详情

原文传递分布式驱动电动汽车状态与路面附着系数估计研究

论文题名：	分布式驱动电动汽车状态与路面附着系数估计研究
关键词：	分布式驱动电动汽车;路面附着系数;平方根容积卡尔曼滤波;递归最小二乘法;车辆状态估计
摘要：	电动汽车具有多种驱动布置形式，包括集中式驱动以及分布式驱动等，其中分布式驱动电动汽车采用轮毂电机驱动车轮，直接以线控系统代替传统汽车的机械驱/制动结构，极大简化了车辆的结构，提高了电动汽车的集成化与智能化水平，并且其线控系统可直接对四轮转矩进行精确控制，具有较高的空间动力学控制潜力。先进的车辆动力学控制方法依赖于准确而实时的路面-车辆状态参数信息，分布式驱动电动汽车由于其线控系统及独立驱动的优势，方向盘转角、转矩、转速等参数相较于传统汽车更易获取，但路面峰值附着系数与车辆自身关键动力学等参数仍难以直接通过车载传感器获取，需要依赖于高精度RTK/IMU等传感器测量。本文以分布式驱动电动汽车为研究对象，针对路面附着系数与非线性车辆动力学状态估计展开研究，论文的主要研究内容如下：　　(1)分析永磁同步电机(PMSM,Permanent-MagnetSynchronousMotor)特性，建立四轮轮毂电机驱动系统模型，并针对车辆控制所需求的主要动力学状态参数，搭建基于非线性刷子轮胎模型的非线性七自由度(7-DOF)车辆动力学模型，通过Carsim-Simulink联合仿真搭建整车动力学观测平台，在前轮角阶跃输入与正弦输入工况下验证车辆模型的准确性。　　(2)车辆质量在整车控制器设计时一般被设置为定值，但乘客数量的变化与货物的加载直接影响到其参数的大小，在轻型电动汽车中加载的质量占相当一部分比重，准确的质量结果可以使整车控制器提供更精确的控制效果。为准确估计车辆质量，引入带遗忘因子的递归最小二乘法(FFRLS,ForgettingFactorRecursiveLeastSquares)对车辆质量进行在线估计，将结果实时提供给控制器，设计的估计器可在多工况下准确识别车辆质量，并在车辆启动后能够快速收敛。　　(3)为准确估计车辆行驶状态量包括纵向车速、侧向车速以及横摆角速度等，采用基于三阶球面-相径容积准则的容积卡尔曼滤波(CKF,CubatureKalmanFilter)方法设计状态观测器，引入平方根滤波(Square-RootFilter,SRF)方法对CKF的协方差矩阵进行Cholesky分解，保证了矩阵的非负定性。并结合交互式多模型(IMM,InteractingMultipleModel)方法，设计多个具有不同量测噪声与状态噪声的平方根容积卡尔曼滤波(SCKF)子模型，实现噪声的自适应调整，有效提高了在噪声先验信息未知条件下的状态估计结果的准确性。设计的交互式多模型平方根容积卡尔曼滤波(IMM-SCKF)状态观测器能准确地估计车辆的行驶状态，为整车控制器提供有效的动力学参数信息。　　(4)对于路面峰值附着系数(TRFC,TireRoadFrictionEstimation)观测，在基于上述IMM-SCKF的观测结果下设计估计器，基于自校正信息融合算法(SCF)设计纵向力估计器，基于SCKF算法设计侧向力估计器，并根据横向车速估计结果推导基于SCKF算法的TRFC估计，并在多工况下验证了算法的有效性。
作者：	万文康
专业：	工程(机械)硕士
导师：	冯静安;王玉刚
授予学位：	硕士
授予学位单位：	石河子大学
学位年度：	2022