為有效解決復(fù)雜行駛工況下車輛耦合側(cè)傾運(yùn)動(dòng)狀態(tài)無法精確獲取,進(jìn)而對(duì)車輛系統(tǒng)操縱穩(wěn)定性與乘坐舒適性兼顧優(yōu)化無法提供準(zhǔn)確輸入的難題,本文中設(shè)計(jì)了基于車輛垂向與橫向耦合動(dòng)力學(xué)的雙非線性狀態(tài)觀測(cè)器算法,以實(shí)現(xiàn)復(fù)雜行駛工況下車輛耦合側(cè)傾運(yùn)動(dòng)狀態(tài)的實(shí)時(shí)準(zhǔn)確估計(jì)。首先,建立了路面激勵(lì)模型與整車系統(tǒng)垂向與橫向耦合動(dòng)力學(xué)模型;接著,利用無跡卡爾曼濾波方法（UKF）與非線性模糊觀測(cè)（T-S）理論,設(shè)計(jì)了非線性狀態(tài)觀測(cè)算法,以在不同路面激勵(lì)工況下對(duì)車輛系統(tǒng)簧載質(zhì)量與側(cè)傾狀態(tài)進(jìn)行聯(lián)合估計(jì);最后,運(yùn)用CarSim^?動(dòng)力學(xué)軟件,對(duì)比分析了在標(biāo)準(zhǔn)A級(jí)與C級(jí)路面上進(jìn)行J-turn試驗(yàn)工況下,采用聯(lián)合狀態(tài)觀測(cè)器（UKF&T-S）實(shí)時(shí)估計(jì)車輛側(cè)傾角與側(cè)傾率的觀測(cè)精度。結(jié)果表明,本文所設(shè)計(jì)的UKF&T-S觀測(cè)器可有效估計(jì)車輛側(cè)傾狀態(tài),且與CarSim^?仿真數(shù)據(jù)相比識(shí)別狀態(tài)標(biāo)準(zhǔn)偏差不超過10%。 

【文章來源】：汽車工程. 2020,42(05)北大核心EICSCD

【文章頁數(shù)】：8 頁

【部分圖文】：

出版文章趨勢(shì):谷歌學(xué)術(shù)關(guān)于車輛側(cè)

不確定的系統(tǒng)參數(shù)可能會(huì)污染系統(tǒng)模型,進(jìn)而基于模型的狀態(tài)估計(jì)算法識(shí)別誤差劇增�；谝陨戏治�,此處利用非線性無跡卡爾曼濾波(UKF)方法識(shí)別車輛簧載質(zhì)量參數(shù),且通過仿真方法驗(yàn)證其有效性[7]。同時(shí),在文獻(xiàn)[8]中利用擴(kuò)展卡爾曼與無跡卡爾曼相結(jié)合的非線性狀態(tài)觀測(cè)算法對(duì)車輛簧載質(zhì)量與橫擺力矩進(jìn)行了有效估計(jì);近年來相關(guān)學(xué)者對(duì)車輛簧載質(zhì)量估計(jì)的研究統(tǒng)計(jì)如圖2所示。為進(jìn)一步提高車輛側(cè)傾狀態(tài)識(shí)別精度,本文中設(shè)計(jì)了基于無跡卡爾曼濾波與模糊觀測(cè)器(T-S)聯(lián)合的非線性估計(jì)算法(UKF&T-S)分別對(duì)車輛簧載質(zhì)量與側(cè)傾狀態(tài)進(jìn)行耦合估計(jì),結(jié)合商業(yè)化CarSim?動(dòng)力學(xué)軟件與傳統(tǒng)T-S觀測(cè)器,對(duì)UKF&T-S算法進(jìn)行了有效驗(yàn)證,為利用基于狀態(tài)觀測(cè)器的車輛側(cè)傾控制系統(tǒng)提供準(zhǔn)確的系統(tǒng)輸入,進(jìn)而達(dá)到準(zhǔn)確提升車輛側(cè)傾動(dòng)力學(xué)性能的目的。

標(biāo)準(zhǔn)ISO-A級(jí)路面三維路面


本文編號(hào)：3133730