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。     

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。     

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.     

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。     

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。     

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。     

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.     

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.      

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.     

基于双自适应无迹卡尔曼滤波的半挂车状态估计

针对半挂车辆状态估计过程中测量噪声不确定、累计误差影响严重、初值敏感等问题,提出一种适用于半挂车铰接角、车速等多个状态量估计的双自适应无迹卡尔曼滤波算法(FFUKF).基于搭建的半挂汽车12自由度非线性动力学模型和轮胎模型,通过测量的轮速与车辆加速度等信息,首先利用模糊控制自适应调整滑移率容差,综合判断每个车轮的稳定状态,通过轮速估算出一种车速;与此同时,模糊控制自适应调整测量噪声,利用无迹卡尔曼算法,依据动力学估计出铰接角和另一种车速;然后通过卡尔曼滤波算法融合两种方法估计的结果,实现车辆的纵向、侧向速度、横摆角速度和挂车与牵引车铰接角的实时估计.最后在Simulink/TruckSim联合仿真环境下进行多工况仿真试验,验证所提出的双自适应无迹卡尔曼估计算法(FFUKF)有较强的适应性、稳定性和鲁棒性,相比普通模糊自适应无迹卡尔曼(FUKF)有更高的估计精度,能有效克服累计误差,即便在估计初始值不准和有ABS控制输入的情况,仍可以较精确地对车速和铰接角进行实时估计.     

自适应无迹卡尔曼滤波动力电池的SOC估计

无迹卡尔曼滤波法(Unscented-Kalman Filter,UKF)在估计动力电池的剩余容量(State of Charge,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,为此采用自适应无迹卡尔曼滤波法(Adaptive-UKF,AUKF)动态估计电动汽车动力电池的SOC.建立了适用于SOC估计的电池模型,辨识相应的电池模型的参数并进行验证,将AUKF应用到该模型,在未知干扰噪声环境下,在线估计电池的SOC.试验仿真结果表明:UKF算法的估计误差在-0.04~0.06之间跳动,而AUKF算法的估计误差平稳的保持在0.05以内,实时修正微小的模型误差带来的SOC估计误差.     

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.