- 先进电动汽车状态估计与辨识
- 李克强 罗禹贡 陈慧等
- 2334字
- 2020-11-28 23:15:25
1.3 本书涉及的车辆状态估计与参数辨识方法
本书将介绍高性能分布式驱动电动汽车多源信息融合的车辆状态估计与参数辨识方法。
1.3.1 所需解决的关键科学问题
本书拟解决的关键科学问题是基于复杂工况的非线性时变系统自适应参数估计理论与方法,揭示影响分布式驱动电动汽车状态参数估计及轮胎路面附着特征参数辨识优劣的机理,研究行驶工况及车辆参数变化与估计及辨识优劣之间定量关系的分析理论。该科学问题的解决有助于建立综合性能最优的分布式驱动电动汽车估计与参数辨识方法。高性能分布式驱动电动汽车是一个复杂的非线性时变系统,其运行的道路交通环境更是复杂多变。而目前广泛应用于传统内燃机车辆参数估计的方法大都是基于简化的线性时不变系统进行研究,再加以非线性修正和时变补偿。同时针对复杂多变的道路交通环境,通常采用基于大量匹配数据库的多工况切换估计系统状态参数的方法。如何构建车辆非线性时变系统的数学模型,对复杂工况下车辆状态参数变化特性进行准确的数学描述,并针对该参数变化特性选择合适的自适应理论与方法,最终建立复杂道路交通环境下针对车辆动力学参数估计的非线性时变系统自适应参数估计理论与方法,解决目前研究的理论瓶颈,将是本书研究的重点。
1.3.2 研究方法概述
本书针对分布式驱动电动汽车这一新的研究对象,以车辆状态参数估计为核心研究内容,以提高估计精度和扩大适用范围为研究目的,以充分利用分布式驱动电动汽车轮毂电机转矩信息为研究手段,从运动学估计和动力学估计的融合方法着手,应用非线性系统辨识方法,对车辆状态参数估计问题进行深入研究,分别设计了质心侧偏角融合估计器、纵向车速融合估计器和路面峰值附着系数融合估计器,构建了车辆状态及参数估计系统,如图1-3所示。
图1-3 基于多信息与多方法融合的状态参数估计系统
具体分为以下四部分介绍:
1.多传感器信息融合
首先阐述了不同传感器系统所对应的不同量测坐标系间的转换关系,建立了GPS与INS的误差模型,分析INS和GPS具有互补性质的误差特性。在此基础上,利用GPS量测误差不会随时间产生累积效应,采用卡尔曼滤波算法对横摆角速度传感器以及纵向与横向加速度传感器的偏差进行估计,并利用INS的短期高精度性特征对GPS量测噪声的协方差矩阵进行自适应估计。
2.车速及质心侧偏角状态观测器
本书采用了运动学和动力学多方法融合式的车速及质心侧偏角观测器。所设计的状态观测器结构如图1-4所示。
图1-4 状态观测器结构示意图
运动学估计方法中,结合多传感器融合处理后的INS和GPS信息,并综合考虑电机控制器提供的轮速信号ω,估计出车辆的纵向速度及质心侧偏角。
动力学估计方法以驾驶人对加速踏板以及转向盘的操作αpedal和转角δ作为输入,通过多自由度车辆模型和动态魔术轮胎模型建立状态递推方程,利用电机控制器提供的各轮转矩Twy、转速ω信号和INS提供的纵横向加速度信号建立量测方程,搭建无味粒子滤波器,并通过对量测噪声的自适应调节提高无味粒子滤波器的估计精度,得到动力学方法的质心侧偏角估计结果。
为了能够充分利用运动学估计方法和动力学估计方法的优势,避免它们的劣势,扩大工况应用范围,采用了基于组合式融合方法的信息融合规则。从频域的角度,将车辆姿态对转向输入的动态响应工况分为高频响应部分和低频响应部分,在低频范围内,基于动力学方法的估计结果对最终估计结果起主要作用,此时,估计结果对传感器偏置误差和路面横向坡度角是鲁棒的。在高频响应阶段,运动学方法的估计结果起主要作用,此时,估计结果对模型误差的鲁棒性加强,并且对质心侧偏角的动态变化估计更准确。
3.参数自适应观测器
对整车质量和轮胎侧偏刚度进行实时估计以校准估计器中模型参数,还针对过程噪声方差矩阵Q和量测噪声方差矩阵R进行估计和自适应调整,对路面坡度角和车身俯仰角对加速度计造成的影响估计出来并进行补偿。
4.路面附着系数观测器
搭建简单且精度高的轮胎模型,通过模块化估计各轮胎的纵/侧/垂向力、侧偏角、滑移率,最后采用非线性无味卡尔曼滤波器实现附着系数的估计;通过引入该观测系统非线性可观性矩阵指数概念,来定量评价附着系数的可观性;当在小滑移率和小侧偏角条件下附着系数不可观时,采用频域观测方法,首先推导出电机车轮系统频响函数,通过分析路面附着系数对该函数的影响规律,利用合适的自回归参数辨识方法,实现在不估计滑移率和侧偏角的前提下的附着系数估计;为进一步提高单方向估计方法在复合工况下的适用性,本书提出了利用误差融合的思想,将分别利用纵侧向信息估计得到的两个附着系数估计结果通过加权融合,得到精度更高的结果。
1.3.3 本书提出方法的特点
1)对目前车辆状态估计的研究现状进行分析,指出制约车辆状态估计精度的主要原因在于估计方法单一,局限性较大,因此,本书采用多方法融合估计的思想,充分利用各种估计方法的优势和适用范围,提高了融合估计结果的准确性,扩大了融合估计结果的工况适用性,具体体现在:①采用组合式融合技术,充分利用车载传感器信息,融合运动学和动力学方法估计质心侧偏角,提高了质心侧偏角的估计精度。②采用联邦卡尔曼滤波技术,融合多种运动学和动力学方法估计纵向车速,并设计信息冗余、工况互补的融合规则,扩大了纵向车速估计的适用工况范围。③在双卡尔曼滤波器的基础上,采用了多方法、多信息的融合技术,扩大了路面峰值附着系数估计的适用工况范围,从而大大提高了车辆状态估计对路面附着条件的自适应能力。
2)充分利用四轮电机转矩信息的优势,估计整车质量及路面坡度,使得车辆状态估计结果更准确,自适应性更强,具体体现在以下两个方面:①应用四轮电机转矩信息,提取其高频信息估计整车质量,提高了车辆模型参数的准确度,进而提高了状态参数估计结果的准确性。②应用四轮电机转矩信息,估计轮胎力,并结合运动学估计方法,提高了道路坡度估计精度。