论文部分内容阅读
随着经济的发展和城市化速度的加快，人们的生活水平快速提高，越来越多的人开始享受汽车带来的便利，然而，科技是把双刃剑，汽车的投入使用也引发了各类严重的城市交通问题。因此，如何解决汽车安全带来的问题成为当前社会的首要任务之一，其中，对汽车主动安全技术的研究是当前汽车工程领域的研究热点之一。汽车电子稳定系统(如博世的ESP)就是重要的主动安全技术之一，能够在极端条件下提高汽车的操纵稳定性，保证汽车的行驶安全。而实时准确的获得汽车当前的行驶状态是ESP发挥作用的重要前提，因此，研究如何使用低成本传感器准确估计汽车的行驶状态是非常重要的，这对于稳定控制系统的大规模生产具有重要意义。
本文依托国家自然科学基金项目(U1564201)开展对汽车行驶状态的估计研究。论文首先根据ESP控制中所需要考虑的自由度，在兼顾精度与复杂度的条件下，建立了基于“魔术公式”轮胎模型的非线性七自由度车辆模型，并在CarSim软件中验证模型的可行性。结合状态参数估计思想，将车辆动力学模型转化为状态方程与量测方程，通过将状态向量与标准状态方程、标准量测方程相结合，建立状态估计模型。
其次，详细介绍了目前信息融合理论中最常用的估计算法-卡尔曼滤波算法，基于国内外最新研究现状，对已有理论进行创新与改进；针对卡尔曼滤波(KF)及扩展卡尔曼滤波(EKF)的不足，引出了无迹卡尔曼滤波算法(UKF)，根据纵、侧向加速度、方向盘转角及轮速等低成本传感器信号，基于UKF融合理论设计了车速估计器，进行纵、侧向车速及质心侧偏角的估计。
然后，本文针对汽车在道路行驶过程中会不可避免地受到自身噪声或外部环境影响，这种情况会致使车载传感器设备受到一定的影响，进而导致不能准确获取传感器设备的噪声统计特性，即量测噪声的统计特性时变或未知。因此，在UKF基础上加入自适应滤波，采用了自适应无迹卡尔曼滤波算法(AUKF)，此算法通过新息序列实时估计量测噪声协方差矩阵，降低了外部噪声的影响，提高了UKF的自适应能力和精度。
最后，通过在设定工况下的CarSim-Matlab/Simulink联合仿真及实车试验，验证了上述算法对汽车状态估计的准确性，从仿真及实车试验结果可知：基于AUKF算法的估计结果最小误差可以达到1%；在加入噪声干扰之后，相对于UKF算法，AUKF算法优势更加明显，AUKF的估计性能更高，状态估计值更接近于真实值。因此，本文的研究结果对ESP等汽车主动安全控制技术的应用推广具有重要的理论指导作用。
本文依托国家自然科学基金项目(U1564201)开展对汽车行驶状态的估计研究。论文首先根据ESP控制中所需要考虑的自由度，在兼顾精度与复杂度的条件下，建立了基于“魔术公式”轮胎模型的非线性七自由度车辆模型，并在CarSim软件中验证模型的可行性。结合状态参数估计思想，将车辆动力学模型转化为状态方程与量测方程，通过将状态向量与标准状态方程、标准量测方程相结合，建立状态估计模型。
其次，详细介绍了目前信息融合理论中最常用的估计算法-卡尔曼滤波算法，基于国内外最新研究现状，对已有理论进行创新与改进；针对卡尔曼滤波(KF)及扩展卡尔曼滤波(EKF)的不足，引出了无迹卡尔曼滤波算法(UKF)，根据纵、侧向加速度、方向盘转角及轮速等低成本传感器信号，基于UKF融合理论设计了车速估计器，进行纵、侧向车速及质心侧偏角的估计。
然后，本文针对汽车在道路行驶过程中会不可避免地受到自身噪声或外部环境影响，这种情况会致使车载传感器设备受到一定的影响，进而导致不能准确获取传感器设备的噪声统计特性，即量测噪声的统计特性时变或未知。因此，在UKF基础上加入自适应滤波，采用了自适应无迹卡尔曼滤波算法(AUKF)，此算法通过新息序列实时估计量测噪声协方差矩阵，降低了外部噪声的影响，提高了UKF的自适应能力和精度。
最后，通过在设定工况下的CarSim-Matlab/Simulink联合仿真及实车试验，验证了上述算法对汽车状态估计的准确性，从仿真及实车试验结果可知：基于AUKF算法的估计结果最小误差可以达到1%；在加入噪声干扰之后，相对于UKF算法，AUKF算法优势更加明显，AUKF的估计性能更高，状态估计值更接近于真实值。因此，本文的研究结果对ESP等汽车主动安全控制技术的应用推广具有重要的理论指导作用。