汽车质心侧偏角估计的研究现状及发展

阐述了汽车质心侧偏角估计对于汽车稳定性控制的重要意义。从量测仪器、估计算法、物理模型、轮胎模型四个方面对国内外的质心侧偏角估计的研究进行了归纳、分析,重点列举比较了各类估计算法的优缺点,最后指出了建模的准确性、不同传感器信号的融合问题、传感器误差的处理、参数的自适应四个方面存在的问题以及发展趋势,并着重指出了参数自适应将是算法研究的重点。     

车辆行驶过程中的状态估计问题综述

从传感器配置、估计用物理模型、状态估计算法和估计过程中的模型参数自适应4个方面回顾车辆行驶过程中的状态估计问题.对比分析以纵向车速、横摆角速度、质心侧偏角为估计目标时传感器的常见配置,给出合理的传感器配置方案;比较在不同估计目标下运动学模型和动力学模型的优缺点,提出纵向车速和横摆角速度适合采用运动学模型、质心侧偏角估计适合采用动力学模型的观点;列举并比较车辆状态估计中常用的估计算法,给出各算法在实际应用中所需注意的因素.指出实现估计过程中的参数自适应是提高不同行驶工况下观测器估计精度的有效手段,并介绍递推最小二乘、联合卡尔曼滤波等实现参数自适应的典型方法.     

车辆质心侧偏角容积卡尔曼滤波软测量方法

准确可靠的车辆行驶状态信息对于车辆路径跟踪和稳定性控制都十分重要。针对车辆质心侧偏角软测量问题,提出了一种基于自适应容积卡尔曼滤波（Adaptive Cubature Kalman Filter,ACKF）的车辆质心侧偏角耦合估计方法。建立了三自由度车辆动力学模型、轮胎模型和轮速耦合模型,基于ACKF设计了智能车行驶状态估计方法,其中在ACKF中设计了含自适应渐消矩阵的滤波增益,用来提高估计结果对于测量噪声的自适应性。此外,将轮速耦合关系应用到ACKF的测量更新中,利用传感器测量信息的冗余度提高估计结果的精度与可靠性。进行了基于CarSim/Simulink联合仿真模型的仿真试验,结果表明,所提出的估计方法在实际应用中整体估计精度相比EKF分别提升了9.83%和7.12%。     

基于有限时间收敛观测器的汽车质心侧偏角估计

汽车质心侧偏角观测器的设计往往需要较为复杂的模型并处理较多的模型参数,这影响了系统的实时性和易实施性。为此,以不确定2自由度汽车模型为基础设计了有限时间收敛的观测器,根据在此时间段内的收敛状态判断模型参数是否需要调整,同时还设计了相对简单的模型参数调整方案,以实现简单而有效的汽车质心侧偏角估计。通过CarSim高精度汽车动力学软件的实验表明该方案可行。     

基于扩张观测理论的车辆质心侧偏角估计方法研究

为了实现对车辆行驶状态参数的估算,建立了车辆单轨二自由度数学模型,并以扩张观测理论为基础,设计了一种能够实时追踪车辆行驶状态参数的线性扩张观测器,利用可以直接获取的横摆角速度,车轮转角和纵向车速对质心侧偏角进行估计,并应用李雅普诺夫函数法对所设计的扩张观测器参数进行优化。在Matlab中在不同的车速下对设计的质心侧偏角观测器进行实验验证.实验结果表明:所设计的线性扩张观测器不仅能够对车身质心侧偏角进行很好的估算,而且具有很好的抗干扰性,纵向车速的改变,没有影响观测的精度。     

基于状态空间自回归最小二乘的车辆质心侧偏角非线性估计

基于动力学模型对车辆质心侧偏角进行了估计。为使轮胎模型能够适应不同附着系数的路面,将动态参数引入“魔术公式”轮胎侧偏力模型。应用状态空间形式的自回归最小二乘算法（RLS）设计了车辆质心侧偏角估计器。通过车辆在高附着系数路面的蛇形试验和变附着系数路面的双移线试验对估计方法进行了验证,结果表明,即使车辆出现大侧偏情况使轮胎进入到侧偏角-侧偏力特性曲线的非线性区域,提出的估计方法也能够实现对质心侧偏角的估计。将该估计方法与扩展卡尔曼滤波估计在精度、计算效率和使用条件等方面进行了比较,进一步表明所提出方法具有良好性能。     

考虑路面影响的车辆稳定性控制质心侧偏角动态边界控制

路面附着系数与车辆稳定性控制的效果紧密联系,因此有必要在考虑路面影响的情况下设计一种能够适用于多种路面的质心侧偏角控制策略。在7自由度非线性动力学模型的基础上,由车轮侧向力与路面附着的关系,分析不同路面对质心侧偏角控制的影响。根据路面附着系数的不同,通过定义极限边界和线性区域边界,设计变化的动态质心侧偏角安全边界。根据横摆角速度增益判断车辆是否处于非线性状态,并在有逼近安全边界的趋势时提前施加控制,以避免产生由车轮纵向力增加引起的侧向力减小所造成的加剧车辆侧滑的趋势。基于非线性输入的滑模控制算法设计质心侧偏角控制器。通过Matlab/Simulink仿真和实车试验验证了该控制方法能够在不同附着路面条件下的有效地保证汽车的行驶稳定性。     

独立驱动电动汽车质心侧偏角融合估计方法

针对传统质心侧偏角估计精度低、实时性差等问题,把四轮独立驱动电动汽车作为研究对象,提出一种基于强跟踪卡尔曼滤波及无迹卡尔曼滤波融合估计的质心侧偏角估计方法。由于汽车在侧向加速度较小时车辆动力学特性基本呈线性变化,此时通过强跟踪卡尔曼滤波快速估计,当汽车侧向加速度较大时车辆动力学特性趋于非线性变化,通过无迹卡尔曼滤波准确估计。最后将两种估计方法的数据融合,完成不同车速不同工况下对车辆质心侧偏角的估计。搭建Simulink-Carsim联合仿真平台对提出的方法进行验证,结果表明该方法在保证估计精度的同时具有较好的实时跟踪效果及鲁棒性。     

基于运动学方法和运动几何方法融合的质心侧偏角估计

针对车辆质心侧偏角难以直接测量的问题,提出一种基于运动学方法和运动几何方法融合的质心侧偏角估计方法。基于三自由度车辆运动学模型构建一个扩展卡尔曼滤波器(Extended Kalman filter,EKF),用于质心侧偏角的动态值估计。设计出一种基于车辆运动几何关系的估计方法,利用质心侧偏角与前后轮侧偏角之间的运动几何关系,以及UniTire轮胎模型实现质心侧偏角稳态值的估计。然后根据两种估计方法的特点,设计出一种基于质心侧偏角动态特性的数据融合方法,提高了质心侧偏角估计结果的精度。基于CarSim软件的仿真结果表明,该融合估计方法对传感器信号噪声和误差具有较好的鲁棒性,能够在各种路面条件和驾驶操作条件下实现对车辆质心侧偏角的准确估计。     

基于改进的自适应遗传粒子滤波算法的车辆质心侧偏角估计

质心侧偏角是表征车辆稳定性和安全性的一个重要状态参数,该参数一般通过汽车行驶状态观测器估计来获取,提高质心侧偏角的估计精度将有助于车辆控制理论的研究.文中针对分布式纯电动汽车非线性、非高斯的行驶特点和四轮独立控制的特点,在自适应遗传粒子滤波算法的基础上,提出一种改进的粒子选择算法,并基于该算法设计了分布式纯电动汽车行驶...     

基于扩展卡尔曼滤波的信息融合技术在车辆状态估计中的应用

车辆行驶中某些状态参量不易准确测得或测量成本较高,而这些变量的准确获取对车辆底盘控制有着重要的意义。为以较低成本获取重要的车辆运动状态,建立包括横摆、侧向和纵向3自由度的非线性车辆模型,利用扩展Kalman滤波(Extended Kalman filtering, EKF)理论建立了信息融合算法,给出车辆状态变量最小方差意义下的融合结果,利用少量的易测车辆状态信息(转向盘转角、车辆纵、侧向加速度)融合得出所需的难测车辆状态(横摆角速度、质心侧偏角)。并在Matlab/Simulink环境下利用实车场地试验数据进行了离线仿真。多种工况下的场地试验结果表明,该算法在估计汽车横摆角速度、质心侧偏角、纵向速度时具有一定的准确性,特别是对横摆角速度的估计,即使在车辆非线性区也表现出良好性能。同时该融合算法简单、稳定及所需融合输入较少的特点使该算法在实际中的应用成为可能。     

车辆质心侧向速度实时估计方法

介绍一种用于车辆稳定性控制系统的车辆质心侧向速度实时估计方法一综合估计法,该算法充分利用侧向速度直接积分估计法和模型估计法的优点.在给出综合估计法模型的基础上,对估计方法连续状态方程离散化,并给出闭环状态观测器反馈阵以及离散模型系数矩阵的计算方法.试验结果表明:综合估计法能充分汲取直接积分法的非线性不敏感和模型估计法无累积误差的优势.综合估计法可成功避免直接积分法和模型估计法的不足,具有较好的估计性能.     

基于IEKF-APF算法的汽车状态估计

行驶汽车状态变量质心侧偏角和横摆角速度是汽车稳定性控制系统中重要控制变量,准确获取行驶过程中的状态信息是汽车控制系统研究的关键问题。应用估计理论由传感器测出易测变量来估计难以测量的关键状态变量是一种常用的估计方法。提出一种新的粒子滤波算法通过所建立的包含定常平稳随机噪声和非线性轮胎的汽车动力学7自由度整车模型对汽车状态进行估计。针对粒子滤波过程中出现的退化问题,应用迭代扩展卡尔曼滤波融入最新观测信息产生更加接近真实状态的重要性密度函数,辅助粒子滤波算法通过所产生的重要性密度函数结合观测量进行重采样,结合这两种算法提出迭代扩展卡尔曼-辅助粒子滤波算法(Iterative extended Kalman filtering-auxiliary particle filtering algorithm, IEKF-APF)以改善粒子采样和估计精度的提高。为验证所提出的IEKF-APF算法估计性能,将其结果与实车试验结果和无迹卡尔曼滤波算法(Unscented Kalman filtering, UKF)估计结果进行比较,结果表明其估计性能优于UKF,更接近于试验结果。     

基于改进RBF网的汽车侧偏角估计方法试验研究

基于汽车稳定性控制系统配置传感器信号,利用改进径向基神经网络技术对车身和车轮侧偏角进行估计.对径向基网络基本最小二乘算法提出3条改进措施以获得合适的网络结构、提高网络的泛化能力和计算实时性.构建车身和前轮侧偏角、电子稳定程序(Electronic stability program, ESP)传感器信号测试道路试验系统,进行典型高附路面试验,并提取数据样本用于网络的学习和测试.通过网络结构和性能参数交叉验证,确定网络结构为4-12-2,扩展常数为9,目标学习误差及其梯度分别为0.025和0.05.由验证样本测试网络对车身和前轮侧偏角的估计精度分别为0.5°和0.8°.基于PC平台对网络预测实时性进行测试.结果表明所构建的网络在精度和实时性方面能够较好地满足ESP控制器对侧偏角的监控要求.     

基于NACKF的分布式驱动电动汽车轮胎侧向力与质心侧偏角估计

针对传统容积卡尔曼滤波算法在进行车辆关键状态估计时要求噪声统计特性已知的问题,提出一种噪声自适应容积卡尔曼滤波（Noise adaptive cubature Kalman filter, NACKF）算法来进行车辆关键状态的估计。基于次优无偏极大后验估计器对量测噪声协方差进行实时更新并将其嵌入到标准容积卡尔曼算法中实现自适应容积卡尔曼滤波。针对车辆不同子系统间耦合特性对滤波精度的影响,构建双重自适应容积卡尔曼滤波器分别进行侧向力与质心侧偏角的估计,两者在估计过程中互为输入构成闭环反馈,利用分布式模块化结构弱化系统耦合特性对估计精度的影响,实现轮胎侧向力与质心侧偏角的实时准确估计。利用Simulink-Carsim联合仿真平台进行仿真验证和实车试验验证。结果表明,基于双重自适应容积卡尔曼滤波的估计算法相对标准容积卡尔曼滤波估计精度更高,较好地改善了传统容积卡尔曼滤波器在噪声先验统计特性未知条件下非线性滤波精度下降的问题。     

汽车S-AKF估计与PID控制的闭环系统仿真

基于Carsim和Simulink设计了基于PID的横摆角速度控制策略,并对控制策略的效果进行了验证;建立了二自由度汽车动力学模型,提出将S-自适应卡尔曼滤波（S-AKF）算法用于汽车横摆角速度和质心侧偏角的估计;将S-AKF估计器与PID控制器相结合,构成完整的估计-控制闭环系统。通过Carsim中的操稳试验对整个系统的性能进行了仿真验证,结果显示,提出的估计-控制体系可在必要工况下实现对汽车的主动干预,提高汽车的路径跟踪能力和稳定性能。