论文部分内容阅读
载货汽车应用的不断增加,推动了对其自动化的研究,进而引发了对其控制的广泛研究。无论是控制系统的开发、控制策略的实施或改进都是要根据输入量进行的。根据载货汽车质量变化范围极大和作业路况多变的特点,质量和路面坡度成为了目前载货汽车自动变速器、安全系统等控制研究的两个重要输入量。准确、实时的获取这两个输入量是实现载货汽车控制研究的前提和关键,采用参数估计的方式不仅能准确、实时的获取输入量,而且其估计算法可直接应用于后续的控制研究中。鉴于此,本文对获取载货汽车质量及路面坡度信息的估计方法进行研究,为载货汽车性能的控制研究奠定基础。 对于载货汽车质量,不同于以往单纯基于车辆纵向动力学模型的研究,本文采用加装一个低成本的加速度传感器的方法,将质量与路面坡度解耦,选用遗忘因子递推最小二乘法对质量进行了估计,提出了结合车辆纵向动力学和加速度传感器信号的质量最小二乘估计模型。对于路面坡度,基于车辆纵向动力学,本文分别采用遗忘因子递推最小二乘法和扩展卡尔曼滤波法对其进行了估计;基于加速度传感器信号,本文采用遗忘因子递推最小二乘法对路面坡度变化率进行了估计,将其估计值作为一个输入因素采用卡尔曼滤波法对路面坡度进行了估计;由此,本文共建立了3种路面坡度估计模型:基于纵向动力学的路面坡度最小二乘估计模型、基于纵向动力学的路面坡度卡尔曼滤波模型、基于加速度传感器的路面坡度估计模型。 搭建了 TruckSim/Simulink联合仿真平台,通过不同条件下的仿真试验对本文所搭建的估计模型进行了验证,除了基于纵向动力学的路面坡度最小二乘估计模型对时变坡度估计效果不佳以外,其余模型均得到了准确的实时估计结果。通过3种路面坡度估计模型的仿真结果对比发现:相对于最小二乘法,使用卡尔曼滤波法搭建的模型更适用于时变坡度的估计;相对于基于纵向动力学,基于加速度传感器信号搭建的模型受换挡操作的影响相对较小;相对于不考虑路面坡度变化率的情况,本文基于加速度传感器信号考虑路面坡度变化率所建立的路面坡度估计模型对时变坡度估计具有更好的实时性和准确性。基于以上仿真结果,本文对基于纵向动力学的路面坡度最小二乘估计模型进行了改进并仿真,结果验证了改进后的模型对时变坡度估计的优越性。 最后,本文对实车试验数据用于模型验证的前期工作进行了简单探讨。