基于UPF算法的汽车多状态量估计

针对常用汽车状态估计算法计算复杂、精度低等问题,提出一种新的汽车多状态量估计方法。建立了包含定常统计特性噪声和Pacejka轮胎模型的七自由度非线性汽车动力学模型。针对一般粒子滤波(PF)算法存在的缺陷,使用非追踪卡尔曼滤波(UKF)算法产生粒子滤波的重要性概率密度。基于非追踪粒子滤波(UPF)算法实现对汽车多个关键状态量的最小均方误差估计。将基于UPF算法、UKF算法与PF算法的估计器进行了比较,揭示了粒子数对汽车状态估计效果的影响。基于ADAMS/Car的虚拟实验和实车实验表明基于UPF算法的估计器精度高于基于UKF算法的估计器,估计值相对于实际值的平均绝对误差均控制在状态幅值的10%以内,且实时性优于基于PF算法的估计器。

基于滑模观测器的车辆质心侧偏角估测

在汽车稳定性控制中,车辆质心侧偏角是一个重要的参数,直接测量其大小费用昂贵。为研究车辆质心侧偏角,以非线性魔术轮胎模型和二自由度模型为基础,以模型输出的横摆角速度为反馈量,建立滑模观测器,估算车辆质心侧偏角。引入饱和函数为切换函数,减少由符号函数引起的抖振。在Carsim平台建立整车模型以及高附着系数、低附着道路模型,利用Matlab/Simulink模块建立观测器模型,两者联合仿真。通过与龙贝格观测器估算质心侧偏角方法比较,滑模观测器在轮胎处于线性和非线性区域时估算结果更准确。