1.3 本書涉及的車輛狀態估計與參數辨識方法

本書將介紹高性能分布式驅動電動汽車多源信息融合的車輛狀態估計與參數辨識方法。

1.3.1 所需解決的關鍵科學問題

本書擬解決的關鍵科學問題是基于復雜工況的非線性時變系統自適應參數估計理論與方法，揭示影響分布式驅動電動汽車狀態參數估計及輪胎路面附著特征參數辨識優劣的機理，研究行駛工況及車輛參數變化與估計及辨識優劣之間定量關系的分析理論。該科學問題的解決有助于建立綜合性能最優的分布式驅動電動汽車估計與參數辨識方法。高性能分布式驅動電動汽車是一個復雜的非線性時變系統，其運行的道路交通環境更是復雜多變。而目前廣泛應用于傳統內燃機車輛參數估計的方法大都是基于簡化的線性時不變系統進行研究，再加以非線性修正和時變補償。同時針對復雜多變的道路交通環境，通常采用基于大量匹配數據庫的多工況切換估計系統狀態參數的方法。如何構建車輛非線性時變系統的數學模型，對復雜工況下車輛狀態參數變化特性進行準確的數學描述，并針對該參數變化特性選擇合適的自適應理論與方法，最終建立復雜道路交通環境下針對車輛動力學參數估計的非線性時變系統自適應參數估計理論與方法，解決目前研究的理論瓶頸，將是本書研究的重點。

1.3.2 研究方法概述

本書針對分布式驅動電動汽車這一新的研究對象，以車輛狀態參數估計為核心研究內容，以提高估計精度和擴大適用范圍為研究目的，以充分利用分布式驅動電動汽車輪轂電機轉矩信息為研究手段，從運動學估計和動力學估計的融合方法著手，應用非線性系統辨識方法，對車輛狀態參數估計問題進行深入研究，分別設計了質心側偏角融合估計器、縱向車速融合估計器和路面峰值附著系數融合估計器，構建了車輛狀態及參數估計系統，如圖1-3所示。

具體分為以下四部分介紹：

1.多傳感器信息融合

首先闡述了不同傳感器系統所對應的不同量測坐標系間的轉換關系，建立了GPS與INS的誤差模型，分析INS和GPS具有互補性質的誤差特性。在此基礎上，利用GPS量測誤差不會隨時間產生累積效應，采用卡爾曼濾波算法對橫擺角速度傳感器以及縱向與橫向加速度傳感器的偏差進行估計，并利用INS的短期高精度性特征對GPS量測噪聲的協方差矩陣進行自適應估計。

2.車速及質心側偏角狀態觀測器

本書采用了運動學和動力學多方法融合式的車速及質心側偏角觀測器。所設計的狀態觀測器結構如圖1-4所示。

運動學估計方法中，結合多傳感器融合處理后的INS和GPS信息，并綜合考慮電機控制器提供的輪速信號ω，估計出車輛的縱向速度及質心側偏角。

動力學估計方法以駕駛人對加速踏板以及轉向盤的操作α_pedal和轉角δ作為輸入，通過多自由度車輛模型和動態魔術輪胎模型建立狀態遞推方程，利用電機控制器提供的各輪轉矩T_wy、轉速ω信號和INS提供的縱橫向加速度信號建立量測方程，搭建無味粒子濾波器，并通過對量測噪聲的自適應調節提高無味粒子濾波器的估計精度，得到動力學方法的質心側偏角估計結果。

為了能夠充分利用運動學估計方法和動力學估計方法的優勢，避免它們的劣勢，擴大工況應用范圍，采用了基于組合式融合方法的信息融合規則。從頻域的角度，將車輛姿態對轉向輸入的動態響應工況分為高頻響應部分和低頻響應部分，在低頻范圍內，基于動力學方法的估計結果對最終估計結果起主要作用，此時，估計結果對傳感器偏置誤差和路面橫向坡度角是魯棒的。在高頻響應階段，運動學方法的估計結果起主要作用，此時，估計結果對模型誤差的魯棒性加強，并且對質心側偏角的動態變化估計更準確。

3.參數自適應觀測器

對整車質量和輪胎側偏剛度進行實時估計以校準估計器中模型參數，還針對過程噪聲方差矩陣Q和量測噪聲方差矩陣R進行估計和自適應調整，對路面坡度角和車身俯仰角對加速度計造成的影響估計出來并進行補償。

4.路面附著系數觀測器

搭建簡單且精度高的輪胎模型，通過模塊化估計各輪胎的縱/側/垂向力、側偏角、滑移率，最后采用非線性無味卡爾曼濾波器實現附著系數的估計；通過引入該觀測系統非線性可觀性矩陣指數概念，來定量評價附著系數的可觀性；當在小滑移率和小側偏角條件下附著系數不可觀時，采用頻域觀測方法，首先推導出電機車輪系統頻響函數，通過分析路面附著系數對該函數的影響規律，利用合適的自回歸參數辨識方法，實現在不估計滑移率和側偏角的前提下的附著系數估計；為進一步提高單方向估計方法在復合工況下的適用性，本書提出了利用誤差融合的思想，將分別利用縱側向信息估計得到的兩個附著系數估計結果通過加權融合，得到精度更高的結果。

1.3.3 本書提出方法的特點

1）對目前車輛狀態估計的研究現狀進行分析，指出制約車輛狀態估計精度的主要原因在于估計方法單一，局限性較大，因此，本書采用多方法融合估計的思想，充分利用各種估計方法的優勢和適用范圍，提高了融合估計結果的準確性，擴大了融合估計結果的工況適用性，具體體現在：①采用組合式融合技術，充分利用車載傳感器信息，融合運動學和動力學方法估計質心側偏角，提高了質心側偏角的估計精度。②采用聯邦卡爾曼濾波技術，融合多種運動學和動力學方法估計縱向車速，并設計信息冗余、工況互補的融合規則，擴大了縱向車速估計的適用工況范圍。③在雙卡爾曼濾波器的基礎上，采用了多方法、多信息的融合技術，擴大了路面峰值附著系數估計的適用工況范圍，從而大大提高了車輛狀態估計對路面附著條件的自適應能力。

2）充分利用四輪電機轉矩信息的優勢，估計整車質量及路面坡度，使得車輛狀態估計結果更準確，自適應性更強，具體體現在以下兩個方面：①應用四輪電機轉矩信息，提取其高頻信息估計整車質量，提高了車輛模型參數的準確度，進而提高了狀態參數估計結果的準確性。②應用四輪電機轉矩信息，估計輪胎力，并結合運動學估計方法，提高了道路坡度估計精度。