基于轮胎回正力矩的路面附着系数估计方法

路面附着系数的识别对汽车稳定性控制起着至关重要的作用。轮胎回正力矩能够反映整车及轮胎的运动、受力状况以及路面环境信息,且利用回正力矩能比使用侧向力更早地估计轮-地接触状况。为此,本文设计一种基于轮胎回正力矩的路面附着系数估计方法。首先,基于二自由度车辆模型设计轮胎侧偏角反馈观测器,对轮胎侧偏角进行实时估计;其次,基于轮胎侧偏角和轮胎回正力矩信息设计路面附着系数估计器,构建路面附着系数评估函数;最后,搭建Carsim与Simulink联合仿真平台,仿真结果表明设计的估计算法能够有效地对路面附着系数进行估计。     

基于路面附着系数估计的车辆轨迹跟踪控制

针对车辆在高速转向和不同路面附着系数下的轨迹跟踪控制问题，基于模型预测控制理论提出了一种考虑路面附着系数的变侧偏角约束MPC控制策略。根据魔术公式轮胎模型分析轮胎的侧偏特性以及不同附着系数对轮胎侧偏角-侧向力线性区的影响，建立轮胎侧偏角约束与不同路面附着系数的函数关系；采用遗传算法（GA）优化BP神经网络模型设计路面附着系数估计器，将估计结果作为与轮胎侧偏角约束相关的变量传递到MPC控制器中；最后在MPC控制器中建立系统控制量约束、控制增量约束，以及考虑路面附着系数的变侧偏角约束，将不同路面附着系数工况下的轨迹跟踪问题转化为多约束条件下最优值求解问题，实现轨迹跟踪和车辆稳定性控制。仿真和试验结果表明，考虑路面附着系数变化的MPC控制方法相对传统MPC控制方法在各种工况下具有更高的轨迹跟踪精度和更好的车辆稳定性，GA-BP神经网络路面系数估计方法具有很高的估计精度。     

基于智能轮胎系统的实时路面辨识技术

在复杂和极限工况下,路面附着系数是进行轮胎受力分析和车辆动力学控制的重要状态参数。相对于模型估计的方法,智能轮胎技术能够将轮胎与路面的交互信息反馈给车辆控制系统。本文提出了一种将智能轮胎系统和机器学习相结合的车辆路面附着系数获取方法。首先,考虑行驶工况环境进行传感器选型,开发基于MEMS三轴加速度传感器的智能轮胎硬件采集系统,并采用简化硬件结构的无线传输模式。其次,通过采集不同路面上的实车实验数据进行车辆实验收集机器学习训练的数据集,并分析轮地关系及信号特征。最后,将CNN与LSTM两者的优势相结合实现了对加速度时序信号的特征学习。通过与其它神经网络模型训练结果的比较,验证了所提CNN-LSTM双通道融合神经网络模型的有效性和准确性。本文提出的路面辨识方案实现了实时道路识别的目标,硬件与软件架构和神经网络模型更适合车辆系统搭载,为车辆运动控制提供了实时准确的路面信息。     

轮胎／路面附着系数估算方法

为提高汽车主动安全系统自适应控制性能,需要对轮胎／路面附着系数进行精确的识别或估算。鉴于附着系数估计的复杂性,文章综述了目前路面附着系数估算中的汽车动力学建模和轮胎／路面摩擦模型建模,重点讨论了轮胎／路面附着系数识别算法中传感器的直接检测估计法,以及基于车辆动力学、回正力矩和状态观测器等动力学模型的估计算法,并对各估算方法存在的问题与发展趋势等进行了分析。对开发汽车主动安全电控系统和提高汽车产业核心竞争力具有重要意义。     

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。     

路面附着系数的自适应衰减卡尔曼滤波估计

为了获得实时、准确的路面附着系数，进一步提高观测路面附着系数算法的精度和收敛速度，结合非线性车辆动力学模型和轮胎力修正模型，搭建分布式驱动电动汽车联合仿真平台，提出一种基于自适应衰减无迹卡尔曼滤波的路面附着系数观测算法。该算法设计与各轮对应的路面附着系数观测器，应用协方差匹配判据对观测器发散趋势进行判别，设计自适应加权系数修正预测协方差，以增强新近观测数据的利用率；同时采用次优Sage-Husa噪声估计器对未知的系统过程噪声进行估计，抑制观测器的记忆存储长度，调整过程噪声和测量噪声的均值与协方差，提高观测器的跟踪能力。利用分布式驱动电动汽车分别进行高、低附着路面和对开路面直线制动试验，并将自适应衰减无迹卡尔曼滤波路面附着系数观测器的观测结果与无迹卡尔曼滤波观测值、参考路面附着系数进行比较和分析。结果表明：高附着路面条件下，所设计的算法估计误差可控制在0.64%以内；低附着路面条件下，所设计的算法估计误差可控制在1.03%以内；对开路面条件下估计误差可控制在1.26%以内；自适应衰减无迹卡尔曼滤波算法相比无迹卡尔曼滤波算法响应速率更快，具有更高的估计精度和较强的自适应能力，估计结果整体上维持稳定，能够适应各种不同路面的估计。     

基于实车试验的路面峰值摩阻系数影响因素分析

实时精准的路面附着系数影响车辆的电子制动及智能控制性能,因此在建立轮胎与路面峰值摩阻系数数学模型的基础上,结合试车场Dynatest995型纵向附着系数测量设备,基于理论研究以及试验的数据结果对路面峰值摩阻系数的影响因素进行了分析,分析结果表明:轮胎磨损状态、载荷、气压、测试速度以及路面状态都影响路面峰值摩阻系数的数值,并且基于实车测试给出了各影响因素对摩阻系数数值的变化趋势。     

基于侧向稳定性的圆曲线路段设计指标研究

车辆在附着系数较小的圆曲线路段转向时，轮胎会处于非线性区内工作，此时基于线性理论的侧向稳定性分析方法会产生较大误差。建立6自由度非线性车辆系统模型，分析其处于非线性域与线性域下不同的特性状态，得到不同车速、路面附着系数下使车辆系统处于临界状态的圆曲线路段半径、超高设计指标。对线性域与非线性域内的车辆系统分别采用基于线性理论的根轨迹法与基于非线性理论的相平面法分析侧向稳定性，得到综合考虑2种状态下车辆临界失稳状态的圆曲线路段指标。结果表明，车速为60 km/h，路面附着系数为0.24，超高小于6% 时，车辆发生侧向失稳时轮胎处于非线性域，此时使用相平面法分析得到侧向失稳临界指标；车速为60 km/h，路面附着系数为大于0.4，超高处于4%到10%之间时，车辆发生侧向失稳时轮胎处于线性域，此时使用根轨迹法分析得到侧向失稳临界指标。      

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。     

基于线控制动的轮胎与地面附着系数实时检测

轮胎与地面间的附着系数是影响车辆安全性能的重要因素.在理论分析的基础上,提出了基于线控制动的路面附着系数检测方法.利用踏板位置传感器估计制动器制动力,采用MMA6260Q加速度传感器检测车辆制动减速度,由制动器制动力与地面制动力判断轮胎运动状态,根据车辆载荷转移公式得到车轮法向载荷,获得进入滑动区域的利用附着系数,并由此得到地面附着系数.分析显示,该检测方法可以较准确地识别轮胎与地面附着系数,具有一定的实用价值.     

分布式驱动电动汽车实时路面识别算法研究

以分布式驱动纯电动汽车为研究对象,进行了车辆在多种路面上直线行驶时的附着系数识别方法的研究。根据车辆的多路面滑转率实验数据,选择并改进了轮胎模型。使用带有遗忘因子的递推最小二乘算法对电动汽车行驶的路面进行估计和识别。结果表明,该识别算法可实时、准确、有效和快速地分辨出电动汽车行驶的路面(结冰、干沥青和湿沥青),为车辆的主动安全控制提供依据。     

车速和路面附着系数的滚动时域估计

基于Dugoff轮胎模型建立了车辆的非线性动力学方程,并给出了路面附着系数的约束条件.针对车速和路面附着系数约束的非线性估计,提出了一种基于滚动优化原理的滚动时域估计法(MHE),并给出了MHE法的具体步骤.在不同路面上对MHE法进行了多种工况的实验验证,并在同样条件下与扩展Kalman滤波法进行了比较.实验结果表明,MHE法的估计性能优于扩展Kalman滤波法.     

汽车双转鼓惯性试验台等效路面附着机理研究

本文中针对一种双转鼓惯性试验台,基于CAN/PCI总线建立机电一体化分布式测控系统,用于车辆安全性、动力性试验检测。基于所设计惯性试验台提出通过改变车轮与双转鼓间安置角等效不同路面峰值附着系数的算法,基于制动过程单轮动力学分析,建立单轮-试验台系统动力学模型,根据动力学模型获得可变安置角与路面峰值附着系数等效路面附着机理,基于Matlab/Simulink建立单轮-试验台系统仿真模型,验证了等效路面附着系数算法。通过所建单轮-试验台系统进行了试验,在小滑动区实时获取车轮所受纵向力及滑动率,基于Slip-slope理论实时估算等效峰值附着系数。结果表明,双转鼓惯性试验台等效路面附着机理正确,等效路面附着系数算法准确可行。     

基于Kalman滤波的路面附着系数估计算法综述

实时、准确地获取车辆行驶时的路面附着系数信息对车辆主动安全控制具有重大影响,尤其智能汽车控制策略的设计对获取路面附着系数信息的精准度和实时性提出更高要求.本文基于Kalman滤波原理,针对国内外学者采用此算法的研究现状进行了梳理,总结了路面附着系数估计算法的未来发展趋势,为车辆主动安全控制系统研究提供理论参考.     

基于四轮轮边驱动电动车的路面附着系数估算方法

路面附着系数是影响车辆行驶安全性的重要因素,利用轮边驱动电动汽车驱动力矩可以对路面利用附着系数进行观测。当观测到μ-λ曲线接近于峰值点时,将该时刻的轮胎利用附着系数作为路面峰值附着系数,并根据识别的路面峰值附着系数进行驱动防滑控制。该方法能够有效防止轮胎滑转,提高车辆行驶稳定性。     

大型客车横向稳定性仿真分析

为了给营运客车横向稳定状态监测提供理论依据,针对极限工况下状态参数的临界值仿真结果,进行了营运客车稳定区域边界条件的研究。基于非线性三自由度车辆模型建立了基于扩展卡尔曼滤波（EKF）的状态参数估计器,对营运客车的质心侧偏角和横摆角速度进行实时估计,并利用Trucksim验证估计值具有较好的一致性和状态跟随能力。基于MATLAB/Simulink建立非线性七自由度车辆模型,分析不同行驶状态参数对质心侧偏角-质心侧偏角速度（β-β）相平面稳定区域边界的影响,基于仿真数据确定了以车速、前轮转角和路面附着系数为变量的稳定区域边界条件,结合状态估计模型获得以β-β决定的控制变量。在Trucksim中进行连续正弦方向盘转角输入标准稳定性试验,通过分析营运客车行驶过程中控制变量的曲线变化趋势是否超出稳定区域边界确定车辆的运行状态。结果表明：营运客车以60 km·h^-1车速、小方向盘转角行驶在低附着系数（μ=0.3）路面和高附着系数（μ=0.85）路面时,横摆角速度对驾驶人的意图（方形盘转角曲线趋势）有很好的跟随能力,具有较小的延迟响应,车辆处于稳定状态,此时控制变量曲线一直处于稳定区域内;当相同工况下以大方向盘转角输入时,横摆角速度已经不能很好地跟随驾驶人意图,且低附着系数路面下,在3.5 s左右时方向盘转角已经回正,但横摆角速度仍位于最大值,具有较大的延迟,营运客车发生急转侧滑;高附着系数路面下第2.5 s和第6.2 s左右车辆发生严重偏移,车辆处于失稳状态,而对应时刻的控制变量曲线部分超出稳定边界,验证了营运客车横向稳定状态判据的准确性。     

基于自适应滤波的电动车纵向滑移率识别方法

根据路面附着状况实时地选择最优的滑移率控制目标是电动车驱动防滑控制策略的关键.针对四轮驱动电动车的特点,研究利用自适应Kalman滤波获得车速信息和轮胎驱动力信息的方法.利用该方法实时估计车速和驱动力等参数,并计算附着系数-滑移率曲线的斜率k,以对路面附着状况进行精确估计.通过将计算得到的斜率与设定的最优滑移率所对应的斜率之差作为控制参考量,及时地调整驱动电机的输出转矩,提高电动车的道路附着系数利用率,以获得更好的电动车驱动防滑控制效果.仿真结果表明:车辆在高、低附路面行驶时,该算法均可有效地估计滑移率的k值.     

车辆侧倾状态估计的研究

针对复杂行驶工况下车辆侧倾状态无法准确测取,因而对车辆侧倾无法有效控制的问题,本文中利用车辆耦合动力学与模糊T-S理论,设计了基于模型的T-S状态观测器算法,实现了复杂工况下车辆侧倾状态的实时有效观测。首先,构建了不同路面激励与转向盘转角工况下的车辆垂向与横向运动学模型;接着,在考虑轮胎受力具有强非线性特点的基础上,提出了基于T-S理论的轮胎T-S模型,并采用"魔术公式"对其进行了仿真验证;然后,基于轮胎T-S模型与整车动力学模型,利用贝叶斯理论,设计整车T-S观测器算法;最后,利用Car Sim软件对标准A/C级路面激励工况下整车T-S观测器实时估计的车辆侧倾角与侧倾率进行仿真验证。结果表明,所设计T-S观测器可有效估计车辆侧倾状态,最大标准偏差不超过12%。     

考虑道路因素的智能车辆纵向运动决策与控制研究

针对智能车辆纵向运动时的交通道路适应性问题,考虑路面附着系数和前车运动速度等因素,研究了智能车辆纵向运动决策与控制方法。论文研究了基于车头时距的纵向运动决策方法并建立不同驾驶行为的目标车速模型,运用变论域模糊推理算法设计了目标加速度模型。基于纵向动力学模型,运用自适应反演滑模控制算法建立了驱动控制器和制动控制器。对高附着系数路面和低附着系数路面的行驶工况进行仿真试验验证,结果表明,在不同的附着系数路面和前车变速行驶条件下,智能车辆能实时、合理地决策目标车速、目标加速度,实现安全、高效、稳定的跟驰。