论文部分内容阅读
目前,地球自然环境的破坏以及化石燃料能源的缺乏,传统内燃机车效能的限制,开发以电动汽车为首的绿色环保汽车已经成为全世界研究的大风向,分布式驱动电动汽车也是时下热门之一。电机的存在引起分布式驱动电动汽车(DDEV)的非簧载质量发生改变从而使得在进行整车稳定性控制出现偏差,最终导致整车部分运动学参数出现变化。为了实现汽车安全和稳定性能的控制,仅仅依靠现有车载传感器是无法完整地获得车辆各种状态信号。由于外界不良因素的干扰,整车运动学参数观测会出现参数信息不全,测量精度不高的问题。本文以分布式驱动电动汽车为研究对象,建立非线性动力学模型,对汽车关键状态参数的准确估计进行了理论研究和仿真分析,主要分为以下几个方面:(1)对目前所使用的非线性波理论和算法作简要概括,并对优缺点进行分析、总结。同时分别描述非线性系统的状态变量流动过程,为运动学参数估计奠定了理论基础。(2)建立分布式驱动电动汽车“人-车-路”模型。通过Matlab/Simulink和软件Carsim联合仿真,建立包括纵向、侧向以及垂向在内的整车非线性动力学模型。对现有驾驶员模型基础上添加肌肉神经、人脑反应时间环节以及方向盘补偿,提高了精度,最后在双移线工况下进行了验证。(3)基于EKF滤波算法的路面附着系数估计。在Carsim设定好标准车辆后,在Simulink环境下建立了EKF滤波的状态观测器并实现仿真验证。结果表明,该算法可以实时估计路面附着系数。进行阶跃、单移线工况下试验,并与设定的参数值进行比对,验证了EKF滤波在操纵稳定性试验的准确性。同时该方法在估计路面附着系数具有相当高的精度,为运动学参数估计奠定基础。(4)考虑非线系统的突变性,在经典UKF引入强跟踪滤波思想,总结出改进强跟踪无迹卡尔曼滤波算法(ISTUKF)。对动力学状态参数:横摆角速度、纵向车速、质心侧偏角进行实时跟踪、估计,并用Carsim&Simulink联合仿真在单移线工况下试验验证。试验结果表明:ISTUKF算法估计精度略高于常用的UKF算法,并在Simulink环境下所花费时间只有UKF算法的70%。同时验证了此算法能在分布式驱动电动汽车实时跟踪且具有较高的估计精度。