The invention discloses a EHB system pressure estimation method based on PSO optimization UKF, including steps: (1) establishing a dynamic model according to the working principle and characteristics of the automobile electronic controlled hydraulic brake (EHB) system; (2) the EHB dynamic model established according to step 1 determines the state equation, state vector, observation and measurement required in the algorithm. Observation equation. According to the strong nonlinearity of EHB and its time-varying characteristics, the UKF algorithm is applied to the EHB system. (3) the target function, the design variable and its boundary condition are determined, and the particle swarm algorithm is used to optimize the parameters of the UKF by iterative optimization. The invention expands the research direction of the EHB system, improves the adaptability of the EHB model and the precision of parameter estimation, and solves the problem of complicated parameter adjustment of the UKF algorithm.
【技术实现步骤摘要】
一种基于PSO优化UKF的EHB系统压力估计方法
本专利技术涉及参数估计领域,尤其是一种基于PSO优化UKF的EHB系统压力估计方法。
技术介绍
电控液压制动系统(EHB)系统对提高汽车主动安全具有重要意义,该系统具有高安全性,制动响应快等优点,还可以提供更为精确和快速的制动效能,通过对控制算法的调控还可以实现ABS,ESP等功能,使汽车更安全、高效。为了更深入的研究其工作状态,对EHB系统的压力进行估计。由于EHB系统具有强非线性,而时变性特点传统的参数估计如线性回归法,传统卡尔曼滤波,扩展卡尔曼滤波等方法适用于线性系统,在处理非线性问题时会出现估计结果不精确,发散等问题,而无迹卡尔曼滤波算法可以很好的对非线性系统进行参数估计,但无迹卡尔曼滤波算法中的参数对估计精度有很大影响,根据经验取值会对估计结果造成误差而且EHB系统是剧烈时变系统在不同的工作状态下其状态方程是不同的。针对EHB系统的工作特性提出一种粒子群优化的无迹卡尔曼滤波算法可以较好的解决上述问题。朱松豪等(申请号201610229366.5)将最小二乘法应用于轨迹预测,但该方法属于线性回归法,在处理非线性问题会存在较大问题;彭思敏等(申请号201510642746.7)根据串联电池特性将将无迹卡尔曼滤波算法应用于电池状态估计,解决了用EKF算法估计非线性系统的一系列问题,但由于无迹卡尔曼滤波算法所含参数较多,参数选取困难且会影响参数估计精度。
技术实现思路
专利技术目的:本专利技术的目的是提供一种基于PSO优化UKF的EHB系统压力估计方法,该方法解决了传统卡尔曼参数调节复杂,估计结果不精确的问题 ...
【技术保护点】
1.一种基于PSO优化UKF的EHB系统压力估计方法,其特征在于,包括步骤:(1)分别构建电控液压制动系统的动力学模型,包括状态方程和观测方程;其中,增压状态方程为:
【技术特征摘要】
1.一种基于PSO优化UKF的EHB系统压力估计方法,其特征在于,包括步骤:(1)分别构建电控液压制动系统的动力学模型,包括状态方程和观测方程;其中,增压状态方程为:减压状态方程为:观测方程为:Pw-c-new=PL+测量噪声式中,Pw-new为后一时刻的轮缸压力,PL为当前时刻的轮缸压力,Pm为蓄能器压力,Cd为节流孔的流量系数,A为节流孔的流通截面积,K为制动液的体积模量,V为进/出油阀与制动轮缸之间油管的体积之和,m为节流指数,T为采样周期,Pw-c-new为轮缸压力观测值;(2)根据步骤(1)构建的状态方程和观测方程,以m,PL为状态量,以PL为观测量,采用无迹卡尔曼算法模型进行状态估计,得到状态量和观测量的预测值;(3)以实际测得的PL以及PL估计值的差的平方和作为目标函数,并设定UKF各参数的边界条件;采用粒子群算法搜索满足目标函数和边界条件的UKF各参数的最优解;(4)将得到的UKF各参数的最优解代入无迹卡尔曼算法模型中,对无迹卡尔曼算法模型进行修正,通过修正后的无迹卡尔曼算法模型估算轮缸压力。2.根据权利要求1所述的一种基于PSO优化UKF的EHB系统压力估计方法,其特征在于,所述步骤(2)的具体步骤包括:(2-1)将步骤(1)中动力学模型描述为:Y(t+1)=f(y(t),W(t))Z(t)=h(y(t),V(t))其中,Y表示状态量UT变换后的点集;f()是非线性状态方程函数...
【专利技术属性】
技术研发人员:金智林,周乾,严正华,赵万忠,陈国钰,
申请(专利权)人:南京航空航天大学,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。