基于车辆动力学的道路坡度与整车质量估计

基于动力学方法估计自动变速器坡道换挡控制所需的道路坡度和整车质量。建立7速双离合自动变速器动力学模型,利用卡尔曼滤波算法估计变速器输出轴转矩,将其作为道路坡度和整车质量估计算法的输入。基于整车纵向动力学方程,采用改进型递推最小二乘法设计道路坡度和整车质量实时估计算法。仿真和实车试验结果表明,开发的估计算法能在不增加传感器的前提下实现较为准确的道路坡度和整车质量估计。

基于纵向频响特性的整车质量估计

为了能够实现对不同车辆质量的通用型估计,提出了一种基于纵向频响特性的整车质量估计方法。该方法通过智能网联汽车普遍获取的纵向加速度和车轮转速信息,基于车辆纵向动力学模型,推导出加速度与轮速信号间的幅频函数关系,并求取在不同频率下车辆质心处加速度与轮速之间的幅值比,进而通过最小二乘法拟合得到整车质量。CarSim-Simulink联合仿真结果表明:本文的整车质量估计方法精度在93.9%以上,可满足多车协同避撞系统车辆控制的要求。

考虑不同路面附着情况的整车质量估计方法研究

利用带有遗忘因子的递推最小二乘估计,实现了一种整车质量估计方法,该方法考虑了不同路面附着情况对整车质量估计过程的影响,通过引入路面特征系数,实现了算法对不同路面附着情况的适应。基于Matlab/Simulink编写辨识算法并在CarMaker中完成仿真测试,测试结果表明所实现的辨识方法对整车质量估计的精度可控制在10%之内。此外,由于递推最小二乘估计方法和卡尔曼滤波方法之间的内在联系,通过推导表明了递推最小二乘估计方法是状态转移矩阵为单位阵的卡尔曼滤波方法的特殊形式,为2种估计方法的工程应用形式及调试过程提供了更全面的信息。

整车质量与道路坡度同步估计算法对比

针对现代车辆控制系统难以实时测得整车质量和道路坡度这一问题,文章基于车辆纵向动力学模型给出无迹卡尔曼滤波(unscented Kalman filter,UKF)算法的流程图,利用CarSim与MALTAB/Simulink联合仿真比较双遗忘因子递归最小二乘法(recursive least square with multiple forgetting factors,RLS-MFF)、扩展卡尔曼滤波(extended Kalman filter,EKF)和UKF 3种算法对整车质量和道路坡度估计的效果,并分别从计算精度和实时性2个方面对3种算法进行比较分析。分析结果验证了UKF算法在整车质量估计和道路坡度估计中表现良好。

分布式电动汽车质量与行驶状态估计

为了更精确地获取分布式电动汽车行驶过程中的关键参数及相关状态信息,本文提出了一种递推最小二乘法与双容积卡尔曼滤波算法相结合的估计方法,并基于三自由度非线性整车动力学模型,借助Carsim-MATLAB/Simulink平台进行了联合仿真与实验分析,结果表明,该算法能实时准确地估计车辆参数与行驶状态,满足车辆主动安全控制需要。

考虑实时质量的公交车预测能量管理策略研究

现有关于混合动力公交车能量管理策略的研究多基于固定质量,无法体现车辆实际行驶过程中整车载荷变化,因此提出一种考虑车辆实时质量变化的预测能量管理策略。利用混合动力公交车整车模型和基于规则的能量管理策略,探究车辆质量变化对公交车行驶能耗的影响。提出基于强跟踪扩展卡尔曼滤波(STEKF)算法的车辆质量估计方法,仿真发现该算法估计结果相对误差控制在3%以内,具有较高的估计精度及较快的收敛速度。基于长短期记忆网络(LSTM)预测的车辆未来工况信息和STEKF模型所获得的质量信息,提出一种基于DP-MPC的混合动力公交车分层预测能量管理策略,通过仿真发现,相较于基于规则的能量管理策略,所提出的控制策略节油效果提高14.85%,显著提升整车燃油经济性,对未来车辆的精细化管理具有重要的现实意义。