為解決分布式電驅(qū)動車輛行駛狀態(tài)參數(shù)獲取困難的問題,根據(jù)輪轂電機(jī)驅(qū)動車輛多信息源的特點(diǎn),提出了一種基于多模型融合的車速估計(jì)方法。該方法以自適應(yīng)卡爾曼濾波算法為基礎(chǔ),建立了車速估計(jì)的狀態(tài)空間模型和量測模型,對濾波噪聲方差進(jìn)行了自適應(yīng)調(diào)節(jié)。同時(shí)為進(jìn)一步提高狀態(tài)參數(shù)估計(jì)精度,設(shè)計(jì)了基于車身加速度積分的車速估計(jì)器,并且結(jié)合車輛行駛工況和路面條件,將卡爾曼濾波和信號積分兩種估計(jì)模型進(jìn)行了融合。采用基于dSPACE的實(shí)時(shí)仿真平臺進(jìn)行了仿真分析,結(jié)果表明基于多模型融合的車速估計(jì)方法具有較高的估計(jì)精度,能夠滿足多種行駛工況下的車速估計(jì)需求。 

【文章來源】：火力與指揮控制. 2020,45(12)北大核心CSCD

【文章頁數(shù)】：5 頁

【部分圖文】：

基于多模型融合的車速估計(jì)器車載傳感器采集到輪速信號、橫擺角

為（7）式中，表示經(jīng)過變化后的零均值并且服從高斯分布的系統(tǒng)量測噪聲。采用自適應(yīng)調(diào)節(jié)法根據(jù)前一階段量測值波動情況和前一階段估計(jì)誤差，實(shí)時(shí)調(diào)整及的取值。分別對和作線性回歸處理，得到線性擬合式及其殘差平方和均值d，和線性擬合式（8）（9）記（10）（11）（12）設(shè)各參數(shù)初始時(shí)刻的取值分別為（13）式中，表示車速估計(jì)系統(tǒng)狀態(tài)向量初值，u0表示輪速初值，P0表示狀態(tài)向量方差初值，Q0表示過程噪聲向量協(xié)方差陣初值，R0表示量測噪聲等效協(xié)方差初值。而后，按照如圖2所示步驟進(jìn)行車速自適應(yīng)卡爾曼濾波估計(jì)。圖2自適應(yīng)卡爾曼濾波算法框圖3多模型融合方法設(shè)計(jì)3.1基于加速度積分的車速估計(jì)算法當(dāng)車輛在低附著路面行駛或車速較高時(shí)，車輪容易打滑，此時(shí)車輪速度與車速的關(guān)聯(lián)性減小，應(yīng)用卡爾曼濾波算法計(jì)算出的車速估計(jì)精度將難以保證。這種情況下需要結(jié)合縱向加速度積分方法進(jìn)行車速估計(jì)，車速與縱向加速之間關(guān)系可以近似表示為（14）式中，為初始車速。3.2車速估計(jì)模型融合方法對輪轂電機(jī)驅(qū)動車輛進(jìn)行車速估計(jì)時(shí)，由于卡爾曼濾波和加速度積分兩種算法在各類行駛工況下的估計(jì)效果不同，僅采用單一車速估計(jì)模型難以滿足車輛全工況的狀態(tài)參數(shù)估計(jì)需求，因此，將兩種估計(jì)模型進(jìn)行融合，通過最小方差加權(quán)平均法得到車速估計(jì)值，其基本思路如下：根據(jù)路面附著條件（路面附著系數(shù)滋）和加速/制動踏板開度（籽）對車輛行駛工況進(jìn)行劃分，行駛工況Apq（p=1，2，3且q=1，2，3）的具體判斷方法如下頁表1所示。以行駛工況A11為例，各取m組A11工況下的卡爾曼濾波算法和車身縱向加速度積分算法的車速估計(jì)值，分別記為和。間相互獨(dú)立，其?

.汽車狀態(tài)和參數(shù)估計(jì)與穩(wěn)定性集成控制方法研究［D］.南京：南京航空航天大學(xué)，2015.［6］褚文博，羅禹貢，陳龍，等.分布式電驅(qū)動車輛的無味粒子濾波狀態(tài)參數(shù)聯(lián)合觀測［J］.機(jī)械工程學(xué)報(bào)，2013，49（24）：118-127.［7］MENEGAZHMT，ISHIHARAJY，BORGESGA，etal.AsystematizationoftheunscentedKalmanfiltertheory［J］.IEEETransactionsonAutomaticControl，2015，60（10）：2583-2598.（a）驅(qū)動輪輪邊速度信號（a）驅(qū)動輪輪邊速度信號（b）車速曲線圖6急加速行駛工況（a）驅(qū)動輪輪邊速度信號（b）車速曲線圖7緊急制動工況表3車速估計(jì)誤差表·164·2256

【參考文獻(xiàn)】：
期刊論文
[1]四輪輪轂電機(jī)電動汽車行駛狀態(tài)估計(jì)[J]. 李剛,王野,宗長富.  汽車工程. 2018(02)
[2]分布式驅(qū)動電動車降階滑模狀態(tài)觀測器設(shè)計(jì)![J]. 郭孔輝,紀(jì)云峰,莊曄,趙志文.  科學(xué)技術(shù)與工程. 2014(20)
[3]分布式電驅(qū)動車輛的無味粒子濾波狀態(tài)參數(shù)聯(lián)合觀測[J]. 褚文博,羅禹貢,陳龍,李克強(qiáng).  機(jī)械工程學(xué)報(bào). 2013(24)
[4]一種車輛狀態(tài)滑模觀測器的設(shè)計(jì)方法[J]. 趙林輝,劉志遠(yuǎn),陳虹.  電機(jī)與控制學(xué)報(bào). 2009(04)
[5]車輛行駛過程中的狀態(tài)估計(jì)問題綜述[J]. 余卓平,高曉杰.  機(jī)械工程學(xué)報(bào). 2009(05)

博士論文
[1]汽車狀態(tài)和參數(shù)估計(jì)與穩(wěn)定性集成控制方法研究[D]. 武健.南京航空航天大學(xué) 2015



本文編號：3400075