浅论基于ESP系统的汽车状态参数估计方法研究.docVIP

浅论基于ESP系统的汽车状态参数估计方法研究 　　随着我国人民经济水平的提高，我国的汽车销量也迅速增长至全球首位，而随之而来的车辆安全、环保等问题却日益凸显。据有关部门统计，在2015年全球发生的交通事故中，车辆在弯道或易滑路面的转向失控是造成车辆失控导致交通事故的重要原因之一。ESP车身电子稳定系统的提出对于缓解车辆侧滑事故起到了很重要的主动安全预防作用，其可以很好地提高车辆在转弯时的稳定性，减少车辆由于转向不足或者转向过大引起的交通事故。然而，目前国内外对ESP控制监测的车辆状态参数主要来源与车载传感器数据，某些传感器测量不精确或者无法测量数据(如横摆角速度omega;r与质心侧偏角beta;)，极大地限制了中低档车辆ESP控制系统的控制效果。因此研究出一种估算车辆运行中的横摆角速度omega;r与质心侧偏角beta;的方法，对于提升ESP车身电子稳定系统的应用具有非常重要的研究意义。本文基于前人的研究基础采用软测量技术，采用卡尔曼滤波算法建立汽车动力学模型与状态方程估计出汽车运动过程中的状态参数，估计出汽车运行中的横摆角速度omega;r与质心侧偏角beta;，并通过对比Matlab中建立的整车仿真模型，验证了算法的有效性。 　　1系统关键技术简介 　　1.1ESP车身电子稳定系统 　　ESP是一种稳定车身的控制系统，其组成由ESP电子控制单元、转速传感器、方向盘传感器、摇摆运动感应器与发动机ECU组成。目前国外很多汽车公司都开发出了自己的车身电子稳定系统，不同厂家命名不同，但其功能大体一致，均可实现车辆在紧急操控、路面结冰等特殊行驶条件下的稳定行驶。ESP主要可用于调整汽车转向控制，它具有监测车辆状态预防在突发状况时，驾驶人误操作而造成车辆转向失控的情况。根据有关数据表明，不同型号的车辆装上EPS系统之后都会相应地减少碰撞率，其中SUV车型可减少70%左右的碰撞事故。ESP系统的工作流程为：车载转速转角传感器将车辆的转速、转角信号传递给ESP控制单元，ESP根据传送的信号识别出车辆的转向信息，结合车辆侧向加速传感器与横摆角传感器传递的信号识别出车辆的行驶情况，ESP系统对于车辆的转向具有重要作用，特别对于转向不足与转向过度的情况，系统会根据车辆转向不足或过度的具体情况，向车辆的制动系统发出不同信号，产生不同的制动力，以防止车辆因转向原因出现事故，维持车辆行驶的安全性与稳定性。 　　1.2基于状态估计的软测量技术 　　软测量技术是一种基于数学建模与系统辨识的间接测量方法，其主要通过建立系统数学模型对变量进行估计计算，软测量技术是一种智能测量方法，通常人们根据参数的容易获取程度，将易于获得的变量参数称为辅助型参数，将不容易直接获得的参数称为主导型参数。主导型参数往往根据辅助型参数构造的数学模型，通过数学推算获得。 　　软测量技术发展至今已有很多应用到实际中的实例，针对不同的工程对象往往有不同的软测量方法，目前应用较广泛的软测量技术有：基于机理分析的软测量技术;基于状态估计的软测量技术;基于神经网络、遗传算法等智能算法的软测量技术;基于回归分析的软测量技术。本文将着重分析基于状态估计的软测量技术。 　　1.2.1状态估计测量方法 　　基于状态估计的软测量技术以系统的状态空间表达式为估计模型，根据状态方程通过状态估计方法或状态观测方法对系统参数进行估计计算。首先，建立系统离散数学模型，设已知参数或辅助型参数为x(t)，对应离散方程时间序列为{X(nT)};相应待测变量为y(t)，对应离散方程时间序列为{Y(nT)}，系统参数测量问题则转化为通过时间序列为{X(nT)}推导时间序列为{Y(nT)}最优解的数学问题。 　　其中，x为状态参数，y为观测参数，theta;为辅助参数，u为输入参数，v、w为噪声参数;A、B、C、Ctheta;为系统系数矩阵。系统参数估计过程为：状态初值x(t)借助辅助参数theta;获得估计值，并最终获得观测值y的估计值。 　　2车辆模型状态估计方法 　　2.1卡尔曼滤波算法 　　卡尔曼滤波算法是一种典型的基于状态参数的软测量方法。它是一种对离散信号进行线性滤波的递推，进而获得最优解的方法，其主要特点为：1)是一种适用于求解多维随机问题的递推算法;2)可对所有信号进行处理并由系统状态方程描述参数变化情况;3)可利用系统现实存在的白噪声与测量噪声特性估计被观测参数;4)离散型滤波算法可通过计算机仿真实现。 　　卡尔曼滤波算法大多用于线性系统，而车辆的行驶过程、电机转轴过程均为典型的线性系统，建立上述过程的数学模型后，通过系统离散化即可建立系统状态方程与观测方程。 　　2.2车辆二自由度转向状态估计模型 　　由于我们在分析汽车运动模型时，通常设