自适应插值BP神经网络的ABS纵向车速估计

ABS作用下的纵向车速估计是实现汽车主动安全控制的基础。根据轮胎特性,确定最佳滑移率与路面附着系数的线性关系,将路面附着系数设为ABS控制的唯一输入,提出基于最佳滑移率的路面自适应ABS控制,仿真结果显示控制方法简单可行。针对传统BP算法的缺陷,给BP神经网络增加输入延时并采用粒子群算法优化BP网络的初始权值,提出了基于路面插值的BP网络车速估计算法,根据实时辨识的路面附着系数,对两个不同路面下网络的输出进行插值获取估计车速,验证不同路面和初始车速共25种工况下的车速估计绝对误差小于1.5m/s,相对误差小于5%。

紧急制动工况下的纵向车速估计方法

针对车辆紧急制动失稳状态下4个车轮均出现较大滑移而不能从车轮转速反映纵向车速的问题,提出一种与滑移控制器相结合的纵向车速估计方法。该方法能直接影响车轮滑移控制逻辑,保证4个车轮中始终存在一个车轮处于弱制动力控制状态且保持转速稳定变化,从而在紧急制动工况下能较准确地估计出纵向车速。在高/低附着路面的直行和转向工况下仿真的结果验证了滑移控制器的制动效能和纵向车速估计算法的鲁棒性。

基于运动学信息融合的四轮驱动汽车纵向车速自适应估计方法

针对四轮驱动汽车纵向车速难以直接测量的问题,考虑多源传感器信号置信度动态变化特征,提出一种基于运动学信息融合的纵向车速自适应估计方法。研究行驶环境对车载传感器信息的影响规律,建立基于Kalman滤波框架的运动学信息融合模型,设计面向有色噪声的车速自适应滤波算法,实现对车轮滑移和道路坡度等非随机时变因素的扰动补偿。为兼顾算法稳定性及估计最优性,提出融合衰减记忆因子的强跟踪滤波改进策略,有效避免了极限工况下的滤波发散现象。在Carsim/Simulink联合仿真环境下,采用坡道加速、车轮滑转和双移线等工况验证算法的有效性并与H_(∞)滤波等方法进行对比。开发了处理器在环试验系统,分析算法在嵌入式控制器中运行的一致性和实时性。研究结果表明,所提出的车速自适应估计方法准确性高、稳定性好,与现有方法相比具有更好的工况适应性,估计结果不依赖先验噪声统计特性的获取,实时性能够满足车载控制器要求,解决了复合工况下四驱汽车高精度纵向车速的统一估计问题。