《分布式汽车驱动电动汽车质心侧偏角估计研究的国内外文献综述》4000字

分布式汽车驱动电动汽车质心侧偏角估计研究的国内外文献综述当汽车不稳定行驶时，尤其是处于一些极端行驶工况时对于汽车质心侧偏角估计问题进行研究具有极高的应用价值。相比较而言，国外由于对于这方面的研究起步较早，对于该方面的研究已较为成熟；而国内目前来看，虽然起步相比较晚,但近些年对此展开的研究已经明显加快，近些年来通过国内外无数研究人员的研究探索，创建了许许多多各具优势和不足的汽车质心侧偏角观测方案。其中可以将各种各样的观测方案大致分为量测仪器法、估计算法、计算智能、物理模型方法等四大类别。其中量测仪器法又可以被分为基于惯性传感器的估计方案、基于GPS的估计方案以及其他非常规的估计方案。在基于惯性传感器的观测方案中:1、通过使用惯性传感器进行直接估计。这种估计方案虽然结构以及算法较为简单，但是其在对有效信号进行积分的同时，也会将测量的噪声进行积分，同时并没有对积分结果进行修正的过程，从而会导致随着估计的时间增加，累计积分产生的估计误差将不断增大，最终估计结果严重偏离实际值，甚至会产生估计结果不收敛的严重估计错误，因此该估计方法在实际应用时的价值较低，目前使用较少。2、通过使用惯性传感器与车辆模型相结合的方法对汽车质心侧偏角进行估计。该方法具有一定的校正功能，因此可以获得较高的估计精度，并且这种方法还可以通过使用其他车载传感器测得的数据实现对于车辆其他行驶状态参数的观测。3、联合惯性传感器和动态估计器来实现对汽车质心侧偏角的估计。该方法也能较为准确地估计出所需结果，但是目前来看这种估计方法不是很成熟，还有待改进。另外在基于GPS模组对质心侧偏角进行估计的方案中：1、纯GPS速度测量估计方案。该方法在利用原有常规车载传感器的同时,通过利用GPS模组来实现对汽车质心侧偏角进行准确地估计﹐并且即使当汽车处于中性转向或横摆角速度传感器失灵的情况下,该估计方案仍然能够较为准确地对汽车质心侧偏角进行估计。2、利用GPS模组与惯导仪器相结合。该种估计方法可以通过优化估计算法从而实现较高的估计准确性。3、利用GPS模组用于传感器误差校正。该方案可以通过低成本的GPS模组进行辅助测量,同时结合合适的估计算法从而保证了惯性传感器漂移的快速收敛﹐从而最终实现提高估计精度的目的。总体上来说，基于GPS模组的估计方案可以通过对估计算法的优化从而实现较为准确地估计汽车质心侧偏角，但其对于GPS模组的测量精度提出了较高的要求。其他非常规的估计方案有：1、行驶记录仪＋横摆角速度传感器＋侧向加速度传感器＋四轮角速度传感器的估计方案。2、摄像机＋横摆角速度传感器的估计方法。该方法因为摄像机在实际工作时对于使用的环境较为敏感，实际使用时可靠性较低，因此该方案还有待改进。3、基于四个侧向加速度传感器的估计方案。对于汽车质心侧偏角的估计算法大致可分为直接积分法、卡尔曼滤波算法以及基于状态观测器算法三种。其中直接积分法的优点就是简单易行、计算量小、实时性好等，但是其在实际使用中的缺点也是无法忽视的，该方法会随着估计时间增加,累积产生的误差也会不断增大，最终导致得到的估计值较为严重地偏离真实值，最终导致得到的估计值对于质心侧偏角地观测没有多大的参考价值。另外卡尔曼滤波算法又可分为经典卡尔曼滤波算法、扩展卡尔曼滤波算法、自适应卡尔曼滤波算法、Unscented卡尔曼滤波算法以及其他一些卡尔曼滤波算法的衍生算法；其中扩展卡尔曼滤波算法通过将非线性的实际应用场景进行线性化处理，从而解决了实际估计时汽车行驶产生的大多行驶参数非线性的问题，从而具有较高的准确性，具有较为广泛的应用；另外自适应卡尔曼滤波器解决了模型参数以及噪声统计特性的不准确性问题，其算法的估计精度相较于扩展卡尔曼滤波算法更高；而Unscented卡尔曼滤波算法与扩展卡尔曼滤波算法使用时相反，该方法不对非线性系统模型进行近似计算，该估计算法的精度略高于扩展卡尔曼滤波算法。另外基于状态观测器的估计算法有常规状态观测器、龙贝格观测器、滑膜观测器。计算智能可分为:1、神经网络。该方法对于载荷转移、路况变化等实际工况具有较好的适应性,并通过对其进行改进,从而降低了估计误差；模糊逻辑：该方法可以通过与车辆模型的结合进行车辆行驶参数估计，实验表明该方法的鲁棒性和精确性较好﹐并且其方法的响应频率比较高,可以满足车辆控制需要。物理模型分为：1、基于车辆动力学模型。车辆的动力学模型是描述车辆的作用力与车辆运动关系的数学模型。该方法较为准确、全面地描述汽车的动力学特性。2、基于车辆运动学模型。车辆的运动学模型是通过几何角度描述和研究车辆位置随运动时间变化规律的数学模型。该方法对于瞬态响应时具有较好的准确性，但其在稳态响应中准确度较低。3、不依赖于侧偏角估计模型的动态估计法。该方法不需要建立与汽车质心侧偏角直接相关的动力学模型或者运动学模型,通过直接对传感器得到的测量信号进行处理,实现了直接基于测量信号的估计方法。毕春光等[10][11]通过建立基于七自由度动力学车辆模型的非线性状态观测器，实现了稳定可靠地估计出车辆极限工况下的车辆状态参数；郭孔辉等[12]通过建立二自由度车辆动力学模型，同时应用扩展卡尔曼滤波算法建立汽车动力学仿真平台，通过分别应用线性轮胎模型和非线性轮胎模型，比较发现轮胎模型的选用对于汽车质心侧偏角的估计精度有很大影响，并且说明采用非线性轮胎模型时能够极大地提高观测器的估计精度，可以满足ESC控制的要求；高博麟等[14]通过建立车辆质心侧偏角融合估计器的方法，成功融合了各种质心侧偏角的估计方法，成功避免了各种估计方法的不足，极大地提高了质心侧偏角估计的准确性和可靠性；李勇等[15]通过利用扩展卡尔曼滤波算法和二自由度动力学模型相结合的方法，通过对比发现该方法能够实时、低成本以及高效地对汽车质心侧偏角进行估计，对于在车辆上面的推广应用有着重要意义，但该方法估计精度较低，存在较大的提升空间；陈学文等[16]通过建立汽车质心运动、横摆运动以及侧倾运动模型，同时结合扩展卡尔曼滤波器建立汽车质心侧偏角观测器，通过仿真实验验证，成功实现了即使在大噪声的工况下也能较为准确地对车辆自信侧偏角进行观测；石小婷等[17][18]考虑了车轮侧向力饱和非线性动态对汽车质心侧偏角观测的影响，建立了一种基于分段仿射的电动汽车质心侧偏角估计方法，经实验验证表明，该观测方法具有较高的可行性；李小雨等[28]通过分别建立基于车辆运动学的扩展卡尔曼观测器和基于车辆动力学模型的观测方法，通过对比发现基于动力学模型的估计方法是适用于车辆的稳态工况以及质心侧偏角接近零时，而基于运动学模型的估计方法的动态响应更为准确，并且通过对于车辆质心侧偏角和车辆侧向加速度ay、车辆横摆角速度r、车辆转向轮转角δ对比发现，质心侧偏角与车辆侧向加速度ay、车辆横摆角速度r具有极其相似的趋势，以及当车辆转向轮转角δ接近于零时车辆质心侧偏角瞬时变化速率较低。综上所述﹐可以看出虽然目前来说使用惯性传感器在车辆质心侧偏角估计领域的应用仍是主流,但是通过结合低成本的GPS模组来辅助测量行驶姿态的观测方案具有更好的应用前景。而非常规的车辆质心侧偏角估计方案更多地应用在了学术研究领域﹐在实际应用方面推广起来却困难重重。而汽车质心侧偏角的估计方法从最原始的直接积分法、经典卡尔曼滤波算法到目前不断改进较为成熟的神经网络算法﹑模糊逻辑算法等,其估计精度、计算效率、算法的鲁棒性相比较之前而言都有极大的提高。其中考虑到车辆质心侧偏角估计实际使用时的实时性、鲁棒性及观测精度等众多因素,基于卡尔曼滤波算法以及其衍生的估计算法在实际的工程中应用比较多。而另外其他算法的研究近些年来虽然也比较深入，但是以目前的研究现状来看这些算法大部分还仍然处于理论仿真阶段,在实际应用中的观测效果还有待于进一步验证。参考文献成大先.机械设计手册(第5版)[M].化学工业出版社，2014.陈家瑞.汽车构造[M].机械工业出版社,2009.王望予.汽车设计[M].机械工业出版社,2004.余志生.汽车理论[M].机械工业出版社,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.陈慧.车辆质心侧偏角估计综述[J].机械工程学报,2013,49(24):76-94.黄小平.卡尔曼滤波原理及应用:MATLAB仿真[M].电子工业出版社,2015.毕春光.极限工况下汽车质心侧偏角的估计方法研究[D].吉林大学,2007.郭洪艳,陈虹,丁海涛,毕春光,赵海艳.基于车辆动力学和非线性观测器的车辆质心侧偏角估计[A].中国自动化学会控制理论专业委员会(TechnicalCommitteeonControlTheory,ChineseAssociationofAutomation).第二十七届中国控制会议论文集[C].中国自动化学会控制理论专业委员会(TechnicalCommitteeonControlTheory,ChineseAssociationofAutomation):中国自动化学会控制理论专业委员会,2008:5.郭孔辉,付皓,丁海涛.基于扩展卡尔曼滤波的汽车质心侧偏角估计[J].汽车技术,2009(04):1-3+44.张振国.轮毂式电动车操纵稳定性参数估计算法与试验研究[D].武汉理工大学,2011.高博麟,陈慧,陈威,徐帆.汽车质心侧偏角融合估计方法[J].汽车工程,2013,35(08):716-722.李勇,杜峰,邢清奇,闫杰,姜斌.基于扩展Kalman滤波技术汽车状态参数的软测量[J].农业工程,2014,4(03):104-108.陈学文,周越,张进国.考虑侧倾影响的汽车横摆角速度与质心侧偏角滤波估计[J].汽车技术,2017(11):40-43.石小婷,刘志远,宁永臣.四轮独立驱动电动车质心侧偏角的PWA估计方法研究[A].中国自动化学会过程控制专业委员会.第28届中国过程控制会议（CPCC2017）暨纪念中国过程控制会议30周年摘要集[C].中国自动化学会过程控制专业委员会:中国自动化学会过程控制专业委员会,2017:1.石小婷.轮毂电动车质心侧偏角估计方法研究[D].哈尔滨工业大学,2017.孙传扬,张欣,靳彪.基于遗传粒子滤波的轮毂驱动电动汽车质心侧偏角估计方法[J].北京交通大学学报,2016,40(06):102-106.柳惠.基于模型的车辆质心侧偏角估计方法研究[J].重庆理工大学学报(自然科学),2016,30(1