基于卡爾曼濾波的半掛汽車列車側(cè)傾控制.pdf

1、半掛汽車列車由牽引車和半掛車組成，與普通貨車相比有很多優(yōu)點，在現(xiàn)代公路運輸中起到重要作用。但由于其質(zhì)量大、重心高，極易發(fā)生側(cè)翻事故，所以，提高半掛汽車列車側(cè)傾穩(wěn)定性就顯得尤為重要。而實時、準(zhǔn)確地獲取車輛行駛過程中的關(guān)鍵狀態(tài)參數(shù)是實現(xiàn)安全控制的前提和必要條件，但由于各種限制，汽車的部分狀態(tài)變量又不能直接測得或者很難用合理的成本測得。
　　 本文圍繞半掛汽車列車運行姿態(tài)監(jiān)測及側(cè)傾控制這一主題，主要從基于卡爾曼濾波理論的狀態(tài)估計、半掛

2、汽車列車側(cè)傾控制策略兩個方面展開研究：
　　 首先，建立了七自由度的半掛汽車列車操縱動力學(xué)數(shù)學(xué)模型，并利用Matlab軟件的Simulink模塊建立了仿真模型。在所建模型基礎(chǔ)上，根據(jù)卡爾曼濾波理論設(shè)計出狀態(tài)估計器，利用較易測量的輔助變量信息對半掛汽車列車難以測量或測量成本較高的運行參數(shù)進(jìn)行估計，并將估計值與仿真測量值做比較，分析過程噪聲協(xié)方差Q和量測噪聲協(xié)方差R的變化對估計值的影響。結(jié)果表明：在設(shè)計Kalman濾波估計器時，Q和

3、R對參數(shù)估計精度有很大的影響。為此，本文提出了基于Simulink Response Optimization優(yōu)化工具箱的優(yōu)化方法，對Q和R進(jìn)行優(yōu)化，解決了噪聲測量困難的問題，同時提高了Kalman濾波估計器的狀態(tài)估計精度。
　　 然后，設(shè)計出模糊PID控制器對半掛汽車列車進(jìn)行側(cè)傾控制，針對以往PID控制器參數(shù)調(diào)整復(fù)雜繁瑣的問題，提出利用Matlab優(yōu)化函數(shù)對PID參數(shù)進(jìn)行整定，為PID參數(shù)的整定提供了一個更方便快捷有效的途徑。

4、該控制器根據(jù)卡爾曼濾波估計器估計出的側(cè)傾角，利用模糊PID控制方法將側(cè)傾角控制在一定范圍內(nèi)。仿真結(jié)果表明：本文所采用的模糊PID控制策略，可以顯著提高半掛汽車列車側(cè)傾穩(wěn)定性。
　　 基于卡爾曼濾波的軟測量技術(shù)和基于模糊PID控制的主動懸架目前在半掛汽車列車上運用極少。本文利用卡爾曼濾波理論，對半掛汽車列車不能直接測量或測量成本較高的狀態(tài)參數(shù)進(jìn)行估計，可極大地降低測量和控制成本，并且可對半掛汽車列車的側(cè)翻趨勢進(jìn)行預(yù)估和預(yù)警，以及時