融合遗传算法和递推最小二乘法的半挂车稳定性参数估计

doi:10.13229/j.cnki.jdxbgxb.20240800

吉林大学学报(工学版) ›› 2025, Vol. 55 ›› Issue (12): 3793-3803.doi: 10.13229/j.cnki.jdxbgxb.20240800

• 车辆工程·机械工程 • 上一篇

融合遗传算法和递推最小二乘法的半挂车稳定性参数估计

曾小华¹(),李凯旋¹,韩凯²,宫铭遥³(),宋大凤¹

^1.吉林大学汽车底盘集成与仿生全国重点实验室，长春 130022
^2.潍柴动力股份有限公司内燃机与动力系统全国重点实验室，山东潍坊 262123
^3.吉林化工大学航空工程学院，吉林省吉林市 132102

收稿日期:2024-05-14 出版日期:2025-12-01 发布日期:2026-02-03
通讯作者: 宫铭遥 E-mail:zeng.xiaohua@126.com;gongmingyuan@jlict.edu.cn
作者简介:曾小华（1977-），男，教授，博士.研究方向：新能源汽车关键技术.E-mail：zeng.xiaohua@126.com
基金资助:
吉林省自然科学基金自由探索项目(YDZJ202101ZYTS159);潍柴股份有限公司开放课题项目(skleps-sq-2023-003)

Semi⁃trailer stability parameter estimation based on genetic algorithm and recursive least squares method

Xiao-hua ZENG¹(),Kai-xuan LI¹,Kai HAN²,Ming-yao GONG³(),Yu-feng HUANG¹

^1.National Key Laboratory of Automotive Chassis Integration and Bionics，Jilin University，Changchun 130022，China
^2.The State Key Laboratory of Engine and Powertrain System，Weichai Power Co. ，Ltd. ，Weifang，262123，China
^3.School of Aeronautical Engineering，Jilin University of Chemical Technology，Jilin 132102，China

Received:2024-05-14 Online:2025-12-01 Published:2026-02-03
Contact: Ming-yao GONG E-mail:zeng.xiaohua@126.com;gongmingyuan@jlict.edu.cn

摘要/Abstract

摘要：

采用遗传算法与递推最小二乘法相结合的方法估计半挂车的稳定性参数，从而解决轮胎侧偏刚度、车辆侧倾刚度、车身侧倾阻尼等参数难以通过传感器直接测量的问题。该方法有效弥补了传统离线辨识方法在工况适应能力方面的不足。相较于一般商用车，半挂车的结构更加复杂且使用工况多样，因此在确保车辆安全性和品质的过程中，必须更加关注半挂车的稳定性控制。实现这一目标的前提是建立高精度、高置信度的半挂车动力学理论模型。在此基础上，理论模型可作为跟随目标，以实车或商用软件车辆模型与理论模型的输出状态差值作为控制量进行调节。本文通过Trucksim与Simulink的联合仿真，在特定输入和工况条件下，对比Trucksim软件模型与理论模型的输出重合情况。结果表明，基于本文方法识别的侧倾刚度等参数所建立的理论模型，在工况适应性和精度方面均优于传统离线辨识方法，估计误差降低约6%。该成果为后续基于该理论模型开展的半挂车稳定性控制研究奠定了基础。

关键词: 车辆工程, 半挂车稳定性, 参数估计, 遗传算法, 递推最小二乘法

Abstract:

A combination of genetic algorithm and recursive least squares method was used to estimate the stability parameters of a semi-trailer， solving the problem that parameters such as tire cornering stiffness， vehicle roll stiffness and body roll damping are difficult to directly measure through sensors. In terms of adaptability to working conditions， the shortcomings of traditional offline identification methods are effectively made up for via this method. Compared with general commercial vehicles， semi-trailers have a more complex structure and diversified operating conditions. Therefore， in the process of ensuring vehicle safety and quality， greater attention must be paid to the stability control of semi-trailers. The prerequisite for achieving this goal is to establish a high-precision and high-confidence theoretical model of semi-trailer dynamics. On this basis，the theoretical model can be used as a following target， and the difference between the output state of the actual vehicle or commercial software vehicle model and the output state of the theoretical model is used as the control variable for adjustment. Joint simulation of Trucksim and Simulink is used in this paper to compare the output overlap between the Trucksim software model and the theoretical model under specific input and working conditions. Results show that the theoretical model established based on the parameters such as roll stiffness indentifled by the method proposed in this paper is superior to traditional offline identification method in terms of operating condition adaptability and accuracy， the estimation error is reduced by about 6%. This result lays the foundation for subsequent semi-traller stability control research based on this theoretical model.

Key words: vehicle engineering, semi-trailer stability, parameter estimation, genetic algorithm, recursive least squares method

中图分类号:

U461.6

曾小华,李凯旋,韩凯,宫铭遥,宋大凤. 融合遗传算法和递推最小二乘法的半挂车稳定性参数估计[J]. 吉林大学学报(工学版), 2025, 55(12): 3793-3803.

Xiao-hua ZENG,Kai-xuan LI,Kai HAN,Ming-yao GONG,Yu-feng HUANG. Semi⁃trailer stability parameter estimation based on genetic algorithm and recursive least squares method[J]. Journal of Jilin University(Engineering and Technology Edition), 2025, 55(12): 3793-3803.

图/表 13

图1

图2

图3

表1

半挂车车辆模型主要结构参数"

参数名称	符号	数值	单位
牵引车总质量	$m 1$	6 762	$k g$
牵引车簧载质量	$m 1 s$	5 457	$k g$
挂车总质量	$m 2$	16 665	$k g$
挂车簧载质量	$m 2 s$	16 000	$k g$
牵引车质心到前轴距离	$d 1$	1.113	$m$
牵引车质心到后轴距离	$d 2$	2.387	$m$
挂车质心到铰接点距离	$d 3$	5.221	$m$
挂车质心到挂车轴距离	$d 4$	4.779	$m$
牵引车质心到铰接点距离	$d 5$	2.287	$m$
牵引车质心高度	$h 1$	1.173	$m$
挂车质心高度	$h 2$	1.935	$m$
铰接点距地面距离	$h c$	1.110	$m$
牵引车绕 $x$ 轴转动惯量	$I 1 x x$	2 287	$k g ? m 2$
挂车绕 $x$ 轴转动惯量	$I 2 x x$	25 350	$k g ? m 2$
牵引车绕 $z$ 轴转动惯量	$I 1 z z$	34 823	$k g ? m 2$
挂车绕 $z$ 轴转动惯量	$I 2 z z$	135 000	$k g ? m 2$
牵引车绕 $x$ 、 $z$ 轴惯量积	$I 1 x z$	1 626	$k g ? m 2$
挂车绕 $x$ 、 $z$ 轴惯量积	$I 2 x z$	0	$k g ? m 2$

表1

图4

图5

表2

半挂车稳定性参数估计结果"

稳定性参数项	估计值
牵引车前轴轮胎等效侧偏刚度k₁/（N·rad^-1）	$- 2.96 × 105$
牵引车后轴轮胎等效侧偏刚度k₂/（N·rad^-1）	$- 5.74 × 105$
挂车轴轮胎等效侧偏刚度k₃/（N·rad^-1）	$- 6.51 × 105$
牵引车车身侧倾刚度k_r1/（N·m·rad^-1）	$2.07 × 104$
牵引车车身侧倾阻尼c₁/（N·m·s·rad^-1）	$3.62 × 105$
挂车车身侧倾刚度k_r2/（N·m·rad^-1）	$6.05 × 105$
挂车车身侧倾阻尼c₂/（N·m·s·rad^-1）	$3.49 × 105$
铰接点等效侧倾刚度k₁₂/（N·m·rad^-1）	$1.53 × 107$

表2

图6

图7

图8

图9

表3

图10

参考文献 12

[1]	李一兵, 孙岳霆, 徐成亮, 等. 基于交通事故数据的汽车安全技术发展趋势分析[J]. 汽车安全与节能学报, 2016, 7(3): 241-253.
	Li Yi-bing, Sun Yue-ting, Xu Cheng-liang, et al. Analysis of the development trend of automobile safety technology based on traffic accident data[J].Journal of Automotive Safety and Energy Conservation, 2016, 7(3): 241-253.
[2]	刘饯. 基于参数辨识的半挂汽车列车稳定性控制策略研究[D]. 武汉: 华中科技大学机械工程学院, 2021.
	Liu Jian. Study on stability control strategy of semi-trailer based on parameter identification[D].Wuhan: School of Mechanical Engineering, Huazhong University of Science and Technology, 2021.
[3]	Bolhasani M R, Goldberg T. Genetic Algorithms in Search, Optimization and Machine Learning[M].Reading,Ma: Addison-Wesley, 1989.
[4]	Bolhasani M R, Azadi S. Parameter estimation of vehicle handling model using genetic algorithm[J]. Scientia Iranica, 2002, 11(12): 121-127.
[5]	Baffet G, Charara A, Lechner D. Experimental evaluation of observers for tire-road forces, sideslip angle and wheel cornering stiffness[J]. Vehicle System Dynamics, 2008, 46(6): 501-520.
[6]	宗长富, 聂枝根, 张振. 厢式半挂车简化模型参数辨识研究[J]. 中国公路学报, 2014, 27(4): 112-120.
	Zong Chang-fu, Nie Zhi-gen, Zhang Zhen. Parameters identification for simplified modle of container semi-trailer[J].China Journal of Highway and Transport, 2014, 27(4): 112-120.
[7]	王杰. 基于扩展卡尔曼滤波的车辆参数辨识[J]. 现代机械, 2019, 1(3): 4-9.
	Wang Jie. Vehicle parameter identification based on EKF[J]. Modern Machinery, 2019, 1(3): 4-9.
[8]	易鑫, 陈勇. 扩展卡尔曼滤波与遗传算法结合的车辆状态估计[J]. 重庆理工大学学报, 2022, 36 (12): 1-8.
	Yi Xin, Chen Yong. Extended vehicle state estimation based on the combination of Kalman filter and genetic algorithm[J]. Journal of Chongqing University of Technology, 2022, 36(12): 1-8.
[9]	李洪雪, 李世武, 孙文财, 等. 考虑垂向-侧向运动的半挂列车动力学建模及分析[J]. 吉林大学学报: 工学版, 2021, 51(5): 49-56.
	Li Hong-xue, Li Shi-wu, Sun Wen-cai,et al. A semi-trailer train that considers vertical⁃lateral movement dynamic modeling and analysis[J]. Journal of Jilin University (Engineering and Technology Edition), 2021, 51(5): 49-56.
[10]	梁群彰. 基于参数辨识的半挂汽车列车侧翻控制系统的研究[D]. 南宁: 广西大学交通运输学院, 2016.
	Liang Qun-zhang. Research on rollover control system of semi-trailer train based on parameter identification[D].Nanning: School of Transportation, Guangxi University, 2016.
[11]	叶明, 卢祥伟, 张利杰, 等. 双遗忘因子最小二乘法车辆质量和时变坡度估计[J]. 重庆理工大学学报, 2023, 37(6): 1-9.
	Ye Ming, Lu Xiang-wei, Zhang Li-jie, et al. Double forgetting factor, least squares vehicle mass and time-varying slope estimation[J]. Journal of Chongqing University of Technology, 2023, 37(6): 1-9.
[12]	Miege A, Cebon D. Active roll control of an experimental articulated vehicle[J]. Proceedings of the Institution of Mechanical Engineers, Part D: Journal of Automobile Engineering. 2005, 219(6): 791-806

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed

辨识方法	MSE均值
单一遗传算法离线辨识	0.196
带遗忘因子RLS融合辨识	0.077

[1]	兰巍,周政,王冠宇,王伟,张苗苗. 基于机器学习的汽车设计智能拟合方法[J]. 吉林大学学报(工学版), 2025, 55(9): 2858-2863.
[2]	孙天骏,杨惠喆,蔡荣贵,冯嘉仪,冉锐,刘斌. 面向纯电动汽车自适应巡航系统的人性化起停控制策略[J]. 吉林大学学报(工学版), 2025, 55(9): 2847-2857.
[3]	李寿涛,贾湘怡,朱军,郭洪艳,于丁力. 基于Level-K的智能驾驶汽车无信控交叉路口决策方法[J]. 吉林大学学报(工学版), 2025, 55(9): 3069-3078.
[4]	朱冰,孟鹏翔,刘斌,韩嘉懿,赵健,陈志成,宋东鉴,陶晓文. 基于交通环境信息的虚拟车道线拟合方法[J]. 吉林大学学报(工学版), 2025, 55(9): 2935-2945.
[5]	赵俊武,曲婷,胡云峰. 基于自适应采样的智能车辆轨迹规划方法[J]. 吉林大学学报(工学版), 2025, 55(8): 2802-2816.
[6]	于贵申,陈鑫,唐悦,赵春晖,牛艾佳,柴辉,那景新. 激光表面处理对铝-铝粘接接头剪切强度的影响[J]. 吉林大学学报(工学版), 2025, 55(8): 2555-2569.
[7]	高金武,孙少龙,王舜尧,高炳钊. 基于电机转矩补偿的增程器转速波动抑制策略[J]. 吉林大学学报(工学版), 2025, 55(8): 2475-2486.
[8]	刘琼昕,王甜甜,王亚男. 非支配排序粒子群遗传算法解决车辆位置路由问题[J]. 吉林大学学报(工学版), 2025, 55(7): 2464-2474.
[9]	宋学伟,于泽平,肖阳,王德平,袁泉,李欣卓,郑迦文. 锂离子电池老化后性能变化研究进展[J]. 吉林大学学报(工学版), 2025, 55(6): 1817-1833.
[10]	贾美霞,胡建军,肖凤. 基于多软件联合的车用电机变工况多物理场仿真方法[J]. 吉林大学学报(工学版), 2025, 55(6): 1862-1872.
[11]	肖纯,易子淳,周炳寅,张少睿. 基于改进鸽群优化算法的燃料电池汽车模糊能量管理策略[J]. 吉林大学学报(工学版), 2025, 55(6): 1873-1882.
[12]	李伟东,马草原,史浩,曹衡. 基于分层强化学习的自动驾驶决策控制算法[J]. 吉林大学学报(工学版), 2025, 55(5): 1798-1805.
[13]	卢荡,索艳茹,孙宇航,吴海东. 基于无量纲格式的轮胎侧倾侧偏力学特性预测[J]. 吉林大学学报(工学版), 2025, 55(5): 1516-1524.
[14]	高镇海,郑程元,赵睿. 真实与虚拟场景下自动驾驶车辆的主动安全性验证与确认综述[J]. 吉林大学学报(工学版), 2025, 55(4): 1142-1162.
[15]	张涛,林黄达,余中军. 混合动力车辆换挡的实时滚动优化控制方法[J]. 吉林大学学报(工学版), 2025, 55(4): 1215-1224.

融合遗传算法和递推最小二乘法的半挂车稳定性参数估计

Semi⁃trailer stability parameter estimation based on genetic algorithm and recursive least squares method

RICH HTML

PDF (PC)

摘要/Abstract

引用本文

使用本文

图/表 13

参考文献 12

相关文章 15

Metrics

本文评价

推荐阅读 0