论文部分内容阅读
电动汽车作为未来绿色交通的重要核心部分,对中国的经济发展与城市建设有着至关重要的作用。四轮独立驱动电动汽车以轮毂电机作为驱动系统,其结构紧凑,转矩分配灵活,更容易实现准确的动力学控制,是电动汽车的未来发展趋势。为了实现汽车行驶过程中的动力学控制,必须对电动汽车的纵向车速、质心侧偏角等关键状态参数进行估计。由于控制过程的复杂程度与传感器测试水平限制等因素,部分关键参数无法直接、准确地获取,所以需要根据电动汽车特点设计状态参数估计器进行估计,解决动力学控制中实时状态信息的采集问题。本文以轮毂电机驱动电动汽车为研究对象,研究行驶工况下的状态估计与参数辨识方法,为电动汽车的安全、稳定控制提供理论方法。论文的主要研究工作如下:(1)针对轮毂电机驱动电动汽车的特性,建立了Carsim—Matlab/Simulink联合仿真模型。根据研究所需自由度考虑,分别建立了三自由度与七自由度非线性车辆动力学模型。采用与建立动力学模型响应曲线对比的方法,对建立的联合仿真模型进行了模型验证。(2)阐述了卡尔曼滤波算法的基本原理,针对汽车非线性动力学系统,基于扩展卡尔曼滤波、无迹卡尔曼滤波算法进行了状态参数估计。通过对纵向车速、横摆角速度、质心侧偏角等关键参数的估计值与Carsim软件输出值的对比,验证了扩展卡尔曼滤波、无迹卡尔曼滤波算法的有效性。(3)考虑噪声统计特性未知与车辆参数变化,研究了基于自适应滤波、双扩展卡尔曼滤波的状态估计算法。研究结果证实了改进的自适应无迹卡尔曼滤波、双扩展卡尔曼滤波算法估计器具有更高的精度与鲁棒性,更适用于实际行驶过程中复杂环境的变化。(4)利用状态估计获取的参数信息,结合魔术轮胎公式通过自适应无迹卡尔曼滤波算法对车辆行驶路面附着系数进行估计,分别在不同工况与不同附着系数下进行仿真试验,结果证明,设计自适应无迹滤波路面附着系数估计器估计结果准确且收敛速度快。