基于运动学—动力学方法融合的汽车质心侧偏角估计（英文）

为了提高汽车质心侧偏角估计的准确性,提出了一种新的、基于运动学—动力学方法的融合估计方法。构建了质心侧偏角融合观测器(SAFO)。该SAFO包括3个子滤波器,每个子滤波器分别将横向车速的初步估计结果送到主滤波器中。主滤波器根据当前车辆行驶工况和融合规则,将子滤波器的估计结果融合成为全局意义下的质心侧偏角估计结果。结果表明:该SAFO具有良好的估计精度和长时间尺度下的计算稳定性,同时对横向加速度传感器偏差具有鲁棒性。因此,车辆测试数据验证了SAFO的性能。     

基于冗余信息融合的车辆质心侧偏角估计方法

车辆质心侧偏角是表征车辆横向稳定性的重要参数之一,相关的估计方法研究可为整车稳定控制提供重要支撑.为提高车辆质心侧偏角估计效果,提出了一种基于冗余信息融合的质心侧偏角估计方法.分别建立了车辆动力学模型和运动学模型,利用容积卡尔曼滤波算法分别设计了用于车辆行驶状态估计的动力学模型估计器和运动学模型估计器,同时,分析了动力...     

基于扩展卡尔曼滤波的汽车质心侧偏角估计

基于二自由度汽车动力学模型和轮胎模型,运用扩展卡尔曼滤波方法建立了汽车质心侧偏角估计器.利用汽车动力学仿真平台,通过仿真对比了线性轮胎模型和非线性轮胎模型的质心侧偏角估计结果.仿真结果表明,轮胎模型对于质心侧偏角估计精度至关重要,而采用非线性轮胎模型能显著提高质心侧偏角估计精度,估计结果能满足ESC控制的要求.     

基于车路协同的车辆状态估计方法

提出了一种基于车路协同的车辆质心侧偏角估计方法。该方法通过专用短程通信技术获取路侧基站的差分GPS信息,在车辆运动学模型的基础上,通过建立二次卡尔曼滤波器,融合差分GPS的航向角、车速和车载传感器的纵向加速度、横向加速度与横摆角速度信号,来估计车辆横摆角和质心侧偏角,并进行了实验验证。结果表明,即使在横向加速度较大的情况下,该方法仍具有较好的估计精度,可满足车路协同系统中车辆安全控制的要求。     

汽车侧偏角与横摆角的仿真与估计

为了提高汽车操纵稳定性和安全性,设计汽车状态观测器模型对难以测量的质心侧偏角与横摆角速度的数据进行估计是很有必要的。本文利用扩展卡尔曼滤波算法并基于二自由度汽车模型上对质心侧偏角进行估计及仿真分析,仿真的结果与估计的结果吻合,估计结果具有较高的应用价值。     

基于汽车质心侧偏角的EPS回正控制策略

针对传统的转向回正控制容易产生回正过度或回正不足的情况,提出一种基于质心侧偏角的汽车电动助力转向回正控制策略。建立车辆动力学模型,基于车载电子稳定程序传感器信号,采用无迹卡尔曼滤波方法在线实时估计路面附着系数和车辆的质心侧偏角。将估计的质心侧偏角与期望质心侧偏角的偏差作为输入,对车辆进行转向回正滑模控制。在Carsim、Matlab/Simulink和LabVIEW中对车辆不同工况下的转向回正性能进行仿真和硬件在环试验。结果表明,提出的转向回正控制策略能够有效地改善车辆的中心转向性能,使车辆具有良好的回正效果。     

考虑侧倾影响的汽车横摆角速度与质心侧偏角滤波估计

为准确识别汽车前方弯道路段曲率信息,考虑侧倾运动的实际影响,建立了汽车质心运动、横摆运动及侧倾运动具有非线性特征的3自由度车辆操纵稳定性模型,设计了汽车质心侧偏角与横摆角速度扩展卡尔曼滤波估计器,实现了巡航车辆运动特征的在线实时估计。采用双移线输入,通过Car Sim与Matlab/Simulink的联合仿真进行验证,结果表明,即使在大噪声条件下,所设计的扩展卡尔曼滤波估计器也能较好地实现车辆横摆角速度与质心侧偏角的准确估计。     

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HSRI模型的参数自适应质心侧偏角观测器的设计

首先对全维车速观测器进行降维处理,以减少观测器的在线计算量,并设计了非线性级联车速观测器.接着,对路面附着系数和轮胎侧偏刚度进行参数自适应估计,以提高质心侧偏角的估计精度,并基于HSRI轮胎模型设计了参数自适应非线性质心侧偏角观测器.在估算轮胎侧偏刚度时采用无侧向车速的车辆模型,以避免车辆动力学模型与侧向车速观测器的耦合作用,并引入带双重遗忘因子的递推最小二乘法,以保持算法的修正能力和解除不同估计参数之间误差的耦合作用.最后采用Simulink与Carsim动力学仿真软件进行联合仿真验证,结果表明所设计的参数自适应非线性质心侧偏角观测器是有效的,估计精度满足ESC控制的工程要求.     

基于模糊逻辑的车辆侧偏角估计方法

提出了一种基于模糊逻辑的汽车侧偏角估计方法。它利用模糊逻辑和汽车运动学模型,将汽车转向盘转角、车轮转速、汽车加速度和横摆角速度信息相融合,进行车辆侧偏角估计。试验结果显示,该方法的鲁棒性和精确性较好,而且响应频率较高,可以满足ESP的控制需要。     

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。     

基于扰动观测的客车ESC自适应神经网络滑模控制

为了提高客车电子稳定性控制系统（ESC）的控制精度,针对实际车辆系统建模中存在各种非线性扰动项以及传统滑模控制（Sliding Mode Control,SMC）中抖振较大的问题,提出一种自适应神经网络滑模控制算法。基于2自由度车辆模型,首先设计一个二阶滑模（Second-order Sliding Mode,SOSM）估计器对车辆的质心侧偏角进行估计,然后利用径向基（Radial Basis Function,RBF）神经网络对车辆系统建模中的各种非线性扰动项进行实时估计,并进行Lyapunov稳定性证明,RBF神经网络估计车辆系统建模的各种非线性扰动项可以有效减小滑模控制符号项的系数,从而减小滑模抖振水平。为了更进一步优化传统滑模控制的参数调节过程,减小滑模抖振并提高系统控制精度,再次利用RBF神经网络对传统滑模控制中的关键参数进行自适应调节。最后为了验证算法的有效性,搭建客车电控气压制动系统硬件在环试验台,在硬件在环试验台上对算法的有效性和精度进行试验验证。研究结果表明：客车ESC在自适应神经网络滑模算法的控制下,横摆角速度和质心侧偏角能够较好地跟随上理想的横摆角速度和理想质心侧偏角,横摆角速度和质心侧偏角的跟随误差降低;利用RBF神经网络估计客车建模中的各种非线性扰动项和利用RBF神经网络自适应调节传统滑模控制的关键参数,可以有效提高客车ESC的控制精度。     

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。     

质心侧偏角对车辆稳定性影响的研究

分别采用β方法和相平面法分析质心侧偏角对车辆稳定性的影响,重点分析各种不同因素对质心侧偏角-质心侧偏角速度相平面的稳定性边界的影响.最终确定质心侧偏角控制准则,并通过道路试验进行了验证.     

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。     

基于极限车速的车辆稳定性控制研究

采用"魔术公式"轮胎模型,在Matlab/Simulink中搭建了8自由度车辆侧向动力学模型,绘制车辆质心侧偏角-质心侧偏角速度相平面图,并利用双线法划分相平面图稳定区域,结合车辆自身质心侧偏角相轨迹,计算得到车辆极限稳定车速。以极限车速作为控制开关,设计基于质心侧偏角和横摆角速度的模糊控制器,提出了基于补偿横摆力矩的前后轮制动力矩比例分配控制策略,并在多种工况下进行了仿真与模拟驾驶实验。结果表明:利用极限车速作为控制开关设计的控制策略可有效提高车辆稳定性。     

基于模型预测控制的分布式电动车稳定性控制

基于CarSim/Simulink建立分布式电动车的整车动力学模型,同时建立2自由度的参考模型,用于求解车辆行驶时的期望横摆角速度及质心侧偏角以保持车辆行驶稳定性。同时,基于模型预测控制设计控制器,通过改变驱动轮转矩,获得附加横摆力矩,实现对车辆横摆角速度及质心侧偏角的控制。通过仿真试验,在前轮转角阶跃输入及正弦输入两种工况下,验证控制方法的有效性。     

基于无迹卡尔曼的分布式电动汽车状态估计

为了较准确地获取分布式电动汽车的状态信息,满足汽车稳定性控制的要求,文章以三自由度车辆动力学模型为基础,建立了基于无迹卡尔曼滤波的分布式电动汽车状态观测器,对双移线工况下分布式汽车的纵横向车速、横摆角速度、质心侧偏角进行了预测估计。     

汽车稳定性控制系统的研究与仿真

在线性二自由度车辆模型基础上,采用直接横摆力矩控制方法,选取质心侧偏角和横摆角速度作为稳定性控制系统的主控变量,设计了三种具有针对性的基于滑模变结构理论的车辆操纵稳定性控制策略——质心侧偏角、横摆角速度和两者联合的滑模变结构控制。在Matlab,Simulink平台上,对三种汽车稳定性控制策略的具体应用进行仿真分析,验证了所设计稳定性控制算法的有效性和鲁棒性。