,悬架系统主要决定隔振性能和轮胎-路面附着力,确保乘坐舒适性和行驶安全[[2], [3], [4]]。为了进一步提升动态性能,研究人员开发了能够施加可控力以主动调节车身姿态的主动悬架系统[5], [6]。在广泛工况下精确控制这些主动系统需要良好的动态模型。然而,未建模动态特性、系统非线性、参数变化以及特别是未知路面输入引入了显著的不确定性,降低了数学模型的精度,从而限制了悬架性能。传统主动悬架仅在车轮遇到扰动后才执行作动,这会导致控制滞后并不可避免地给悬架引入显著不确定性。作为一种主动解决方案,预览主动悬架技术应运而生[[5], [7]]。通过集成前瞻环境感知与底盘控制,该技术将即将到来的路面激励纳入控制决策,使车辆能够进行主动调整,显著提升整体动态性能[[8], [9], [10]]。

在此背景下,实现对前方路面不平度的实时精确感知已成为高性能预览控制的关键前提。现有研究主要利用惯性测量单元、摄像头和激光雷达等传感器来识别前方路面不平度信息[[11], [12], [13]]。然而,激光雷达和摄像头等前瞻传感器在现实道路环境中不可避免地受到测量噪声、遮挡、天气变化和标定误差等因素的影响[[14], [15], [16]]。这些因素在预览信号和车轮处实际路面激励之间引入了形变失真和时空异步等复合误差,从而损害悬架系统的控制精度[8]。尽管滤波算法或多传感器信息融合在一定程度上可以缓解感知误差[17],但在复杂开放道路工况下,传感器引入的路面预览误差仍然不可避免。因此,在不可避免的预览误差存在时如何防止车辆整体动态性能恶化仍是一个亟待解决的关键挑战。

为应对这一挑战并充分利用预览数据,需要一种先进的控制策略。在众多策略中,模型预测控制(MPC)因其能够将预览信息纳入问题 formulation 而展现出显著的应用潜力[[4], [18], [19]]。G?hrle等[9], [20]开发了利用车辆传感器生成预览路面高度轮廓的方法,并在基于MPC的预览主动悬架控制中应用了这些信息。Theunissen等[10]提出了一种具有预览能力的显式MPC主动悬架,以解决计算负担过重的问题。Papadimitrakis和Alexandridis[21]引入径向基函数网络来近似整车非线性动态特性,构建了高精度非线性MPC,在随机和冲击路面条件下表现出优于线性控制器的乘坐舒适性。Li等[22]研究了全地形车磁流变悬架的显式MPC方法。Wang等[23]开发了一种预览MPC框架,将轴距预览数据作为增强状态变量嵌入,有效提高了预测精度和主动悬架的动态响应。Yang等[24]研究了主动悬架系统在作动器不确定性和时变扰动下的鲁棒预览MPC问题,为处理复杂非线性和动态不确定性提供了有效框架。通过整合路面预览信息,该方法改善了复杂路面条件下的乘坐舒适性、稳定性和减振性能。然而,大多数现有研究假设预览信息是精确已知的,并未解决预览路面不平度与实际激励之间偏差对MPC的影响。在实际工况下,不可避免的路面预览误差会直接误导MPC的滚动优化求解,导致不恰当的主动悬架动作,甚至恶化车辆动态响应。

现有旨在减轻输入误差对MPC系统影响的研究主要分为两类。一类侧重于增强控制器本身的鲁棒性,例如Bai和Sun[8]提出了干扰抑制MPC,通过将误差或扰动约束纳入优化问题来确保系统的递归可行性;Jung等[25]深入探讨了将长短期记忆(LSTM)网络作为受控对象的动态模型嵌入MPC框架的可行性;K. H. Kim等[26]利用网络建立了高精度车辆横向动力学模型以替代传统线性模型,从而提高了跟踪精度。另一类侧重于直接修正输入误差。例如,X. Wu等[27]提出了一种基于状态观测器的信息反馈修正机制,该机制通过比较视觉预览的历史数据与状态观测器的估计值,并利用两者的均方根(RMS)比值来修正预览高程值。尽管该机制能修正幅度偏差,但对观测器的精度较为敏感,在处理突发环境扰动时适应性有限。总体而言,现有研究倾向于通过增强控制端的鲁棒性来减少系统误差,而直接修正控制误差的方法则针对误差的根本原因,从而更有效地减轻输入误差对控制系统的负面影响。

直接误差修正的核心挑战在于从可用的传感器信号中准确重构真实输入信息。由于这些传感器数据构成复杂的多维时间序列,时间序列预测技术成为一种高度适用的解决方案。近年来,时间序列预测技术在轨迹分类、能耗分析、工业过程监测[28]和交通规划[29], [30]等工程领域展现了显著的实用价值。H. Wu等[30]创新性地提出了TimesNet算法,该算法将一维时间序列转换为二维空间张量,通过深度时频分析捕捉数据中的多周期耦合特征和不规则突变。与传统依赖于系统状态空间模型(如卡尔曼滤波器)的观测器相比,基于TimesNet的深度神经网络可以端到端地学习车辆状态序列、偏置预览信息和实际路面预览信息之间的非线性映射关系,从而为预览输入修正提供了新途径。然而,原始TimesNet的一维到二维信号转换机制主要针对具有明显周期性的平稳时间序列数据设计,而悬架系统的动态响应通常表现出以突发冲击为主导的非平稳特性,这限制了其在主动悬架预览信息修正任务中的适用性。此外,悬架控制的严格实时性要求对TimesNet的计算复杂度构成了挑战。因此,有必要结合悬架控制场景对TimesNet进行针对性改进。

基于上述分析,为了解决传感器感知误差导致预览信息失真并进一步影响智能车辆主动悬架MPC性能的问题,本文提出了一种基于改进TimesNet的预览MPC主动悬架路面预览信息修正方法。该方法以悬架系统的多维状态响应序列和偏置预览信号为输入,利用改进的深度时序网络TimesNet进行端到端特征提取和预览信息重构,并将修正后的预览信息输入MPC的预测和优化过程,从而在非理想预览条件下提升悬架的整体性能。本研究的主要贡献如下:

(1)提出了一种基于路面自适应TimesNet(P-TimesNet)的路面预览修正框架,用于重构智能车辆主动悬架预览MPC的偏置预览输入。该方法采用深度时序网络建立端到端的预览信息修正机制,将修正后的路面信息实时馈入MPC控制器的预测和优化阶段,从而减轻偏置预览信息对悬架整体性能的负面影响。

(2)设计了一种轻量化P-TimesNet算法,以适应悬架系统的短时域控制特性。为解决TimesNet在处理短预测视距信号时计算冗余度高和特定任务特征提取不足的问题,消除了将一维序列转换为二维张量的过程,并设计了更轻量的动态TimesBlock来替代原始TimesBlock结构。这降低了计算复杂度,同时提高了短序列路面激励的预测精度,从而满足悬架系统的实时性要求。

(3)构建了典型感知误差场景以验证控制策略的性能。建立了两种典型工况:一种是视觉预览感知到的路面坡度低于实际坡度,另一种是高于实际坡度。通过建立这两种场景,旨在验证所提策略在复杂感知误差下修正输入失配的能力及其恢复悬架控制性能的有效性。

本文其余部分组织如下。第2节介绍了悬架系统MPC控制器的建模方法。第3节描述了基于P-TimesNet的主动悬架预览MPC路面预览信息修正方法,包括P-TimesNet网络架构及其与MPC框架的集成。第4节提供了仿真验证和结果分析,评估了所提方法在不同工况下的有效性。最后,第5节总结了研究结论并对未来工作进行了展望。

**章节摘要**

**悬架动力学模型**

图1展示了二自由度四分之一车辆模型,其中ms和mus分别为弹簧质量和非弹簧质量,zs和zus分别为弹簧质量和非弹簧质量重心的垂直位移,zr为路面的垂直位移,ks和cs分别为悬架弹簧元件的刚度和悬架减振器的阻尼系数,u为主动悬架系统作动器输出的控制力,kt为轮胎刚度。

整体控制过程:由于传感器获取的路面预览信息与实际路面轮廓之间存在偏差,失真的预览信息会降低MPC控制器的控制性能。为此,本文提出了一种用于预览模型预测控制的路面预览修正的P-TimesNet。该方法利用轻量化的P-TimesNet算法捕获悬架动力学、预览激励与实际路面之间的映射关系数据集。

**数据集与算法性能比较**

神经网络的训练和验证数据在MATLAB/Simulink中采集。鉴于本研究主要研究基于路面自适应TimesNet的路面预览修正方法,弹簧质量和非弹簧质量的垂直响应是关注的核心动态行为。四分之一车辆模型可以表征弹簧质量、非弹簧质量、悬架、轮胎和路面激励之间的基本垂直动力学关系,同时捕捉影响。

**结论**

为解决复杂驾驶环境中路面感知信息与实际激励之间的偏差导致悬架性能下降的问题,本文提出了一种用于预览模型预测控制的路面预览修正的P-TimesNet。通过学习车辆动态响应、偏置预览激励与实际路面激励之间的非线性时域关系,所提出的P-TimesNet能够重构修正后的路面预览序列。修正后的预览信息输入MPC的预测和优化过程,从而在非理想预览条件下显著改善了主动悬架的乘坐舒适性、稳定性和减振性能。

**补充视频**

以下视频展示了四分之一车辆主动悬架平台的实验过程。网络链接:https://www.youtube.com/playlist?list=PLNtz67bHJVEE。

**CRediT作者贡献声明**

Bai Xianxu:监督、资源、项目管理、调查、资金获取、形式分析。Zhao Ke:原创撰写、可视化、验证、软件、方法论、数据管理。Wang Zi:软件、验证、可视化。Zhu Anding:审阅与编辑、可视化、形式分析。Li Jie:审阅与编辑、软件、方法论、资金获取、概念化。

**利益冲突声明**

作者声明不存在可能影响本文所报告工作的已知竞争性经济利益或个人关系。

**致谢**

作者感谢国家自然科学基金(批准号52272392和批准号52602698);安徽省重点研发计划项目(批准号202423d12050009);中国安徽省重大产业创新工程项目(批准号

(项目编号 AHZDCYCX-CX2024-02);以及中央高校基本科研业务费专项资金(项目编号 JZ2025HGQA0114)。柏显旭|赵珂|王子|朱安定|李杰
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号