基于非線性估計(jì)理論的線控轉(zhuǎn)向汽車狀態(tài)估計(jì)研究.pdf

1、為了解決汽車的行車安全性問題，自上世紀(jì)90年的開始，隨著計(jì)算機(jī)控制技術(shù)、智能信息處理技術(shù)的發(fā)展，汽車行業(yè)開始不斷引入新的信息技術(shù)，逐步提高汽車的操作穩(wěn)定性和主動(dòng)安全性。汽車轉(zhuǎn)向系統(tǒng)的性能直接影響汽車的操作穩(wěn)定性，相對(duì)于傳統(tǒng)機(jī)械結(jié)構(gòu)的轉(zhuǎn)向系統(tǒng)，匹配線控轉(zhuǎn)向系統(tǒng)的汽車具有更加靈活轉(zhuǎn)向特性。通過線控轉(zhuǎn)向系統(tǒng)的各種控制策略，可以實(shí)現(xiàn)汽車主動(dòng)轉(zhuǎn)向控制和汽車車身的電子穩(wěn)定控制。而準(zhǔn)確實(shí)時(shí)的獲取汽車行駛中的關(guān)鍵狀態(tài)，是實(shí)現(xiàn)這些控制策略的前提。由于汽車

2、動(dòng)力學(xué)控制過程的復(fù)雜性、現(xiàn)有車載傳感器的測(cè)試水平和測(cè)試成本等多方面的影響，很多關(guān)鍵狀態(tài)參數(shù)都無法直接、準(zhǔn)確且低成本的測(cè)量。而隨著汽車底盤電控系統(tǒng)集成化水平和復(fù)雜化程度提高，系統(tǒng)內(nèi)部存在信號(hào)變化速率相差大、檢測(cè)裝置采樣周期不同等情況?，F(xiàn)有的單采樣率非線性卡爾曼濾波算法在估計(jì)汽車狀態(tài)過程中存在一定的局限性。因此，針對(duì)線控轉(zhuǎn)向汽車的狀態(tài)估計(jì)問題，本文將非線性估計(jì)方法與多采樣率控制系統(tǒng)理論相結(jié)合，進(jìn)行了如下幾個(gè)方面的討論和研究：
　　首先

3、，對(duì)線控轉(zhuǎn)向系統(tǒng)的基本結(jié)構(gòu)、工作原理、控制策略和性能特點(diǎn)做了深入的調(diào)查和分析。在此基礎(chǔ)上，對(duì)線控轉(zhuǎn)向系統(tǒng)的各個(gè)組成部分進(jìn)行了的數(shù)學(xué)建模研究，引入了R.Hess駕駛員模型、Pacejka輪胎模型，并建立了十一自由度汽車整車模型。由此搭建了人一車閉環(huán)系統(tǒng)。通過Carsim專業(yè)汽車動(dòng)力學(xué)軟件與Matlab/Simulink軟件聯(lián)合仿真平臺(tái)，結(jié)合線控轉(zhuǎn)向系統(tǒng)的相關(guān)控制策略，參照國標(biāo)設(shè)置了虛擬汽車操穩(wěn)性試驗(yàn)，仿真結(jié)果驗(yàn)證了所建立整車模型的有效性。

4、
　　其次，擴(kuò)展卡爾曼濾波算法是一種有效的非線性汽車狀態(tài)估計(jì)算法，但其存在兩大缺陷：(1)對(duì)汽車參數(shù)變化的魯棒性較弱；(2)對(duì)汽車突變狀態(tài)的跟蹤能力欠佳。為了彌補(bǔ)這些缺陷，提出了基于強(qiáng)跟蹤濾波算法的汽車狀態(tài)估計(jì)方法，有效地提高了對(duì)于汽車突變狀態(tài)的估計(jì)能力和參數(shù)變化的魯棒性。此外，多重漸消因子矩陣在原強(qiáng)跟蹤濾波算法中的作用方式可能破壞誤差協(xié)方差陣的對(duì)稱正定性，導(dǎo)致濾波算法的發(fā)散。針對(duì)此種情況，提出了基于Cholesky三角分解的改進(jìn)

5、強(qiáng)跟蹤濾波算法。仿真結(jié)果表明：對(duì)于多重次優(yōu)漸消因子矩陣初值的選取，改進(jìn)強(qiáng)跟蹤濾波算法比原強(qiáng)跟蹤濾波算法魯棒性更強(qiáng)，且算法也更穩(wěn)定。
　　再者，盡管卡爾曼濾波算法在汽車狀態(tài)估計(jì)中取得不錯(cuò)的效果，但是其性能受到模型精度與噪聲統(tǒng)計(jì)特性是否已知等因素的影響。為此，利用基于虛擬噪聲補(bǔ)償技術(shù)的非線性自適應(yīng)濾波算法和無跡卡爾曼濾波算法對(duì)汽車的行駛狀態(tài)進(jìn)行估計(jì)。在此基礎(chǔ)上，提出了帶漸消因子的非線性Sage-Husa自適應(yīng)卡爾曼濾波算法，使濾波算法

6、在估計(jì)汽車行駛過程中的過程噪聲和量測(cè)噪聲特性時(shí)，同樣具有對(duì)突變狀態(tài)的強(qiáng)跟蹤特性。仿真結(jié)果表明，該算法不僅能估計(jì)系統(tǒng)過程噪聲和量測(cè)噪聲，還能準(zhǔn)確的估計(jì)汽車行駛狀態(tài)，且具有很強(qiáng)的跟蹤突變狀態(tài)的能力。在同等條件下，無跡卡爾曼濾波算法的估計(jì)精度要略高于擴(kuò)展卡爾曼濾波算法的估計(jì)精度。
　　最后，由于汽車底盤電控系統(tǒng)集成化水平和復(fù)雜化程度提高，系統(tǒng)內(nèi)部存在信號(hào)變化速率相差大、檢測(cè)裝置采樣周期不同等情況，單采樣率數(shù)字控制策略已經(jīng)不再適用此類系統(tǒng)