论文部分内容阅读
重型车保有量的逐渐增加,使得对提高重型车性能的研究越来越多。提高重型车性能多通过改善车辆电控单元对各执行器的控制来实现。通过提取一些重要的输入参量利用各种算法解决这些控制问题。对于重型车质量变化范围大以及经常山区作业的特点,重型车质量和道路坡度就成了影响车辆性能的两个重要参量。若将这两个量作为提高重型车性能的控制问题输入,将能够大大提高车辆动力性、经济性以及操纵稳定性等多方面性能。准确地实时在线获取这两个参量为重型车的性能控制问题研究打下了坚实的基础。本文利用重型车自身的CAN总线提供的车辆信息,研究出一种经济的、实时的重型车质量辨识和道路坡度状态估计方法,得到了精确的实时估计结果。主要研究内容分为如下几方面:第一,利用现代控制理论,对慢变的车辆质量和快变的道路坡度的性质进行分析判断,确定了车辆质量为系统参数,而道路坡度为状态参数,据此设计了车辆质量和道路坡度的联合自适应估计模型。第二,基于车辆纵向动力学公式,利用带有遗忘因子的最小二乘辨识方法和龙贝格(Luenberger)状态观测器状态估计方法,首先建立了车辆质量辨识模型和道路坡度状态估计模型,然后建立了质量和坡度联合估计模型。并利用MATLAB/Simulink对质量和坡度联合估计模型进行了程序代码实现。第三,进行实车滑行试验,获取车辆空气阻力系数、滚动阻力系数以及发动机制动力矩信息。选取山区试验路段,进行道路坡度测量。另外,进行了车辆加速试验、车辆爬坡试验以及车辆山区道路试验。基于以上试验数据设计并建立车辆和道路参数数据库,便于模型的后续验证分析。最后,利用上述的试验数据对重型车质量辨识和道路坡度状态估计模型进行验证分析。车辆加速试验数据验证了质量辨识模型的可行性和准确性,车辆爬坡试验数据验证了道路坡度状态估计模型的可行性和准确性。利用山区道路试验数据对质量和坡度联合估计模型进行进一步验证,确认该模型具有良好的准确性以及稳定性。