分布式驱动电动汽车状态估计与操稳性集成控制

摘要

分布式驱动电动汽车是未来实现自动驾驶的理想载体，但分布式驱动电动汽车全新的底盘结构也为车辆的操稳性控制带来了新的挑战。分布式驱动电动汽车操稳性集成控制主要存在以下问题：首先，集成控制系统设计需要获取车辆关键状态信息，但由于分布式驱动电动汽车四个车轮均可驱动和制动，因此依靠常用的非驱动轮轮速估计车速的办法不再适用；单纯采用惯性测量单元的信号获得的车辆横摆角速度和质心侧偏角会由于传感器的偏差造成状态估计精度的下降。另外，集成控制器的设计方面也有一些不足之处，例如分层控制结构中上层非线性控制器结构复杂，对不确定性建模考虑不足等。这些因素都限制了分布式驱动电动汽车的实际应用。 针对上述问题，本文设计了车辆状态观测器和分布式驱动电动汽车操稳性集成控制系统。主要的内容有： （1）根据状态估计和集成控制需求，建立定位系统坐标、惯性坐标和车辆坐标相互转化的运动学关系和车辆动力学模型，利用Carsim真实的轮胎数据拟合魔术轮胎公式参数。 （2）依托智能轮胎传感器、惯性导航系统（Inertial Navigation System，INS）和全球导航卫星系统（Global Navigation Satellite System，GNSS）对车辆的状态进行估计。其中，纵向速度的估计采用轮速、GNSS速度及纵向加速度多信息融合的方式，设计加权融合卡尔曼滤波（Kalman Filter，以下简称Kalman滤波），减小观测矩阵维度，根据先验知识设计基于可靠性指数函数的观测噪声方差自适应调整方法。横摆角速度和质心侧偏角估计方面，利用GNSS车速和方位角信息实时修正横摆角速度偏差和侧向加速度偏差，基于改进的Sage-Husa自适应Kalman滤波算法实现观测噪声方差的自适应。 （3）采用分层控制结构设计车辆的集成控制器。上层控制器基于无约束的模型预测控制算法，同时设计非线性干扰补偿器，得到广义纵向力、侧向力和横摆力矩。下层控制器建立以广义力误差最小和轮胎裕度最大的控制分配目标，考虑执行器位置约束，利用十二边形拟合轮胎摩擦椭圆约束，通过求解优化问题分配广义力和力矩。针对单执行器完全失效的故障，设计基于限定记忆最小二乘法的故障检测与辨识方法，结合故障信息对控制分配律进行重构，实现车辆的容错控制。 （4）利用Carsim和Matlab/Simulink联合仿真平台对状态观测器和控制器的效果进行仿真。仿真结果表明：所提出的状态估计算法在匀速、驱动和紧急制动情况下均能对纵向车速实现较为准确的估计；通过GNSS信号能够修正横摆角速度偏差和侧向加速度偏差，提高质心侧偏角的估计精度；操稳性集成控制器可应对不确定性建模误差，在普通工况下减小轮胎利用率提高车辆的操纵性，在极限工况下保证车辆的稳定性，在执行器故障时能维持车辆的直线行驶的方向稳定性及最大限度地保证车辆转向能力。 （5）利用实车采集数据对状态观测器的实际估计效果进行验证。结果表明：利用本文提出的方法能够实现对实际INS传感器偏差的修正，在直线行驶和转弯工况下都能对车辆的状态进行较为准确的估计。

目录

第一个书签之前

摘要

ABSTRACT

第1章 文献综述

1.1 分布式驱动电动汽车概述

1.2 分布式驱动电动汽车研究现状

1.2.1 整车研究现状

1.2.2 轮毂电机研究现状

1.3 车辆关键状态估计研究现状

1.3.1 纵向车速估计

1.3.2 侧向车速估计

1.4 车辆操纵稳定性集成控制研究现状

1.4.1 集成控制方法研究现状

1.4.2 轮胎力分配研究现状

第2章 绪论

2.1 研究背景及意义

2.2 主要研究内容

第3章 分布式驱动电动汽车运动学与动力学建模

3.1 传感器与车辆坐标

3.2 整车动力学模型

3.3 车轮动力学模型

3.4 载荷转移模型

3.5 轮胎模型

3.5.1 侧向力模型

3.5.2 纵向力模型

3.5.3 联合滑移工况

3.6 执行器模型

3.7 本章小结

第4章 基于多传感器融合的车辆状态估计

4.1 Kalman滤波理论

4.1.1 Kalman滤波简介

4.1.2 线性Kalman滤波

4.2 纵向车速估计

4.2.1 纵向车速估计模型

4.2.2 加权观测融合Kalman滤波理论

4.2.3 纵向车速状态观测器设计

4.2.4 噪声方差自适应调整

4.3 横摆角速度和侧向车速估计

4.3.1 横摆角及横摆角速度偏差估计

4.3.2 改进的Sage-Husa自适应Kalman滤波

4.3.3 侧向速度估计

4.4 状态估计算法仿真分析

4.4.1 直线加速工况

4.4.2 直线制动工况

4.4.3 正弦延迟工况

4.5 本章小结

第5章 分布式驱动电动汽车操稳性集成控制

5.1 上层控制器设计

5.1.1 操稳性集成控制目标制定

5.1.2 无约束非线性预测控制理论

5.1.3 基于非线性预测控制的上层控制器设计

5.2 下层控制器设计

5.2.1 控制分配目标

5.2.2 控制分配约束

5.2.3 容错控制分配

5.2.4 执行器控制

5.3 操稳性集成控制算法仿真分析

5.3.1 前轮转角阶跃输入

5.3.2 低附着高速双移线

5.3.3 右前轮制动器失效

5.3.4 右前轮转向电机失效

5.4 本章小结

第6章 状态估计算法实车试验研究

6.1 数据采集平台的搭建

6.1.1 试验车辆

6.1.2 传感器配置

6.2 实车数据验证

6.2.1 传感器数据及处理

6.2.2 状态估计结果

6.3 本章小结

第7章 结论与展望

7.1 结论

7.2 展望

参考文献

致谢

发表论文及参加课题一览表