马鞍山网站建设与制作,简洁的网页模板,wordpress小红书主题,公司的网站建设价格基于分布式驱动电动汽车的四轮侧偏刚度估计#xff0c;采用容积卡尔曼#xff08;ckf#xff09;进行估计#xff0c;能够很好地估计汽车行驶过程中的侧偏刚度#xff0c;并与转化的侧向轮胎力进行比较#xff0c;具有很好的估计效果。 模型中第一个模块是四轮驱动电机 sizes.NumContStates 0; sizes.NumDiscStates 4; % 四个侧偏刚度 sizes.NumOutputs 4; sizes.NumInputs 8; % 来自CarSim的测量值 sys simsizes(sizes); x0 [5000;5000;5000;5000]; % 初始刚度值 str []; ts [0.01 0]; % 采样时间0.01s case 2 % 状态更新 % 容积点生成 [Xi,W] cubature_points(4,2); % 4维状态2n1个点 % 状态预测此处省略具体预测方程 ... case 3 % 输出 sys x; end代码里的cubature_points函数是关键它生成的采样点直接影响了估计精度。实测发现当车辆出现剧烈横摆时采用自适应权重调整策略能提升20%的跟踪速度。比如这段权重更新逻辑% 自适应调整协方差矩阵 if abs(u(3)) 0.3 % 横摆角速度超过阈值 Q diag([800,800,1200,1200]); % 增大后轮权重 else Q diag([500,500,500,500]); end模型验证阶段最刺激。把CKF估计的侧偏刚度和CarSim输出的侧向力做对比时发现前轮刚度在紧急变道工况下会出现滞后响应。后来发现是轮胎模型里的松弛效应没考虑加上一阶滞后环节后立马见效。看这个对比曲线就明白了![刚度估计对比图]图示蓝色虚线为CKF估计值红色实线为CarSim转化值二者在0.5秒后基本吻合基于分布式驱动电动汽车的四轮侧偏刚度估计采用容积卡尔曼ckf进行估计能够很好地估计汽车行驶过程中的侧偏刚度并与转化的侧向轮胎力进行比较具有很好的估计效果。 模型中第一个模块是四轮驱动电机第二个模块是carsim输出的真实参数包括汽车所受横向力纵向力驱动力矩等第三个模块是关于ckf的四轮侧偏刚度估计。 模型和代码完全是由自己亲手编写可供自己参考和学习。 本模型是基于simulink与carsim联合仿真ckf是由s function进行编写提供相关文献调试过程中还有个反直觉的现象——纵向力对侧偏刚度估计的影响比预期大得多。特别是在电机扭矩突变时比如从加速突然转为制动如果不做纵向-侧向耦合补偿刚度估计值会飘到姥姥家。后来在观测方程里加了耦合项才稳住% 观测方程修正项 Fy_hat C_alpha.*tan(alpha) - 0.12*(Fx./Fz).^2.*C_alpha; % 纵向力影响系数这个项目最大的收获是车辆动力学估计问题永远不能脱离实际传感器特性。比如CarSim输出的横摆角速度带有明显的量化噪声直接喂给CKF会导致估计震荡。最后加了个移动平均滤波才解决果然真实世界没有理想数据。参考文献扔最后[1] 喻凡. 车辆动力学及控制[2] CarSim2019帮助文档[3] 容积卡尔曼滤波在参数估计中的应用那本被咖啡渍染黄的论文集