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.     

车辆横摆稳定性的模糊控制

提出了一个模糊逻辑控制方法来提高车辆的横摆稳定性.差动制动产生适当的横摆力矩使车辆横摆角速度和质心侧偏角跟踪其期望值,同时利用3自由度模型对质心侧偏角进行了估计.采用7自由度非线性车辆模型在不同转向操纵条件下进行了仿真.仿真结果验证了所设计的模糊控制器的有效性.     

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.     

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。     

基于无迹粒子滤波的车辆质心侧偏角估计方法

针对轮毂电机驱动车辆行驶状态参数获取困难的问题,提出了一种基于无迹粒子滤波的质心侧偏角估计方法。以采集的低成本普通车载传感器信息和驾驶信号作为输入信息,在构建非线性三自由度车辆模型基础上,建立了车辆行驶状态参数估计方程,设计了质心侧偏角无迹粒子滤波估计器。利用Matlab/Simulink和Adams进行了联合仿真实验。结果表明：该估计方法具有可行性,在不同工况下均具有良好的质心侧偏角估计效果。     

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%.      

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。     

线控主动四轮转向汽车控制策略研究

目的 针对线控四轮转向汽车横向稳定性不足及控制鲁棒性差等问题,提出一种主动转向反馈控制策略。方法 使用Simulink搭建线控转向系统转向执行机构动力学模型,将MATLAB/Simulink与Carsim联合仿真,建立线控四轮转向整车模型;基于二自由度模型分析横摆角速度和质心侧偏角对汽车稳定性的影响,推导理想的横摆角速度和质心侧偏角;以横摆角速度增益恒定为依据设计理想传动比,得到期望前轮转角,以横摆角速度误差为控制量设计模糊控制器得到附加前轮转角对期望转角实时修正,实现前轮主动转向;针对横摆角速度和质心侧偏角与理想值之间的误差,加权得到稳定性控制目标;设计自适应积分滑模反馈控制策略输出后轮转角,对理想值进行跟踪,实现后轮主动转向。结果 仿真实验结果表明：所搭建的线控转向系统能够准确反映汽车动力学特性。相比无控制的机械前轮转向汽车与横摆反馈控制的四轮转向汽车,线控主动四轮转向汽车在双移线工况下将质心侧偏角控制在0值附近波动,横摆角速度跟踪误差控制在1.149 deg/s以内;在角阶跃工况下将质心侧偏角稳态值控制在0.065 deg,横摆角速度稳态值误差为0.074 deg/s。结论 线控...     

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.
     

基于故障估计的无人车容错控制方法

考虑转向控制系统故障和未知干扰同时作用对无人车辆路径跟踪效果的影响,为提高无人车辆控制系统的可靠性,设计了一种无人车路径跟踪容错控制方法. 对转向控制系统输入性故障进行分析,结合未知干扰情况定义了名义故障并建立相应的数学模型. 利用高阶滑模观测器构造名义故障微分方程,并利用自适应容积卡尔曼滤波设计了车辆质心侧偏角和名义故障估计方法,从而为无人车容错控制提供可靠信息源. 基于滑模控制理论设计了无人车路径跟踪容错控制器并证明了其收敛性. 联合仿真和硬件在环试验结果表明,所提出的估计方法能够得到精确可靠的质心侧偏角和名义故障估计结果,且与无容错控制相比,所设计的路径跟踪容错控制器在面对故障和干扰时能够明显地提高车辆的控制性能,并同时保证车辆的路径跟踪能力及其自身的稳定性.      

基于滑模控制理论的车辆横向稳定性控制

针对车辆在极限运动工况下转弯或变道行驶时的横向稳定性控制问题,建立以车辆横向速度、横摆角速度及车身侧倾角为状态变量的3自由度非线性动力学模型.在动力学分析的基础上,探讨依靠施加各车轮不同纵向制动力而产生辅助横摆力矩的方法来提高车辆在极限工况下的操纵稳定性.考虑到作为车辆状态变量之一的质心侧偏角难以测量,设计了基于车辆动力学模型及运动学关系相结合的质心侧偏角估计器.运用滑模控制理论,以车辆横摆角速度和质心侧偏角与相应的理想横摆角速度和质心侧偏角之差,作为车辆稳定性控制系统的两类控制输入变量,以车轮纵向制动力矩和方向盘转角为控制目标建立了联合滑模控制系统,通过计算机仿真表明,该控制方法可以有效改善车辆横向稳定性.     

分布式驱动电动方程式赛车扭矩分配策略

本文旨在提高分布式驱动电动方程式赛车在高速转弯时的操纵稳定性,提出一种基于模糊神经网络算法的驱动扭矩分配策略。首先,基于车辆二自由度模型设计质心侧偏角观测器获取实际质心侧偏角;其次,以横摆角速度和质心侧偏角作为控制变量,基于模糊神经网络算法设计扭矩分配控制器来控制车辆行驶状态。运用Matlab/Simulink和Carsim仿真软件建立车身稳定性控制系统的联合仿真模型,并对蛇行绕桩与双移线工况进行仿真分析和实车测试。试验结果验证了所提扭矩控制策略的可行性和有效性。     

基于状态估计的无人车前轮转角与横摆稳定协调控制

针对无人车轨迹跟踪问题,提出了一种基于状态估计的无人车前轮转角和横摆稳定协调控制策略.建立了车辆轨迹跟踪模型,利用模型预测控制算法设计了轨迹跟踪控制器,得到实时跟踪参考轨迹所需的前轮转角.根据车辆模型设计了一种基于未知输入观测器的前轮转角估计方法,并将估计结果作为前轮转角跟踪控制的输入量.基于非奇异终端滑模控制设计了前轮转角跟踪方法,通过转向电机扭矩来控制车辆转向以实现轨迹跟踪.同时,设计了车辆横摆稳定控制器,通过控制横摆角速度跟踪误差确保车辆横摆稳定.建立了CarSim-Simulink联合仿真模型并进行仿真实测试.结果表明,未知输入观测器具有较好的前轮转角估计效果,从而为车辆协调控制提供可靠信息源,协调控制策略能够在保证车辆横摆稳定性的同时完成车辆轨迹跟踪.      

双线法与横摆角速度法联合的车辆稳定性判据

车辆稳定性判据决定了车辆稳定性控制系统的介入与退出时机,是车辆稳定性控制的基础.设计了一种基于相平面法的车辆稳定性判据,在传统双线法确定的稳定区域中引入横摆角速度法确定的稳定区域,设计联合车辆稳定性判据,协调对质心侧偏角和横摆角速度的控制,并获取稳定性判据的相应阈值变化的数据库,用于在控制过程中查表获得车辆的稳定区域边界.利用质心侧偏角和横摆角速度偏离函数表征控制变量偏离参考值的程度和车辆状态相对稳定区域边界的位置.极限工况下,当车辆状态超出稳定区域边界时,车辆稳定性控制应迅速介入,控制车辆状态回到稳定区域.     

基于卫星导航/惯性单元松耦合的低速智能电动汽车航向角估计

低速智能电动汽车近年来发展迅速,组合定位技术是其关键技术,航向角估计是组合定位技术中重要组成部分。基于低速智能电动汽车,提出了GNSS(global navigation satellite system)/IMU(inertial measurement unit)组合的航向角估计方法。介绍了GNSS/IMU松耦合条件下的航向角估计方法,提出基于IMU的航向角积分方法,推导了松耦合条件下误差动态与测量模型。针对GNSS信号质量时变问题,使用残差自适应卡尔曼滤波算法对航向角误差进行估计。针对GNSS信号质量设计了航向角误差反馈修正策略。通过在不同GNSS信号条件下进行的多组实车试验,验证了所提出的航向角估计算法的有效性。