基于UIO/双KF的4WID-EV驱动轮纵向力估计

四轮独立驱动电动汽车(4WID-EV)能独立实现4个轮胎纵向力的控制与分配,实时保证电动汽车的最佳运行状态。基于单个驱动轮的动力学和轮毂电机特性建立了驱动轮模型,采用电流、电压、转速等常用参数设计轮胎纵向力估计模型。考虑系统结构参数的不确定性和传感器噪声干扰,将驱动轮纵向力估计与干扰分离,基于卡尔曼滤波算法,设计了驱动轮纵向力-未知输入观测器。仿真和台架道路模拟试验结果表明,设计的观测系统能实时估计驱动轮纵向力,且具有较高的估计精度和抗干扰性,能满足四轮独立驱动电动汽车动力学控制要求。

四轮独立驱动电动汽车行驶状态级联估计

建立三自由度车辆模型与轮胎模型,提出电驱动轮模型并将其应用到纵向力估计中,基于自适应高阶滑模观测器实现轮胎纵向力的估计,利用纵向力观测器(longitudinal force observer, LFO)输出值作为已知输入,结合信息融合滤波(information fusion filter, IFF)算法提出一种车辆状态级联估计方法。进行仿真实验、台架实验以及实车道路实验。研究结果表明:设计的纵向力观测器具有较高的纵向力估计精度,基于信息融合滤波的车辆状态估计方法能够实时跟踪车辆状态且估计性能优于扩展卡尔曼滤波(extended Kalman filter, EKF)。

基于纵向力伪测量的分布式驱动电动汽车行驶状态估计

精确可靠的状态估计是车辆主动安全控制的必要因素之一,提出一种纵、横向加速度传感器信息缺失情况下的车辆状态补偿估计方法。建立了3自由度车辆模型与轮胎模型,提出电驱动轮模型并将其应用到纵向力估计中,考虑电驱动轮模型含有噪声和未知输入,通过模型解耦的方式得到了纵向力重构方程,并基于伦伯格观测器和高阶滑模观测器实现纵向力估计。将纵向力估计作为伪量测值,设计了一种传感器信息不足情况下的补偿估计方法,并基于强跟踪滤波实现车辆状态估计。联合仿真结果表明,所设计的纵向力观测器针对含未知输入和干扰的系统能够实时估计纵向力,采用补偿和强跟踪结合的方式能够有效提高估计精度。考虑估计方法的实车表现,进行了台架和道路测试,台架试验结果表明纵向力观测器估计精度达到了91.3%,道路试验结果表明STF相比EKF对纵向车速、侧向车速以及横摆角速度的估计精度分别提高了14.03%,15.02%和16.58%。