四轮驱动电动汽车质心侧偏角与轮胎侧向力非线性鲁棒融合估计

针对四轮驱动电动汽车质心侧偏角和轮胎侧向力难以直接测量的问题,考虑系统未建模的动态特性、模型参数摄动、系统过程噪声及测量噪声等因素,提出了一种基于遗忘因子递归最小二乘法(FFRLS)与鲁棒容积卡尔曼滤波(RCKF)的联合估计方法。基于FFRLS法对整车质量进行实时估计,并将极大值背景下的估计误差最小化嵌入标准容积卡尔曼滤波(CKF)以实现RCKF,提出了联合估计算法的改进策略,有效提高了复杂工况下滤波对模型参数摄动以及未建模噪声的抗干扰能力,可以实现质心侧偏角与轮胎侧向力的精准估计。在CarSim/Simulink联合仿真环境下,采用不同工况验证了算法的准确性、鲁棒性和抗干扰性。在四轮驱动电动汽车实车平台上分析了算法的有效性。研究结果表明,所提方法比RCKF和CKF精度更高,解决了复合工况下四驱电动汽车质心侧偏角和轮胎侧向力的联合估计问题。     

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。     

车辆质心侧偏角估计综述

车辆质心侧偏角是车辆稳定性控制系统中至关重要的状态变量。分别从横向车速估计方法、纵向车速估计方法和估计过程中的模型参数自适应估计三个方面回顾车辆行驶过程中的质心侧偏角估计问题。通过对比分析质心侧偏角估计中运动学估计方法和动力学估计方法的各自优缺点,指出多方法融合估计质心侧偏角的优势。比较分析不同种类的观测器技术对质心侧偏角估计效果的影响。分析指出参数自适应估计是提高质心侧偏角估计精度的有效手段,并分别介绍路面峰值附着系数、轮胎侧偏刚度、路面坡度角等参数的自适应估计方法。分析分布式驱动电动汽车结构特点对质心侧偏角估计问题带来的影响,指出充分利用电动机转矩信息是提高质心侧偏角估计的重要措施。针对分布式驱动电动汽车,先后分别列举分析横向车速、纵向车速和参数自适应估计方法的特殊之处和优势所在。     

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。     

考虑横向载荷转移的4WID-EVs侧向力及侧偏刚度估计

针对分布式电驱动汽车轮胎侧向力和侧偏刚度不易测量的问题,考虑到车辆横向载荷转移,结合无迹卡尔曼滤波和扩展卡尔曼滤波优点,设计了双卡尔曼滤波观测器分别估计轮胎侧向力和侧偏刚度。建立7自由度车辆模型,基于无迹卡尔曼滤波算法设计轮胎力观测器,并以此作为侧偏刚度观测器的输入;基于扩展卡尔曼滤波算法设计了轮胎侧偏刚度观测器;最后,在MATLAB/Simulink环境下仿真分析,结果表明在不同行驶工况下该观测器均能够有效估计出轮胎侧向力和侧偏刚度。     

基于质心侧偏角估计算法的车道保持稳定性控制

为了提高低附着系数路面车道保持能力和稳定性,基于质心侧偏角和横摆角速度与期望值的差值设计了车道保持转向角补偿模糊控制器。质心侧偏角和横摆角速度是表征汽车稳定性的重要参数,也是所设计的模糊控制器的输入量,但质心侧偏角不易直接测量。因此,针对质心侧偏角运动学和动力学估计算法各自的特点,并利用前者修正后者的估计值,提出了质心侧偏角集成估计算法。基于CarSim/Simulink仿真结果表明,所提出的质心侧偏角估计算法具有较高估计精度,所设计的转向角补偿模糊控制器具有更好的车道保持能力和稳定性。     

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。     

分布式驱动电动汽车双无迹卡尔曼滤波状态参数联合观测

为实时观测分布式驱动电动汽车行驶过程中的车身质心侧偏角等状态及车辆惯性参数如车辆质量、横摆转动惯量等信息,针对车辆惯性参数估计易敏感于载荷参数变化的挑战,发展面向载荷参数不确定（乘客或货物加载）的纵向、侧向、横摆运动的四轮车辆非线性动力学系统估计模型,在融合轮毂转矩等车载多传感器信息的基础上,将能适应强非线性系统的无迹卡尔曼滤波引入到车辆惯性参数估计中,设计车辆并联双无迹卡尔曼滤波状态参数联合观测系统,其中一个无迹卡尔曼滤波器观测车辆速度、车身质心侧偏角等状态,而另一个无迹卡尔曼滤波器观测车辆惯性参数。在CarSim/Matlab高保真环境中使用双移线、正弦工况对观测器在不同的载荷加载条件的可行性和有效性进行仿真验证,结果表明：该观测系统能实时观测车辆运行的状态及车辆惯性参数,即使在重载荷加载条件下仍具有较高的观测精度。     

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。     

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。     

Vertical Tire Forces Estimation of Multi-Axle Trucks Based on an Adaptive Treble Extend Kalman Filter

Vertical tire forces are essential for vehicle modelling and dynamic control.However,an evaluation of the vertical tire forces on a multi-axle truck is difficult to accomplish.The current methods require a large amount of experimental data and many sensors owing to the wide variation of the parameters and the over-constraint.To simplify the design process and reduce the demand of the sensors,this paper presents a practical approach to estimating the vertical tire forces of a multi-axle truck for dynamic control.The estimation system is based on a novel vertical force model and a proposed adaptive treble extend Kalman filter(ATEKF).To adapt to the widely varying parameters,a sliding mode update is designed to make the ATEKF adaptive,and together with the use of an initial setting update and a vertical tire force adjustment,the overall system becomes more robust.In particular,the model aims to eliminate the effects of the over-constraint and the uneven weight distribution.The results show that the ATEKF method achieves an excel-lent performance in a vertical force evaluation,and its performance is better than that of the treble extend Kalman filter.     

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。     

基于AEKF的车辆质量与道路坡度实时估计

针对车辆在实际行驶过程中外界噪声的统计特性无法已知的问题,以车辆纵向动力学模型为基础,提出了自适应扩展卡尔曼滤波(adaptive extended Kalman filter,简称AEKF)的车辆质量及道路坡度估计算法。以动态估计车辆系统中的质量与坡度为研究对象,引入了旋转质量换算系数,建立车辆纵向动力学系统的状态空间模型,考虑了不同时刻的档位匹配与行驶特殊工况的处理。对系统状态方程进行离散化处理,得到系统状态方程与系统测量方程,在扩展卡尔曼滤波(extended Kalman filter,简称EKF)的基础上引入带遗忘因子的噪声统计估计器,通过AEKF对状态方程与测量方程实时更新,进行在线估计和校正噪声统计值,从而解决系统的噪声时变问题。本研究算法与EKF算法估计及实测结果的对比分析表明,本研究算法能够很好地对车辆质量和坡度信号进行有效滤波和估计,在短时间内逐渐收敛并逼近实测值,从而能够合理有效地检测车辆在行驶过程中的状态信息。     

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。     

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。     

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。