车辆系统垂向与横向耦合的侧倾状态估计

发布时间：2021-04-12 18:01

　　为有效解决复杂行驶工况下车辆耦合侧倾运动状态无法精确获取,进而对车辆系统操纵稳定性与乘坐舒适性兼顾优化无法提供准确输入的难题,本文中设计了基于车辆垂向与横向耦合动力学的双非线性状态观测器算法,以实现复杂行驶工况下车辆耦合侧倾运动状态的实时准确估计。首先,建立了路面激励模型与整车系统垂向与横向耦合动力学模型;接着,利用无迹卡尔曼滤波方法（UKF）与非线性模糊观测（T-S）理论,设计了非线性状态观测算法,以在不同路面激励工况下对车辆系统簧载质量与侧倾状态进行联合估计;最后,运用CarSim^?动力学软件,对比分析了在标准A级与C级路面上进行J-turn试验工况下,采用联合状态观测器（UKF&T-S）实时估计车辆侧倾角与侧倾率的观测精度。结果表明,本文所设计的UKF&T-S观测器可有效估计车辆侧倾状态,且与CarSim^?仿真数据相比识别状态标准偏差不超过10%。 

【文章来源】：汽车工程. 2020,42(05)北大核心EICSCD

【文章页数】：8 页

【部分图文】：

出版文章趋势:谷歌学术关于车辆侧

不确定的系统参数可能会污染系统模型,进而基于模型的状态估计算法识别误差剧增。基于以上分析,此处利用非线性无迹卡尔曼滤波(UKF)方法识别车辆簧载质量参数,且通过仿真方法验证其有效性[7]。同时,在文献[8]中利用扩展卡尔曼与无迹卡尔曼相结合的非线性状态观测算法对车辆簧载质量与横摆力矩进行了有效估计;近年来相关学者对车辆簧载质量估计的研究统计如图2所示。为进一步提高车辆侧倾状态识别精度,本文中设计了基于无迹卡尔曼滤波与模糊观测器(T-S)联合的非线性估计算法(UKF&T-S)分别对车辆簧载质量与侧倾状态进行耦合估计,结合商业化CarSim?动力学软件与传统T-S观测器,对UKF&T-S算法进行了有效验证,为利用基于状态观测器的车辆侧倾控制系统提供准确的系统输入,进而达到准确提升车辆侧倾动力学性能的目的。

标准ISO-A级路面三维路面


本文编号：3133730