一种四轮分布式电驱动汽车状态估计方法技术

本发明专利技术提供一种四轮分布式电驱动汽车状态估计方法，本发明专利技术考虑四轮分布式电驱动汽车的运动，建立三自由度车辆动力学模型，以四轮分布式电驱动汽车实时反馈的行驶参数为模型输入量，利用系统输入参数、车辆结构参数、实时测量参数，本发明专利技术充分考虑了分布式驱动电动汽车车辆参数即时反馈的特性和对系统非高斯噪声的寻优能力，同时模型考虑车辆的纵向运动、横向运动和横摆运动，可以较为准确的反映分布式驱动电动汽车在各种工况下的行驶特点，本发明专利技术采用改进非洲秃鹫算法对最大相关熵平方根容积卡尔曼滤波器的非高斯噪声自适应寻优，可以一定程度上减弱滤波过程不稳定的影响，并使得估计精度有所提高。得估计精度有所提高。得估计精度有所提高。

【技术实现步骤摘要】
一种四轮分布式电驱动汽车状态估计方法


[0001]本专利技术涉及电动汽车
，特别是涉及一种四轮分布式电驱动汽车状态估计方法。

技术介绍

[0002]电动汽车具有节能环保的优点，是实现汽车能源转型的重要手段。四轮分布式电驱动汽车是电动汽车发展的主要类型。与传统车辆相比，其制动力矩和驱动力矩可独立控制，动力传递效率高，更容易实现车辆主动安全控制，是未来汽车的发展方向。
[0003]然而，车辆主动安全控制系统的控制和决策的前提是准确地获取车辆状态参数信息。由于技术限制或部分传感器价格昂贵，或信号受外界干扰影响较大，难以直接测量。因此，如何根据部分现有低成本的传感器来准确的估计这些不易测量状态参数，如质心侧偏角，是本领域技术人员需要解决的技术问题。

技术实现思路

[0004]本专利技术的目的在于提供一种四轮分布式电驱动汽车状态估计方法，以实现四轮分布式电驱动汽车状态的有效实时估计。
[0005]一种四轮分布式电驱动汽车状态估计方法，包括以下步骤：步骤1，根据分布式电驱动汽车的运动特性，构建纵向、横向、横摆非线性三自本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种四轮分布式电驱动汽车状态估计方法，其特征在于，包括以下步骤：步骤1，根据分布式电驱动汽车的运动特性，构建纵向、横向、横摆非线性三自由度车辆动力学模型，并根据非线性三自由度车辆模型构建状态空间方程；步骤2，基于步骤1中构建的状态空间方程，将平方根容积卡尔曼滤波器与车辆动力学系统对接，建立非线性系统的平方根容积卡尔曼滤波器的离散状态方程和观测方程，确定平方根容积卡尔曼滤波器的待估计量、输入量和观测量，并采用平方根滤波的方式对平方根容积卡尔曼滤波器进行待估计参数的修正及递推更新；步骤3，基于步骤2中构建的平方根容积卡尔曼滤波器，采用最大相关熵准则作为优化标准，构建最大相关熵平方根容积卡尔曼滤波器；步骤4，获取改进的非洲秃鹫算法，并对基于步骤3构建的最大相关熵平方根容积卡尔曼滤波器的非高斯噪声进行寻优处理，通过改进的非洲秃鹫算法优化最大相关熵平方根容积卡尔曼滤波器，最终实现四轮分布式电驱动汽车状态参数的最优估计。2.根据权利要求1所述的四轮分布式电驱动汽车状态估计方法，其特征在于，步骤1中，根据分布式电驱动汽车的纵向运动、横向运动、横摆运动建立的非线性三自由度车辆动力学方程如下式所示：其中，、分别为车辆横摆角速度、质心侧偏角；表示前轮转角；v
x
、a
x
、a
y
分别表示车辆纵向速度、纵向加速度、侧向加速度；k1、k2分别为车辆前轴、后轴的等效侧偏刚度；a、b分别为前轴到质心的距离、后轴到质心的距离；I
z
为质心的转动惯量；m为整车质量；表示对所示量的微分；建立的非线性三自由度车辆模型的状态空间方程如下式所示：。3.根据权利要求2所述的四轮分布式电驱动汽车状态估计方法，其特征在于，步骤2具
体包括：构建非线性系统的平方根容积卡尔曼滤波器的离散状态方程、观测方程如下式所示：其中，为k时刻的状态变量，，T表示转置操作；为k时刻的控制变量，；为k时刻的观测变量，；为k
‑
1时刻的状态变量；为k
‑
1时刻的控制变量；f为离散状态方程的演化方程；h为观测方程的演化方程，和分别为具有零均值的不相关过程噪声和量测噪声；采用前向欧拉离散方法，得到离散后的状态方程及量测方程，如下式所示：其中，、分别为k时刻车辆横摆角速度、质心侧偏角；、分别表示k时刻车辆纵向速度、侧向加速度；、分别为k
‑
1时刻车辆横摆角速度、质心侧偏角；、、分别表示k
‑
1时刻车辆纵向速度、纵向加速度、侧向加速度；表示k
‑
1时刻车辆前轮转角；将离散后的状态方程及量测方程引入平方根容积卡尔曼滤波器中，进行预测和更新。4.根据权利要求3所述的四轮分布式电驱动汽车状态估计方法，其特征在于，将离散后的状态方程及量测方程引入平方根容积卡尔曼滤波器中，进行预测和更新具体包括：1）预测：在k时刻，定义是k
‑
1时刻状态协方差矩阵的平方根，是过程噪声的协方差的平方根因子，是量测噪声的协方差的平方根因子；状态容积点的计算：
其中，为状态容积点，是第i个容积点，，n为大于等于1的自然数，为k
‑
1时刻的状态估计值；状态容积点的传播：其中，为预测过程中容积点对应的预测值；先验状态和协方差矩阵的平方根由下式估计：其中，为根据k
‑
1时刻预计的k时刻的状态变量；其中，为根据k
‑
1时刻预计的k时刻的状态协方差矩阵的平方根，表示矩阵的三角分解，为状态向量的偏差矩阵；2）更新：量测容积点的计算：其中，为更新阶段重构的容积点对应的状态向量，为更新阶段根据k
‑
1时刻预计的k时刻的状态向量，为更新重构阶段k
‑
1时刻状态协方差矩阵的平方根；量测容积点的传播：其中，为量测更新过程中容积点对应的预测值；先验测量值和协方差矩阵的平方根由下式估计：其中，为根据k
‑
1时刻预计的k时刻的量测变量；其中，为根据k
‑
1时刻预计的k时刻的量测协方差矩阵，为量测向量的偏差矩阵；计算互协方差矩阵：其中，为量测向量的偏...

【专利技术属性】
技术研发人员：陈齐平，于炳浩，钟秤平，曾德全，游道亮，黄厚望，皮思源，陈清爽，徐仕华，杨雪澜，
申请(专利权)人：江铃汽车股份有限公司，
类型：发明
国别省市：