一种基于纵向力观测器的车辆质心侧偏角鲁棒估计方法技术

本发明专利技术公开一种基于纵向力观测器的车辆质心侧偏角鲁棒估计方法，包括如下步骤：(1)建立二自由度车辆模型和电驱动轮模型；(2)纵向力观测器设计；(3)基于纵向力观测器的车辆质心侧偏角鲁棒估计。本发明专利技术针对分布式驱动电动汽车及其驱动特点，提出了一种新的纵向力估计方法，同时，在纵向力估计的基础上，考虑轮胎侧偏刚度的参数摄动带来的车辆模型不确定性，设计了鲁棒卡尔曼滤波来进行车辆质心侧偏角估计。本发明专利技术所提出的估计方法能够充分利用分布式驱动电动汽车的优势，有效地降低了纵向力估计成本，同时有助于提高未知扰动和复杂工况下质心侧偏角估计的鲁棒性。

Robust estimation method for vehicle side slip angle based on longitudinal force observer

The present invention discloses a robust estimation method of vehicle centroid deflection angle based on longitudinal force observer, including the following steps: (1) establishing two degrees of freedom vehicle model and electric drive wheel model; (2) longitudinal force observer design; (3) robust estimation of the side deflection angle of vehicle centroid based on longitudinal force observer. A new longitudinal force estimation method is proposed for the distributed drive electric vehicle and its driving characteristics. On the basis of the longitudinal force estimation, the robust Calman filter is designed to estimate the side angle of the vehicle's centroid side, considering the uncertainty of the vehicle model caused by the parameter perturbation of the lateral stiffness of the tire. The proposed method can make full use of the advantages of the distributed drive electric vehicle, effectively reduce the cost of the longitudinal force estimation, and help to improve the robustness of the estimation of the side angle of the centroid under the unknown disturbance and the complex condition.

【技术实现步骤摘要】
一种基于纵向力观测器的车辆质心侧偏角鲁棒估计方法
本专利技术属于电动汽车研究领域，具体涉及一种基于纵向力观测器的分布式驱动电动汽车质心侧偏角鲁棒估计方法。
技术介绍
近年来，包括电子稳定系统ESP、制动防抱死系统ABS、牵引力控制系统TCS、驱动防滑系统ASR在内的主动安全系统在车辆上应用越来越广泛。良好的车辆系统闭环控制需要精确可靠的车辆状态测量值，然而包括质心侧偏角在内的一些车辆状态难以采用车载传感器直接测量得到，或者考虑到传感器成本过高的因素，人们越来越倾向于设计可行的观测器对部分车辆状态进行准确估计，从而为车辆控制系统提供依据。汽车实际行驶时，包括轮胎侧偏刚度在内的车辆参数是实时变化的，这些由于参数摄动带来的模型不确定性会造成一定程度的车辆建模误差，从而基于模型的车辆状态观测器估计精度也相应收到影响，因此有必要设计车辆质心侧偏角的鲁棒估计方法。
技术实现思路
本专利技术的目的是针对上述问题提供一种基于纵向力观测器的车辆质心侧偏角鲁棒估计方法。本专利技术针对分布式驱动电动汽车及其驱动特点，提出了一种新的纵向力估计方法，同时，在纵向力估计的基础上，考虑轮胎侧偏刚度的参数摄动带来的车辆模型不确定性，设计了鲁棒卡尔曼滤波来进行车辆质心侧偏角估计。本专利技术所提出的估计方法能够充分利用分布式驱动电动汽车的优势，有效地降低了纵向力估计成本，同时有助于提高未知扰动和复杂工况下质心侧偏角估计的鲁棒性。本专利技术的技术方案是：一种基于纵向力观测器的车辆质心侧偏角鲁棒估计方法，包括以下步骤：步骤S1、建立二自由度车辆模型和电驱动轮模型；步骤S2、纵向力观测器设计，首先通过系统降阶构造纵向力重构方程，针对直驱轮毂电机系统含有未知输入和噪声的情况，通过对直驱电机系统降阶处理实现系统的解耦，从而得到纵向力的解析重构方程：通过纵向力的重构方程先基于伦伯格观测器设计系统状态估计器，得到的估计量；再根据待估计量含有微分的特点，基于高阶滑模观测器实现子系统状态量的微分的估计；步骤S3、基于纵向力观测器的车辆质心侧偏角鲁棒估计，根据所述步骤S2的纵向力观测器设计方法，设计纵向力观测器来实时估计车轮的纵向力，并将该纵向力估计值作为计算车辆横摆力矩的输入量，且设计鲁棒卡尔曼滤波进行车辆质心侧偏角估计。步骤S4、仿真验证和实验验证。上述方案中，所述步骤S1中二自由度车辆模型的建立包括以下步骤：建立二自由度的单轨车辆动力学模型，动力学方程为：式中，vx为纵向车速，vy为侧向车速，γ为横摆角速度，β为质心侧偏角，Cf、Cr分别为前后轮胎的侧偏刚度，m为汽车质量，Iz为绕z轴的转动惯量，lf、lr分别为质心距前轴和后轴的距离；ΔMz为四轮轮胎纵向力产生的额外横摆力矩，表示为：ΔMz＝(Fx2-Fx1)bfcosδ+(Fx1+Fx2)lfsinδ+(Fx4-Fx3)br式二式中bf、br为半轮距，Fxj(j＝1,2,3,4)为编号为j的轮胎所具有的纵向力，编号1、2、3、4分别代表左前轮、右前轮、左后轮和右后轮；前后横向轮胎力表示为：Fyf＝Cfαf,Fyr＝Crαr式三前后轮轮胎侧偏角为：αf＝δf-lfγ/vx-βαr＝lrγ/vx-β式四上述方案中，所述步骤S1中电驱动轮模型的建立包括以下步骤：单个车轮的旋转动力学方程为：式中，ωj为纵向力Fxj所对应车轮的转速；J1为车轮转动惯量；r为车轮有效半径；TLj为安装于车轮内轮毂电机的负载力矩；轮毂电机输出轴上的转矩平衡方程为：轮毂电机等效电路的动态电压平衡方程为：式三、四中，J2为电机转子的转动惯量；b为阻尼系数；Kt为电机转矩常数；ij为线电流；uj为线电压；R为绕组等效线电阻；L为绕组等效电感；Ka为反电动势系数。上述方案中，所述步骤S2中通过系统降阶构造纵向力重构方程具体过程包括以下步骤：由式五、六、七联立可得：其中，J＝J1+J2，则电驱动轮模型的系统方程表示为：y＝Cx+Fv式九b其中，x，u，d，y，分别为系统状态量，已知输入，未知输入和测量值，w和v为互不相关的零均值白噪声序列；且有式九a展开可得：由式十b得纵向力的解析式为：设P＝D2-1，则纵向力的重构方程表示为：上述方案中，所述步骤S2中基于伦伯格观测器的系统状态估计具体包括以下步骤：式十二中，为状态量的观测值，设计伦伯格观测器如下：其中，构建一个新的变量：从而可得：令T＝I-DPC2，则有此时，式十三转化为针对式十七a含噪声的情况，设计卡尔曼滤波器KF1实现z的无偏估计，再由式十七b可估计得到上述方案中，所述步骤S2中还包括估计的步骤：由式十b可知：令从而可得：可设计高阶滑模观测器为：利用此高阶滑模观测器即可得到的微分根据式九设计卡尔曼滤波器KF2，将和作为已知输入，即可估计出驱动轮的纵向力Fxj。上述方案中，所述步骤S3基于纵向力观测器的车辆质心侧偏角鲁棒估计包括以下步骤：公式三中，考虑轮胎侧偏刚度由于时变特性带来的不确定因素，则式三可转化为：Fyf＝(Cf+ΔCf)αf,Fyr＝(Cr+ΔCr)αr式二十二其中，ΔCf和ΔCr为额外的非线性扰动；则二自由度车辆模型的离散化形式可表示为：其中ΔA和ΔH为由于系统不确定性导致的状态转移矩阵和测量矩阵的未知扰动；假设存在不确定性扰动Δ，满足Δ＜Δ0，且Δ,w和v是互不相干的变量，则：E(v)＝E(w)＝0,var(v)＝R,var(w)＝P式二十四如果满足：z＝(H+Δ)(x+w)+v式二十五得到：由式二十三可以推导出：z＝Hx+Hw+Δx+Δw+v式二十七从而：var(z)＝var(Hx)+var(Hw)+var(Δx)+var(Δw)+var(v)式二十八其中，var(Hx)＝0,var(Hw)＝HPHT，因此，得到：上述方案中，所述步骤S3中用于质心侧偏角估计的鲁棒卡尔曼滤波设计的包括以下步骤：步骤S3a、得到系统状态的一步预测信息：x(k|k-1)＝Ax(k-1)式三十其中，x(k)的信息矩阵表示为：步骤S3b、根据式二十九的分析结果，可到测量值z(k)的信息矩阵为：步骤S3c、通过融合系统状态x(k)的一步预测信息和测量值，得到最优估计x(k)及其信息矩阵分别为：与现有技术相比，本专利技术的有益效果是：(1)本专利技术提出了一种纵向力观测器设计方法，充分利用了分布式驱动电动汽车的电驱动特性，所设计的纵向力观测器能够有效处理含未知输入系统的不确定性，同时可以解决噪声的影响，具有较高的估计精度和可靠性。(2)本专利技术在纵向力估计的基础上，通过信息联合，考虑实际行驶时模型参数摄动的情况，设计了质心侧偏角鲁棒卡尔曼滤波估计方法，提高了扰动情况下的质心侧偏角估计的鲁棒性降低了估计成本。附图说明图1是基于纵向力观测器的质心侧偏角鲁棒估计示意图。图2是纵向力观测器设计原理图。其中，图2中的KF代表卡尔曼滤波，HSMO代表高阶滑模观测器，D和P为矩阵。图3是四个车轮的纵向力估计仿真结果。图3a是左前轮纵向力估计仿真结果、图3b右前轮纵向力估计仿真结果、图3c左后轮纵向力估计仿真结果和图3d右后轮纵向力估计仿真结果。图4a是横摆角速度估计仿真结果，图4b是质心侧偏角估计仿真结果。图5是纵向力估计实验结果。图6a是横摆角速度估计实验结果，图6b是质心侧偏角估计实验结果。具体实施方式下面结合附图和具体实本文档来自技高网...

【技术保护点】
1.一种基于纵向力观测器的车辆质心侧偏角鲁棒估计方法，其特征在于，包括以下步骤：步骤S1、建立二自由度车辆模型和电驱动轮模型；步骤S2、纵向力观测器设计，首先通过系统降阶构造纵向力重构方程，针对直驱轮毂电机系统含有未知输入和噪声的情况，通过对直驱电机系统降阶处理实现系统的解耦，从而得到纵向力的解析重构方程：

【技术特征摘要】
1.一种基于纵向力观测器的车辆质心侧偏角鲁棒估计方法，其特征在于，包括以下步骤：步骤S1、建立二自由度车辆模型和电驱动轮模型；步骤S2、纵向力观测器设计，首先通过系统降阶构造纵向力重构方程，针对直驱轮毂电机系统含有未知输入和噪声的情况，通过对直驱电机系统降阶处理实现系统的解耦，从而得到纵向力的解析重构方程：通过纵向力的重构方程先基于伦伯格观测器设计系统状态估计器，得到的估计量；再根据待估计量含有微分的特点，基于高阶滑模观测器实现子系统状态量的微分的估计；步骤S3、基于纵向力观测器的车辆质心侧偏角鲁棒估计，根据所述步骤S2的纵向力观测器设计方法，设计纵向力观测器来实时估计车轮的纵向力，并将该纵向力估计值作为计算车辆横摆力矩的输入量，且设计鲁棒卡尔曼滤波进行车辆质心侧偏角估计；步骤S4、仿真验证和实验验证。2.根据权利要求1所述基于纵向力观测器的车辆质心侧偏角鲁棒估计方法，其特征在于，所述步骤S1中二自由度车辆模型的建立包括以下步骤：建立二自由度的单轨车辆动力学模型，动力学方程为：式中，vx为纵向车速，vy为侧向车速，γ为横摆角速度，β为质心侧偏角，Cf、Cr分别为前后轮胎的侧偏刚度，m为汽车质量，Iz为绕z轴的转动惯量，lf、lr分别为质心距前轴和后轴的距离；ΔMz为四轮轮胎纵向力产生的额外横摆力矩，表示为：ΔMz＝(Fx2-Fx1)bfcosδ+(Fx1+Fx2)lfsinδ+(Fx4-Fx3)br式二式中bf、br为半轮距，Fxj(j＝1,2,3,4)为编号为j的轮胎所具有的纵向力，编号1、2、3、4分别代表左前轮、右前轮、左后轮和右后轮；前后横向轮胎力表示为：Fyf＝Cfαf,Fyr＝Crαr式三前后轮轮胎侧偏角为：αf＝δf-lfγ/vx-βαr＝lrγ/vx-β式四。3.根据权利要求2所述基于纵向力观测器的车辆质心侧偏角鲁棒估计方法，其特征在于，所述步骤S1中电驱动轮模型的建立包括以下步骤：单个车轮的旋转动力学方程为：式中，ωj为纵向力Fxj所对应车轮的转速；J1为车轮转动惯量；r为车轮有效半径；TLj为安装于车轮内轮毂电机的负载力矩；轮毂电机输出轴上的转矩平衡方程为：轮毂电机等效电路的动态电压平衡方程为：式三、四中，J2为电机转子的转动惯量；b为阻尼系数；Kt为电机转矩常数；ij为线电流；uj为线电压；R为绕组等效线电阻；L为绕组等效电感；Ka为反电动势系数。4.根据权利要求3所述基于纵向力观测器的车辆质心侧偏角鲁棒估计方法，其特征在于，所述步骤S2中通过系统降阶构造纵向力重构方程具体过程包括以下步骤：由式五、六、七联立可得：其中，...

【专利技术属性】
技术研发人员：陈特，陈龙，徐兴，蔡英凤，江昕炜，江浩斌，
申请(专利权)人：江苏大学，
类型：发明
国别省市：江苏,32