一种电动汽车质心侧偏角与轮胎侧向力联合估计方法技术

本发明专利技术公开了一种电动汽车质心侧偏角与轮胎侧向力联合估计方法，包括：步骤1，根据电动汽车的运动特性，构建纵向、横向、横摆的非线性三自由度车辆动力学模型，并搭建轮胎力估计动力学模型；步骤2，构建自适应滑膜观测器来估计轮胎侧向力，得到实时轮胎侧向力；步骤3，搭建无迹卡尔曼滤波器，并将实时轮胎侧向力输入无迹卡尔曼滤波器中；步骤4，引入最大相关熵准则，构造最大相关熵无迹卡尔曼滤波器，引入原子搜索优化算法对最大相关熵无迹卡尔曼滤波器进行非高斯噪声寻优处理，得到搭建完成的最终滤波器，通过搭建完成的滤波器对车辆质心侧偏角的实时估计。本发明专利技术能够实现电动汽车的质心侧偏与轮胎侧向有效实时估计。心侧偏与轮胎侧向有效实时估计。心侧偏与轮胎侧向有效实时估计。

【技术实现步骤摘要】
一种电动汽车质心侧偏角与轮胎侧向力联合估计方法


[0001]本专利技术涉及电动汽车
，特别是涉及一种电动汽车质心侧偏角与轮胎侧向力联合估计方法。

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。与传统车辆相比，电动汽车的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]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。然而，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，导致车辆状态参数信息难以直接测量。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，如质心侧偏角与轮胎侧向力，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电动汽车质心侧偏角与轮胎侧向力联合估计方法，以实现电动汽车的质心侧偏与轮胎侧向有效实时估计。
[0005]一种电动汽车质心侧偏角与轮胎侧向力联合估计方法，包括：步骤1，根据电动汽车的运动特性，构建纵向、横向、横摆的非线性三自由度车辆动力学模型，并搭建轮胎力估计动力学模型；步骤2，基于步骤1中构建的轮胎力估计动力学模型，构建自适应滑膜观测器来估计轮胎侧向力，得到实时轮胎侧向力；步骤3，基于步骤1中构建的非线性三自由度车辆动力学模型，搭建无迹卡尔曼滤波器，并将步骤2中估计的实时轮胎侧向力输入无迹卡尔曼滤波器中；步骤4，结合步骤1中构建的非线性三自由度车辆动力学模型与步骤2中自适应滑膜观测器估计的实时轮胎侧向力，对步骤3中构建的无迹卡尔曼滤波器引入最大相关熵准则，构造最大相关熵无迹卡尔曼滤波器，引入原子搜索优化算法对最大相关熵无迹卡尔曼滤波器进行非高斯噪声寻优处理，得到搭建完成的最终滤波器，通过搭建完成的滤波器对车辆质心侧偏角的实时估计。
[0006]根据本专利技术提供的电动汽车质心侧偏角与轮胎侧向力联合估计方法，具有以下有益效果：1、本专利技术综合考虑电动汽车的纵向、横向、横摆运动，建立三自由度车辆动力学模型和轮胎力估计动力学模型，通过建立自适应滑膜观测器对轮胎侧向力进行估计，并通过原子搜索优化算法优化最大相关熵无迹卡尔曼滤波器，从而对电动汽车的质心侧偏角进行实时估计；2、不同于一般的无迹卡尔曼滤波算法和扩展卡尔曼滤波算法，本专利技术采用原子搜索优化算法优化最大相关熵无迹卡尔曼滤波器，对建立的汽车动力学系统模型状态进行实
时估计，考虑多工况下行驶的电动汽车动力学模型是一个非线性的系统，传统的无迹卡尔曼滤波算法和扩展卡尔曼滤波算法估计精度不高，因此，本专利技术在无迹卡尔曼滤波的基础上，采用最大相关熵准则对噪声的协方差矩阵进行约束，可以减弱滤波过程不稳定的影响，且采用原子搜索优化算法对非高斯噪声进行寻优处理，能够提高估计精度；3、采用本专利技术的方法，可以选择一些低成本的传感器作为滤波器的输入，降低了成本，同时估计过程基本不受车辆结构参数变化影响，具有较广的适用性和良好的鲁棒性。
附图说明
[0007]图1为本专利技术实施例的电动汽车质心侧偏角与轮胎侧向力联合估计方法；图2为本专利技术所提出的方法与传统无迹卡尔曼算法、真实值的对比图。
具体实施方式
[0008]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0009]请参阅图1，本专利技术的实施例提供了一种电动汽车质心侧偏角与轮胎侧向力联合估计方法，包括步骤1~步骤4：步骤1，根据电动汽车的运动特性，构建纵向、横向、横摆的非线性三自由度车辆动力学模型，并搭建轮胎力估计动力学模型。
[0010]其中，根据电动汽车的纵向运动、横向运动、横摆运动建立的非线性三自由度车辆动力学模型的方程如下式所示：动力学模型的方程如下式所示：动力学模型的方程如下式所示：动力学模型的方程如下式所示：其中，非线性三自由度车辆动力学模型的方程中四个车轮的纵向力通过下式计算：其中，为车轮的纵向力，o=q时表示前轮，o=h时表示后轮，j=l时表示左轮，j=r时表示右轮；为车辆纵向速度；为轮胎纵向力；为轮胎侧向力；为横摆角速度；m为电动汽车总质量；a为前轴到质心的距离；b为后轴到质心的距离；为前轮转角；为纵向加速度；为侧向加速度；为绕z轴的转动惯量；为质心侧偏角；和分别为车辆前轴和后轴的轮距；为对所示量的微分；为车轮驱动力矩；为车轮转速；J为车轮转动
惯量；为车轮滚动半径。
[0011]步骤1中，搭建的轮胎力估计动力学模型的表达式为：其中，为车辆的横向速度，和分别表示前轮的总纵向力和总横向轮胎力，表示后轮的总横向力；轮胎力估计动力学模型中轮胎垂直力的计算公式为：轮胎力估计动力学模型中轮胎垂直力的计算公式为：轮胎力估计动力学模型中轮胎垂直力的计算公式为：轮胎力估计动力学模型中轮胎垂直力的计算公式为：其中，、、、分别表示前左轮、前右轮、后左轮、后右轮的轮胎垂向力，为簧下质量；为簧上质量；为重心高度，为重力加速度。
[0012]步骤2，基于步骤1中构建的轮胎力估计动力学模型，构建自适应滑膜观测器来估计轮胎侧向力，得到实时轮胎侧向力。
[0013]构建的自适应滑膜观测器的表达式为：其中，和分别表示最终估计的前轮和后轮轮胎侧向力，和分别是前轮和后轮对应的自适应滑膜观测器的反馈增益，和分别表示前轮和后轮的滑膜增益系数，和分别为估计的前轮和后轮总侧向力，是横摆角速度的估计值，和分别表示前轮和后轮侧向力滑膜观测器的反馈增益；为饱和函数；得到的实时轮胎侧向力的计算公式为：
其中，、、、分别为前左轮、前右轮、后左轮、后右轮的实时轮胎侧向力。
[0014]步骤3，基于步骤1中构建的非线性三自由度车辆动力学模型，搭建无迹卡尔曼滤波器，并将步骤2中估计的实时轮胎侧向力输入无迹卡尔曼滤波器中。
[0015]其中，搭建无迹卡尔曼滤波器具体包括：根据非线性三自由度车辆动力学模型，建立质心侧偏角估计状态方程与测量方程，表达式如下：其中，为状态变量，为测量变量，为输入变量，f为非线性状态函数，h为测量函数，和分别为无迹卡尔曼滤波器的状态噪声和测量噪声；将质心侧偏角、横摆角速度作为状态量，横摆角速度作为测量量，前轮转角、纵向车速、四个车轮的纵向力、四个车轮的侧向力作为控制量。
[0016]步骤4，结合步骤1中构建的非线性三自由度车辆动力学模型与步骤2中自适应滑膜观测器估计的实时轮胎侧向力，对步骤3中构建的无迹卡尔曼滤波器引入最大相关熵准则，构造最大相关熵无迹卡尔曼滤波器，引入原子搜索优化算法对最大相关熵无迹卡尔曼滤波器进行非高斯噪声寻优处理，得到搭建完成的最终滤波器，通过搭建完成的滤波器对车辆质心侧偏角的实时估计。
[0017]其中，步骤4具体包括：定义非线性离散时间系统模型为：其中，为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电动汽车质心侧偏角与轮胎侧向力联合估计方法，其特征在于，包括：步骤1，根据电动汽车的运动特性，构建纵向、横向、横摆的非线性三自由度车辆动力学模型，并搭建轮胎力估计动力学模型；步骤2，基于步骤1中构建的轮胎力估计动力学模型，构建自适应滑膜观测器来估计轮胎侧向力，得到实时轮胎侧向力；步骤3，基于步骤1中构建的非线性三自由度车辆动力学模型，搭建无迹卡尔曼滤波器，并将步骤2中估计的实时轮胎侧向力输入无迹卡尔曼滤波器中；步骤4，结合步骤1中构建的非线性三自由度车辆动力学模型与步骤2中自适应滑膜观测器估计的实时轮胎侧向力，对步骤3中构建的无迹卡尔曼滤波器引入最大相关熵准则，构造最大相关熵无迹卡尔曼滤波器，引入原子搜索优化算法对最大相关熵无迹卡尔曼滤波器进行非高斯噪声寻优处理，得到搭建完成的最终滤波器，通过搭建完成的滤波器对车辆质心侧偏角的实时估计。2.根据权利要求1所述的电动汽车质心侧偏角与轮胎侧向力联合估计方法，其特征在于，步骤1中，根据电动汽车的纵向运动、横向运动、横摆运动建立的非线性三自由度车辆动力学模型的方程如下式所示：力学模型的方程如下式所示：力学模型的方程如下式所示：力学模型的方程如下式所示：其中，非线性三自由度车辆动力学模型的方程中四个车轮的纵向力通过下式计算：其中，为车轮的纵向力，o=q时表示前轮，o=h时表示后轮，j=l时表示左轮，j=r时表示右轮；为车辆纵向速度；为轮胎纵向力；为轮胎侧向力；为横摆角速度；m为电动汽车总质量；a为前轴到质心的距离；b为后轴到质心的距离；为前轮转角；为纵向加速度；为侧向加速度；为绕z轴的转动惯量；为质心侧偏角；和分别为车辆前轴和后轴的轮距；为对所示量的微分；为车轮驱动力矩；为车轮转速；J为车轮转动惯量；为车轮滚动半径。3.根据权利要求2所述的电动汽车质心侧偏角与轮胎侧向力联合估计方法，其特征在于，步骤1中，搭建的轮胎力估计动力学模型的表达式为：其中，为车辆的横向速度，和分别表示前轮的总纵向力和总横向轮胎力，表示后轮的总横向力；
轮胎力估计动力学模型中轮胎垂直力的计算公式为：轮胎力估计动力学模型中轮胎垂直力的计算公式为：轮胎力估计动力学模型中轮胎垂直力的计算公式为：轮胎力估计动力学模型中轮胎垂直力的计算公式为：其中，、、、分别表示前左轮、前右轮、后左轮、后右轮的轮胎垂向力，为簧下质量；为簧上质量；为重心高度，为重力加速度。4.根据权利要求3所述的电动汽车质心侧偏角与轮胎侧向力联合估计方法，其特征在于，步骤2中，构建的自适应滑膜观测器的表达式为：其中，和分别表示最终估计的前轮和后轮轮胎侧向力，和分别是前轮和后轮对应的自适应滑膜观测器的反馈增益，和分别表示前轮和后轮的滑膜增益系数，和分别为估计的前轮和后轮总侧向力，是横摆角速度的估计值，和分别表示前轮和后轮侧向力滑膜观测器的反馈增益；为饱和函数；得到的实时轮胎侧向力的计算公式为：得到的实时轮胎侧向力的计算公式为：得到的实时轮胎侧向力的计算公式为：得到的实时轮胎侧向力的计算公式为：其中，、、、分别为前左轮、前右轮、后左轮、后右轮的实时轮胎侧向力。
5.根据权利要求4所述的电动汽车质心侧偏角与轮胎侧向力联合估计方法，其特征在于，步骤3中，搭建无迹卡尔曼滤波器具体包括：根据非线性三自由度车辆动力学模型，建立质心侧偏角估计状态方程与测量方程，表达式如下：其中，为状态变量，为测量变量，为输入变量，f为非线性状态函数，h为测量函数，和分别为无迹卡尔曼滤波器的状态噪声和测量噪声；将质心侧偏角、横摆角速度作为状态量，横摆角速度作为测量量，前轮转角、纵向车速、四个车轮的纵...

【专利技术属性】
技术研发人员：陈齐平，于炳浩，江志强，徐昭，熊祖琪，朱祖伟，王富强，曾德全，胡一明，罗佳旭，
申请(专利权)人：江西交通职业技术学院，
类型：发明
国别省市：