基于四驅(qū)電動汽車的路面附著系數(shù)估計方法研究.pdf

1、論文以四輪輪邊驅(qū)動電動車為研究對象，以提高車輛主動安全性和行駛穩(wěn)定性為目標(biāo)，對直線行駛工況下的四輪輪邊驅(qū)動電動車路面附著系數(shù)估計以及與之相關(guān)的整車質(zhì)量參數(shù)及道路坡度辨識和車輪滑轉(zhuǎn)狀態(tài)辨識進(jìn)行了研究。論文的研究成果為四輪輪邊驅(qū)動電動車底盤控制技術(shù)的研究奠定了基礎(chǔ)，有利于進(jìn)一步的底盤集成控制研究。 論文采用遞推最小二乘方法辨識直線行駛工況下的整車質(zhì)量參數(shù)及道路坡度。算法利用驅(qū)動力矩大小可以直接獲得的特點，只要通過傳感器測量獲得縱向車

2、速信息、縱向車身加速度信息、輪邊驅(qū)動力矩信息及車輪加速度信息即可實現(xiàn)參數(shù)辨識，需要的傳感器較少，實現(xiàn)方便。由于帶單個遺忘因子的遞推最小二乘法無法辨識變化速率不同的兩個參數(shù)，采用“多遺忘因子”的思想，解決了多變量的同時辨識問題。通過設(shè)定合理的遺忘因子，對每次觀測的方程誤差做相應(yīng)的加權(quán)處理，提高了辨識準(zhǔn)確性。 論文分別對基于μ—s曲線斜率變化的車輪滑轉(zhuǎn)狀態(tài)辨識方法和基于加速度差值的車輪狀態(tài)辨識方法進(jìn)行研究。利用狀態(tài)濾波器可以準(zhǔn)確獲得

3、輪加速度信號的特點，前者雖然可以在理論上辨識出車輪狀態(tài)，并同時獲得路面峰值附著系數(shù)，但受信號噪聲及模型精度的影響，容易出現(xiàn)誤判斷，限制了其在實車上的應(yīng)用前景?；诩铀俣炔钪档能囕啝顟B(tài)辨識方法，考慮車輪響應(yīng)的固有特性，方法簡單有效，能夠在大多數(shù)情況下準(zhǔn)確辨識車輪滑轉(zhuǎn)情況。 論文針對基于卡爾曼濾波器的路面附著系數(shù)估算方法在對接路面上的辨識響應(yīng)慢、甚至失效的局限性，采用基于廣義卡爾曼濾波器的狀態(tài)估計算法進(jìn)行車輪縱滑剛度估計，并間接獲得

4、路面附著系數(shù)值。通過對傳統(tǒng)卡爾曼濾波器的消息模型進(jìn)行改進(jìn)，并加入路面變化探測模塊，通過仿真試驗驗證了車輪穩(wěn)定工作時，算法在對接路面上的有效性，同時估算收斂速度和估算準(zhǔn)確性都有了明顯提高。 論文通過實車試驗獲取關(guān)鍵參數(shù)值，使得改進(jìn)后的路面附著系數(shù)估計算法能夠適應(yīng)本文的研究平臺。通過選取典型路面條件(干瀝青路面、不銹鋼路面及對接路面)驗證路面附著系數(shù)估計算法在直線行駛時的實車適用性。針對緒論中對已有的路面附著系數(shù)辨識方法局限性的分析