基于最小模型误差估计的智能汽车路径跟踪控制

为提高分布式驱动电动智能汽车在自主循迹过程中关键参数的估计精度并降低模型不确定性对控制系统鲁棒性的影响,本文中提出了一种基于观测器的自适应滑模路径跟踪控制策略。首先,针对难以直接精确测量的车辆纵、侧向速度,建立了5输入3输出3状态的状态估计系统,并采用最小模型误差准则以降低估计过程轮胎的非线性特性带来的观测模型误差。接着,基于运动学模型,计算出了路径跟踪期望横摆角速度响应,并采用自适应滑模算法实现主动转向控制。考虑线控转向系统的潜在失效风险,引入径向基神经网络对系统不确定性进行在线估计。同时,设计了直接横摆稳定控制器并采用最优转矩分配策略,进一步提高车辆的稳定性。最后,对车辆状态估计和路径跟踪进行了Carsim/Matlab联合仿真,结果表明:基于最小模型误差准则的观测器能取得较可靠的估计结果,路径跟踪控制器能保证车辆具有较好的跟踪精度和鲁棒性。     

基于蚁狮算法的UKF车辆状态参数估计器

为了准确获取分布式驱动电动汽车状态参数信息，满足车辆稳定性控制系统的需求，提出一种基于蚁狮算法的无迹卡尔曼滤波状态参数估计器。针对无迹卡尔曼滤波（UKF）过程中噪声协方差矩阵的不确定性，采用蚁狮优化算法（ALO）对其进行寻优，并引入奇异值分解（SVD）的方法来维持噪声协方差矩阵的正定性，此外，基于指数加权最小二乘法对车辆侧偏刚度进行辨识并将其作为状态参数估计器输入。基于MATLAB/Simulink和CarSim联合仿真平台，建立分布式驱动电动汽车参数估计模型，分别进行双移线工况和正弦迟滞工况仿真，并基于A&D5435快速原型开发平台进行双移线工况实车试验。仿真与试验结果表明：相比于SVDUKF算法估计结果，双移线仿真工况下，基于ALO-SVDUKF算法估计得到的质心侧偏角和横摆角速度的均方根误差分别降低了55.7%、30.7%，正弦迟滞仿真工况下，均方根误差分别降低了58.1%、85.1%，且在车辆处于极限失稳状态时仍能维持较好的估计效果；双移线试验工况下，横摆角速度的估计值与实际测量值之间的均方根误差仅为0.938 4（°）·s^-1；提出的基于ALO-SVDUKF算法的分布式驱动电动汽车状态参数估计器能够有效提高质心侧偏角和横摆角速度的估计精度，可为车辆稳定性控制提供精确的状态信息。     

商用车电子稳定性控制系统的标准发展及关键技术

介绍了商用车电子稳定性控制系统(ESC)的基本原理及其技术背景,阐述了系统标准的发展现状,并从系统功能定义、系统评价、系统的试验方法及仿真方法等方面,分析了标准的核心内容.简述了系统控制策略、车辆状态估计、执行器设计开发、系统评价体系、底盘综合控制等关键技术.     

汽车行驶状态参数的估计

介绍Sage-Husa自适应卡尔曼滤波算法和滤波估计流程,建立二自由度汽车模型,在模型中加入系统噪声和测量噪声,建立系统状态方程和观测方程。利用自适应卡尔曼滤波算法,对汽车质心侧偏角和横摆角速度进行估计,并进行转向盘转角正弦输入仿真分析,仿真结果表明两者的真实值和估计值吻合良好。利用自适应卡尔曼滤波算法对汽车行驶状态参数进行估计可以降低汽车的成本,是一种行之有效且具有工程应用价值的方法。     

双挂汽车列车操纵稳定性评价指标研究

为了确定双挂汽车操纵稳定性的评价指标并进行横向稳定性分析,在分析国外多挂汽车列车研究现状的基础上,分别总结了结构参数和使用参数以及各种主动控制策略对多挂汽车列车横向稳定性的影响。与中国汽车列车操纵稳定性评价方法相比,针对多挂汽车列车增加了后部放大系数(RWA)和轨迹偏移量(Off-tracking)2种横向稳定性评价指标;构建了横摆运动和侧向运动的双挂汽车列车动力学模型,仿真阶跃响应下各个车辆单元侧向速度、横摆角速度、侧向-横摆相轨迹、侧向加速度以及铰接角的变化,并分别计算以横摆角速度和侧向加速度为基准的RWA值,将计算结果与国外相关研究文献进行了比较。结果表明:当牵引车和一挂车的侧向速度最大值分别为1.15,0.89m·s~(-1)时,对应拖台和二挂车的侧向速度最大值分别为2.81,1.31m·s~(-1),证明其为双挂汽车列车发生失稳的主要影响因素;由横摆角速度、侧向加速度对应的RWA值分别为1.14和1.54可知,以侧向加速度为基准的RWA值更能反映车辆的后部放大状态;由牵引车与一挂车之间的铰接角为5.9°,拖台与二挂车之间的铰接角为9.6°,而一挂车与拖台之间的铰接角恢复到0可知,一挂车与拖台的链接形式比第5轮式的铰接形式更稳定,且恢复到稳定状态时间更短;研究结果可为双挂汽车列车操纵稳定性评价指标的确定及应用提供参考。     

基于主动横向稳定杆的汽车防侧翻控制

为了提高汽车转向时的侧向稳定性,建立了汽车三自由度侧翻模型,提出了主动横向稳定杆直接防侧翻力矩控制的汽车侧向稳定性控制方案。采用LQR最优控制算法,以侧向加速度、质心侧偏角和横向载荷转移率为综合控制对象,以主动横向稳定杆为执行机构,建立防侧翻控制系统,在Matlab/Simulink环境中对汽车进行阶跃转向侧翻仿真实验。仿真结果表明,基于主动横向稳定杆LQR控制系统能够及时在横向稳定杆上产生抗侧翻力矩,提高汽车的转向侧翻控制能力,减少侧翻事故的发生。     

汽车列车横向稳定性研究

汽车列车是牵引汽车与挂车相互作用、相互耦合的复杂系统,其横向稳定性研究涉及多体动力学、刚柔耦合力学、气体动力学、车辆非线性运动和电子控制等多个学科.本文论述了汽车列车横向稳定性的国内外研究现状、研究方法和试验手段,探讨了使用参数和结构参数对汽车列车横向稳定性的影响,分析了角阶跃输入下汽车列车侧向加速度响应.最后,对汽车列车动力学数字仿真算法及代表性软件进行了分析阐述.     

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。     

发动机冷却水温度传感器的检测原理与方法

现代汽车发动机各种传感器将工作状态参数信号输入到电控元件中，电控元件根据接收的信号，判断各系统工作状态并发出指令．控制各系统工作在最佳状态。如传感器出现故障，发动机的性能就会变差。本文主要介绍冷却水温度传感器的检测原理与方法。     

基于无迹卡尔曼滤波与遗传算法相结合的车辆状态估计

针对汽车状态估计中过程噪声和量测噪声统计特性不确定的状况,通过UKF算法与遗传算法相结合,提出一种新的自适应滤波算法,以降低噪声对估计结果的干扰。为达到较高的精度,建立了7自由度非线性车辆动力学模型,结合"魔术公式"轮胎模型对汽车行驶过程中的纵、侧向速度、轮胎力和质心侧偏角分别进行了估计。在利用UKF对汽车状态参数进行估计的同时,引入遗传算法,根据适应度函数对过程噪声和量测噪声进行寻优,实现了噪声的自适应作用,估计精度大幅提高。仿真和道路模拟试验的结果表明,UKF结合遗传算法的方法,能提高估计精度且具有很好的抗干扰性。