考虑侧向运动的整车质量与道路坡度估计

为减小侧向运动对整车质量与道路坡度估计精度的影响,提出了一种考虑侧向运动的估计算法,利用加速度修正车辆动力学模型,采用遗忘因子提高新数据适应车辆系统时变特性的最小二乘算法估计整车质量,并将质量估计结果实时输入道路坡度估计中;建立车辆运动学和动力学两个坡度估计模型,并在模型中添加加速度修正项,设计强跟踪滤波算法分别针对2种模型进行道路坡度估计,时变交互多模型融合算法根据两个坡度估计模型的权重系数和模型间的转移概率得到道路坡道估计值。本文算法在中国第一汽车股份有限公司技术中心农安汽车试验场进行了实车试验和评估,与未考虑侧向的融合估计算法相比,提高了车辆横向运动时的道路坡度估计精度。

基于交互多模型的车辆质量与道路坡度估计

车辆结构参数和道路环境信息的实时准确获取是提高智能汽车运动控制性能的重要因素之一,而车辆质量与道路坡度信息是多种汽车控制系统的必要信息,因此质量与坡度在线估计的研究一直受到关注。针对车辆质量与道路坡度的联合估计问题,提出了一种基于交互多模型的质量与坡度融合估计方法。首先,设定了适宜进行质量精确估计的工况条件,据此提出了基于模糊规则的质量估计置信度因子计算算法,进而设计了基于置信度因子的递推最小二乘车辆质量估计算法,以实现质量的在线估计。然后,以车辆纵向动力学模型为基础,建立了运动学和动力学2种坡度估计模型,并设计了基于运动学模型的线性卡尔曼滤波坡度观测器,基于电子稳定性程序ESP的纵向加速度信息实现坡度估计,设计了基于动力学模型的无迹卡尔曼滤波坡度观测器,基于ESP和发动机管理系统EMS的力信息实现坡度估计。运动学模型未考虑车辆姿态信息,坡度估算结果与实际值有偏差;动力学模型对模型精度要求高,算法稳定性差,为充分发挥2种方法优势实现坡度的精确估计,采用交互多模型算法实现了2种坡度估计方法的加权融合。最后,对所设计的算法进行了实车试验验证。结果表明:所设计的质量与坡度估算算法具有较好的实时性和准确性,适合智能汽车运动控制的应用需求。