基于强跟踪容积卡尔曼滤波的车辆行驶状态估计

针对车辆行驶过程中的状态估计问题,提出了基于强跟踪容积卡尔曼滤波的车辆行驶状态估计算法。建立了采用Dugoff轮胎模型非线性3自由度车辆估算模型,通过对纵向加速度、侧向加速度、横摆角速度、转向盘转角和车轮轮速低成本传感器信号的信息融合以实现对车辆行驶状态的准确估计。应用驾驶员模拟器进行在环试验结果表明,基于强跟踪容积卡尔曼滤波的估计算法能够较准确地对车辆行驶状态进行估计。     

基于扩展卡尔曼滤波的轮毂电机驱动电动汽车状态估计

以非线性八自由度车辆模型为基础,利用轮毂电机驱动电动汽车四轮转矩容易获得的独特优势,将车轮转角、各个车轮驱动力矩、侧向加速度及横摆角速度作为算法输入,采用扩展卡尔曼滤波(Extended Kalman Filter,EKF)理论设计了轮毂电机驱动电动汽车行驶中状态估计算法。CarSim和Matlab/Simulink联合仿真结果表明,该算法能有效估计轮毂电机驱动电动汽车行驶中的纵向车速、侧倾角、侧倾角速度等状态。     

基于改进的Sage-Husa自适应扩展卡尔曼滤波的车辆状态估计EI北大核心CSCD

本文中提出了一种基于改进的Sage-Husa自适应扩展卡尔曼滤波的车辆行驶状态估计算法。首先建立了非线性3自由度车辆估算模型和Dugoff轮胎模型。接着通过对纵向加速度、侧向加速度、横摆角速度和转向盘转角等低成本传感器信号的信息融合,实现对车辆行驶状态的准确估计。最后应用CarSim和Matlab/Simulink联合仿真对算法进行验证。结果表明:基于改进的Sage-Husa自适应扩展卡尔曼滤波的估计算法能比扩展卡尔曼滤波算法更准确、稳定地估计车辆行驶状态。     

基于改进的Sage-Husa自适应扩展卡尔曼滤波的车辆状态估计

本文中提出了一种基于改进的Sage-Husa自适应扩展卡尔曼滤波的车辆行驶状态估计算法。首先建立了非线性3自由度车辆估算模型和Dugoff轮胎模型。接着通过对纵向加速度、侧向加速度、横摆角速度和转向盘转角等低成本传感器信号的信息融合,实现对车辆行驶状态的准确估计。最后应用CarSim和Matlab/Simulink联合仿真对算法进行验证。结果表明:基于改进的Sage-Husa自适应扩展卡尔曼滤波的估计算法能比扩展卡尔曼滤波算法更准确、稳定地估计车辆行驶状态。     

基于中心差分卡尔曼滤波的车速估计研究

针对车辆行驶过程中车速估计问题,论文基于中心差分卡尔曼滤波理论设计了车速的估计算法。建立了非线性三自由度车辆估算模型,根据纵向加速度、侧向加速度和方向盘转角低成本传感器信号的信息融合,实现对车速的准确估计,应用CarSim与Matl ab/Simulink联合仿真实验对算法进行验证。结果表明:估计算法能够准确估计车辆行驶过程中的纵向车速、侧向车速和质心侧偏角。     

分布式驱动电动汽车行驶状态估计综述

针对分布式驱动电动汽车行驶状态估计的问题,论文对汽车行驶状态估计算法的研究现状进行了综述,列举了在车辆行驶状态估计中常用的估计算法,分别介绍了扩展卡尔曼滤波算法、容积卡尔曼滤波算法和联邦卡尔曼滤波算法在车辆行驶状态估计中的优缺点,结合各算法在实际应用中需要考虑的因素,对比分析不同的估计算法对车辆行驶状态参数估计效果的影响,指出基于联邦卡尔曼(FKF)滤波算法的多信息融合估计车辆行驶状态的方法是提高估计精度的有效手段。     

分布式驱动电动汽车状态参数估计综述

由于汽车的状态参数在行驶过程中不断变化,从而影响车辆行驶状态的准确估计,针对这一问题,论文对分布式驱动电动汽车状态参数估计进行了综述,列举了常用的两种估计算法,分别从扩展卡尔曼滤波和容积卡尔曼滤波两个方面进行了论述,对比分析了两种算法之间的应用场景与估计效果。总结出通过信息融合技术的多滤波器融合成为车辆状态参数估计的主流方向。     

基于多模型交互的复杂工况下车辆状态估计

为准确而实时地估计车辆状态参数,以利于车辆的稳定性控制,分别建立了基于线性轮胎模型和非线性轮胎模型的两种车辆模型,采用多模型交互(IMM)算法进行两种模型的切换以适应各种复杂路况,并将平方根容积卡尔曼滤波算法融合至IMM算法。考虑到车辆行驶过程中侧向加速度和路面附着系数对算法的影响,采用模糊算法对IMM算法中的模型转换概率进行实时修正,提高了模型切换速度和跟踪精度。Carsim-Matlab/simulink联合仿真和实车试验的结果表明,该算法车辆状态参数估计跟踪精度高,模型切换速度快,鲁棒性好。     

基于轮边驱动电动汽车轮胎力估计的路面附着系数估算

为了能够实时准确的获得当前车轮的轮胎力及路面附着系数以提高汽车主动安全性能,提出一种轮边驱动电动汽车状态估计与路面附着系数估计相结合的估计方法。根据车载传感器及七自由度非线性车辆动力学模型,采用扩展卡尔曼滤波算法(EKF)进行车辆状态及轮胎力的估计。结合EKF估算结果和轮胎模型,采用递归最小二乘法(RLS)实时估计不同路面的附着系数。仿真结果表明:该方法可以在较为复杂工况下估计出不同的路面附着系数,估计精度较高,实时性较好。     

轮毂电机驱动电动汽车液压执行单元的压力估计与控制方法研究

为提高轮毂电机驱动电动汽车的制动性能和安全性能,对其液压制动系统轮缸压力估计和压力控制进行了研究。首先对液压执行单元中的关键部件回路控制阀建立了数学模型,分析其液压特性和电气特性,接着针对回路电磁阀建立了状态方程,采用平方根容积卡尔曼滤波算法,估计电磁阀阀芯行程,从而准确计算出当前制动液流量和制动轮缸压力,然后再依据p-V特性设计了基于滑模变结构算法的电磁阀阀芯行程控制算法,通过调节阀芯行程来控制制动轮缸内的制动压力。最后采用Matlab/Simulink-AMESim联合仿真和硬件在环台架实验两种方法进行算法验证,结果表明:所提出的制动轮缸压力估计和压力控制算法能准确跟随控制目标值,提高轮毂电机驱动电动汽车的制动性能。     

四轮独立驱动电动汽车电动轮影响研究

为了分析轮毂电机驱动电动汽车簧下质量变大导致的垂向振动负效应问题,根据自主研发可以四轮独立驱动的轮毂电机电动汽车,建立集中电机和轮毂电机驱动汽车的1/4动力学模型,在相同路面输入下,对汽车平顺性评价指标进行对比分析,说明轮毂电机驱动下电动轮结构对车辆垂向性能的影响。研究结果证明,轮毂电机驱动汽车的车身垂向加速度和轮胎动载荷都有所增加,这种变化将对车辆的行驶平顺性造成一定程度的恶化。     

基于自适应模型预测的智能汽车横向轨迹跟踪控制

当路面附着情况和车辆行驶状态不断变化时,基于恒定侧偏刚度的模型预测控制(MPC)不能考虑轮胎非线性特性的影响,难以保证车辆轨迹跟踪的适应性。为此,提出一种考虑轮胎侧向力计算误差的自适应模型预测控制(AMPC),以提高智能汽车在不确定工况下的轨迹跟踪性能。分析了路面附着系数和垂向载荷对轮胎侧向力的影响,基于平方根容积卡尔曼滤波(SCKF)算法,设计了利用侧向加速度和横摆角速度作为测量变量的前后轮胎侧向力估计器。利用轮胎侧向力线性计算值与估计值的差值计算得到侧偏刚度修正因子,设计了前后轮胎侧偏刚度的自适应修正准则,进而提出了一种基于时变修正刚度的AMPC控制方法。基于CarSim与MATLAB/Simulink联合仿真和硬件在环测试平台,对AMPC控制的有效性和实时性进行了验证。研究结果表明：在不同的路面附着情况和车辆行驶状态下,AMPC控制都能够降低横向位置偏差和航向角偏差,有效提高车辆的轨迹跟踪精度,其控制效果明显优于基于恒定侧偏刚度的标准MPC控制。尤其在低附着工况下,标准MPC控制会因为线性轮胎力的计算误差过大而导致车辆在轨迹跟踪时严重失稳,而AMPC控制通过估计轮胎力修正侧偏刚度依然能够保证车辆稳定有效的跟踪参考轨迹。所提出的AMPC控制在保证控制精度的同时具有良好的实时性,对智能汽车控制系统的设计与优化具有重要参考价值。     

基于多传感器信息融合的汽车行驶状态估计

为了保证汽车的主动安全控制,需要准确地估计车辆行驶状态信息。针对目前汽车状态估计中由于技术条件限制和成本过高造成的部分参数无法测量或不易测量的问题,本文中利用低成本传感器,基于信息融合技术进行汽车行驶状态估计。建立了包括横摆、横向和纵向的3自由度非线性汽车动力学模型,同时为降低噪声对系统影响,建立了自适应无迹卡尔曼滤波(AUKF)的信息融合算法,给出车辆状态最小方差意义下的融合结果。利用纵向加速度、侧向加速度和转向盘转角等低成本传感器信号融合得到所需的难以测量的质心侧偏角、横摆角速度和纵向车速。通过Matlab/Simulink-CarSim联合仿真和实车试验对所研究的估计算法进行了试验验证。试验结果表明:该算法能够准确地估计汽车质心侧偏角、横摆角速度和纵向车速,且相比于无迹卡尔曼滤波(UKF),本算法提高了估计精度和实时性。     

基于LO-EKF算法的分布驱动电动汽车状态估计的研究

本文中对分布式驱动电动汽车的状态估计进行研究。首先利用龙伯格状态观测器实时观测对车辆的状态估计影响较大的路面坡度,接着,提出了采用扩展卡尔曼滤波算法,以车辆ESP传感器所获取的数据信息作为观测值,对分布式驱动电动汽车的动力学状态变量进行估计。最后进行Carsim和MATLAB联合仿真。结果表明,基于扩展卡尔曼滤波和龙伯格观测器的车辆状态估计算法能较好的估算出车辆的相关动力学状态值,算法可行,收敛速度较快。     

路面-电磁双激励下电动轮汽车行驶平顺性分析

为研究电动轮车辆系统在路面-电磁双重激励下的振动特性，明确轮毂电机电磁激励对车辆行驶平顺性的影响规律，建立了基于刚性连接结构的轮毂驱动式电动汽车1/4的2-DOF垂向振动动力学模型；考虑路面激励的随机性以及电磁激励的分段周期性，得到了含随机性和周期性的复杂外激励模型；采用时域分析法，得到复杂外激励下电动轮车辆平顺性评价指标即车身加速度、悬架动挠度、轮胎动载荷时间历程图，并分析了电磁激励对电动轮汽车平顺性的作用规律。结果表明：轮毂电机电磁激励对各指标的影响程度依次为车身加速度>轮胎动载荷>悬架动挠度；在加速行驶工况下，速度越快电机激励振动冲击越大，对车辆的行驶平顺性和舒适性越为不利。     

基于轮胎合力计算与分配的车辆横向稳定性控制研究

鉴于轮胎合力计算与分配算法只适用于四轮独立制动/驱动和四轮独立转向车辆,以及路面附着系数对轮胎纵向合力和横摆力矩可实现范围的限制,提出一种对轮胎纵向合力和横摆力矩进行实时计算调整和动态分配的车辆横向稳定性控制策略。针对线性反馈计算的误差,采用离线数值优化和非线性规划方法实时确定轮胎纵向合力和横摆力矩的可实现范围,将计算的合力和力矩调整至可实现范围内并进行动态分配。设计滑移率和前轮侧偏角控制器使轮胎摩擦力跟踪各分力,在保证精度的同时避免对车辆后轮侧向力的估计。最后进行了仿真分析与基于LabVIEW PXI和veDYNA的驾驶员在环试验验证。结果表明,基于合力计算与分配的车辆横向稳定性控制可有效地提高车辆轨迹保持能力,改善低附着路面上车辆的稳定性,控制效果优于滑模变结构控制。     

基于卡尔曼滤波算法的车辆振动状态估计与最优控制研究

在建立2自由度1/4车辆悬架振动模型基础上,提出了利用卡尔曼滤波算法估计车辆行驶振动状态的方法。通过设计卡尔曼滤波算法,对在不平路面上行驶车辆的车身垂向位移、垂向速度和车轮垂向位移、垂向速度状态进行估计,并通过Matlab/Simulink对估计效果进行验证。验证结果表明,该方法能够在不同路面、不同车速下准确估计车辆的相关参数,为汽车主动悬架的最优控制提供了基础。     

4WID-EV的自动差速原理及控制策略

针对研究四轮独立驱动电动汽车差速行驶问题时仅以动力轮为研究对象而忽略车架内力调节作用的局限性.建立含有车架内力和车轮侧向力的汽车纵向动力学数学模型.通过对模型中各车轮的受力细分,研究四轮独立驱动电动汽车的自动差速原理,并制定“次最优转矩组合”的控制策略.在ADAMS中构建该车辆虚拟样机并对其数学模型、差速性能、控制性能进行仿真验证.结果表明,数学模型准确,车辆的自动差速性能和控制性能更佳.     

轮胎力滞后对分布式驱动电动汽车瞬态响应的影响

分布式驱动电动汽车具有的电机直驱和工况响应快速的特点，会进一步激发轮胎瞬态特性。为了简要分析轮胎力滞后对分布式驱动电动汽车侧向、横摆瞬态响应的影响规律，进而优化其控制器模型，本文首先通过轮胎力学建模和高速轮胎试验台验证，得到轮胎力滞后的实用表达；其次，建立考虑轮胎侧-纵向力滞后的车辆动力学模型，通过频域、时域图分析，揭示轮胎力滞后对汽车横摆瞬态响应的影响规律；最后，通过Simulink仿真验证，将四个车轮互异&时变轮胎力滞后以状态空间形式写进控制器模型，可用于提高控制器模型的预测精度。     

内嵌加速度计的智能轮胎纵/垂向力估计算法

本文中提出了一种基于胎内嵌入加速度计的智能轮胎方案和纵向与垂向轮胎力估计算法。首先设计了基于三轴加速度计的智能轮胎系统;接着搭建了实车测试平台并在典型工况下进行了实车试验;基于实车试验数据,提取了智能轮胎加速度信号的典型特征,结合轮速等影响因素,提出了基于神经网络的轮胎纵向力和垂向力估计算法。结果表明,所提出的算法可对轮胎力进行准确的估计,从而为车辆的稳定性控制系统提供有用信息。