汽车质心侧偏角观测算法仿真与误差灵敏度分析

车辆质心侧偏角是汽车电子稳定性控制中最重要的状态变量之一,其估计误差直接影响动力学控制效果.为此,针对四轮驱动汽车稳定性控制系统的需要对积分法、简单动力学估计算法、广义龙贝格算法和广义卡尔曼滤波算法4种典型质心侧偏角估计算法进行仿真建模.基于2种典型工况引入变量、参数和噪声误差,分析了不同估计算法对变量、参数和噪声误差的敏感度.研究结果表明,不同估计算法对变量、参数和噪声误差的敏感度有着很大差异,在稳定性控制系统中应综合使用基于运动学和基于动力学这两种估计算法.论文的研究成果对四轮驱动电动汽车主动安全控制技术的实际应用具有工程指导意义.
     

基于扩展卡尔曼滤波的车辆状态可靠估计

为实现高机动工况下车辆状态的可靠估计,提出了一种基于改进的扩展卡尔曼滤波的车辆运行状态估计方法.首先建立基于非线性车辆动力学的系统状态模型,该模型分别以低成本的车载轮速和方向盘转角传感器信息作为系统的观测量和外部输入量;然后通过改进的卡尔曼滤波递推算法高精度地推算出汽车的关键运行状态.仿真试验表明,所提出的方法既可适应一般机动环境也可适应较高机动环境.此外,该方法可显著提高直测量的精度,并可实现对质心侧偏角、侧向速度等难以直测量的准确估计,质心侧偏角估计误差小于3×10-3rad,速度估计精度小于0.1 m/s.     

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%.      

主动转向干预时质心侧偏角的估计策略

针对现有的基于转向盘转角信号的质心侧偏角估计策略不再适用于主动转向干预工况的问题,结合主动转向所装配的转向小齿轮转角传感器和齿轮齿条式转向器的结构特点,提出了将质心侧偏角看作是转向小齿轮转角和车辆质心侧向加速度非线性映射的估计策略.为验证所提出的估计策略的有效性,利用CarSim仿真平台进行了双移线和蛇行试验,将得到的虚拟试验数据作为样本进行基于自适应模糊神经推理系统估计算法的训练和验证,并采用有无主动转向干预2种工况对2种估计策略进行对比分析,再与传统的基于转向盘转角信号的质心侧偏角估计方法进行对比分析.结果表明所提出的估计策略在主动转向干预时仍可以正确地估计质心侧偏角.     

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.     

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.     

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.     

基于非局部均值的混沌映射噪声抑制算法

提出了一种基于非局部均值的混沌映射噪声抑制算法.该算法根据混沌映射的特征,利用实验分析得出非局部均值应用于混沌映射噪声抑制时滤波参数块长、搜索区间和带宽参数的最优取值.仿真结果表明,文中算法对高斯噪声的抑制性能优于现有的相空间估计投影方法、扩展卡尔曼滤波方法和无先导卡尔曼滤波方法,能对不同噪声水平的混沌映射进行有效的噪声抑制.     

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.     

基于Simulink的四轮转向汽车神经网络控制策略仿真

针对汽车小转角时质心侧偏角为零,高速大转角时前轴抗侧滑的控制目标,提出一种四轮转向汽车控制策略.在Simulink环境下建立包含轮胎非线性和计及侧倾的三自由度四轮转向汽车模型,运用双隐含层BP神经网络训练得到四轮转向控制器.仿真结果表明,神经网络控制器可有效控制高速时汽车前轴滑动的趋势,并在低速到高速时使汽车质心侧偏角基本为零,控制误差低于比例转角控制策略和横摆角速度反馈控制策略.同时高速时横摆角速度响应与前轮转向汽车接近,汽车的侧向加速度和车身侧倾角稳态值比前轮转向有所降低.     

车身侧偏角实用算法仿真

研究了车辆稳定性控制系统中车身侧偏角的算法,建立了15自由度整车模型,其中包括车身的6个自由度,4个车轮的旋转和垂直运动自由度以及前轮转动自由度.根据方向盘转角、整车侧向加速度、横摆角速度及其变化率求得前、后轴侧向力进而求得前、后轴中心处侧偏角;根据横摆角速度、前、后轴中心处侧偏角求取整车的车身侧偏角.仿真结果表明,该算法能够在不同附着路面上,在较大车身侧偏角范围内准确求得整车车身侧偏角.     

基于RBF神经网络的汽车ABS滑模控制器的设计

针对汽车防抱死制动系统(ABS)在快速性及鲁棒控制方面的要求,采用基于径向基函数神经网络的方法设计了汽车ABS的滑模控制器.该方法能够削弱常规滑模控制所引起的抖动现象,也能提高单纯的神经网络自适应控制的鲁棒性能.利用MATLAB中的SIMULINK仿真工具,对车辆在干路面条件下的制动情况进行了仿真研究,验证了所设计的控制方案在汽车ABS应用中的可行性和有效性.     

神经网络在转差型矢量控制中的应用

本文采用神经网络ＰＳＤ算法构成速度调节器，用于转差型矢量变频调速系统中，以克服转子参数变化和扰动对系统性能的影响，同时系统基本无超调。仿真实验证明了这种方法的有效性。     

三维转动神经网络的研究（2）存贮容量

在绝热近似基础上，应用信噪比理论分析了网络的存贮容量．当神经元的旋转角态数和方向角态数都很大时，存储容量与神经元的旋转角态数的平方成反比，和方向角态数成正比．当神经元态数较小时，结果趋于Ｈｏｐｆｉｅｌｄ神经网络的存储容量．     

露天矿边坡角的优化设计

提出了基于离散元法和神经网络的集成优化设计方法，离散元能充分考虑边坡岩体结构的不连续性，处理边坡的大变形情况，神经网络是从中获取经验知识，并用之解决问题的智能系统，该方法从两条途径，不同的角度，不同的侧面来设计边坡角，并进行优化，增强了设计的可行性。     

多轴轮毂电机驱动车辆的转向阻力特性

为研究多轴电动车辆的转向阻力特性,在考虑了轮胎负荷变化对轮胎侧偏刚度影响的基础上,建立了车辆3自由度动力学模型;提出了一种稳态转向工况下的转向阻力计算方法,推导了轮胎侧偏角和转向阻力矩的理论计算式.基于该模型,分析了转向阻力矩与转向输入量和车速的关系及理论约束边界,比较了在相同质量与等效履带接地长度条件下轮胎式与履带式车辆的转向阻力矩,讨论了轮胎侧偏角对轮胎力分配的影响,并通过ADAMS软件对计算结果进行了验证.结果表明,相同参数条件下,多轮驱动车辆的转向阻力矩大于履带式车辆的阻力矩,计算模型可为转向控制策略提供理论参考.     

锚固体中砂浆与混凝土界面开裂滑移判据研究

采用模型试验和曲线拟合法，对砂浆和混凝土所形成的不同角度界面的试件进行轴向拉伸试验，导出界面开裂时正应力和剪应力的关系表达式作为界面开裂判据；把砂浆柱体从混凝土界面中压出，导出界面滑移时滑动位移和界面剪应力的关系表达式，作为界面滑移条件．运用这种方法研究砂浆和混凝土界面的开裂和滑移是简便和有效的     

基于多任务学习的行人重识别特征表示方法

作为一种跨摄像头的检索任务,行人重识别会受到不同相机视角造成的图像样式变化的影响。近年来,许多算法通过神经网络直接从原始输入图片中学习相应特征,虽然这些特征能够很好地描述全局行人,但忽略了许多局部细节信息,在复杂的场景下容易出现误识别。针对此问题,研究了一种基于多任务学习的新的特征表示方法,采用成对输入的孪生网络结构,将局部最大出现特征(local maximal occurrence,LOMO)和深层特征一起送入网络并映射到单一的特征空间中进行训练,形成一种新的网络模型TDFN(traditional and deep features fusion network)。利用神经网络自我学习特性,联合多个任务的损失函数更新网络,使得深层特征学习到更多与手工局部特征互补的细节信息。实验表明,新特征的平均精度mAP和Rank-1精度都优于直接从孪生网络提取的全局描述子。     

基于改进广义回归神经网络和主成分分析的宽带DOA估计

为了获取较高的宽带信号的DOA(direction-of-arrival)估计精度,提出了基于改进的广义回归神经网络(IGRNN,improved generalized regression neural network)和主成分分析(PCA,principalcomponent analysis)的宽带DOA估计算法。选用PCA方法对训练样本进行降维,以降低神经网络的复杂度;利用粒子群算法优化GRNN的参数;根据选取不同的聚焦角度确定粗估计、精估计的训练模型,通过粗估计得出目标的大致方位后,利用精估计模型得出最终的估计结果,避免了聚焦角度对估计精度的影响。仿真结果表明,本文提出的算法具有较好的估计精度和较高的工作效率。