何昊文

摘 要：為了較準確地獲取分布式電動汽車的狀態(tài)信息，滿足汽車穩(wěn)定性控制的要求，文章以三自由度車輛動力學(xué)模型為基礎(chǔ)，建立了基于無跡卡爾曼濾波的分布式電動汽車狀態(tài)觀測器，對雙移線工況下分布式汽車的縱橫向車速、橫擺角速度、質(zhì)心側(cè)偏角進行了預(yù)測估計。

關(guān)鍵詞：分布式電動汽車;無跡卡爾曼;橫擺角速度;質(zhì)心側(cè)偏角

中圖分類號：U469.7 ?文獻標識碼：B ?文章編號：1671-7988（2020）20-11-03

Abstract： In order to obtain the state information of distributed electric vehicles more accurately and meet the requirements of vehicle stability control， this paper builds a distributed electric vehicle state observer based on the unscented Kalman filter based on the three-degree-of-freedom vehicle dynamics model. The longitudinal and lateral vehicle speed， yaw rate and side slip angle of the distributed vehicle under the double-line shifting condition are predicted and estimated.

Keywords： Distributed electric vehicle; Unscented Kalman; Yaw rate; Slip angle

CLC NO.： U469.7 ?Document Code： B ?Article ID： 1671-7988（2020）20-11-03

前言

分布式驅(qū)動電動汽車作為電動汽車的重要類型，相比于傳統(tǒng)集中式驅(qū)動電動汽車來說，其電機驅(qū)/制動力矩獨立可控，且控制精度高，響應(yīng)更加迅速，可以實現(xiàn)更好的主動安全控制[1]。

卡爾曼濾波觀測器可以根據(jù)系統(tǒng)預(yù)測值和測量值相融合，實時估算觀測器的反饋矩陣，并對噪聲進行抑制或濾波?？柭鼮V波算法主要有普通卡爾曼濾波（CKF）、擴展卡爾曼濾波（EKF）和無跡卡爾曼濾波（UKF）[2]，CKF 僅適用于線性系統(tǒng)，EKF 通過對非線性系統(tǒng)進行離散化處理，將其轉(zhuǎn)化為線性系統(tǒng)，UKF采用無跡變換的方式處理非線性系統(tǒng)，具有無需求解雅可比矩陣、計算精度高和穩(wěn)定性好的優(yōu)點。本文選用 UKF算法對分布式驅(qū)動汽車的狀態(tài)信息進行預(yù)測估計。

1 車輛動力學(xué)模型

考慮車身的縱向、側(cè)向、橫擺運動的三自由度整車動力學(xué)模型，如圖1所示：

車輛從原地開始起步加速，7s時以60km/h的速度開始進入雙移線工況，并且在雙移線過程中保持繼續(xù)加速，16s時雙移線結(jié)束，此時車速為120km/h，整個雙移線過程中質(zhì)心側(cè)偏角和橫擺角速度均可以較好的跟隨實際值，在較大的峰值處略大于實際值，這是由于忽略了懸架等其他部分的影響。

4 結(jié)論

本文基于三自由整車模型建立了基于UKF算法的分布式驅(qū)動電動汽車狀態(tài)觀測器，在已知車輪轉(zhuǎn)矩和輪胎側(cè)偏處于線性區(qū)域內(nèi)能夠較好的預(yù)測估計汽車的狀態(tài)信息，為汽車的穩(wěn)定性控制提供較好的基礎(chǔ)。

參考文獻

[1] 張一西，馬建，趙軒，張凱，劉曉東.基于蟻獅算法的UKF車輛狀態(tài)參數(shù)估計器.中國公路學(xué)報.

[2] 宋義彤，舒紅宇，陳仙寶，靖長青，郭成.分布式電動汽車狀態(tài)與參數(shù)無跡卡爾曼濾波估計[J/OL].機械工程學(xué)報.

[3] 王志威.分布式電驅(qū)動車輛狀態(tài)及參數(shù)聯(lián)合估算研究.浙江大學(xué)專業(yè)學(xué)位論文2020（4）.