基于自適應(yīng)濾波的汽車狀態(tài)估計算法研究.pdf

1、隨著汽車產(chǎn)量的增加，汽車道路安全問題成為關(guān)注的焦點(diǎn)，隨之而發(fā)展起來的汽車主動安全技術(shù)便成為研究的熱點(diǎn)。汽車電子穩(wěn)定性控制系統(tǒng)（如Bosch的ESP）就是重要的主動安全技術(shù)之一，其通過一定的控制方法，對處于極限失穩(wěn)狀態(tài)下的汽車進(jìn)行主動干預(yù)，保證汽車的安全行駛。此類控制系統(tǒng)需要在準(zhǔn)確獲取汽車當(dāng)前狀態(tài)的基礎(chǔ)上，對汽車是否失穩(wěn)進(jìn)行判斷，以確定是否施加主動干預(yù)。
　　所謂汽車狀態(tài)，就是汽車行駛過程中，汽車的速度、橫擺角速度、質(zhì)心側(cè)偏角等參數(shù)

2、；這些參數(shù)作為重要的信息，有的可以較方便的獲取，但是有的參數(shù)（如質(zhì)心側(cè)偏角）需要昂貴的傳感器，這對于此類電子穩(wěn)定性控制系統(tǒng)的研發(fā)以及量產(chǎn)造成了很大困難；目前，一直采用估計的方法來獲取該難以低成本測量的參數(shù)，所以研究如何低成本、準(zhǔn)確地獲取該類參數(shù)對于穩(wěn)定性控制系統(tǒng)的量產(chǎn)有著重要的意義。
　　本文在總結(jié)國內(nèi)外最新研究現(xiàn)狀的基礎(chǔ)上，對已有的理論進(jìn)行了創(chuàng)新與改進(jìn)，論文的主要工作如下：
　　1、在介紹卡爾曼濾波算法的基礎(chǔ)上，重點(diǎn)對自適

3、應(yīng)卡爾曼濾波進(jìn)行了分類，同時也引出論文的兩條主線，即動力學(xué)模型參數(shù)自適應(yīng)以及算法參數(shù)自適應(yīng)。為了實(shí)現(xiàn)動力學(xué)模型參數(shù)自適應(yīng)，介紹了遞推最小二乘法（RLS），并基于該理論提出一種串行RLS雙參數(shù)辨識方法，通過合理的參數(shù)設(shè)置，實(shí)現(xiàn)整車質(zhì)量與質(zhì)心至前軸的距離兩參數(shù)的同時收斂。
　　2、根據(jù)第一條主線的思路，將EKF與RLS進(jìn)行結(jié)合，利用EKF估計所得的狀態(tài)量傳遞到RLS算法中進(jìn)行整車質(zhì)量的辨識，實(shí)現(xiàn)兩種算法的并行，使得估計算法在整車質(zhì)量變

4、化時可以在線調(diào)整整車質(zhì)量參數(shù)，實(shí)現(xiàn)不同載荷工況的自適應(yīng)；通過虛擬試驗(yàn)驗(yàn)證了并行估計算法有較好的估計效果。
　　3、根據(jù)第二條主線的思路，在模糊邏輯的基礎(chǔ)上，采用Matlab模糊工具箱設(shè)計了觀測噪聲協(xié)方差模糊控制器（FKF），對時變噪聲的統(tǒng)計特性進(jìn)行在線估計；之后引入了一種不發(fā)散算法—S-AKF算法，將FKF算法與S-AKF算法相結(jié)合，在對觀測噪聲進(jìn)行自適應(yīng)的同時，提高了對過程噪聲的魯棒性，通過虛擬試驗(yàn)驗(yàn)證了上述算法的有效性。