利用轮胎侧向力传感器并使用最小二乘法（rls）和卡尔曼滤波方法估计电动汽车的侧滑角和侧倾角外文文献及翻译大学论文.docVIP

利用轮胎侧向力传感器并使用最小二乘法（RLS）和卡尔曼滤波方法估计电动汽车的侧滑角和侧倾角 Kanghyun Nam, Student Member, IEEE, Sehoon Oh, Member, IEEE, Hiroshi Fujimoto, Member, IEEE, and Yoichi Hori, Fellow, IEEE 摘要——对于如横摆稳定性和侧倾稳定性控制的车辆稳定性控制应用而言，控制车辆状态的鲁棒性估计（车辆侧滑角和侧倾角）是相当重要的。本文提出了利用从多传感轮毂单元获得实时横向轮胎力测量来估计侧滑角和侧倾角的新方法，这种方法在轮毂电机驱动电动汽车的车辆控制系统中得到实际应用。在车辆侧滑估计中, 是利用了基于线性车辆模型和传感器测量并带有遗忘因子的递归最小二乘(RLS)算法。在侧滑角角估计中,卡尔曼滤波的设计目的是整合可用的传感器测量和动态。通过现场测试实验电动汽车来评估上述所提出的估计方法（RLS为基础的侧滑角估计和卡尔曼滤波器）。实验结果表明，上述估计量可以准确估计车辆侧滑角和侧倾角。实验证实, 所提出的估计方法比传统方法的估计精度提高50%以上 (见图4所示的均方根误差)。此外, 通过各种验证测试证明轮胎侧向力传感器在车辆状态估计实际应用中的可行性。 关键词：电动汽车，卡尔曼滤波，多传感集线器（MSHub）单元，递归最小二乘（RLS），滚动角，侧滑角。 术语 在重心纵向加速度(/ )。 在重心横向加速度(/ )。 传感器测量横向加速度(/ )。 d 磁道宽度= 1.3。 g 重力加速度= 9.81/ 。 高度的簧载质量超过轧辊中心的中心(RC)= 0.32。 离地面高度的RC = 0.21。 i 1，2，3和4对应于前左，前右，后左和后右(= fl, fr, rl, rr) 重心至前轴距离=1.013。 重心至后轴距离=0.702。 车辆的重心纵向速度（/s）。 车辆的重心的横向速度（/s）。 估计横向车辆速度（/s）。 m 车辆总质量=875。 簧载质量=670。 在第i个轮胎的转弯刚度（/rad）。 前轮胎转弯刚度=11200 /rad。 后轮胎转弯刚度=31600 /rad。 滚动阻尼系数=3200 ·m·s /rad。 在第i个轮胎纵向轮胎力（）。 在第i个轮胎横向轮胎力（）。 在左轨道车轮的横向轮胎力(=+)（) 在右轨道车轮的横向轮胎力（=+）() 惯性侧倾力矩=250·。 惯性横摆力矩=617·。 侧倾刚度系数=12 000 ·s/rad。 L 观测器增益矩阵。 侧倾力矩（·m）。 横摆力矩（·m）。 第i个轮胎的滑脱角（）。 前轮轮胎滑移角（）。 后轮轮胎滑移角（）。 β 车辆侧滑角（）。 从相结合的方法估算侧滑角（）。 从运动学为基础估算方法估计侧滑角（）。 从基于模型的估计方法估计侧滑角（）。 前转向角（）。 侧倾角（）。 侧倾率（ /s）。 侧倾加速度（ /）。 横摆率（/s）。 λ 在递归最小平方（RLS）算法的遗忘因子。 μ 路面的摩擦系数。 1.引言 考虑到轮毂电机驱动电动汽车先进的运动控制，人们已经进行了大量的电动车动态控制研究[1] - [6]。电动汽车先进的防滑以及防滚运动控制系统被称为横摆稳定性控制和侧倾稳定性控制。与内燃机车辆相比，电动汽车在运动控制上具有这几个优点。[1], [3]. 驱动电机产生的转矩非常快速和准确。 传动的转矩可以很容易地从电动机电流测量。 每个车轮轮可以独立控制。 由于这些优点，一个新的基于横摆力矩观测器的横摆力矩控制方法是在[ 7 ]提出的，并以实验结果验证并提出使驾驶员的乘坐安全和舒适的侧倾稳定性控制 系统[ 8 ]。大多数车辆稳定控制系统只有一个直接的横摆角速度反馈来用于提高稳定性能。然而，在湿滑路面上，控制车辆侧滑角以防止它变得太大也是有意义的[ 9 ]，[ 33 ]。 由于前述的稳定性控制系统的目的是控制横摆角速度，车辆的侧滑角和侧倾角，因此需要测量上述三个量的传感器。横摆角速度可以通过廉价的陀螺传感器很容易的测