基于無跡卡爾曼的分布式電動汽車狀態估計

何昊文

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

關鍵詞：分布式電動汽車;無跡卡爾曼;橫擺角速度;質心側偏角

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

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

卡爾曼濾波觀測器可以根據系統預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。卡爾曼濾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，EKF 通過對非線性系統進行離散化處理，將其轉化為線性系統，UKF采用無跡變換的方式處理非線性系統，具有無需求解雅可比矩陣、計算精度高和穩定性好的優點。本文選用 UKF算法對分布式驅動汽車的狀態信息進行預測估計。

1 車輛動力學模型

考慮車身的縱向、側向、橫擺運動的三自由度整車動力學模型，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加速，16s時雙移線結束，此時車速為120km/h，整個雙移線過程中質心側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算法的分布式驅動電動汽車狀態觀測器，在已知車輪轉矩和輪胎側偏處于線性區域內能夠較好的預測估計汽車的狀態信息，為汽車的穩定性控制提供較好的基礎。

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車輛狀態參數估計器.中國公路學報.

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

[3] 王志威.分布式電驅動車輛狀態及參數聯合估算研究.浙江大學專業學位論文2020（4）.