《分布式汽車驅動電動汽車質心側偏角估計研究的國內外文獻綜述》4000字

分布式汽車驅動電動汽車質心側偏角估計研究的國內外文獻綜述當汽車不穩(wěn)定行駛時，尤其是處于一些極端行駛工況時對于汽車質心側偏角估計問題進行研究具有極高的應用價值。相比較而言，國外由于對于這方面的研究起步較早，對于該方面的研究已較為成熟；而國內目前來看，雖然起步相比較晚,但近些年對此展開的研究已經(jīng)明顯加快，近些年來通過國內外無數(shù)研究人員的研究探索，創(chuàng)建了許許多多各具優(yōu)勢和不足的汽車質心側偏角觀測方案。其中可以將各種各樣的觀測方案大致分為量測儀器法、估計算法、計算智能、物理模型方法等四大類別。其中量測儀器法又可以被分為基于慣性傳感器的估計方案、基于GPS的估計方案以及其他非常規(guī)的估計方案。在基于慣性傳感器的觀測方案中:1、通過使用慣性傳感器進行直接估計。這種估計方案雖然結構以及算法較為簡單，但是其在對有效信號進行積分的同時，也會將測量的噪聲進行積分，同時并沒有對積分結果進行修正的過程，從而會導致隨著估計的時間增加，累計積分產(chǎn)生的估計誤差將不斷增大，最終估計結果嚴重偏離實際值，甚至會產(chǎn)生估計結果不收斂的嚴重估計錯誤，因此該估計方法在實際應用時的價值較低，目前使用較少。2、通過使用慣性傳感器與車輛模型相結合的方法對汽車質心側偏角進行估計。該方法具有一定的校正功能，因此可以獲得較高的估計精度，并且這種方法還可以通過使用其他車載傳感器測得的數(shù)據(jù)實現(xiàn)對于車輛其他行駛狀態(tài)參數(shù)的觀測。3、聯(lián)合慣性傳感器和動態(tài)估計器來實現(xiàn)對汽車質心側偏角的估計。該方法也能較為準確地估計出所需結果，但是目前來看這種估計方法不是很成熟，還有待改進。另外在基于GPS模組對質心側偏角進行估計的方案中：1、純GPS速度測量估計方案。該方法在利用原有常規(guī)車載傳感器的同時,通過利用GPS模組來實現(xiàn)對汽車質心側偏角進行準確地估計﹐并且即使當汽車處于中性轉向或橫擺角速度傳感器失靈的情況下,該估計方案仍然能夠較為準確地對汽車質心側偏角進行估計。2、利用GPS模組與慣導儀器相結合。該種估計方法可以通過優(yōu)化估計算法從而實現(xiàn)較高的估計準確性。3、利用GPS模組用于傳感器誤差校正。該方案可以通過低成本的GPS模組進行輔助測量,同時結合合適的估計算法從而保證了慣性傳感器漂移的快速收斂﹐從而最終實現(xiàn)提高估計精度的目的?？傮w上來說，基于GPS模組的估計方案可以通過對估計算法的優(yōu)化從而實現(xiàn)較為準確地估計汽車質心側偏角，但其對于GPS模組的測量精度提出了較高的要求。其他非常規(guī)的估計方案有：1、行駛記錄儀＋橫擺角速度傳感器＋側向加速度傳感器＋四輪角速度傳感器的估計方案。2、攝像機＋橫擺角速度傳感器的估計方法。該方法因為攝像機在實際工作時對于使用的環(huán)境較為敏感，實際使用時可靠性較低，因此該方案還有待改進。3、基于四個側向加速度傳感器的估計方案。對于汽車質心側偏角的估計算法大致可分為直接積分法、卡爾曼濾波算法以及基于狀態(tài)觀測器算法三種。其中直接積分法的優(yōu)點就是簡單易行、計算量小、實時性好等，但是其在實際使用中的缺點也是無法忽視的，該方法會隨著估計時間增加,累積產(chǎn)生的誤差也會不斷增大，最終導致得到的估計值較為嚴重地偏離真實值，最終導致得到的估計值對于質心側偏角地觀測沒有多大的參考價值。另外卡爾曼濾波算法又可分為經(jīng)典卡爾曼濾波算法、擴展卡爾曼濾波算法、自適應卡爾曼濾波算法、Unscented卡爾曼濾波算法以及其他一些卡爾曼濾波算法的衍生算法；其中擴展卡爾曼濾波算法通過將非線性的實際應用場景進行線性化處理，從而解決了實際估計時汽車行駛產(chǎn)生的大多行駛參數(shù)非線性的問題，從而具有較高的準確性，具有較為廣泛的應用；另外自適應卡爾曼濾波器解決了模型參數(shù)以及噪聲統(tǒng)計特性的不準確性問題，其算法的估計精度相較于擴展卡爾曼濾波算法更高；而Unscented卡爾曼濾波算法與擴展卡爾曼濾波算法使用時相反，該方法不對非線性系統(tǒng)模型進行近似計算，該估計算法的精度略高于擴展卡爾曼濾波算法。另外基于狀態(tài)觀測器的估計算法有常規(guī)狀態(tài)觀測器、龍貝格觀測器、滑膜觀測器。計算智能可分為:1、神經(jīng)網(wǎng)絡。該方法對于載荷轉移、路況變化等實際工況具有較好的適應性,并通過對其進行改進,從而降低了估計誤差；模糊邏輯：該方法可以通過與車輛模型的結合進行車輛行駛參數(shù)估計，實驗表明該方法的魯棒性和精確性較好﹐并且其方法的響應頻率比較高,可以滿足車輛控制需要。物理模型分為：1、基于車輛動力學模型。車輛的動力學模型是描述車輛的作用力與車輛運動關系的數(shù)學模型。該方法較為準確、全面地描述汽車的動力學特性。2、基于車輛運動學模型。車輛的運動學模型是通過幾何角度描述和研究車輛位置隨運動時間變化規(guī)律的數(shù)學模型。該方法對于瞬態(tài)響應時具有較好的準確性，但其在穩(wěn)態(tài)響應中準確度較低。3、不依賴于側偏角估計模型的動態(tài)估計法。該方法不需要建立與汽車質心側偏角直接相關的動力學模型或者運動學模型,通過直接對傳感器得到的測量信號進行處理,實現(xiàn)了直接基于測量信號的估計方法。畢春光等[10][11]通過建立基于七自由度動力學車輛模型的非線性狀態(tài)觀測器，實現(xiàn)了穩(wěn)定可靠地估計出車輛極限工況下的車輛狀態(tài)參數(shù)；郭孔輝等[12]通過建立二自由度車輛動力學模型，同時應用擴展卡爾曼濾波算法建立汽車動力學仿真平臺，通過分別應用線性輪胎模型和非線性輪胎模型，比較發(fā)現(xiàn)輪胎模型的選用對于汽車質心側偏角的估計精度有很大影響，并且說明采用非線性輪胎模型時能夠極大地提高觀測器的估計精度，可以滿足ESC控制的要求；高博麟等[14]通過建立車輛質心側偏角融合估計器的方法，成功融合了各種質心側偏角的估計方法，成功避免了各種估計方法的不足，極大地提高了質心側偏角估計的準確性和可靠性；李勇等[15]通過利用擴展卡爾曼濾波算法和二自由度動力學模型相結合的方法，通過對比發(fā)現(xiàn)該方法能夠實時、低成本以及高效地對汽車質心側偏角進行估計，對于在車輛上面的推廣應用有著重要意義，但該方法估計精度較低，存在較大的提升空間；陳學文等[16]通過建立汽車質心運動、橫擺運動以及側傾運動模型，同時結合擴展卡爾曼濾波器建立汽車質心側偏角觀測器，通過仿真實驗驗證，成功實現(xiàn)了即使在大噪聲的工況下也能較為準確地對車輛自信側偏角進行觀測；石小婷等[17][18]考慮了車輪側向力飽和非線性動態(tài)對汽車質心側偏角觀測的影響，建立了一種基于分段仿射的電動汽車質心側偏角估計方法，經(jīng)實驗驗證表明，該觀測方法具有較高的可行性；李小雨等[28]通過分別建立基于車輛運動學的擴展卡爾曼觀測器和基于車輛動力學模型的觀測方法，通過對比發(fā)現(xiàn)基于動力學模型的估計方法是適用于車輛的穩(wěn)態(tài)工況以及質心側偏角接近零時，而基于運動學模型的估計方法的動態(tài)響應更為準確，并且通過對于車輛質心側偏角和車輛側向加速度ay、車輛橫擺角速度r、車輛轉向輪轉角δ對比發(fā)現(xiàn)，質心側偏角與車輛側向加速度ay、車輛橫擺角速度r具有極其相似的趨勢，以及當車輛轉向輪轉角δ接近于零時車輛質心側偏角瞬時變化速率較低。綜上所述﹐可以看出雖然目前來說使用慣性傳感器在車輛質心側偏角估計領域的應用仍是主流,但是通過結合低成本的GPS模組來輔助測量行駛姿態(tài)的觀測方案具有更好的應用前景。而非常規(guī)的車輛質心側偏角估計方案更多地應用在了學術研究領域﹐在實際應用方面推廣起來卻困難重重。而汽車質心側偏角的估計方法從最原始的直接積分法、經(jīng)典卡爾曼濾波算法到目前不斷改進較為成熟的神經(jīng)網(wǎng)絡算法﹑模糊邏輯算法等,其估計精度、計算效率、算法的魯棒性相比較之前而言都有極大的提高。其中考慮到車輛質心側偏角估計實際使用時的實時性、魯棒性及觀測精度等眾多因素,基于卡爾曼濾波算法以及其衍生的估計算法在實際的工程中應用比較多。而另外其他算法的研究近些年來雖然也比較深入，但是以目前的研究現(xiàn)狀來看這些算法大部分還仍然處于理論仿真階段,在實際應用中的觀測效果還有待于進一步驗證。參考文獻成大先.機械設計手冊(第5版)[M].化學工業(yè)出版社，2014.陳家瑞.汽車構造[M].機械工業(yè)出版社,2009.王望予.汽車設計[M].機械工業(yè)出版社,2004.余志生.汽車理論[M].機械工業(yè)出版社,2009.GadolaM.DevelopmentandvalidationofaKalmanfilter-basedmodelforvehicleslipangleestimation[J].VehicleSystemDynamics,2014,52(1):68-84.FukadaY.Slip-angleestimationforvehiclestabilitycontrol[J].VehicleSystemDynamics,1999,32(4-5):375-388.PiyabongkarnD.Developmentandexperimentalevaluationofaslipangleestimatorforvehiclestabilitycontrol[J].IEEETransactionsoncontrolsystemstechnology,2008,17(1):78-88.陳慧.車輛質心側偏角估計綜述[J].機械工程學報,2013,49(24):76-94.黃小平.卡爾曼濾波原理及應用:MATLAB仿真[M].電子工業(yè)出版社,2015.畢春光.極限工況下汽車質心側偏角的估計方法研究[D].吉林大學,2007.郭洪艷,陳虹,丁海濤,畢春光,趙海艷.基于車輛動力學和非線性觀測器的車輛質心側偏角估計[A].中國自動化學會控制理論專業(yè)委員會(TechnicalCommitteeonControlTheory,ChineseAssociationofAutomation).第二十七屆中國控制會議論文集[C].中國自動化學會控制理論專業(yè)委員會(TechnicalCommitteeonControlTheory,ChineseAssociationofAutomation):中國自動化學會控制理論專業(yè)委員會,2008:5.郭孔輝,付皓,丁海濤.基于擴展卡爾曼濾波的汽車質心側偏角估計[J].汽車技術,2009(04):1-3+44.張振國.輪轂式電動車操縱穩(wěn)定性參數(shù)估計算法與試驗研究[D].武漢理工大學,2011.高博麟,陳慧,陳威,徐帆.汽車質心側偏角融合估計方法[J].汽車工程,2013,35(08):716-722.李勇,杜峰,邢清奇,閆杰,姜斌.基于擴展Kalman濾波技術汽車狀態(tài)參數(shù)的軟測量[J].農業(yè)工程,2014,4(03):104-108.陳學文,周越,張進國.考慮側傾影響的汽車橫擺角速度與質心側偏角濾波估計[J].汽車技術,2017(11):40-43.石小婷,劉志遠,寧永臣.四輪獨立驅動電動車質心側偏角的PWA估計方法研究[A].中國自動化學會過程控制專業(yè)委員會.第28屆中國過程控制會議（CPCC2017）暨紀念中國過程控制會議30周年摘要集[C].中國自動化學會過程控制專業(yè)委員會:中國自動化學會過程控制專業(yè)委員會,2017:1.石小婷.輪轂電動車質心側偏角估計方法研究[D].哈爾濱工業(yè)大學,2017.孫傳揚,張欣,靳彪.基于遺傳粒子濾波的輪轂驅動電動汽車質心側偏角估計方法[J].北京交通大學學報,2016,40(06):102-106.柳惠.基于模型的車輛質心側偏角估計方法研究[J].重慶理工大學學報(自然科學),2016,30(1