考虑轮胎弛豫特性的轮毂电机驱动电动汽车鲁棒自适应驱动防滑控制

针对轮毂电机驱动电动汽车驱动防滑控制问题,充分考虑轮胎弛豫特性对加速舒适性的影响,提出一种基于线性参数时变-鲁棒保性能极点配置的驱动防滑控制方法。阐述轮胎弛豫特性与传统稳态车轮旋转动力学的耦合机理,指出弛豫特性是造成的滑移率振荡的原因,并依此建立弛豫车轮旋转动力学模型。为了抑制车轮滑转的同时降低弛豫特性对纵向舒适性的影响,基于保性能极点配置方法设计驱动防滑控制系统。针对模型中存在的摄动参数与时变参数,构建鲁棒控制-增益调度策略保证滑移率跟踪的稳定性。数值仿真和实车试验结果表明,所设计的驱动防滑控制系统可以实现任意路面附着与初始车速下车轮滑移率的自适应控制,具有较强的鲁棒性。与传统的驱动防滑控制系统相比,其对车身加速度振荡的抑制更加明显,提高轮毂电机驱动电动汽车的纵向稳定性和加速舒适性。     

基于多基站IMMKF-DOA辅助车辆协同定位算法研究

针对传统卡尔曼滤波算法在进行车辆实时运动过程中难以精准定位问题,提出一种基于运动状态自适应的交互多模型卡尔曼滤波(Interacting multiple model Kalman filter,IMMKF)与多基站到达方向(Direction-of-arrival,DOA)相融合进行车辆位置实时估计算法。基于无偏估计器对测量噪声协方差进行实时更新并将其嵌入标准卡尔曼滤波算法中实现自适应交互多模型卡尔曼滤波。针对车辆不同运动状态及动态行驶环境对车辆定位估计精度的影响,构建自适应交互多模型卡尔曼滤波器与多基站信息融合算法进行车辆位置实时估计,考虑不同车速与不同基站数等行驶工况下车辆定位精度的变化趋势,实现车辆实时位置的准确估计。利用PreScan-Simulink联合仿真平台进行虚拟仿真验证和实车试验验证。结果表明,基于交互多模型卡尔曼滤波与到达方向角的融合算法相对标准的卡尔曼滤波估计精度高,较好地改善了传统单一模型的卡尔曼滤波算法在进行车辆实时运动状态估计过程中精准定位问题,实车试验验证了提出算法对车辆定位精度较传统卡尔曼滤波算法的精度提高了一个数量级,实现了更精确的车辆位置估计。