基于纵向力伪测量的分布式驱动电动汽车行驶状态估计

江苏大学的陈特, 陈龙, 蔡英凤, 徐兴, 江浩斌在《机械工程学报》2019年第18期发表了《基于纵向力伪测量的分布式驱动电动汽车行驶状态估计》一文，他们提出一种纵、横向加速度传感器信息缺失情况下的车辆状态补偿估计方法。建立了3自由度车辆模型与轮胎模型，提出电驱动轮模型并将其应用到纵向力估计中，考虑电驱动轮模型含有噪声和未知输入，通过模型解耦的方式得到了纵向力重构方程，并基于伦伯格观测器和高阶滑模观测器实现纵向力估计。将纵向力估计作为伪量测值，设计了一种传感器信息不足情况下的补偿估计方法，并基于强跟踪滤波实现车辆状态估计。联合仿真结果表明，所设计的纵向力观测器针对含未知输入和干扰的系统能够实时估计纵向力，采用补偿和强跟踪结合的方式能够有效提高估计精度。考虑估计方法的实车表现，进行了台架和道路测试，台架试验结果表明纵向力观测器估计精度达到了91.3%，道路试验结果表明STF相比EKF对纵向车速、侧向车速以及横摆角速度的估计精度分别提高了14.03%，15.02%和16.58%。

试验方法

在底盘测功机台架上进行纵向力估计的试验验证。CAN总线用来采集电流、电压和转速值，从而作为纵向力观测器的输入量，底盘测功机数据采集系统用于记录纵向力，从而所为对比验证。实车道路试验在一条平直沥青道路上进行，试验选取蛇形工况，道路上间隔30米安放有标桩。基于快速原型实现四轮独立驱动汽车的整车控制，采用Vehicle Spy进行传感器数据记录。纵向力观测器已进行了底盘测功机台架试验试验，因此将道路试验所得纵向力估计值作为滤波估计的伪量测输入。

重要结果

在加速过程中纵向力估计具有一定的偏差但偏差较小；当车辆匀速时，纵向力估计趋于稳定，具有较高的估计精度。通过数值计算可得纵向力观测器估计精度达到了91.3%。基于STF估计到的纵向车速、侧向车速和横摆角速度的均方根误差都小于EKF,说明了STF能更好地抑制误差的产生并提高估计精度。数值计算结果表明STF相比EKF对纵向车速、侧向车速以及横摆角速度的估计精度分别提高了14.03%，15.02%和16.58%。

重要结论

所设计的纵向力观测器针对含未知输入和干扰的系统能够实时估计纵向力，采用补偿和强跟踪结合的方式能够有效提高估计精度。

前景与应用

所设计的状态估计方法，可以替代部分昂贵的车载传感器，为分布式驱动电动汽车或者智能汽车控制系统设计提供基础，有助于降低设计成本。

引用本文

陈特, 陈龙, 蔡英凤, 徐兴, 江浩斌. 基于纵向力伪测量的分布式驱动电动汽车行驶状态估计[J]. 机械工程学报, 2019, 55(18): 86-94.

CHEN Te, CHEN Long, CAI Yingfeng, XU Xing, JIANG Haobin. Estimation of Driving States Based on Pseudo-measurements of Longitudinal Force for Distributed Drive Electric Vehicles[J]. Journal of Mechanical Engineering, 2019, 55(18): 86-94.

相关文章推荐

1. REZAEIAN A, ZARRINGHALAM R, FALLAH S, et al. Novel tire force estimation strategy for realtime implementation on vehicle applications [J]. IEEE Trans. Veh. Technol., 2015, 64(6): 2231-2241.

2. BOADA B L, BOADA M J L, DIAZ V. Vehicle side slip angle measurement based on sensor data fusion using an integrated ANFIS and an unscented Kalman Filter algorithm [J]. Mech. Syst. Signal Process, 2016, 72: 832-845.

3. LI X, CHAO C Y, WANG Y. A reliable fusion methodology for simultaneous estimation of vehicle sideslip and yaw angles [J]. IEEE Trans. Veh. Technol, 2016, 65(6): 4440-4458.

主创简介

陈龙（1958-），男，教授，博士生导师，主持、正在完成国家自然科学基金项目3项、国家863、部省级科研项目10多项，先后发表学术论文近100篇，担任《机械工程学报》、《农业机械学报》编委，当选2017年度中国汽车工程学会会士和新一届学会副理事长。担任江苏大学副校长、党委常委，兼任江苏省载运工具运用工程高技术重点实验室主任。先后3次被表彰为江苏省优秀教育工作者、江苏省教育系统优秀共产党员、江苏省优秀科技副县（市）长。近年来科技奖项包括：教育部科技进步二等奖（2013，2010,2008），中国公路学会科学技术一等奖（2012,2008），江苏省科技进步二等奖（2011,2005）等。

课题组介绍

本课题组研究方向主要有：

（1）动力学系统建模、辨识、优化、故障诊断及控制

（2）电动汽车、混合动力汽车及其储能系统

（3）自动或半自动驾驶控制技术

（4）滑模控制、模型预测控制、鲁棒控制及其应用。

在研项目：

（1）江苏省“六大人才高峰”项目(A类)：四轮独立驱动纯电动汽车动力系统的协调控制研究

（2）中国博士后基金项目：PWA模型框架下4WIA电动汽车协调控制的研究

（3） 江苏省“333工程”科研项目：分布式驱动电动汽车多电机协同机理与动力学控制研究

（4）国家自然基金重点项目（Co-PI）： 智能汽车多状态系统动力学行为建模与协同控制研究

（5）国家自然基金项目（Co-PI）：基于多智能体理论的气路闭环互联空气悬架系统协同控制理论与技术

（6）省级战略性新兴产业发展专项基金项目（Co-PI）：纯电动汽车先进底盘电动一体化关键核心技术研发

已完成项目：

（1）国家青年科学基金项目：基于Ito随机理论的ECAS车辆车身高度调节机理分析与控制

（2）教育部博士点基金项目（新教师类）：ECAS车辆车身高度调节机理分析与控制

（3）江苏省自然科学基金项目：多能域IAS车辆车身高度切换系统的矩稳定机理及其容错控制

（4）江苏大学高级人才专项资助：ECAS车辆车身高度调节机理及其控制

（5）国家新能源汽车技术创新工程项目：奇瑞插电式混合动力汽车技术开发

（6）企业合作项目：低速微型纯电动汽车的开发

（7）国家863项目：转子增称/充换兼容电动轿车技术攻关及产业化

（8）江苏省产学研联合创新项目：智能泊车与EPS集成控制关键技术研究开发

实验装备简介

（1）分布式驱动车辆

本课题组自主研制和搭建了分布式驱动实验车一辆，为了研究电机特性搭建了轮毂电机特性试验台架；如图1所示，轮毂电机、转速转矩传感器及磁粉制动器通过夹具固定在底座上，并选用迪卡侬电池测试系统作为恒压源给轮毂电机提供稳定的72V额定电压。将试验测得的数据进行整理，并进行插值处理，得出轮毂电机功率、电流、效率和转矩的曲线。并基于D2P快速原型完成了整车控制系统搭建，实验样车如图2所示，试验样车各车轮处各配有一个3kW的轮毂电机与车轮轮辋直接连接作为驱动电机。

图1  轮毂电机特性试验台架

图2  实验样车

（2）分布式驱动自动驾驶车

基于分布式驱动车搭建自动驾实验样车，并基于D2P快速原型完成整车控制系统，如3所示，实车为轮毂电机驱动和前轮转向的分布式驱动电动车，车顶上方GPS/INS惯性导航系统通过CAN通讯可以采集车辆行驶中的经纬度、俯仰角、横摆角等信号；本实验样车为人机共驾的形式，因此保留了车辆方向盘在内的转向系统；利用模拟量输入模块和频率量输入模块实时处理采集到的传感器信号，快速原型控制器计算得到所需的控制信号通过PWM输出通道作用于各轮毂电机控制器、转向电机控制器以及自动刹车电机控制器；应用笔记本电脑作为控制器模型刷写的上位机。目前本实验样车已经能够实定轨迹跟踪，并应用此平台研究分布式驱车辆的自动泊车以及ACC自动巡航控制等。 

图3 分布式驱动自动驾驶车

（3）硬件在环测试平台

如图4所示为本课题组的电池管理系统开发与测试平台，即BMS的硬件在环(hardware-in-the-loop, HiL )，就是利用各种板卡模拟输入输出信号，实现真实控制器与仿真模型的连接，构成完整的回路，检验控制器的实际运行情况以及算法策略的可行性。利用HiL测试系统可以保证模型一致，即控制器算法中的电池模型与电池模拟器使用的模型一致，忽略电池模型与实际电池之间的偏差，这样就能更加准确的测试算法本身的性能。该平台主要用于电池建模和BMS算法开发，系统硬件由测试机柜、一个BCU控制器、两个BMU控制器以及工控机组成。本课题组应用HiL测试系统进行电池SOC估测算法、电池能量管理策略以及混合动力车的能量管理等控制算法的验证。同时本课题组新增VCU和MCU硬件在环测试平台，为今后研究整车控制策略、动力学控制以及智能驾驶和无人驾驶提供开发和测试平台。

图4  电池管理系统开发与测试平台硬件组成

对于学院其他的实验设备以及本课题组的研究不在做更多的介绍，下面给出本课题组涉及应用或自己搭建的部分实验样车和实验设备图片。

图5  底盘测功机

图6  四通道道路模拟机

图7  制动能量回收试验台

图8  自动泊车实验样车