《基於閉環子空間算法的車輛系統模型辨識方法的研究》是依託上海交通大學，由管西強擔任項目負責人的面上項目。
基本介紹
- 中文名：基於閉環子空間算法的車輛系統模型辨識方法的研究
- 項目類別：面上項目
- 項目負責人：管西強
- 依託單位：上海交通大學
項目摘要,結題摘要,
項目摘要
本項目擬對車輛系統動力學模型辨識的方法進行研究，重點探索適合於閉環試驗條件下的子空間算法，充分利用子空間算法的魯棒性，獲得高精度的整車參數化辨識模型。在系統的分析參數可辨識性的基礎上，構建以駕駛員模型為核心的反饋控制器，研究適合車輛閉環非線性系統的子空間辨識算法，降低測試噪聲和干擾對辨識結果的影響，解決車輛系統非線性辨識的難題。為了降低系統耦合關係對辨識精度的影響，採用分系統辨識後再進行綜合的方法，以側向和垂向動力學模型為主要研究對象，發展車輛參數道路試驗辨識技術，滿足車輛開發中性能快速評價和分析的要求。辨識試驗的設計以車輛國標道路試驗體系為主體，適當增加特殊要求試驗，保證辨識數據的可操作性、共性和基礎性。本研究重點解決適應於車輛系統的非線性子空間算法和辨識模型參數與實際車輛物理參數對應的難題，既有學術理論意義，又有實際套用價值。
結題摘要
根據車輛系統多輸入、多輸出的特點，本研究將辨識模型的適用範圍從線性域擴展至非線性域，從開環離線辨識擴展到閉環線上辨識，並且用於估計模型參數、預測系統輸出以及設計轉向預測控制器以保證汽車的穩定性等。 首先，在車輛處於恆定車速且輪胎側偏角較小的狀態時，結合不同工況下的實車試驗數據並利用經典子空間方法，辨識出車輛系統的線性時不變模型，並分別進行了時域和頻域驗證。結果表明，CVA方法估計的車輛模型相對於MOESP和N4SID方法精度最高，其中CVA-step模型不僅時域仿真精度高，而且其頻域特性與基於脈衝試驗計算的經驗傳遞函式基本一致。 此外，結合辨識車輛模型提出了基於系統極點不變的輪胎側偏剛度估計方法，並通過數值仿真驗證了估計參數的準確性。在考慮車身側傾運動時，車輛模型的階次增加到九階，試驗驗證結果表明，此時的CVA-step模型能夠最為準確的描述車輛側向加速度和側傾角變化。 為了進一步擴展線性時不變辨識模型，在閉環條件下提出了兩種具有非線性時變特點的車輛模型結構(擴展的線性車輛模型S1和增量形式的非線性車輛模型S2)，兩種模型不再要求行駛車速和輪胎側偏剛度為恆值，更符合車輛系統的一般特點。結合實車I/O數據並利用RPBSIDopt辨識算法可以對上述辨識模型實時更新，模型驗證的結果表明，S1和S2大幅改善了辨識模型線上性域內的精度，能夠準確描述系統瞬態回響的細節。即使在側向加速度超過0.6g的非線性工況下，兩種辨識模型仍然可以保證估計的一致無偏性。其中，辨識模型S2的預測精度優於模型S1和廣泛套用的車輛EKF狀態估計器，具有更好的套用前景。 在上面工作的基礎上，結合辨識模型的預測輸出和最優準則，提出了一類改進的遞推子空間預測控制方法，使被控對象不再局限於嚴格的線性時不變系統，並避免了複雜Diophantine方程的求解，提高了算法的效率。針對AFS車輛系統，分別設計了RSPC和RSPCI車輛控制器以改善車輛彎道行駛時系統的穩定性，數值仿真結果表明，在輪胎側向力小於路面附著極限時，兩種控制器都可以有效改善系統的穩定性；在輪胎側向力達到路面附著極限時，RSPCI控制器的控制效果明顯，可以保證車輛具有良好的狀態跟蹤能力。
