论文部分内容阅读
近年来,基于CAN总线的汽车信息平台提供的汽车行驶实时数据,为实现汽车质量和道路坡度的实时估计提供了条件。然而由于汽车质量和道路坡度的耦合关系以及驾驶过程的工况复杂性,汽车行驶数据与汽车质量、道路坡度的关系难以确定,尚未见针对参数间耦合和复杂工况影响的汽车质量和道路坡度估计解决方案。针对这些问题,研究更为稳定、准确、鲁棒的汽车质量和道路坡度联合估计方法,对于实现车辆合理换挡控制,经济车速控制,车辆稳定性控制等,进而支撑智能驾驶,具有重要的理论和实际意义。论文基于福特汽车公司OpenXC设备实时获取汽车行驶数据,针对汽车质量和道路坡度估计中存在的耦合关系带来的估计失真和滤波发散问题,研究了考虑耦合关系的带遗忘因子的最小二乘法和扩展卡尔曼滤波两种算法联合的汽车质量和道路坡度估计模型,并针对刹车和转弯复杂工况对估计的影响难以机理建模的问题,提出了基于状态保持和分段估计的改进方法,增强了实际驾驶过程中估计方法的鲁棒性,扩大了适用范围。主要内容包括:1基于OpenXC获取的汽车行驶数据,结合车辆纵向动力学分别建立基于带遗忘因子的最小二乘法和扩展卡尔曼滤波法的汽车质量和道路坡度估计方法,应用CarSim仿真平台的实验比较算法效果和参数特性,通过分析汽车质量和道路坡度估计的耦合机理,实验获得了这种耦合关系下的误差传递特性。2针对汽车质量和道路坡度估计的耦合机理和误差传递特性,建立了RLS-EKF联合估计方法。通过分析不同估计步长对汽车质量和道路坡度估计的影响,获得了合理的估计步长。在此基础上,结合汽车质量和道路坡度的参数特性,建立了针对估计过程中数据异常的RLS-EKF联合估计改进方法。实验对比了RLS、EKF和RLS-EKF的估计性能,结果表明RLS-EKF具有更好的稳定性和准确性。3针对难以从汽车纵向动力学机理分析刹车和转弯工况的问题,通过分析刹车和转弯工况下的OpenXC数据特征以及不同刹车和转弯数据占比对联合估计效果的影响,针对单次估计提出了状态保持的改进方法,并基于此进一步提出了面向整个估计系统的分段估计改进方法。实车实验表明,改进后的联合估计算法适应复杂城市道路交通环境,克服了单一RLS-EKF算法在刹车和转弯时的估计偏差。