论文部分内容阅读
轮毂电机全轮驱动车辆各轮转矩独立可控且响应快速,有利于整车动力学控制的实施,但是动力学控制所需的纵向车速、路面附着系数等关键参数信息很难依靠基本的车载传感器获取。为此,论文开发了轮毂电机全轮驱动车辆的状态参数实时估计算法,主要研究工作如下:1)轮毂电机全轮驱动车辆仿真模型建立。依托课题组实车平台,通过Matlab/Simulink与Carsim软件平台建立基于Dugoff轮胎模型的轮毂电机全轮驱动车辆7自由度整车仿真模型,并对模型进行初步仿真验证。2)路面附着系数估计算法设计。提出一种基于衰减记忆的无迹卡尔曼滤波估计算法,通过衰减记忆滤波,有效利用观测数据对系统状态变量进行实时加权,从而提高参数估计精度;结合各轮转矩易测,提出使用车轮旋转动力学模型求得的车轮纵向力反馈修正Dugoff轮胎模型求得的纵向力,从而提高轮胎纵向力输入量精度,进而间接提高了路面附着系数估计精度。3)车辆行驶状态参数估计算法设计。考虑到模型误差及纵侧向车速、横摆角速度、质心侧偏角等观测参数之间的强耦合性,提出一种基于模糊逻辑修正的自适应无迹卡尔曼滤波估计算法,引入的模糊逻辑系统能够对系统过程噪声及量测噪声进行实时修正,从而提高参数估计的精度及工况适应性。另外,将路面坡度参数融合到系统状态变量,提高了算法利用率。4)观测算法集成设计与实车试验。通过对路面附着系数和车辆行驶状态参数估计算法的集成设计,两部分参数可以相互交互与相互校正,实现了系统的完整性,通过仿真平台对集成算法进行仿真验证,并结合课题组实车平台,完成了集成算法在不同工况下的实车试验。仿真与实车验证试验结果均表明,论文开发的基于衰减记忆的无迹卡尔曼滤波算法和基于模糊逻辑修正的自适应无迹卡尔曼滤波算法,提高了路面附着系数和车辆行驶状态参数估计的精度和稳定性,能够保证整车动力学控制所需参数的性能要求,具有重要的理论指导和实践应用价值。