一种基于多模型融合的电驱动车辆车速估计方法
发布时间：2021-09-18 11:42
为解决分布式电驱动车辆行驶状态参数获取困难的问题,根据轮毂电机驱动车辆多信息源的特点,提出了一种基于多模型融合的车速估计方法。该方法以自适应卡尔曼滤波算法为基础,建立了车速估计的状态空间模型和量测模型,对滤波噪声方差进行了自适应调节。同时为进一步提高状态参数估计精度,设计了基于车身加速度积分的车速估计器,并且结合车辆行驶工况和路面条件,将卡尔曼滤波和信号积分两种估计模型进行了融合。采用基于dSPACE的实时仿真平台进行了仿真分析,结果表明基于多模型融合的车速估计方法具有较高的估计精度,能够满足多种行驶工况下的车速估计需求。
【文章来源】：火力与指挥控制. 2020,45(12)北大核心CSCD
【文章页数】：5 页
【部分图文】：
基于多模型融合的车速估计器车载传感器采集到轮速信号、横摆角
为（7）式中，表示经过变化后的零均值并且服从高斯分布的系统量测噪声。采用自适应调节法根据前一阶段量测值波动情况和前一阶段估计误差，实时调整及的取值。分别对和作线性回归处理，得到线性拟合式及其残差平方和均值d，和线性拟合式（8）（9）记（10）（11）（12）设各参数初始时刻的取值分别为（13）式中，表示车速估计系统状态向量初值，u0表示轮速初值，P0表示状态向量方差初值，Q0表示过程噪声向量协方差阵初值，R0表示量测噪声等效协方差初值。而后，按照如图2所示步骤进行车速自适应卡尔曼滤波估计。图2自适应卡尔曼滤波算法框图3多模型融合方法设计3.1基于加速度积分的车速估计算法当车辆在低附着路面行驶或车速较高时，车轮容易打滑，此时车轮速度与车速的关联性减小，应用卡尔曼滤波算法计算出的车速估计精度将难以保证。这种情况下需要结合纵向加速度积分方法进行车速估计，车速与纵向加速之间关系可以近似表示为（14）式中，为初始车速。3.2车速估计模型融合方法对轮毂电机驱动车辆进行车速估计时，由于卡尔曼滤波和加速度积分两种算法在各类行驶工况下的估计效果不同，仅采用单一车速估计模型难以满足车辆全工况的状态参数估计需求，因此，将两种估计模型进行融合，通过最小方差加权平均法得到车速估计值，其基本思路如下：根据路面附着条件（路面附着系数滋）和加速/制动踏板开度（籽）对车辆行驶工况进行划分，行驶工况Apq（p=1，2，3且q=1，2，3）的具体判断方法如下页表1所示。以行驶工况A11为例，各取m组A11工况下的卡尔曼滤波算法和车身纵向加速度积分算法的车速估计值，分别记为和。间相互独立，其?
.汽车状态和参数估计与稳定性集成控制方法研究［D］.南京：南京航空航天大学，2015.［6］褚文博，罗禹贡，陈龙，等.分布式电驱动车辆的无味粒子滤波状态参数联合观测［J］.机械工程学报，2013，49（24）：118-127.［7］MENEGAZHMT，ISHIHARAJY，BORGESGA，etal.AsystematizationoftheunscentedKalmanfiltertheory［J］.IEEETransactionsonAutomaticControl，2015，60（10）：2583-2598.（a）驱动轮轮边速度信号（a）驱动轮轮边速度信号（b）车速曲线图6急加速行驶工况（a）驱动轮轮边速度信号（b）车速曲线图7紧急制动工况表3车速估计误差表·164·2256
【参考文献】：
期刊论文
[1]四轮轮毂电机电动汽车行驶状态估计[J]. 李刚,王野,宗长富. 汽车工程. 2018(02)
[2]分布式驱动电动车降阶滑模状态观测器设计![J]. 郭孔辉,纪云峰,庄晔,赵志文. 科学技术与工程. 2014(20)
[3]分布式电驱动车辆的无味粒子滤波状态参数联合观测[J]. 褚文博,罗禹贡,陈龙,李克强. 机械工程学报. 2013(24)
[4]一种车辆状态滑模观测器的设计方法[J]. 赵林辉,刘志远,陈虹. 电机与控制学报. 2009(04)
[5]车辆行驶过程中的状态估计问题综述[J]. 余卓平,高晓杰. 机械工程学报. 2009(05)
博士论文
[1]汽车状态和参数估计与稳定性集成控制方法研究[D]. 武健.南京航空航天大学 2015
本文编号：3400075
【文章来源】：火力与指挥控制. 2020,45(12)北大核心CSCD
【文章页数】：5 页
【部分图文】：
基于多模型融合的车速估计器车载传感器采集到轮速信号、横摆角
为（7）式中，表示经过变化后的零均值并且服从高斯分布的系统量测噪声。采用自适应调节法根据前一阶段量测值波动情况和前一阶段估计误差，实时调整及的取值。分别对和作线性回归处理，得到线性拟合式及其残差平方和均值d，和线性拟合式（8）（9）记（10）（11）（12）设各参数初始时刻的取值分别为（13）式中，表示车速估计系统状态向量初值，u0表示轮速初值，P0表示状态向量方差初值，Q0表示过程噪声向量协方差阵初值，R0表示量测噪声等效协方差初值。而后，按照如图2所示步骤进行车速自适应卡尔曼滤波估计。图2自适应卡尔曼滤波算法框图3多模型融合方法设计3.1基于加速度积分的车速估计算法当车辆在低附着路面行驶或车速较高时，车轮容易打滑，此时车轮速度与车速的关联性减小，应用卡尔曼滤波算法计算出的车速估计精度将难以保证。这种情况下需要结合纵向加速度积分方法进行车速估计，车速与纵向加速之间关系可以近似表示为（14）式中，为初始车速。3.2车速估计模型融合方法对轮毂电机驱动车辆进行车速估计时，由于卡尔曼滤波和加速度积分两种算法在各类行驶工况下的估计效果不同，仅采用单一车速估计模型难以满足车辆全工况的状态参数估计需求，因此，将两种估计模型进行融合，通过最小方差加权平均法得到车速估计值，其基本思路如下：根据路面附着条件（路面附着系数滋）和加速/制动踏板开度（籽）对车辆行驶工况进行划分，行驶工况Apq（p=1，2，3且q=1，2，3）的具体判断方法如下页表1所示。以行驶工况A11为例，各取m组A11工况下的卡尔曼滤波算法和车身纵向加速度积分算法的车速估计值，分别记为和。间相互独立，其?
.汽车状态和参数估计与稳定性集成控制方法研究［D］.南京：南京航空航天大学，2015.［6］褚文博，罗禹贡，陈龙，等.分布式电驱动车辆的无味粒子滤波状态参数联合观测［J］.机械工程学报，2013，49（24）：118-127.［7］MENEGAZHMT，ISHIHARAJY，BORGESGA，etal.AsystematizationoftheunscentedKalmanfiltertheory［J］.IEEETransactionsonAutomaticControl，2015，60（10）：2583-2598.（a）驱动轮轮边速度信号（a）驱动轮轮边速度信号（b）车速曲线图6急加速行驶工况（a）驱动轮轮边速度信号（b）车速曲线图7紧急制动工况表3车速估计误差表·164·2256
【参考文献】：
期刊论文
[1]四轮轮毂电机电动汽车行驶状态估计[J]. 李刚,王野,宗长富. 汽车工程. 2018(02)
[2]分布式驱动电动车降阶滑模状态观测器设计![J]. 郭孔辉,纪云峰,庄晔,赵志文. 科学技术与工程. 2014(20)
[3]分布式电驱动车辆的无味粒子滤波状态参数联合观测[J]. 褚文博,罗禹贡,陈龙,李克强. 机械工程学报. 2013(24)
[4]一种车辆状态滑模观测器的设计方法[J]. 赵林辉,刘志远,陈虹. 电机与控制学报. 2009(04)
[5]车辆行驶过程中的状态估计问题综述[J]. 余卓平,高晓杰. 机械工程学报. 2009(05)
博士论文
[1]汽车状态和参数估计与稳定性集成控制方法研究[D]. 武健.南京航空航天大学 2015
本文编号：3400075
本文链接：https://www.wllwen.com/kejilunwen/qiche/3400075.html
