汽車行駛狀態(tài)估計是目前車輛動力學(xué)控制研究熱點(diǎn)。路面附著系數(shù)、汽車質(zhì)量和質(zhì)心位置等參數(shù)變化對估計準(zhǔn)確性具有重要影響。四輪獨(dú)立驅(qū)動與轉(zhuǎn)向電動汽車具有四輪驅(qū)/制動轉(zhuǎn)矩、四輪轉(zhuǎn)角和四輪轉(zhuǎn)速獨(dú)立可控且易于測量的優(yōu)勢,是新一代電動汽車的重要發(fā)展方向。因此需要根據(jù)四輪獨(dú)立驅(qū)動與轉(zhuǎn)向電動汽車的動力學(xué)控制特點(diǎn)和多信息源優(yōu)勢,考慮汽車參數(shù)不確定性影響,研究適用于四輪獨(dú)立驅(qū)動與轉(zhuǎn)向電動汽車的車輛狀態(tài)與參數(shù)估計方法,實現(xiàn)對車輛行駛狀態(tài)、路面附著系數(shù)和汽車參數(shù)的準(zhǔn)確估計,為汽車控制提供前提條件。論文依托國家自然科學(xué)基金面上項目（51675257）“考慮駕駛員特性的四輪獨(dú)立驅(qū)動與轉(zhuǎn)向電動汽車動力學(xué)控制研究”和吉林大學(xué)汽車仿真與控制國家重點(diǎn)實驗室開放基金項目（20161116）“四輪獨(dú)立驅(qū)動與轉(zhuǎn)向電動汽車行駛狀態(tài)與參數(shù)估計研究”展開對四輪獨(dú)立驅(qū)動與轉(zhuǎn)向電動汽車狀態(tài)與參數(shù)估計。首先,建立四輪獨(dú)立驅(qū)動與轉(zhuǎn)向車輛動力學(xué)模型和Dugoff輪胎模型,采用縱/側(cè)向加速度、橫擺角速度、方向盤轉(zhuǎn)角等低成本傳感器,充分利用四輪驅(qū)/制動轉(zhuǎn)矩、四輪轉(zhuǎn)速和四輪轉(zhuǎn)角能夠準(zhǔn)確獲得的多信息源優(yōu)勢,應(yīng)用動力學(xué)理論和信息融合技術(shù),基于容積卡爾曼濾波... 

【文章來源】：遼寧工業(yè)大學(xué)遼寧省

【文章頁數(shù)】：82 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 論文研究背景和意義
    1.2 車輛狀態(tài)與參數(shù)估計研究現(xiàn)狀
        1.2.1 車輛行駛狀態(tài)估計研究現(xiàn)狀
        1.2.2 路面附著系數(shù)估計研究現(xiàn)狀
        1.2.3 車輛參數(shù)估計研究現(xiàn)狀
    1.3 論文研究的主要內(nèi)容
2 四輪獨(dú)立驅(qū)動與轉(zhuǎn)向電動汽車行駛狀態(tài)估計
    2.1 卡爾曼濾波理論介紹與分析
        2.1.1 經(jīng)典卡爾曼濾波
        2.1.2 擴(kuò)展卡爾曼濾波
        2.1.3 容積卡爾曼濾波
        2.1.4 對比與分析
    2.2 行駛狀態(tài)估計原理
    2.3 行駛狀態(tài)估計算法
        2.3.1 車輛估計模型
        2.3.2 Dugoff輪胎模型
        2.3.3 算法設(shè)計
    2.4 四輪獨(dú)立驅(qū)動與轉(zhuǎn)向電動汽車仿真模型建立
        2.4.1 四輪驅(qū)動控制策略
        2.4.2 四輪轉(zhuǎn)向控制策略
    2.5 仿真驗證
    2.6 本章小結(jié)
3 四輪獨(dú)立驅(qū)動與轉(zhuǎn)向電動汽車行駛狀態(tài)與路面附著系數(shù)估計
    3.1 行駛狀態(tài)與路面附著系數(shù)聯(lián)合估計原理
    3.2 行駛狀態(tài)與路面附著系數(shù)聯(lián)合估計算法
    3.3 仿真驗證
    3.4 本章小結(jié)
4 四輪獨(dú)立驅(qū)動與轉(zhuǎn)向電動汽車狀態(tài)與參數(shù)估計
    4.1 狀態(tài)與參數(shù)聯(lián)合估計原理
    4.2 狀態(tài)與參數(shù)聯(lián)合估計算法
    4.3 仿真驗證
    4.4 本章小結(jié)
5 駕駛模擬器硬件在環(huán)和實車實驗驗證
    5.1 駕駛模擬器硬件在環(huán)實驗臺介紹
        5.1.1 駕駛模擬器硬件在環(huán)實驗臺功能介紹
        5.1.2 駕駛模擬器硬件在環(huán)實驗臺工作原理
        5.1.3 駕駛模擬器主要組成部件
    5.2 駕駛模擬器整車模型搭建
    5.3 駕駛模擬器硬件在環(huán)實驗驗證
        5.3.1 中附著系數(shù)路面變車速蛇形實驗工況
        5.3.2 高附著系數(shù)路面高速雙移線實驗工況
    5.4 實車實驗驗證
        5.4.1 整車控制程序搭建
        5.4.2 實車實驗驗證
    5.5 本章小結(jié)
6 工作總結(jié)與展望
    6.1 工作總結(jié)
    6.2 工作展望
參考文獻(xiàn)
攻讀碩士期間發(fā)表學(xué)術(shù)論文情況
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于奇異值分解（SVD）的橋梁監(jiān)測數(shù)據(jù)去噪方法[J]. 邱志偉,岳順,岳建平,汪學(xué)琴.  工程勘察. 2017(12)
[2]基于遞推最小二乘法與模糊自適應(yīng)擴(kuò)展卡爾曼濾波相結(jié)合的車輛狀態(tài)估計[J]. 汪?,魏民祥,趙萬忠,張鳳嬌,嚴(yán)明月.  中國機(jī)械工程. 2017(06)
[3]基于路面識別的汽車制動防抱死優(yōu)化控制[J]. 王鋒,范小彬,金柯,孫元魁.  計算機(jī)仿真. 2017(03)
[4]基于DEKF的車輛狀態(tài)與參數(shù)估計及驗證[J]. 于志新,何三慧,李紹松,張振.  拖拉機(jī)與農(nóng)用運(yùn)輸車. 2016(01)
[5]基于改進(jìn)的Sage-Husa自適應(yīng)擴(kuò)展卡爾曼濾波的車輛狀態(tài)估計[J]. 李剛,趙德陽,解瑞春,韓海蘭,宗長富.  汽車工程. 2015(12)
[6]多信息融合車輛行駛狀態(tài)估計方法研究[J]. 李寧,李剛,解瑞春,袁航.  計算機(jī)仿真. 2015(12)
[7]基于強(qiáng)跟蹤容積卡爾曼濾波的車輛行駛狀態(tài)估計[J]. 李剛,解瑞春,宗長富,李寧,李貴遠(yuǎn).  汽車技術(shù). 2015(09)
[8]基于擴(kuò)展Kalman粒子濾波的汽車行駛狀態(tài)和參數(shù)估計[J]. 包瑞新,賈敏,Edoardo Sabbioni,于會龍.  農(nóng)業(yè)機(jī)械學(xué)報. 2015(02)
[9]基于中心差分卡爾曼濾波的車速估計研究[J]. 解瑞春,衛(wèi)紹元,李剛.  汽車實用技術(shù). 2015(01)
[10]基于卡爾曼濾波的車輛狀態(tài)與路面附著估計[J]. 李剛,解瑞春,李寧,宗長富.  華南理工大學(xué)學(xué)報(自然科學(xué)版). 2014(08)

博士論文
[1]4WID/4WIS電動車輛防滑與橫擺穩(wěn)定性控制研究[D]. 楊福廣.山東大學(xué) 2010

碩士論文
[1]四輪獨(dú)立轉(zhuǎn)向/獨(dú)立電驅(qū)動汽車四輪轉(zhuǎn)向與橫擺力矩集成控制研究[D]. 雷永強(qiáng).遼寧工業(yè)大學(xué) 2017
[2]智能四輪獨(dú)立驅(qū)動輪轂電機(jī)電動汽車自適應(yīng)轉(zhuǎn)向研究[D]. 韓海蘭.遼寧工業(yè)大學(xué) 2016
[3]四輪輪轂電機(jī)電動汽車狀態(tài)估計方法研究[D]. 姚磊.吉林大學(xué) 2015
[4]基于參數(shù)估計誤差的車輛行駛系統(tǒng)自適應(yīng)參數(shù)估計[D]. 楊娟.昆明理工大學(xué) 2015
[5]基于信息融合技術(shù)的車輛行駛狀態(tài)估計算法研究[D]. 解瑞春.遼寧工業(yè)大學(xué) 2015
[6]基于容積卡爾曼濾波的路面附著系數(shù)估計算法研究[D]. 陳錦曦.電子科技大學(xué) 2014
[7]輪轂電機(jī)驅(qū)動電動汽車狀態(tài)和參數(shù)估計方法研究[D]. 陳瑤.重慶大學(xué) 2014
[8]基于UKF濾波的汽車縱向和側(cè)向速度估計算法研究[D]. 時艷茹.吉林大學(xué) 2011
[9]基于雙擴(kuò)展卡爾曼濾波的汽車狀態(tài)及路面附著系數(shù)估計算法研究[D]. 胡丹.吉林大學(xué) 2009



本文編號：3429261