【技术实现步骤摘要】
一种智能电动汽车路面附着系数估计方法
[0001]本专利技术涉及电动汽车
,特别是涉及一种智能电动汽车路面附着系数估计方法
。
技术介绍
[0002]随着信息和人工智能技术的进步和发展,智能电动汽车越来越受到人们的关注,智能电动汽车具有节能环保
、
高安全性等优点,是目前实现汽车能源转型的重要手段
。
其中汽车行驶过程中的主动安全控制是核心问题之一,主动安全控制的首要前提是准确获得汽车当前的状态等重要参数
。
[0003]主动安全控制的首要前提是获得汽车行驶过程中的路面附着系数,然而路面附着系数无法通过传感器直接测量,因此,如何根据现有的传感器来准确的估计难以测量的路面附着系数,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智能电动汽车路面附着系数估计方法,以实现路面附着系数的有效实时估计
。
[0005]一种智能电动汽车路面附着系数估计方法,包括以下步骤:步骤1,根据智能电动汽车的运动特性,构建纵向
、
横向
、
横摆非线性三自由度车辆动力学模型;步骤2,基于步骤1中构建的三自由度车辆动力学模型,构建
Dugoff
轮胎模型,通过
Dugoff
轮胎模型计算出轮胎力,并对
Dugoff
轮胎模型计算的轮胎力进行归一化处理;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,搭建广义高阶 ...
【技术保护点】
【技术特征摘要】
1.
一种智能电动汽车路面附着系数估计方法,其特征在于,包括以下步骤:步骤1,根据智能电动汽车的运动特性,构建纵向
、
横向
、
横摆非线性三自由度车辆动力学模型;步骤2,基于步骤1中构建的三自由度车辆动力学模型,构建
Dugoff
轮胎模型,通过
Dugoff
轮胎模型计算出轮胎力,并对
Dugoff
轮胎模型计算的轮胎力进行归一化处理;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,搭建广义高阶容积卡尔曼滤波器,并将步骤2中归一化后的轮胎力输入到广义高阶容积卡尔曼滤波器中;步骤4,基于步骤3中构建的广义高阶容积卡尔曼滤波器,引入最大相关熵准则,对测量阶段的噪声协方差和误差协方差进行迭代更新,搭建最大相关熵广义高阶容积卡尔曼滤波器,通过最大相关熵广义高阶容积卡尔曼滤波器对路面附着系数进行实时估计
。2.
根据权利要求1所述的智能电动汽车路面附着系数估计方法,其特征在于,步骤1中,构建的纵向
、
横向
、
横摆非线性三自由度车辆动力学模型的表达式如下:;;;其中,
m
为车辆总质量;
r
为横摆角速度;为前轮转角;
、、、
分别表示左前轮
、
右前轮
、
左后轮
、
右后轮的纵向力;
、、、
分别表示左前轮
、
右前轮
、
左后轮
、
右后轮的横向力;为车辆质心绕
z
轴的转动惯量;和分别为前轮距和后轮距;和分别为质心距离前轴和质心距离后轴的距离;为纵向加速度;为侧向加速度
。3.
根据权利要求2所述的智能电动汽车路面附着系数估计方法,其特征在于,步骤2具体包括:采用
Dugoff
轮胎模型计算轮胎纵向力与横向力,计算公式为:;;;;其中,表示车轮的纵向力,表示车轮的横向力,表示车轮的轮胎垂向力,表示车轮的路面附着系数,表示归一化的车轮的纵向力,表示归一化的车轮的横向
力,表示车轮的滑移率,表示车轮的侧偏角,
qj=fl
表示左前轮,
qj=fr
表示右前轮,
qj=rl
表示左后轮,
qj=rr
表示右后轮;是车轮的纵向刚度;是车轮的横向刚度;表示过程变量函数;表示过程变量参数;表示速度影响因子;为车辆纵向车速
。4.
根据权利要求3所述的智能电动汽车路面附着系数估计方法,其特征在于,步骤3中,搭建广义高阶容积卡尔曼滤波器具体包括: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中归一化的轮胎力,设定非线性系统的状态方程和测量方程为:其中,表示
k
时刻的状态变量,,
T
表示转置;表示
k
‑1时刻的状态变量;表示
k
‑1...
【专利技术属性】
技术研发人员:陈齐平,于炳浩,庞宏宇,江志强,舒强,傅王梁,钟颖强,朱祖伟,胡一明,曾德全,
申请(专利权)人:江西交通职业技术学院宜春同驭汽车科技有限公司,
类型:发明
国别省市:
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。