汽车质量与道路坡度串行估计方法

汽车质量与道路坡度是汽车主动安全控制系统的重要参数.提出一种汽车质量与道路坡度串行估计算法.根据汽车质量与道路坡度变化的快慢进行分层串行估计,将缓慢变化的汽车质量作为第一层的估计输出,将快速变化的道路坡度作为第二层的估计输出.基于纵向动力学,首先由轮胎驱动力矩与横摆角速度通过递推最小二乘法(Recursive Least Squares,RLS)算法进行第一层的汽车质量估计;接着将估计得到的汽车质量代入至第二层牛顿迭代法进行道路坡度估计.与传统的自适应估计方法相比,提出的算法可以减少实时估计参数的耦合效应,且不需要额外的传感器;最后通过仿真及模型车辆道路试验对所提出的算法进行验证,仿真及试验结果表明:所提出的辨识算法能够准确实时地估计汽车质量与道路坡度.

基于递推最小二乘法与模糊自适应扩展卡尔曼滤波相结合的车辆状态估计

针对汽车状态估计中模型参数的变化和观测噪声的时变特性,提出了递推最小二乘法与模糊自适应扩展卡尔曼滤波相结合的汽车状态估计算法。为实现模型参数与观测噪声的实时更新,建立了基于三自由度非线性车辆动力学模型的算法,首先利用递推最小二乘法对汽车的总质量进行估计,其次建立了模糊控制器对扩展卡尔曼滤波的观测噪声进行实时跟踪。在搭建的CarSim与MATLAB/Simulink联合仿真平台中验证了该算法的有效性,结果表明该算法估计精度高于传统扩展卡尔曼滤波算法,研究结果为汽车的主动安全控制提供了理论支持。