《行駛汽車中若干關鍵狀態和參數估計研究》是依託南京航空航天大學，由林棻擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：行駛汽車中若干關鍵狀態和參數估計研究
- 項目類別：青年科學基金項目
- 項目負責人：林棻
- 依託單位：南京航空航天大學
項目摘要,結題摘要,
項目摘要
準確而實時的獲取汽車行駛過程中的狀態信息是汽車動態控制系統研究的關鍵問題，也是實現閉環反饋控制的前提和必要條件。本課題針對汽車的關鍵狀態和參數的實時估計算法進行理論研究。將模糊卡爾曼濾波算法運用到汽車的側偏角估計當中；將粒子濾波方法運用到汽車狀態估計當中；提出一種新的雙重擴展自適應卡爾曼濾波算法，並將其運用到汽車的狀態和參數的並行估計之中；利用汽車動力學模型對路面附著係數進行實時線上估計；對輪胎瞬時等效側偏剛度進行線上估計。該研究不僅可以為汽車動態控制系統中的關鍵狀態變數的信息獲取技術提供軟體基礎和理論指導，而且能夠達到降低測試成本和實現測量通用靈活性的工程套用目的。
結題摘要
準確而實時的獲取行駛過程中的狀態信息是汽車穩定性控制系統研究的關鍵問題。本項目在充分調研國內外汽車狀態估計領域最新研究現狀的基礎上，針對汽車的若干重要關鍵狀態和參數的估計方法進行了深入系統的研究，主要工作如下： （1）總結歸納了汽車質心側偏角估計領域最新的國內外研究進展並提出了發展展望； （2）分別採用Unscented卡爾曼濾波（UKF）算法、粒子濾波（PF）算法、非追蹤粒子濾波（UPF）算法對汽車進行多個關鍵狀態量估計，對各算法的計算效率和精度進行了比較分析。 （3）通過滑模觀測器和卡爾曼濾波器相結合對汽車輪胎縱向力進行了估計，在此基礎上通過帶遺忘因子的遞推最小二乘算法（RLS）和CUSUM變化檢測算法對路面附著係數進行了估計。通過建立虛擬路面測試環境，驗證了提出的方法對不同附著條件下的路面進行附著係數估計的可靠性和有效性。 （4）結合Pacejka89輪胎力學模型和UKF、UPF算法對輪胎縱向力和滑移率進行了估計，進而得到了不同附著係數路面條件下的Slip-slope（ 曲線斜率），建立了幾種典型路面附著係數與Slip-slope之間的映射關係。 （5）提出將擴展卡爾曼濾波（EKF）與遞推最小二乘（RLS）相結合的算法，並將其運用到汽車狀態與參數並行估計當中。將EKF狀態估計與RLS參數辨識聯合運算，在參數辨識中設定合理的判斷條件，可以實現初始不準確整車質量下的汽車狀態的精確估計。該算法可以實現汽車狀態估計與質量辨識同時收斂的目的。 （6）提出將S-修正AKF與模糊卡爾曼濾波相結合進行汽車關鍵狀態估計。兩種方法結合在總體上提高了在汽車動力學系統過程噪聲與量測噪聲協方差矩陣不準確情況下算法的魯棒性與估計精度。 （7）提出一種汽車雙參數聯合辨識方法。該方法基於兩個串列的遞推最小二乘法(RLS)，以汽車出廠初始參數為串列RLS辨識算法的初始值，結合蛇行試驗辨識質心位置，以辨識所得的質心位置結合雙移線試驗辨識整車質量，以辨識所得質量序列方差作為門檻值，通過有限次的遞推循環,可以使得汽車整車質量、質心至前軸距離兩參數的相對誤差收斂到3%以內。 （8）提出了一種新的雙重非追蹤粒子濾波（DUPF）算法。該算法採用並行的兩個UPF濾波器，狀態估計和參數估計相互更新。虛擬試驗和實車試驗結果顯示該算法對於不準確模型參數具有較好的修正能力。
