基于卡曼濾波器和非線性觀測器的車輛參數(shù)辨識研究.pdf

1、隨著汽車的普及和用戶對汽車安全性要求的提高,汽車主動安全性問題日益受到研究人員的重視。從最初的防抱死系統(tǒng)(ABS)、牽引力控制系統(tǒng)(TCS)到當今主流的電子穩(wěn)定系統(tǒng)(ESP)等,研究人員不斷開發(fā)新的車輛動力學控制系統(tǒng)來實現(xiàn)一些基本的輔助駕駛。這些系統(tǒng)的工作原理,一般是針對在車輛行駛過程中比較關鍵的參數(shù)或變量,如橫擺角速度和質(zhì)心側(cè)偏角,進行干預來實現(xiàn)控制。而這些都是難以通過車輛自身集成的傳感器進行直接測量的狀態(tài)參數(shù)。因此,利用車上已集成的

2、傳感器對參數(shù)進行辨識,是改善車輛主動安全性的關鍵環(huán)節(jié)。本論文由以下部分組成:
　　首先,在多體動力學軟件 ADAMS/View環(huán)境之下,建立一個某型號轎車的多體動力學仿真模型。該模型包括了前、后懸架,動力傳動系統(tǒng),車身系統(tǒng),轉(zhuǎn)向系統(tǒng)等子系統(tǒng)。各子系統(tǒng)的建模過程有詳細說明。該模型可以進行典型工況的仿真分析。
　　其次,建立KALMAN濾波器需要的模型。出于減小濾波器復雜程度的考慮,對整車進行受力分析,建立線性2自由度車輛動力學

3、模型,在MATLAB/Simulink環(huán)境下建立仿真模型,驗證了該模型的精度。然后在MATLAB環(huán)境下,建立基于2自由度整車模型的Kalman濾波器,修正Kalman濾波器估計器的參數(shù)。
　　然后,建立3自由度非線性雙軌整車動力學模型,并建立狀態(tài)空間方程。驗證了模型的精度。由于狀態(tài)空間模型不是線性的,所以本文提出了一種線性化觀測器,首先將非線性的模型進行線性化,再對線性模型進行參數(shù)辨識。
　　最后,在建立的多體動力學模型與基