基于自适应扩展卡尔曼滤波的分布式驱动电动汽车状态估计

纵向车速和质心侧偏角是车辆主动安全控制系统的关键参考状态信号,通常采用卡尔曼滤波算法估计。当系统噪声和测量噪声的统计特性存在不确定性时,不仅估计精度会降低,甚至导致估计器发散。结合分布式驱动电动汽车4个车轮转矩和转速可直接测量的特点,提出一种车辆状态自适应扩展卡尔曼滤波估计方法。基于量纲一化新息平方实现车辆状态估计有效性检测,提出滑动窗口长度自适应调整规则;根据新息统计特性提出卡尔曼滤波增益和状态估计误差协方差矩阵的自适应调整策略,及基于车辆状态估计稳态误差和动态响应速度的自适应参数确定原则。数值仿真和试验证明,所提出的车辆状态估计方法,不仅估计精度较高,而且实时性和易用性较强。     

分布式电驱动车辆的无味粒子滤波状态参数联合观测

针对目前分布式电驱动车辆动力学领域中存在的状态参数观测体系不完善、观测精度低的问题,利用分布式电驱动车辆多信息源的特点,提出无味粒子滤波状态参数联合观测方法。基于非线性车辆动力学模型对分布式电驱动车辆的纵向速度、质心侧偏角、横摆角速度及各轮侧向力进行联合观测。同时,为提高侧向力的观测精度,采用非线性动态轮胎模型。在完成模型搭建的基础上,考虑到所搭建的车辆动力学模型具有强非线性,设计适用于强非线性模型的无味粒子滤波器对多个状态变量进行联合观测。而为进一步提高状态观测精度,进行量测噪声协方差的自适应调节。仿真和试验结果表明,所提出的状态观测方法能够提高分布式电驱动车辆状态参数观测精度和鲁棒性。     

分布式电动汽车状态与参数无迹卡尔曼滤波估计

为提高分布式电动汽车的控制性能,提出一种更加综合、全面的车辆状态及参数估计方法。针对车辆在行驶过程中某些动力学状态及参数难以实时量测的问题,以分布式电驱动汽车为研究对象,探讨基于无迹卡尔曼滤波的车辆状态估计及参数识别方法。建立7自由度时变参数车辆模型;以车辆易于测量的纵向加速度、侧向加速度、横摆角速度和轮速为观测变量,通过状态扩维,将车辆相关参数引入到车辆状态矢量中,采用无迹卡尔曼滤波算法设计一种车辆状态和参数的联合观测器,以便同时估计和辨识车辆纵向速度、侧向速度、轮胎侧向力、车辆质量、转动惯量、质心位置及其高度;在Simulink/Carsim平台上进行鱼钩角输入、滑行和加速工况的仿真验证,结果表明,该联合观测器能够有效的估计和辨识出上述相关车辆状态和参数,收敛效果较好。     

分布式驱动电动汽车关键技术分析

近年来,全球能源紧缺和环境污染问题已经成为世界性问题,传统的汽车属于高能耗、高污染的产业,全球汽车产业都开始积极探索新的发展道路,朝着电动化、智能化的方向发展。在这一背景下,电动汽车应运而生,分布式驱动电动汽车是电动汽车的一种,其关键技术研发一直都是许多汽车和工业专家研究的热点。     

基于双自适应无迹卡尔曼滤波算法的锂电SOC/SOH联合估计

合理准确地估算出电池荷电状态（SOC）与健康状态（SOH）对电动汽车安全运行和能量分配有重大意义。目前锂离子动力电池状态参数的研究中,很少考虑两个参数在估算过程中的相互影响;传统无迹卡尔曼滤波（UKF）算法在应用时,常因难以真实模拟实际噪声导致估算误差增大。针对这些问题,这里以电池Thevenin等效电路模型为基础,结合改进的AUKF,提出双自适应无迹卡尔曼滤波算法（DAUKF）,实时更新计算模型参数,实现SOC与SOH的联合估算,提高算法的估算精度。最后通过实验及仿真对比,验证了该算法的可行性及估算精度。     

利用双卡尔曼滤波算法估计电动汽车用锂离子动力电池的内部状态

以电动汽车的研发为背景,建立用于电动汽车中作为辅助动力源的锂离子动力蓄电池的等效物理模型及其离散形式的状态空间方程,然后分别介绍如何基于卡尔曼滤波算法在线估计电池内部的荷电状态和寿命状态。在此基础上,介绍利用双卡尔曼滤波算法同时在线估计荷电状态和寿命状态的算法原理,并设计出相关的电池测试试验,利用在此试验过程中所采集的包括电流、电压等数据对电池的内部状态进行估计。对试验结果的分析表明,利用双卡尔曼滤波算法在线估计电池内部状态是有效的,并且估计精度也相对较高,可以较好地反映电池内部的真实状态。     

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。     

[分布式驱动电动汽车动力学控制]基于转矩协调分配的分布式驱动电动汽车稳定性控制

A hierarchical vehicle-stability-control method was presented based on the longitudinal force distribution optimization for the handling and stability control of the distributed-driven electric vehicles. The eight-degree-freedom vehicle models and the three-layer control systems were developed. By selecting the sideslip angle and the yaw rate as the state variables and introducting the virtual control to decouple two control variables,  the integral 2-DOF vehicle models were adopted to calculate the equivalent yaw moments for the vehicle stability in upper controllers. The linear quadratic regulator （LQR） method was utilized to optimize the distribution of the front and rear steering angles and the tire longitudinal forces in middle controllers. The sliding-mode-based slip controller in the lower layer was also designed to reallocate the wheel torques. Simulation results show that the control system may make full use of the adhesion potential of the tire under high speed and extreme conditions, realize the coordinated distribution of wheel torques and improve the steering stability of the vehicles. When the actuators fail, the system may reconstruct effectively and realize the reallocation of control inputs to improve the safety of the vehicles.     

双驱动电动汽车动力参数匹配与优化方法

双驱动是提高电动汽车整车性能的有效方式,提出了一种基于正交试验法的电动汽车双驱动动力参数匹配与优化方法。方法基于车辆性能需求对系统参数进行匹配计算,依据主要道路工况需求功率统计确定电机驱动功率匹配范围,制定双电机驱动与能量回馈策略;然后基于正交试验优化方法,以车辆综合性能最优为目标,对参数进行优化设计,通过对影响因素进行敏感度分析和极差分析获得最优方案。最后以双驱动电动中巴为实例进行仿真验证,结果表明:双驱动动力系统可较好地提升整车性能,可作为双驱动动力系统快速匹配优化设计方法。     

基于状态反馈的分布式驱动电动汽车操纵性改善控制方法

研究分布式驱动电动汽车直接横摆力矩控制问题。提出基于状态反馈的操纵性改善控制策略：利用横摆角速度反馈改善车辆的横摆角速度瞬态响应,利用转向角前馈提高车辆的稳态横摆角速度增益。根据反馈系数对车辆瞬态响应特性的影响建立优化函数,获取不同车速下最优反馈系数。基于转向助力需求设计前轴差动转矩约束,再结合后轴的电动机外特性约束,获取不同车速下最大前馈系数。设计四轮转矩分配策略,在实现直接横摆力矩控制的同时满足驾驶员的加速需求。多工况下仿真验证表明,算法在改善横摆角速度的瞬态响应和稳态增益的同时可以减少转向盘力矩,降低驾驶员操作负荷;直接横摆力矩的引入有效地抑制了加速过程中的不足转向,平衡了前后轴的侧向附着利用率,提高了车辆的侧向稳定裕度。     

基于UKF算法的汽车状态估计

准确实时获取行驶过程中的状态信息是汽车动态控制系统研究的关键问题。将unscented卡尔曼滤波(UKF)算法应用到汽车的状态估计之中,建立了包含时不变统计特性噪声和非线性轮胎的汽车动力学模型,采用具有对称采样策略和比例修正的UKF算法对汽车估计了多个关键状态量。将UKF估计器与常见的EKF估计器进行了比较分析,基于ADAMS/Car的虚拟试验和实车试验验证了UKF在汽车状态估计中的可行性。     

四驱混合动力轿车驱动工况无迹卡尔曼车速估计

针对驱动模式复杂多变的四驱混合动力轿车,考虑其后轮毂电机驱动转矩的准确可测以及既定模式下前驱动轮转矩的可推算性,结合电子稳定程序(Electronic stability program,ESP)系统传感器信号,提出无迹卡尔曼车速估计算法。搭建四驱混合动力轿车仿真平台,其集成了驱动系统模型、非线性7自由度车辆动力学模型和统一轮胎模型。基于车辆动力学模型和轮胎模型,设计融合驱动轮转矩信息和传感器信息的车速估计算法,并将估计结果与仿真车速进行比较分析。在样车上加装转向盘转角、横摆角速度和质心加速度等传感器,采集轮转、驱动轮转矩信息,在后轮纯电驱动模式低速双纽线试验、四轮混合驱动模式双移线和蛇行试验工况下,对所设计算法进行实车道路试验。仿真和实车试验结果表明,无迹卡尔曼车速估计算法精度较高,且具有较强的工况适应性。     

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。     

分布式电驱动车辆状态感知与控制研究综述

分布式电驱动车辆转矩响应快、全轮独立可控、制动能量可回收且可大幅度提升整车能效,对增强车辆安全性、操纵稳定性和运行节能性具有重要的意义。但须研究解决过驱动系统复杂性、非线性耦合、轮路接触非线性和不确定性等核心问题,这依赖于研究先进的状态感知和控制方法。从控制和状态感知的角度,基于功能目标对现有研究进行分类,综述分布式电驱动车辆的最新研究进展。状态感知为控制系统提供准确、可靠、快速的运动状态反馈信号,但面临车速估计难、传统检测方法带宽受限、复杂未知路面影响等挑战。控制系统首要目标是车辆安全稳定性,进而提升整车能效,并可通过多目标优化拓展其他复合功能,但面临多目标耦合干涉、异构多尺度执行系统同步协调、附着条件未知不确定、在线实时计算与全工况测试等关键挑战。充分利用分布式电驱动系统机电信号测量准确、简便、带宽高的优势,协同利用智能车体系的多源异构传感信息,是状态感知技术发展的重要思路;进一步挖掘分布式电驱动转矩响应快、全轮电制动能量回馈等优势,突破复杂、全工况、不确定条件下的多目标优化控制方法,是解决控制系统所面临挑战的重要思路。     

智能分布式电动车辆柔性化系统平台

为解决现有实验平台车可扩展和可升级性能不强、对智能技术与电动汽车技术集成程度不高的问题,提出了一种可扩展、柔性化电动汽车系统平台建立方法。该柔性化平台具有开放式结构、模块化部件,容易实现功能的扩展和部件的升级,使得机械参数的改变和电气设备的接入都变得更容易,有助于快速实现和验证设计。仿真和实验表明,具备新型结构的电动车平台满足基本性能要求,能够方便地配置成各种系统形态,并进行相关实验。     

基于能量法的分布式驱动电动汽车防侧翻控制

分布式驱动电动汽车具有优越的侧倾稳定性控制功能,但基于横向载荷转移率评价进行控制并不能充分发挥其技术优势。为提升该类车型恶劣工况下的防侧翻控制能力,针对当前侧翻评价指标的不足,开展基于能量转化评价的稳定性控制研究。针对该类车型的结构特点,建立车辆系统坐标系,借助欧拉旋转角法推导了整车在侧翻运动过程中动能、势能和耗散能的表达方程;通过计算车辆失稳能量阈值与车辆实时失稳能量,提出综合多因素的车辆稳定性评价指标;基于侧翻动力学模型设计出防侧翻滑模控制器;通过在分布式驱动系统力矩阈值范围内开展基于驱动轮力矩分配的差动驱动,实现了整车的防侧翻控制。研究表明,基于能量法制定的空间失稳评价指标相较于横向载荷转移率而言,更能准确、灵敏地反映整车侧倾运动状态的变化趋势,基于其设计的防侧翻控制方法通过主动分配两侧驱动力矩,削弱了相关能量转化,有效抑制了整车侧倾运动,显著提高了侧倾稳定性。     

S-修正的自适应卡尔曼滤波与模糊卡尔曼滤波相结合的汽车状态估计算法

精确的汽车状态信息的获取是汽车动态控制系统正常工作的前提。建立了二自由度汽车动力学模型,提出了将S-修正的自适应卡尔曼滤波与模糊卡尔曼滤波相结合进行汽车关键状态估计的方法。模糊卡尔曼滤波利用所设计的模糊控制器通过实时监测信息实际方差与理论方差的比值,实现对时变量测噪声的协方差矩阵的实时在线估计,提高了算法在时变量测噪声情况下的鲁棒性;S-修正的自适应卡尔曼滤波算法基于滤波不发散理论推导得出实时修正因子S,进而对估计误差协方差矩阵直接加权。两种方法的结合在总体上提高了在汽车动力学系统过程噪声与量测噪声协方差矩阵不准确情况下算法的鲁棒性与估计精度,最后通过基于ADAMS的虚拟试验验证了该方法的有效性。     

基于规则的分布式电驱动车辆驱动系统失效控制

针对分布式电驱动车辆在进入失效控制工况下,传统控制策略存在的纵横向控制目标无法满足、驱动能力降低、安全性变差等缺点,设计并考虑动力性和稳定性的驱动系统失效协调控制策略。该策略利用分布式电驱动车辆各轮无机械连接、各轮独立驱动以及驱动单元冗余配置的结构特点,依据不同的失效状况和车辆状态制定基于规则的驱动系统失效控制算法。对所设计的算法进行实车试验验证,试验结果表明,在发生驱动系统失效后,所设计的基于规则的驱动失效控制策略通过协调控制各驱动轮驱动能力,在低速小转向阶段改善了车辆的纵向驱动能力,在高速或者大转向阶段保证了车辆的横向稳定性。     

控制分配理论在车辆动力学控制中的应用

回顾控制分配理论在分布式电驱动车辆动力学控制中的应用。控制分配是解决执行器冗余控制的有效方法,它可将控制系统的设计分解为基本控制率的设计与控制分配算法的设计,降低控制系统设计的复杂度。分布式电驱动汽车的执行器数量多于被控物理量,是一种典型的执行器冗余控制系统。控制分配理论在分布式电驱动汽车中的应用经历了从简单的显式分配到优化分配的过程。在动力学控制方面,已形成包含各执行器约束,考虑轮胎横纵向力耦合的控制分配技术,结合液压系统与电动机系统进行分配是进一步研究方向。在能耗最优控制中,控制分配算法通过权重系数可以结合稳定性控制目标,有利于多目标融合的实现。在系统重构控制中,目前主要采用基于规则的控制分配方法,通过优化算法实现系统重构是进一步研究方向。目前应用的控制分配算法以二次规划与伪逆法为主,主要原因在于这两种方法的实时性好,且具有较高的分配精度。