利用轮胎侧向力传感器并使用最小二乘法（RLS）和卡尔曼滤波方法估计电动汽车的侧滑角和侧倾角-外文文献及翻译.docVIP

利用轮胎侧向力传感器并使用最小二乘法（RLS）和卡尔曼滤波方法估计电动汽车的侧滑角和侧倾角 Kanghyun Nam, Student Member, IEEE, Sehoon Oh, Member, IEEE, Hiroshi Fujimoto, Member, IEEE, and Yoichi Hori, Fellow, IEEE 摘要——对于如横摆稳定性和侧倾稳定性控制的车辆稳定性控制应用而言，控制车辆状态的鲁棒性估计（车辆侧滑角和侧倾角）是相当重要的。本文提出了利用从多传感轮毂单元获得实时横向轮胎力测量来估计侧滑角和侧倾角的新方法，这种方法在轮毂电机驱动电动汽车的车辆控制系统中得到实际应用。在车辆侧滑估计中, 是利用了基于线性车辆模型和传感器测量并带有遗忘因子的递归最小二乘(RLS)算法。在侧滑角角估计中,卡尔曼滤波的设计目的是整合可用的传感器测量和动态。通过现场测试实验电动汽车来评估上述所提出的估计方法（RLS为基础的侧滑角估计和卡尔曼滤波器）。实验结果表明，上述估计量可以准确估计车辆侧滑角和侧倾角。实验证实, 所提出的估计方法比传统方法的估计精度提高50%以上 (见图4所示的均方根误差)。此外, 通过各种验证测试证明轮胎侧向力传感器在车辆状态估计实际应用中的可行性。 关键词：电动汽车，卡尔曼滤波，多传感集线器（MSHub）单元，递归最小二乘（RLS），滚动角，侧滑角。