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。     

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。     

基于模糊自适应无迹Kalman滤波的车辆状态参数估计

为了精确估计车辆行驶状态参数,提出了一种基于模糊自适应无迹卡尔曼(Kalman)滤波的车辆状态参数估计方法,将模糊控制引入到无迹卡尔曼滤波算法中,通过模糊控制动态调整系统测量噪声,实现滤波的自适应调节。采用非线性三自由度汽车模型作为车辆状态参数估计模型,以前轮转角和纵向加速度为系统输入向量,以横摆角速度、质心侧偏角及纵向车速为状态向量,以侧向加速度为输出向量。应用Carsim软件和Matlab/Simulink软件进行联合仿真,验证该算法的有效性,结果表明:模糊自适应无迹卡尔曼滤波算法比无迹卡尔曼滤波和扩展卡尔曼滤波估计精度高、效果好。     

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。     

模糊神经网络在汽车稳定性控制中的应用

为满足车辆动力学控制日趋复杂的控制需求,亟待探索鲁棒性更强的非线性控制算法与之相适应。针对常规模糊控制存在隶属度函数无法随车辆行驶条件的变化而自动修改适应的缺陷,设计了模糊神经网络控制器。其利用神经网络的学习机制,可优化模糊隶属度函数与控制规则。在MATLAB/Simulink中建立了车辆稳定性控制系统模型,并利用联合仿真技术搭建了MATLAB/Simulink与Carsim的虚拟联合仿真平台,验证了控制算法的有效性。仿真结果表明,模糊神经网络控制器具有更强的自适应性与鲁棒性,更能适应复杂多变的车辆动力学控制。     

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。     

汽车ESP系统的CarMaker/Simulink建模与仿真

为提高车辆电子稳定程序的控制精度,通过分层模块化思想,提出以横摆角速度和质心侧偏角为输入量的ESP控制系统算法,最终输出稳定制动力矩提高车辆的操纵稳定性。为保证控制系统的准确性,采用CarMaker和Simulink联合建立虚拟仿真环境,并在ISO3888-2(2002)急促双移线试验工况下进行验证。结果表明:试验较好地验证了ESP系统算法的有效性;当横摆角速度和质心侧偏角的偏差值超过规定范围时,控制系统能准确实施制动干预,保证了车辆能准确跟踪驾驶员的期望路线。     

汽车动力学模型仿真

为了模拟汽车的操控稳定性,在MATLAB/SIMULINK平台上建立了七自由度车辆动力学仿真模型.嵌入某汽车参数后,对模型进行了前轮转角阶跃输入下的仿真分析.结果表明,搭建的模型可以真实地反映车辆运动特性的变化.     

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.     

基于容积卡尔曼滤波的车辆行驶状态估计

目前针对车辆行驶状态的估计主要采用的是扩展卡尔曼滤波、无轨迹卡尔曼滤波、粒子滤波算法及其它们的改进方法。针对车辆行驶过程中的状态估计问题,论文提出了基于容积卡尔曼滤波的车辆行驶状态估计算法。建立了非线性三自由度车辆估算模型和Dugoff轮胎模型,通过对纵向加速度、侧向加速度、横摆角速度、方向盘转角和轮速传感器低成本传感器信号的信息融合实现对车辆行驶状态的准确估计,并应用Car Sim和Matlab/Simulink联合仿真实验对算法进行仿真验证。结果表明:基于容积卡尔曼滤波的估计算法能够较准确地、稳定地对车辆行驶状态进行估计。     

基于TESIS DYNAware的车辆巡航虚拟试验研究

在Matlab/Simulink环境下,基于车辆动力学实时仿真软件TESIS DYNAware,利用dSPACE单板系统DS1103,以建模的形式连接车辆的硬件操纵信号于vedyna_traffic模型中;选用DYNAware中车辆动力学模型veDYNA的Standard版本,借助嵌入Simulink的veDYNA模块对此模型进行更改,建立基于DYNAware的虚拟试验系统。对自适应巡航(Adaptivecruise,AC)的仿真控制策略进行分析,通过.mdl接口集成控制模型于试验系统中。在veDYNA的主工作界面,由参数文件的图形编辑器,以及文本编辑器的.m接口,输入仿真车型的车辆数据,对仿真控制的可控项、用户程序分别进行设置;veDYNA、交通仿真模块和动画工具模块共同作用,在硬件操纵信号的控制下进行AC的虚拟试验,跟踪相关参数,并把得到的对应曲线与具有AC功能的仿真车型得到的曲线进行定性对比。结果表明,此种方法进行AC虚拟试验是一种很好的研究手段。     

基于递推最小二乘法与模糊自适应扩展卡尔曼滤波相结合的车辆状态估计

针对汽车状态估计中模型参数的变化和观测噪声的时变特性,提出了递推最小二乘法与模糊自适应扩展卡尔曼滤波相结合的汽车状态估计算法。为实现模型参数与观测噪声的实时更新,建立了基于三自由度非线性车辆动力学模型的算法,首先利用递推最小二乘法对汽车的总质量进行估计,其次建立了模糊控制器对扩展卡尔曼滤波的观测噪声进行实时跟踪。在搭建的CarSim与MATLAB/Simulink联合仿真平台中验证了该算法的有效性,结果表明该算法估计精度高于传统扩展卡尔曼滤波算法,研究结果为汽车的主动安全控制提供了理论支持。     

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。