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

1、為了解決汽車的行車安全性問題，自上世紀90年的開始，隨著計算機控制技術(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，相對于傳統(tǒng)機械結(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，可以實現(xiàn)汽車主動轉(zhuǎn)向控制和汽車車身的電子穩(wěn)定控制。而準確實時的獲取汽車行駛中的關(guān)鍵狀態(tài)，是實現(xiàn)這些控制策略的前提。由于汽車

2、動力學(xué)控制過程的復(fù)雜性、現(xiàn)有車載傳感器的測試水平和測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、準確且低成本的測量。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)部存在信號變化速率相差大、檢測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汽車狀態(tài)過程中存在一定的局限性。因此，針對線控轉(zhuǎn)向汽車的狀態(tài)估計問題，本文將非線性估計方法與多采樣率控制系統(tǒng)理論相結(jié)合，進行了如下幾個方面的討論和研究：
　　首先

3、，對線控轉(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做了深入的調(diào)查和分析。在此基礎(chǔ)上，對線控轉(zhuǎn)向系統(tǒng)的各個組成部分進行了的數(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)汽車動力學(xué)軟件與Matlab/Simulink軟件聯(lián)合仿真平臺，結(jié)合線控轉(zhuǎn)向系統(tǒng)的相關(guān)控制策略，參照國標設(shè)置了虛擬汽車操穩(wěn)性試驗，仿真結(jié)果驗證了所建立整車模型的有效性。

4、
　　其次，擴展卡爾曼濾波算法是一種有效的非線性汽車狀態(tài)估計算法，但其存在兩大缺陷：(1)對汽車參數(shù)變化的魯棒性較弱；(2)對汽車突變狀態(tài)的跟蹤能力欠佳。為了彌補這些缺陷，提出了基于強跟蹤濾波算法的汽車狀態(tài)估計方法，有效地提高了對于汽車突變狀態(tài)的估計能力和參數(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)方差陣的對稱正定性，導(dǎo)致濾波算法的發(fā)散。針對此種情況，提出了基于Cholesky三角分解的改進

5、強跟蹤濾波算法。仿真結(jié)果表明：對于多重次優(yōu)漸消因子矩陣初值的選取，改進強跟蹤濾波算法比原強跟蹤濾波算法魯棒性更強，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)估計中取得不錯的效果，但是其性能受到模型精度與噪聲統(tǒng)計特性是否已知等因素的影響。為此，利用基于虛擬噪聲補償技術(shù)的非線性自適應(yīng)濾波算法和無跡卡爾曼濾波算法對汽車的行駛狀態(tài)進行估計。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、在估計汽車行駛過程中的過程噪聲和量測噪聲特性時，同樣具有對突變狀態(tài)的強跟蹤特性。仿真結(jié)果表明，該算法不僅能估計系統(tǒng)過程噪聲和量測噪聲，還能準確的估計汽車行駛狀態(tài)，且具有很強的跟蹤突變狀態(tài)的能力。在同等條件下，無跡卡爾曼濾波算法的估計精度要略高于擴展卡爾曼濾波算法的估計精度。
　　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)部存在信號變化速率相差大、檢測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)