摘要：针对无人驾驶汽车在横坡弯道处因发生偏离期望轨迹甚至严重侧滑而失去稳定性的问题,提出质心侧偏角动态自适应控制策略。为应对汽车垂直载荷发生变化而导致轮胎侧偏刚度改变的情况,通过多组数据拟合得到载荷匹配图,进而设计基于模型预测算法的横向轨迹跟踪控制器,根据汽车入弯速度选择预测时域并结合道路弯度选择瞬态、稳态质心侧偏角,通过在线优化生成最佳前轮转角。最后搭建CarSim/Simulink联合在线仿真系统和实车系统进行验证,结果表明:所提控制策略能够保证汽车在横坡倾角为7%左右及弯道路面下不会出现严重的侧滑,从而提高了无人驾驶汽车在横坡弯道跟踪任务中的跟踪精度,使汽车具有良好的横向稳定性。

摘要：针对传统质心侧偏角观测精度不高、实时性能差的问题,提出了一种基于CKF算法的质心侧偏角观测器。首先基于CKF算法结合Dugoff轮胎模型,实时观测路面附着系数,计算实时的轮胎力。再结合七自由度整车模型,基于CKF算法,实时、精确观测车辆的质心侧偏角。最后,利用Simulink/Carsim联合仿真验证平台和硬件在环平台进行仿真验证。试验结果表明,CKF算法相比与传统无迹卡尔曼滤波估计精度更高、实时性能更好,较好的改善了传统质心侧偏角观测器在非线性条件下的观测精度。

摘要：车辆质心侧偏角是表征车辆横向稳定性的重要参数之一,相关的估计方法研究可为整车稳定控制提供重要支撑。为提高车辆质心侧偏角估计效果,提出了一种基于冗余信息融合的质心侧偏角估计方法。分别建立了车辆动力学模型和运动学模型,利用容积卡尔曼滤波算法分别设计了用于车辆行驶状态估计的动力学模型估计器和运动学模型估计器,同时,分析了动力学模型估计器和运动学模型估计器的内在特性和适用范围,并在此基础上提出了基于冗余信息融合的车辆质心侧偏角估计方法,从而通过自适应权重动态调节的方式来充分结合动力学模型估计器和运动学模型估计器的优点。进行了CarSim-Simulink联合仿真测试与实车道路试验,结果表明,所设计的车辆质心侧偏角估计方法能有效提高车辆状态估计精度和多工况适应能力。

摘要：车辆质心侧偏角和路面附着系数是实现车辆底盘智能化所需要的关键参数.车辆质心侧偏角对于提高车辆安全性和操控性至关重要,轮胎-路面附着系数决定轮胎力的峰值,进而确定汽车的动力学稳定性边界.本文针对四轮独立驱动电动汽车提出了一种基于惯性测量单元、轮毂电机内置转速/转角传感器的车辆质心侧偏角和路面附着系数动态联合估计方法.对四轮独立驱动电动汽车进行车辆动力学分析,结合Dugoff轮胎计算模型得到车辆质心侧偏角估计器;利用机器学习中高维数据降维PCA多元分析方法,提取主元特征参数,建立路面附着系数估计器.采用可自适应调节网络结构的双径向基神经网络和扩展卡尔曼滤波DRBF-EKF方法,通过K-means算法改进RBF神经网络结构,扩展卡尔曼滤波进行噪声滤波提高估计精度,实现车辆质心侧偏角和路面附着系数的动态联合估计.通过仿真和实车实验表明,所设计的DRBF-EKF动态联合估计器实时性和估计精度均优于扩展卡尔曼滤波算法,可以适应车辆行驶过程中路面附着特性与车速的变化,表现出较强的鲁棒性;与DRBF方法相比,显著提高了估计精度;并且分析了可以同时满足估计精度和实时性要求的最佳隐含层神经元个数.

摘要：准确可靠的车辆行驶状态信息对于车辆路径跟踪和稳定性控制都十分重要。针对车辆质心侧偏角软测量问题,提出了一种基于自适应容积卡尔曼滤波(Adaptive Cubature Kalman Filter,ACKF)的车辆质心侧偏角耦合估计方法。建立了三自由度车辆动力学模型、轮胎模型和轮速耦合模型,基于ACKF设计了智能车行驶状态估计方法,其中在ACKF中设计了含自适应渐消矩阵的滤波增益,用来提高估计结果对于测量噪声的自适应性。此外,将轮速耦合关系应用到ACKF的测量更新中,利用传感器测量信息的冗余度提高估计结果的精度与可靠性。进行了基于CarSim/Simulink联合仿真模型的仿真试验,结果表明,所提出的估计方法在实际应用中整体估计精度相比EKF分别提升了9.83%和7.12%。

摘要：为准确估计全轮电驱动车辆行驶状态参数,设计了一种基于数据融合的质心侧偏角估计方法。该方法充分利用低成本普通车载传感器信息、电机输入信息和驾驶信号,在建立非线性3自由度车辆模型和轮胎模型基础上,采用无迹卡尔曼滤波算法对质心侧偏角进行估计;同时通过信号积分法估计质心侧偏角,结合车辆行驶工况和路面条件,将无迹卡尔曼滤波和信号积分两种算法结果进行了数据融合。基于硬件在环实时仿真平台进行了车辆操纵仿真验证,结果表明,提出的估计算法与单一估计算法相比,具有更高的观测精度,能够满足多种行驶工况下的质心侧偏角观测需求。

摘要：路面附着系数与车辆稳定性控制的效果紧密联系,因此有必要在考虑路面影响的情况下设计一种能够适用于多种路面的质心侧偏角控制策略。在7自由度非线性动力学模型的基础上,由车轮侧向力与路面附着的关系,分析不同路面对质心侧偏角控制的影响。根据路面附着系数的不同,通过定义极限边界和线性区域边界,设计变化的动态质心侧偏角安全边界。根据横摆角速度增益判断车辆是否处于非线性状态,并在有逼近安全边界的趋势时提前施加控制,以避免产生由车轮纵向力增加引起的侧向力减小所造成的加剧车辆侧滑的趋势。基于非线性输入的滑模控制算法设计质心侧偏角控制器。通过Matlab/Simulink仿真和实车试验验证了该控制方法能够在不同附着路面条件下的有效地保证汽车的行驶稳定性。

摘要：对于汽车侧偏角估计,现有非线性状态观测器反馈增益的设计大多采用解析法,但其仅适用于表达式较简单的轮胎模型。提出一种基于局部线性化设计状态观测器反馈增益的数值方法,使得采用精度更高、表达式更复杂的轮胎模型成为可能。将非线性系统在状态变量空间中离散化,采用数值计算获得若干个工作点处的反馈增益。为便于实时观测应用,这些离散的反馈增益值被拟合为关于状态变量的函数。在一个高精度的车辆动力学实时仿真环境中验证了所提出侧偏角估计方法的有效性及其对参数变化的鲁棒性。仿真结果表明,所提出估计方法估计精度较高,具有较好的鲁棒性。

摘要：车辆质心侧偏角是描述车辆侧向运动状态的重要变量之一,同时也很难准确估计.为此设计了基于运动学的直接积分法,基于扩展卡尔曼滤波的质心侧偏角估计算法和基于广义龙贝格观测器的质心侧偏角估计算法.对信号引入一定强度的噪声,通过多种典型工况对质心侧偏角估计算法进行调试与验证,分析不同算法的特点和工况适应性.直接积分法在长时间尺度下无可用性,但在极限工况下能较为快速地描述质心侧偏角变化趋势;卡尔曼滤波算法整体估计效果较好,但在一些动态工况存在估计偏差,且多为高估;龙贝格观测器算法在大部分工况都能获得良好效果,但在某些情况下存在估计偏差,且多为低估.

摘要：针对车用MEMS陀螺受成本限制,性能难以进一步提升并成为车身稳定控制系统瓶颈的问题,基于卡尔曼滤波算法融合多个陀螺的数据,结合该类型陀螺在真实场景下的实测误差值和差分法消除车载混杂噪声对于其真实量测值的影响。试验结果表明,相比于单个陀螺,由3个陀螺组成的虚拟陀螺在数据均方根误差上降低了49.74%;基于该虚拟陀螺技术设计了车辆质心侧偏角积分估计器,与采用单个陀螺相比,质心侧偏角估计误差降低了82.5%,可有效提升车辆在极限工况下的行驶稳定性,达到了车用MEMS陀螺仪成本与性能之间的良好平衡。