基于UKF软测量技术的汽车行驶状态估计

为了有效解决电动汽车在行驶过程中的车速、质心侧偏角和横摆角速度等参数低成本测量的问题,采用无迹Kalman搭建了软测量算法,该算法充分考虑电动汽车动态行驶状况下的非线性的影响因素,同时采用非线性的HSRI动态轮胎模型对轮胎侧向力进行精确估计。通过与CarSim动力学仿真软件进行联合仿真,对比分析验证所建立的软测量算法能够准确、实时的估计出电动汽车的运动参数。     

车辆行驶状态无迹卡尔曼软测量

为了有效解决电动汽车在行驶过程中的车速、质心侧偏角和横摆角速度等参数低成本测量的问题,采用无迹卡尔曼搭建了软测量算法,该算法充分考虑了电动汽车非线性的车辆运动状态估计,对于轮胎侧向力的估计采用非线性的魔术轮胎模型。最终,通过联合仿真实验方法验证了所建立的软测量算法能够准确、实时地估计出电动汽车的运动参数。     

基于软测量技术的电动汽车行驶状态估计

为了实现对电动汽车运行信息的低成本估计,通过建立了以3自由度电动汽车动力学模型为基础的EKF软测量算法。利用低成本传感器测得的纵向、侧向加速度、横摆角速度和转向盘转角信号,实现了对电动汽车横、纵向车速和质心侧偏角运动状态信号进行精确估计;同时引入了HSRI(highway safety research institute)轮胎模型;在动态特性下轮胎的侧向力可得到有效的估计。最后通过Car Sim与Matlab/Simulink联合仿真对EKF算法进行了验证,从而验证了EKF软测量技术能够准确、实时地估计汽车行驶动态参数信息。     

自适应软测量算法的汽车行驶状态估计

为了实现车辆行驶状态低成本测量,设计了估计汽车行驶状态参数的传统无迹卡尔曼滤波器和能够有效解决噪声时变特性的次优Sage-Husa噪声估计器相结合算法,通过建立电动汽车3自由度的动力学模型和HSRI轮胎模型,且融合低成本测量的纵、横向加速度和方向盘转向角传感器测量信息,从而可精确估计电动汽车行驶状态.在选定的典型工况下,通过与无迹卡尔曼软测量算法进行对比,硬件在环实验结果有效地验证了自适应无迹卡尔曼软测量算法具有很好的鲁棒性,且比无迹卡尔曼软测量算法更加能够有效地估计电动汽车的行驶状态.     

基于自适应Kalman滤波的汽车横摆角速度软测量算法

利用参数软测量技术,提出了基于自适应Kalman滤波和汽车两自由度动力学模型的横摆角速度软测量算法．该算法实现了横摆角速度的线性最小均方误差估计,且可对汽车行驶过程中的系统噪声和观测噪声统计特性进行在线估计．仿真与场地试验结果对比验证了该算法的有效性,同时软测量技术的采用也为汽车状态参数测量提供了一条可行的、准确且低成本的研究思路。     

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.     

分布式电动汽车质量与行驶状态估计

为了更精确地获取分布式电动汽车行驶过程中的关键参数及相关状态信息,本文提出了一种递推最小二乘法与双容积卡尔曼滤波算法相结合的估计方法,并基于三自由度非线性整车动力学模型,借助Carsim-MATLAB/Simulink平台进行了联合仿真与实验分析,结果表明,该算法能实时准确地估计车辆参数与行驶状态,满足车辆主动安全控制需要。     

基于滑模观测器的电动汽车最大牵引力估计

为实现双电机四轮驱动电动车在不同路面的最大驱动力, 提出了基于LuGre摩擦动力学模型和滑模观测器(SMO： Sliding Mode Observer)的牵引力控制策略。利用LuGre动力学模型中反应路面条件的参数θ, 实现路面条件在线辨识。通过SMO对电动汽车在纵向行车工况下、 轮胎小滑移率时, 主动估计路面条件参数θ, 进而估算其最佳滑移率, 获得路面可提供的最大牵引力。同时采用动态饱和非线性控制策略限制电机的最大输出力矩, 保证电动车在不同路面条件下防滑行驶。仿真实验表明, 基于滑模观测器的最佳滑移率估计方法可在不同路面条件下提供电动汽车最大牵引力, 对汽车行驶的主动安全性有重要意义。     

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。     

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DRFNN的赖氨酸发酵生物参数估计

赖氨酸发酵过程是一个复杂的非线性强耦合动态过程,发酵过程中某些关键生物参数(如菌体浓度、基质浓度、产物浓度)难以实时在线检测.针对这些问题,建立了基于动态递归模糊神经网络(DRFNN)的赖氨酸发酵生物参数估计软测量模型.利用主元分析法建立发酵过程中在线不可测参数的软测量模型,应用动态递归模糊神经网络所具有的自学习、自适应能力以及对任意非线性的逼近能力,对该模型进行辨识,从而达到预测这些关键生物参数的目的.仿真结果表明该方法能够对赖氨酸发酵过程中不可在线测量的生物参数进行估计,且达到了较高的精度.     

四轮毂驱动EV双容积卡尔曼路面附着系数估计

针对车辆在行驶过程中难以实时、准确地获取路面附着系数这一问题,本研究在结合车辆三自由度动力学模型和Dugoff修正轮胎力模型所搭建的四毂驱动联合仿真电动汽车平台基础上,设计了一种时效性、鲁棒性强的双容积卡尔曼滤波路面附着系数观测算法。双容积卡尔曼滤波算法利用奇异值分解优化求解误差协方差矩阵,将车辆行驶状态观测器信息与附着系数观测器信息相互联系,形成闭环反馈校正更新观测信号,实现对路面附着系数的实时估计。在四轮毂驱动联合仿真电动汽车平台中设置低附着路面,在开路面仿真工况下对双容积卡尔曼滤波算法进行验证,并与传统容积卡尔曼滤波观测器数据进行比较和分析。结果表明:双容积卡尔曼滤波算法具有更快的的响应速度,估计的路面附着系数精度更高,实时性更强。     

自适应卡尔曼滤波法磷酸铁锂动力电池剩余容量估计

卡尔曼滤波法在估计动力电池的剩余容量(SOC)时,由于系统噪声的不确定,可能导致算法不收敛,而且算法的估计性能受模型精度的影响,笔者采用自适应卡尔曼滤波法来动态地估计电动汽车用磷酸铁锂动力电池的SOC。首先对电池模型进行了研究,建立了适用于SOC估计的电池模型,然后设计了相应的电池充放电实验检测到模型的参数,并进行了验证,最后将自适应卡尔曼滤波法应用到该模型,在未知干扰噪声环境下,在线估计电池的SOC。仿真结果表明：自适应卡尔曼滤波法能够实时修正微小的模型误差带来的SOC估计误差,估计精度高于卡尔曼滤波法,且自适应卡尔曼滤波法对初值误差具有修正作用。实车循环行驶实验表明算法适用于磷酸铁锂动力电池的SOC估计。     

基于 UKF车辆状态及路面附着系数估计的AFS控制

本文侧重于主动前轮转向(Active Front Steering,AFS)控制系统的应用性与可行性研究,针对紧急转向工况下轮胎呈现强非线性问题,以及AFS控制算法中部分状态量难以获取、路面附着系数对车辆稳定性有重要影响但难以直接测量等问题,设计非线性滑模控制器以综合考虑载荷转移、轮胎非线性及路面条件等对操稳性影响,同时,通过ESP系统现有的IMU传感器测量信息,运用无迹卡尔曼滤波(Unscented Kalman Filter,UKF)算法为滑模控制器动态估计车辆状态信息和路面附着系数.在得到期望轮胎侧偏力后,通过非线性轮胎模型精确反求所需叠加转角,以在"轮胎-路面"附着能力范围内检验控制系统的有效性.最后,高附着系数情况下的鱼钩测试仿真及低附着系数时的角阶跃转向仿真共同表明,通过IMU与UKF结合的状态估计确保了AFS控制系统的可行性,有效提高了车辆操纵稳定性.     

基于车辆动态负载的开关磁阻电机驱动特性分析

为了研究车辆动态负载高度时变性和随机性对电动汽车用开关磁阻电机驱动系统影响特性并实现电机驱动系统性能评价分析,基于车辆行驶工况动态负载特性,在开关磁阻电机非线性数学模型及车辆动力学模型基础上,分别建立了电动汽车用开关磁阻电机驱动系统及电动汽车动态载荷仿真模型.并根据电动汽车行驶过程中2个典型工况对建立模型进行了实时仿真,得到了开关磁阻电机主要性能参数随车辆动态载荷变化的响应曲线.分析并评价了开关磁阻电机驱动系统在各工况下的动态驱动特性,仿真结果对电动汽车车型设计及改进具有很好的参考价值.     

基于卡尔曼滤波的车辆状态与路面附着估计

建立了采用Dugoff轮胎模型的三自由度车辆估算模型,设计了基于联邦卡尔曼滤波理论的车辆行驶状态估计算法与基于扩展卡尔曼滤波理论的路面附着系数估计算法,使车辆状态估计与路面附着估计相互联系、闭环反馈、同时进行.选择典型工况,应用Car Sim与Matlab/Simulink联合仿真实验对车辆状态算法和路面附着估计算法进行了验证.结果表明:文中算法能够实现对车辆状态及路面附着系数的准确估计.     

基于优化支持向量机的带钢延伸量软测量研究

带钢退火过程中存在多变量非线性主导因素和数据噪声,难以用数学模型精确描述退火炉内带钢的延伸量.针对这一问题,提出基于核主元分析(KPCA)与免疫粒子群(ICPSO)优化最小二乘支持向量机(LSSVM)的炉内带钢延伸量软测量方法.采用ICPSO算法避免了粒子群算法易陷入局部最优的缺陷,利用ICPSO对LSSVM进行参数寻优,通过KPCA去除样本噪声,提取输入数据样本中的非线性主元信息,建立ICPSO-LSSVM软测量模型.此方法用于退火炉内带钢延伸量预测,通过现场生产数据仿真实验进行非线性函数估计;对比其他几种现有算法,实验结果表明本文方法具有较高的预测精度.     

基于功能原理和模糊控制的路面附着系数估计

为从根本上解决轮胎参数变化影响估计精度的问题,文中不引入轮胎模型,提出了一种基于功能原理和模糊控制的路面附着系数估计算法.首先利用功能原理推算当前车辆状态下的利用附着系数,再通过模糊推理的方法由当前状态下的利用附着系数和滑移率推算当前行驶路面的峰值附着系数,然后利用Matalb软件建立车辆的三自由度模型,对估计算法进行了仿真分析.结果表明,文中算法能有效地估计路面附着系数,具有良好的实时性和准确性.     

极限行驶条件下车辆质心侧偏角观测器设计

用非线性车辆模型线性化方法,设计了基于广义卡尔曼滤波器和广义龙贝格观测器的质心侧偏角估计算法.给出考虑了轮胎非线性特性的扩展二自由度车辆模型,用非线性最小二乘法拟合轮胎模型的参数;分析非线性模型的能观性,并通过局部线性化方法,将非线性模型在当前状态处线性化,并得到近似的线性模型;设计了广义卡尔曼滤波器和线性化龙贝格观测器,并证明观测器的稳定性;最后,通过典型的操纵稳定性试验,验证算法的有效性.极限行驶工况下采用非线性模型线性化的方法,能获得更高的估计精度.