[发明专利]一种基于PSO优化UKF的EHB系统压力估计方法

摘要

本发明公开了一种基于PSO优化UKF的EHB系统压力估计方法，包括步骤：(1)根据汽车电控液压制动(EHB)系统工作原理及特性建立动力学模型；(2)根据步骤1建立的EHB动力学模型确定UKF、算法中所需要的状态方程，状态向量，观测量及观测方程。根据EHB的强非线性及其工作的时变特性将UKF算法应用到EHB系统中；(3)确定目标函数，设计变量及其边界条件，运用粒子群算法对UKF中的参数进行迭代寻优，使其达到最优。本发明拓展了EHB系统的研究方向，提高了EHB模型的适应性以及参数估计精度，解决了UKF算法参数调节复杂的问题。

主权项

1.一种基于PSO优化UKF的EHB系统压力估计方法，其特征在于，包括步骤：(1)分别构建电控液压制动系统的动力学模型，包括状态方程和观测方程；其中，增压状态方程为：减压状态方程为：观测方程为：Pw‑c‑new＝PL+测量噪声式中，Pw‑new为后一时刻的轮缸压力，PL为当前时刻的轮缸压力，Pm为蓄能器压力，Cd为节流孔的流量系数，A为节流孔的流通截面积，K为制动液的体积模量，V为进/出油阀与制动轮缸之间油管的体积之和，m为节流指数，T为采样周期，Pw‑c‑new为轮缸压力观测值；(2)根据步骤(1)构建的状态方程和观测方程，以m，P_L为状态量，以P_L为观测量，采用无迹卡尔曼算法模型进行状态估计，得到状态量和观测量的预测值；(3)以实际测得的PL以及PL估计值的差的平方和作为目标函数，并设定UKF各参数的边界条件；采用粒子群算法搜索满足目标函数和边界条件的UKF各参数的最优解；(4)将得到的UKF各参数的最优解代入无迹卡尔曼算法模型中，对无迹卡尔曼算法模型进行修正，通过修正后的无迹卡尔曼算法模型估算轮缸压力。