基于Dugoff轮胎模型对车辆质心侧偏角估计

为了解决车辆处于非线性状态下质心侧偏角的估计问题,考虑了纵向车速的变化,提出了基于Dugoff轮胎模型的质心侧偏角估计方法.根据二自由度车辆模型,验证了扩展卡尔曼滤波的估计精度高于卡尔曼滤波.根据建立的四轮三自由度车辆模型,对于车辆处于线性区和非线性区的两种运动状态,分别建立了基于扩展卡尔曼滤波算法的线性和非线性质心侧偏角估计模型,其中非线性估计模型基于Dugoff轮胎模型建立.采用CarSim软件搭建整车模型以及双移线道路模型,MATLAB/Simulink中搭建了扩展卡尔曼估计器,两者联合仿真.仿真结果表明:非线性估计模型在线性区域和非线性区域均能实现对质心侧偏角的估计,且估计精度高于线性估计模型.     

基于自适应无迹卡尔曼滤波的分布式驱动电动汽车车辆状态参数估计

以精确估计车辆状态参数为目标,提出了一种基于自适应无迹卡尔曼滤波的车辆状态参数估计算法,采用非线性三自由度车辆模型,将模糊控制与无迹卡尔曼滤波算法相结合,实现对系统测量噪声的自适应调整,通过对方向盘转角,纵向加速度和横向加速度等低成本传感器信息融合实现对质心侧偏角和横摆角速度的状态估计.应用CarSim与Matlab/Simulink建立分布式驱动电动汽车整车模型并且联合仿真对估计算法的有效性进行验证.结果表明自适应无迹卡尔曼滤波比无迹卡尔曼滤波更能有效准确地进行车辆状态参数估计,在双移线工况中,质心侧偏角估计精度提高了6.7%,横摆角速度估计精度提高了4.8%.      

车辆纵向力和质心侧偏角层级估计方法设计与验证

为提高车辆状态估计结果的精度与可靠性,设计了一种车辆纵向力和质心侧偏角层级估计方法。研究了一种用于车辆行驶状态估计的加权容积卡尔曼滤波,采用移动窗估计法调整测量噪声的协方差矩阵,根据不同时刻信息对测量噪声统计的有用性,动态调整窗口中不同时刻信息的权重,从而提高车辆状态观测器的滤波精度。根据电驱动轮模型特点,并考虑轮胎松弛长度来构造纵向力微分方程,从而设计了纵向力观测器。在纵向力估计的基础上,将上层的纵向力估计值视为伪量测值,利用三自由度车辆动力学模型设计了基于级联卡尔曼滤波的车辆行驶状态估计策略,实现了车辆质心侧偏角估计。进行了变速正弦转向工况和定速Fishhook转向工况下的CarSim/Simulink联合仿真试验以及实车试验,结果表明:所提方法整体估计精度相比扩展卡尔曼滤波提升了6.82%,具有较高的估计精度和实时跟踪效果,满足车辆应用需求。     

基于轮胎侧偏刚度变化率的车辆质心侧偏角融合估计算法

针对车辆在高速紧急避让工况下质心侧偏角难以直接测量的问题,提出一种基于轮胎侧偏刚度变化率的质心侧偏角融合估计算法。在车辆二自由度动力学模型的基础上,提出一种轮胎侧偏刚度估计方法,构建基于改进扩展卡尔曼滤波的质心侧偏角估计算法。根据质心侧偏角和车辆纵向、侧向加速度的关系,构建基于积分法的质心侧偏角估计算法;结合两种估计算法的特点,采用轮胎侧偏刚度的一阶微分表征车辆的非线性程度,设计了一种适用于不同车辆动态特性及路面条件的融合估计算法。Carsim/Simulink联合仿真结果表明,该融合估计算法在不同的车辆动态特性和不同路面条件下具有良好的估计精度和实时性,对传感器信号的噪声、误差鲁棒性强。     

基于非线性观测器的车辆质心侧偏角估计

本文中提出了利用非线性状态空间观测器测量车辆质心侧偏角(VBSSA)的方法。本文首先建立一个非线性双轨模型,并用实验来验证模型的精度。然后通过将这个模型的实时估计的状态矢量进行线性化,推导出一种线性化观测器。结果表明该方法能够比较精确的对车体侧偏角进行估计。     

基于无迹卡尔曼滤波的汽车状态参数估计

由于部分汽车状态参数无法直接通过传感器获得,为了提高这些参数的估计精度以准确判断汽车行驶过程中的状态变化,增强控制系统的鲁棒性,文中提出了基于无迹卡尔曼滤波的汽车状态参数估计方法.该方法在传统卡尔曼滤波算法的基础上,采用无迹卡尔曼滤波算法对汽车质心侧偏角、横摆角速度、路面附着系数等状态参数进行估计,并运用Simulink与Carsim进行联合仿真.结果表明,无迹卡尔曼滤波算法响应快,估计精度较扩展卡尔曼滤波高,能满足车辆高级动力学控制系统的控制需要.     

基于多信息融合的汽车质心侧偏角估算

车辆稳定性控制系统因为其良好的主动安全性已经在汽车上广泛采用。对于汽车稳定性控制系统而言,横摆角速度和质心侧偏角是判断汽车运行情况的两个主要参考量。其中,车辆的横摆角速度可以通过横摆角速度传感器经过卡尔曼滤波直接得到,而质心侧偏角则必须通过估算得到。基于二自由度汽车动力学模型建立了一种车辆质心侧偏角估算器,该估算器包括基于车辆模型的卡尔曼滤波算法和动力学积分算法。在质心侧偏角较小的情况下,可认为轮胎的侧偏特性处于线性区域,故采用基于车辆模型的卡尔曼滤波算法,当质心侧偏角较大的情况下,切换为动力学积分算法。最后在Vedyna软件下搭建了该估算器的仿真平台,通过多工况的仿真,仿真结果表明该估算器可以准确估算车辆的质心侧偏角。     

分布式驱动电动汽车的平方根容积卡尔曼滤波状态观测

针对车辆动力学系统状态估计的非线性问题,引入非线性动态Dugoff轮胎模型来构建包括纵向、侧向、横摆和侧倾等8自由度的非线性车辆动力学状态估计系统.在融合车载多传感器信息的基础上设计了车辆动力学的平方根容积卡尔曼非线性滤波状态观测器,对质心侧偏角、轮胎侧向力等关键状态进行观测.在Matlab/Simulink环境中搭建了Simulink-Carsim分布式驱动电动汽车系统状态估计联合仿真平台,采用双移线工况对观测器的可行性和有效性进行仿真验证.结果表明:传统的扩展式卡尔曼滤波状态观测器在车辆经历高侧向加速度过程中的观测值大幅偏离车辆运行状态的真实值,而设计的平方根容积卡尔曼非线性滤波状态观测器在整个双移线仿真工况下观测结果平稳,能实时反映车辆动力学系统的真实非线性运行状态,具有更小的观测误差和更高的观测精度.     

基于遗传粒子滤波的轮毂驱动电动汽车质心侧偏角估计方法

质心侧偏角估计是汽车稳定性控制系统中的关键技术.为了解决现有估计方法对轮毂驱动电动汽车信息利用不充分、估计精度低的问题,提出一种基于遗传粒子滤波(GPF)的轮毂驱动电动汽车质心侧偏角估计方法.利用魔术轮胎公式,融合轮毂驱动电动汽车车轮上驱动与制动力矩信息,建立非线性车辆动力学模型,实现轮胎纵向力与侧向力计算,完成质心侧偏角估计器的搭建.针对车辆动力学模型的强非线性及传统粒子滤波算法粒子退化、计算量大的问题,设计适用于强非线性系统并且能够有效抑制退化、减小计算量的遗传粒子滤波算法对质心侧偏角进行估计.仿真结果表明:所提出的估计方法能够提高质心侧偏角的估计精度和鲁棒性.     

汽车质心侧偏角观测器试验验证

提出了一种综合运动学和动力学模型估算车辆质心侧偏角的方法。引入非线性因子表征车辆的非线性状态程度,在此基础上提出了一种简化的非线性轮胎侧向力计算方法,考虑轮胎侧偏刚度补偿,基于单轨模型建立Kalman滤波器实时估计出车辆质心侧偏角。搭建基于轮速传感器、侧向加速度和横摆角速度组合传感器、方向盘转角传感器、MicroAutoBox和GPS系统的试验验证系统,在高附着路面条件下进行蛇形操纵和双移线操纵试验。试验结果表明:所设计的估计算法能在一定程度上反映车辆的实际状态,实时性和估计精度能满足稳定性控制系统的要求。     

四轮驱动EV自适应抗差无迹粒子滤波状态估计

针对四轮毂电机驱动电动汽车转矩控制中整车质心侧偏角等关键状态参数无法直接检测及车速等测量值易受到随机误差干扰的问题,建立四轮毂电机驱动电动汽车七自由度动力学模型,进行整车行驶状态参数滤波估计.结合抗差滤波原理及无迹粒子滤波算法,提出一种整车状态滤波估计方法.运用自适应抗差无迹粒子滤波,实现电动汽车行驶过程中纵向速度、侧向速度和质心侧偏角的准确滤波估计.搭建CarSim与Matlab/Simulink联合仿真实验平台对估计算法进行验证.结果表明:所搭建四轮毂电机驱动汽车动力学模型对整车行驶状态具有较高的预测精度;基于自适应抗差无迹粒子滤波算法能实现整车行驶状态估计,能有效对测量参数进行滤波,且具有较高的估计精度.     

车辆质心侧偏角估计算法设计与对比分析

车辆质心侧偏角是描述车辆侧向运动状态的重要变量之一,同时也很难准确估计.为此设计了基于运动学的直接积分法,基于扩展卡尔曼滤波的质心侧偏角估计算法和基于广义龙贝格观测器的质心侧偏角估计算法.对信号引入一定强度的噪声,通过多种典型工况对质心侧偏角估计算法进行调试与验证,分析不同算法的特点和工况适应性.直接积分法在长时间尺度下无可用性,但在极限工况下能较为快速地描述质心侧偏角变化趋势;卡尔曼滤波算法整体估计效果较好,但在一些动态工况存在估计偏差,且多为高估;龙贝格观测器算法在大部分工况都能获得良好效果,但在某些情况下存在估计偏差,且多为低估.     

分布式驱动电动车降阶滑模状态观测器设计

针对轮胎动力学存在的非线性问题及质心侧偏角估计的准确性与实时性问题,基于分布式驱动电动车(简称:IEV)车轮转矩易于测量的优势,设计了一种非线性降阶滑模状态观测器,对质心侧偏角和轮胎力进行估计。首先建立IEV车辆七自由度非线性动力学模型,选择UniTire轮胎模型描述轮胎特性。在此基础上考虑垂向载荷变化的影响;其次,利用饱和函数克服滑模固有的颤振现象;然后,根据IEV车辆车载传感器可测量的车辆状态,基于滑模变结构理论设计降阶观测器;最后以CarSim中的车辆模型作为仿真平台,对观测器性能进行验证。仿真结果表明:观测器对质心侧偏角和轮胎力的估计都有很高的精度。     

基于支持向量机的车辆质心侧偏角估计

针对动力学建模方法对车辆质心侧偏角进行估计所面临的路面附着系数和车辆参数无法准确获取等缺点,基于统计学理论中的支持向量机对车辆质心侧偏角估计展开研究。选择方向盘转角、车辆速度、横摆角速度和侧向加速度作为支持向量机的特征向量。在Carsim仿真平台设计了20组典型车辆操纵试验作为训练样本得到预测模型,通过2组变附着系数路面上的操稳性试验对模型进行了验证。研究结果表明:支持向量机可以有效实现对不同附着路面上车辆质心侧偏角的估计,达到了较高的估计精度,即使车辆发生大侧偏现象使轮胎进入侧偏角-侧偏力曲线的非线性域,该方法仍能够实现质心侧偏角的准确估计,估计的绝对误差不超过1.42°,从而为车辆主动安全控制提供了参考。     

基于模糊滑模观测器与传感器信号积分可拓融合的车辆质心侧偏角估计

车辆质心侧偏角对于车辆横向稳定状态判断具有重要作用，对质心侧偏角的高估或低估都会对稳定性控制系统产生影响. 针对目前质心侧偏角估计方法仍具有较大误差且实用性不强，提出了以降低观测误差及提高估计系统实用性为目标的方法，构建了鲁棒性较强的模糊二阶滑模观测器计算质心侧偏角观测值，同时采用惯性测量单元信号计算质心侧偏角积分值. 之后分析了两种估计方法的优缺点，对质心侧偏角观测估计值与传感器信号积分估计值进行可拓融合，以实现采用传感器信号估计对观测值进行修正. 最后通过Simulink/TruckSim仿真、硬件在环仿真，进行了质心侧偏角估计方法的验证. 在实车定圆加速测试工况中以控制效果论证了所提出方法的有效性. 研究表明所提出方法能够准确反映实际质心侧偏角状态，并且可靠性、实用性均较佳.      

汽车侧偏角估计方法比较

针对汽车质心侧偏角难以直接获取的问题,提出了基于径向基神经网络与驾驶员汽车闭环系统相结合的侧偏角估计方法.把汽车侧偏角看作横摆角速度和侧向加速度时间序列的映射,采用均匀设计方案对训练样本进行优选,通过神经网络建立三者之间的映射关系.同时设计了一种改进自适应卡尔曼滤波算法,将其运用到相同道路输入下汽车侧偏角的估计当中.对两种方法进行了基于实车试验的比较:神经网络方法的估计误差均值和标准差分别为0.046 333°、0.057 822°;自适应卡尔曼滤波方法的估计误差均值和标准差分别为0.062 745°、0.089 241°.研究结果可以为汽车稳定性控制系统估计器的设计提供理论指导.     

恶劣环境下GPS定位估计滤波算法的非线性模型

提出了一种附加测量模型用于GPS定位估计的系统方程,该方法可实现单机GPS在可捕获卫星数较少的恶劣环境下的定位.开发了一种新的基于非线性滤波的位置和速度估计模型,在测量模型中引入随位置变化的电离层误差补偿模型,利用平淡卡尔曼滤波(UKF)算法较好地实现了可见卫星为3颗条件下的定位估计.在仅有2颗卫星可见的情况下,进行了把高程加入测量模型做平面定位估计的尝试,并取得了较好的效果.GPS定位实验结果表明,在恶劣环境下,基于所提出的非线性模型得出的滤波定位估计值能达到理想的精度.     

基于轮胎侧偏刚度估计的路面附着条件辨识

准确、实时地获取路面附着信息是汽车主动安全控制系统正常工作的前提.路面及其粗糙度、干湿状态对侧偏刚度有很大影响.基于此,文中在车辆稳态转向下进行轮胎侧偏刚度估计,从而进行路面附着条件辨识.首先由二自由度车辆模型得到前后轴的侧向力及侧偏角,并考虑载荷转移得到各个轮胎的垂向力.通过前后轴之间的差值,消去较难得到的质心侧偏角,而后通过递推最小二乘法估计得到归一化的轮胎侧偏刚度,并比较不同路面附着条件下的估计结果.与之前的侧偏刚度估计方法不同,所提出的方法不需要测量或估计质心侧偏角,因此不需要昂贵的额外传感器,并且考虑了载荷转移对侧偏刚度估计的影响.文中最后通过仿真及电控模型车辆道路试验对所提出的算法进行了验证.仿真及试验结果表明:在考虑载荷转移的条件下,文中提出的辨识算法可以进行路面附着条件辨识.     

带输入估计变维滤波在确定汽车车速中的应用

构建了机动车辆运动状态动力模型．在模型中,输入项用来描述汽车行驶加速度,针对汽车行驶环境为对接路面的情形,提出了采用带输入估计变维滤波估计车辆行驶速度的方法．给出了汽车机动运行开始时刻估计值,有效地提高了估计精度,适用于复杂路面上的车辆行驶速度的估计．     

利用径向速度测量值的自适应常增益滤波器

本文推广K.C.Wilson的最优常增盆滤波器到利用径向速度测量值的情况。当目标发生机动时,讨论了机动检测器的设置、速度输入增量的估计和状态预测的修正。本滤波方法与卡尔曼滤波和常增益滤波此较的计算机模拟结果表明:本滤波器减小了机动跟踪时的滤波偏差、提高了机动段内滤波精度,又保持了卡尔曼滤波对非机动目标的良好跟踪性能。