[发明专利]基于伪量测信息的分布式驱动电动汽车状态级联估计方法

摘要

本发明提出基于伪量测信息的分布式驱动电动汽车状态级联估计方法，包括如下步骤：(1)分布式驱动电动汽车动力学建模；(2)基于电驱动轮模型的纵向力观测器设计；(3)基于纵向力伪量测和强跟踪卡尔曼滤波的车辆行驶状态级联估计方法设计；(4)级联估计方法验证与分析。本发明针对分布式驱动电动汽车机电耦合驱动的特点，采用电驱动轮模型进行纵向力估计，设计了自适应高阶滑模观测器用于纵向力估计，提高了纵向力估计的精度与鲁棒性。基于纵向力估计值，设计了一种车辆行驶状态级联估计方法，在不需要纵向加速度和横向加速度的情况下，结合强跟踪卡尔曼滤波设计了车辆状态估计方法，并采用补偿的方式提高车辆状态估计的精度。

主权项

1.基于伪量测信息的分布式驱动电动汽车状态级联估计方法，其特征在于，包括如下步骤：步骤S1：分布式驱动电动汽车动力学建模，包括三自由度车辆动力学建模、电驱动轮建模以及轮胎模型建模；步骤S2：基于电驱动轮模型的纵向力观测器设计，包括以下步骤：步骤S2a、电驱动轮模型精确线性化条件分析，将电驱动轮模型构造为非线性仿射系统，通过李括号运算分析电驱动轮模型的精确线性化条件；步骤S2ab基于自适应高阶滑模观测器的纵向力估计，通过坐标变换进行了电驱动模型转化，引入増广状态量进行系统状态扩展，基于超螺旋算法设计自适应高阶滑模观测器从而得到増广系统的状态估计，最后得到纵向力估计值；步骤S2c进行坐标变换系统稳定性分析和高阶滑模观测器稳定性分析，分别分析坐标变换系统的稳定性和自适应高阶滑模观测器的稳定性，验证所设计的纵向力估计方法的可靠性；步骤S3：基于纵向力伪量测和强跟踪卡尔曼滤波的车辆行驶状态级联估计方法设计，根据步骤S2的纵向力观测器设计方法，针对四个电驱动轮分别设计纵向力观测器，分别实现四个车轮纵向力的估计；将四个纵向力观测器视为伪传感器，观测器估计值视为伪量测值作为整车行驶状态估计的输入量，首先设计横摆角速度上层观测器，得到横摆角速度的初步估计，并设计PID控制器补偿该上层估计值，将经过PID控制器补偿后的上层估计值作为整车行驶状态估计的伪量测更新，从而基于强跟踪卡尔曼滤波设计车辆行驶状态级联估计方法；步骤S4：级联估计方法验证与分析。