CN115422764B - 一种基于无源性的侧向车速估计方法 - Google Patents

一种基于无源性的侧向车速估计方法 Download PDF

Info

Publication number
CN115422764B
CN115422764B CN202211155930.5A CN202211155930A CN115422764B CN 115422764 B CN115422764 B CN 115422764B CN 202211155930 A CN202211155930 A CN 202211155930A CN 115422764 B CN115422764 B CN 115422764B
Authority
CN
China
Prior art keywords
lateral
vehicle speed
follows
observation
estimation method
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202211155930.5A
Other languages
English (en)
Other versions
CN115422764A (zh
Inventor
马延
贺亮
陈建林
赵凯星
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Taicang Yangtze River Delta Research Institute of Northwestern Polytechnical University
Original Assignee
Taicang Yangtze River Delta Research Institute of Northwestern Polytechnical University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Taicang Yangtze River Delta Research Institute of Northwestern Polytechnical University filed Critical Taicang Yangtze River Delta Research Institute of Northwestern Polytechnical University
Priority to CN202211155930.5A priority Critical patent/CN115422764B/zh
Publication of CN115422764A publication Critical patent/CN115422764A/zh
Application granted granted Critical
Publication of CN115422764B publication Critical patent/CN115422764B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/15—Vehicle, aircraft or watercraft design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/10—Noise analysis or noise optimisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Algebra (AREA)
  • Computing Systems (AREA)
  • Automation & Control Theory (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Steering Control In Accordance With Driving Conditions (AREA)

Abstract

本发明公开了一种基于无源性的侧向车速估计方法，具体如下：基于汽车动力学理论，建立汽车二自由度侧向动力学系统；基于无源性理论，设计侧向车速观测系统；获得观测误差动态系统状态空间模型；设计增益矩阵，代入观测误差动态系统的状态空间模型中，将观测误差动态系统转化为期望的端口哈密尔顿系统；证明侧向车速观测系统的稳定性和收敛性；验证在不同方向盘转角工况下侧向速度估计方法的准确性；验证侧向速度估计方法的鲁棒性。本发明建立汽车侧向动力学系统，设计侧向速度观测系统的增益矩阵，将观测误差动态系统转化为期望端口哈密尔顿系统，保证侧向速度观测系统的鲁棒性和稳定性，同时从理论上分析了侧向速度观测系统的鲁棒性和稳定性。

Description

一种基于无源性的侧向车速估计方法
技术领域
本发明属于生产制造领域，特别涉及一种基于无源性的侧向车速估计方法。
背景技术
侧向车速的精确估计对汽车操纵性能的操纵性、稳定性和舒适性有很大影响。然而，传感器成本过高导致难以直接测量车辆状态，所以目前流行基于低成本车载传感器设计侧向车速估计方法。侧向车速估计方法主要可以分为基于运动学模型的估计方法和基于动力学模型的估计方法两大类。基于运动学模型的估计方法是直接估计方法，其实质是利用传感器测量得到的数据，通过运动学关系得到车辆行驶状态的估计值。但该方法在噪声干扰下无法使用。
基于动力学模型的估计方法，是将汽车车身视为刚体，根据牛顿定律和力矩平衡关系得到汽车状态量之间的动力学关系，并以此为基础，利用部分已知信息实现对侧向车速的估计。但目前大多方法基于汽车线性动力学模型来设计侧向车速估计方法，会影响侧向速度观测系统的鲁棒性和稳定性。
因此，现有侧向车速估计方式还有待于进一步改进。
发明内容
发明目的：为了克服以上不足，本发明的目的是提供一种基于无源性的侧向车速估计方法，其结构简单，设计合理，易于生产，自动化程度高，减少人工劳动量，提高了工作效率，储料量大并且应用灵活。
技术方案：为了实现上述目的，本发明提供了一种基于无源性的侧向车速估计方法，具体的侧向车速估计方法如下：
S1：基于汽车动力学理论，建立汽车二自由度侧向动力学系统；
S2：通过建立的汽车二自由度侧向动力学系统，基于无源性理论，设计侧向车速观测系统；
S3：通过建立汽车二自由度侧向动力学系统和设计的侧向车速观测系统，可得观测误差动态系统的状态空间模型；
S4：设计增益矩阵，将增益矩阵代入观测误差动态系统的状态空间模型中，从而将观测误差动态系统转化为期望的端口哈密尔顿系统；
S5：基于李雅普诺夫理论，可证明设计侧向车速观测系统的稳定性和收敛性；
S6：通过MATLAB/Simulink和Carsim软件搭建的高精度联合仿真平台，验证在不同方向盘转角工况下侧向速度估计方法的准确性；
S7：在测量信号噪声干扰的条件下验证侧向速度估计方法的鲁棒性。
本发明所述的基于无源性的侧向车速估计方法，所述步骤S1中建立汽车二自由度侧向动力学系统如下：
y=r
公式中：A(x)为状态矩阵，为控制向量，x为系统状态，/>为系统状态的导数，δf为前轮转角，r为横摆角速度，y为系统输出；其中，x＝[r,vy]T,公式中：vy为侧向车速。
本发明所述的基于无源性的侧向车速估计方法，所述A(x)和的具体计算方式如下：
其中，vx为纵向车速，m为汽车质量，Iz为汽车横摆惯量，Cf和Cr分别为前后轮侧偏刚度，lf和lr分别为汽车质心到前后轴的距离。
本发明所述的基于无源性的侧向车速估计方法，基于建立的汽车侧向动力学系统，设计侧向速度观测器，其中汽车的横摆角速度可以通过传感器测量直接获得，基于测量得到的横摆角速度，采用估计算法来设计侧向车速观测系统如下：
其中，为观测系统状态估计值，/>为观测系统状态估计值的导数，/>为观测系统输出估计值，/>为横摆角速度估计值，L(x)为增益矩阵；
上述的计算方式如下：
其中，为侧向车速估计值。
本发明所述的基于无源性的侧向车速估计方法，
所述步骤S3中通过建立汽车二自由度侧向动力学系统和设计的侧向车速观测系统，可得观测误差动态系统的状态空间模型如下：
其中，所述的计算方式如下：
所述的计算方式如下：
其中，为引入观测系统状态误差，/>为引入观测系统状态误差的导数，/>为观测系统输出误差。
本发明所述的基于无源性的侧向车速估计方法，
所述增益矩阵L(x)计算过程如下：
其中，参数r1为非负常数。
本发明所述的基于无源性的侧向车速估计方法，
所述步骤S4中，将增益矩阵代入观测误差动态系统的状态空间模型中，可得匹配方程成立如下：
再将观测误差动态系统转化为期望的端口哈密尔顿系统，即：
其中，为期望的互联矩阵，/>为期望的阻尼矩阵，/>为期望的哈密尔顿函数。
本发明中所述的基于无源性的侧向车速估计方法，
所述步骤S5中，侧向车速观测系统稳定性和收敛性的证明方法如下：
所述期望的互联矩阵的计算方式如下：
所述期望的阻尼矩阵的计算方式如下：
所述期望的哈密尔顿函数的计算方式如下：
对期望哈密尔顿函数求导，可得如下
由于可知/>同时，因为哈密尔顿函数/>径向无界，
通过拉萨不变集原理可知，设计的侧向车速估计方法全局渐近稳定性和收敛性将会得到保证。
本发明中所述的基于无源性的侧向车速估计方法，所述步骤S7中
通过改变参数r1来调节侧向车速观测系统的稳定性和收敛性的方法如下：
由于噪声会对测量信号产生一定的影响，因而观测误差动态系统可表示为：
其中，δ为噪声干扰，因此，可近似表示如下：
由此可见，即使测量信号存在噪声干扰，可以通过改变参数r1来保证从而保证侧向车速观测系统的稳定性、收敛性和鲁棒性。
上述技术方案可以看出，本发明具有如下有益效果：
1、本发明所述的一种基于无源性的侧向车速估计方法，基于无源性概念，建立汽车侧向动力学系统模型，设计侧向速度观测系统的增益矩阵，从而将观测误差动态系统转化为期望端口哈密尔顿系统，保证侧向速度观测系统的鲁棒性和稳定性，同时从理论上分析了侧向速度观测系统的鲁棒性和稳定性。
2、本发明还通过仿真平台验证了在不同工况下设计的侧向速度估计方法的有效性，确保该侧向速度估计方法能够应用到实际中。
附图说明
图1为本发明中侧向速度估计方法框图；
图2为两种不同案例的方向盘转角图；
图3为案例一侧向速度的观测效果图；
图4为噪声干扰下横摆角速度的测量输出图；
图5为噪声干扰下案例二侧向速度的观测效果图。
具体实施方式
下面结合附图和具体实施例，进一步阐明本发明。
实施例
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上，除非另有明确的限定。
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中，除非另有明确的规定和限定，第一特征在第二特征之“上”或之“下”可以包括第一和第二特征直接接触，也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且，第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二特征正上方和斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”包括第一特征在第二特征正下方和斜下方，或仅仅表示第一特征水平高度小于第二特征。
实施例1
如图1所示一种基于无源性的侧向车速估计方法，具体的侧向车速估计方法如下：
S1：基于汽车动力学理论，建立汽车二自由度侧向动力学系统；
S2：通过建立的汽车二自由度侧向动力学系统，基于无源性理论，设计侧向车速观测系统；
S3：通过建立汽车二自由度侧向动力学系统和设计的侧向车速观测系统，可得观测误差动态系统的状态空间模型；
S4：设计增益矩阵，将增益矩阵代入观测误差动态系统的状态空间模型中，从而将观测误差动态系统转化为期望的端口哈密尔顿系统；
S5：基于李雅普诺夫理论，可证明设计侧向车速观测系统的稳定性和收敛性；
S6：通过MATLAB/Simulink和Carsim软件搭建的高精度联合仿真平台，验证在不同方向盘转角工况下侧向速度估计方法的准确性；
S7：在测量信号噪声干扰的条件下验证侧向速度估计方法的鲁棒性。
本实施例中所述步骤S1中建立汽车二自由度侧向动力学系统如下：
y＝r
公式中：A(x)为状态矩阵，为控制向量，x为系统状态，/>为系统状态的导数，δf为前轮转角，r为横摆角速度，y为系统输出；其中，x＝[r,vy]T,公式中：vy为侧向车速。
所述A(x)和的具体计算方式如下：
其中，vx为纵向车速，m为汽车质量，Iz为汽车横摆惯量，Cf和Cr分别为前后轮侧偏刚度，lf和lr分别为汽车质心到前后轴的距离。
本实施例中基于建立的汽车侧向动力学系统，设计侧向速度观测器，其中汽车的横摆角速度可以通过传感器测量直接获得，基于测量得到的横摆角速度，采用估计算法来设计侧向车速观测系统如下：
其中，为观测系统状态估计值，/>为观测系统状态估计值的导数，/>为观测系统输出估计值，/>为横摆角速度估计值，L(x)为增益矩阵；
上述的计算方式如下：
其中，为侧向车速估计值。
本实施例中所述步骤S3中通过建立汽车二自由度侧向动力学系统和设计的侧向车速观测系统，可得观测误差动态系统的状态空间模型如下：
其中，所述的计算方式如下：
所述的计算方式如下：
其中，为引入观测系统状态误差，/>为引入观测系统状态误差的导数，/>为观测系统输出误差。
上述所述增益矩阵L(x)计算过程如下：
其中，参数r1为非负常数。
本实施例中所述步骤S4中，将增益矩阵代入观测误差动态系统的状态空间模型中，可得匹配方程成立如下：
再将观测误差动态系统转化为期望的端口哈密尔顿系统，即：
其中，为期望的互联矩阵，/>为期望的阻尼矩阵，/>为期望的哈密尔顿函数。
本实施例中所述步骤S5中，侧向车速观测系统稳定性和收敛性的证明方法如下：
所述期望的互联矩阵的计算方式如下：
所述期望的阻尼矩阵的计算方式如下：
所述期望的哈密尔顿函数的计算方式如下：
对期望哈密尔顿函数求导，可得如下
由于可知/>同时，因为哈密尔顿函数/>径向无界，
通过拉萨不变集原理可知，设计的侧向车速估计方法全局渐近稳定性和收敛性将会得到保证。
本实施例中通过改变参数r1来调节侧向车速观测系统的稳定性和收敛性的方法如下：
由于噪声会对测量信号产生一定的影响，因而观测误差动态系统可表示为：
其中，δ为噪声干扰，因此，可近似表示如下：
由此可见，即使测量信号存在噪声干扰，可以通过改变参数r1来保证从而保证侧向车速观测系统的稳定性、收敛性。
实施例2
本实施例中的侧向车速估计方法与实施例1中相同。
下面选取两种不同的方向盘转角工况，在仿真平台上进行验证，具体如下：
案例一方向盘转角正弦波变化的转向工况，案例二为方向盘转角阶跃变化的转向工况，如图2所示，两种工况下转角明显不同，案例一下的侧向车速观测效果如图3所示，观测值与真实值的曲线基本吻合，仿真结果显示设计的侧向车速估计方法能够快速准确地观测侧向速度真实值，这也表明设计的侧向车速估计方法具有良好的实时性，能够应用在实际驾驶场景中。
为了验证设计的侧向车速估计方法的鲁棒性，对测量信号横摆角速度r加入白噪声干扰，如图4所示。在案例二的前轮转角变化和噪声干扰下，侧向车速的观测效果如图5所示。仿真结果显示在噪声干扰下，设计的侧向车速估计方法仍能准确快速地观测案例二的侧向速度真实值，这表明设计的侧向车速估计方法具有良好的鲁棒性。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进，这些改进也应视为本发明的保护范围。

Claims (4)

1.一种基于无源性的侧向车速估计方法，其特征在于：具体的侧向车速估计方法如下：
S1：基于汽车动力学理论，建立汽车二自由度侧向动力学系统；
S2：通过建立的汽车二自由度侧向动力学系统，基于无源性理论，设计侧向车速观测系统；
S3：通过建立汽车二自由度侧向动力学系统和设计的侧向车速观测系统，可得观测误差动态系统的状态空间模型；
S4：设计增益矩阵，将增益矩阵代入观测误差动态系统的状态空间模型中，从而将观测误差动态系统转化为期望的端口哈密尔顿系统；
S5：基于李雅普诺夫理论，可证明设计侧向车速观测系统的稳定性和收敛性；
S6：通过MATLAB/Simulink和Carsim软件搭建的高精度联合仿真平台，验证在不同方向盘转角工况下侧向速度估计方法的准确性；
S7：在测量信号噪声干扰的条件下验证侧向速度估计方法的鲁棒性；
所述步骤S1中建立汽车二自由度侧向动力学系统如下：
y＝r
公式中：A(x)为状态矩阵，为控制向量，x为系统状态，/>为系统状态的导数，δf为前轮转角，r为横摆角速度，y为系统输出；其中，x＝[r,vy]T,公式中：vy为侧向车速；
所述A(x)和的具体计算方式如下：
其中，vx为纵向车速，m为汽车质量，Iz为汽车横摆惯量，Cf和Cr分别为前后轮侧偏刚度，lf和lr分别为汽车质心到前后轴的距离；
基于建立的汽车侧向动力学系统，设计侧向速度观测器，其中汽车的横摆角速度通过传感器测量直接获得，基于测量得到的横摆角速度，采用估计算法来设计侧向车速观测系统如下：
其中，为观测系统状态估计值，/>为观测系统状态估计值的导数，/>为观测系统输出估计值，/>为横摆角速度估计值，L(x)为增益矩阵；
上述的计算方式如下：
其中，为侧向车速估计值；
所述步骤S3中通过建立汽车二自由度侧向动力学系统和设计的侧向车速观测系统，可得观测误差动态系统的状态空间模型如下：
其中，所述的计算方式如下：
所述的计算方式如下：
其中，为引入观测系统状态误差，/>为引入观测系统状态误差的导数，/>为观测系统输出误差；
所述增益矩阵L(x)计算过程如下：
其中，参数r1为非负常数。
2.根据权利要求1所述的基于无源性的侧向车速估计方法，其特征在于：
所述步骤S4中，将增益矩阵代入观测误差动态系统的状态空间模型中，可得匹配方程成立如下：
再将观测误差动态系统转化为期望的端口哈密尔顿系统，即：
其中，为期望的互联矩阵，/>为期望的阻尼矩阵，/>为期望的哈密尔顿函数。
3.根据权利要求2所述的基于无源性的侧向车速估计方法，其特征在于：
所述步骤S5中，侧向车速观测系统稳定性和收敛性的证明方法如下：
所述期望的互联矩阵的计算方式如下：
所述期望的阻尼矩阵的计算方式如下：
所述期望的哈密尔顿函数的计算方式如下：
对期望哈密尔顿函数求导，可得如下
由于可知/>同时，因为哈密尔顿函数/>径向无界，通过拉萨不变集原理可知，设计的侧向车速估计方法全局渐近稳定性和收敛性将会得到保证。
4.根据权利要求3所述的基于无源性的侧向车速估计方法，其特征在于：
通过改变参数r1来调节侧向车速观测系统的稳定性和收敛性的方法如下：
由于噪声会对测量信号产生一定的影响，因而观测误差动态系统可表示为：
其中，δ为噪声干扰，因此，可近似表示如下：
由此可见，即使测量信号存在噪声干扰，通过改变参数r1来保证从而保证侧向车速观测系统的稳定性、收敛性和鲁棒性。
CN202211155930.5A 2022-09-22 2022-09-22 一种基于无源性的侧向车速估计方法 Active CN115422764B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211155930.5A CN115422764B (zh) 2022-09-22 2022-09-22 一种基于无源性的侧向车速估计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211155930.5A CN115422764B (zh) 2022-09-22 2022-09-22 一种基于无源性的侧向车速估计方法

Publications (2)

Publication Number Publication Date
CN115422764A CN115422764A (zh) 2022-12-02
CN115422764B true CN115422764B (zh) 2023-11-24

Family

ID=84204187

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211155930.5A Active CN115422764B (zh) 2022-09-22 2022-09-22 一种基于无源性的侧向车速估计方法

Country Status (1)

Country Link
CN (1) CN115422764B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102346233A (zh) * 2010-07-30 2012-02-08 鸿富锦精密工业（深圳）有限公司 散射参数无源性分析系统及方法
CN107168288A (zh) * 2017-05-26 2017-09-15 吉林大学 一种线控转向系统的整体结构建模方法
CN107358679A (zh) * 2017-06-14 2017-11-17 同济大学 一种基于新型模糊观测器的车辆质心侧偏角的估计方法
CN108710302A (zh) * 2018-06-20 2018-10-26 天津大学 无源性全方位移动机器人轨迹跟踪自抗扰控制方法
CN112231830A (zh) * 2020-09-30 2021-01-15 浙江大学 基于自适应等效因子的混合动力车辆多目标优化控制方法
CN113183950A (zh) * 2021-05-11 2021-07-30 江苏大学 一种电动汽车主动前轮转向的自适应控制方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102346233A (zh) * 2010-07-30 2012-02-08 鸿富锦精密工业（深圳）有限公司 散射参数无源性分析系统及方法
CN107168288A (zh) * 2017-05-26 2017-09-15 吉林大学 一种线控转向系统的整体结构建模方法
CN107358679A (zh) * 2017-06-14 2017-11-17 同济大学 一种基于新型模糊观测器的车辆质心侧偏角的估计方法
CN108710302A (zh) * 2018-06-20 2018-10-26 天津大学 无源性全方位移动机器人轨迹跟踪自抗扰控制方法
CN112231830A (zh) * 2020-09-30 2021-01-15 浙江大学 基于自适应等效因子的混合动力车辆多目标优化控制方法
CN113183950A (zh) * 2021-05-11 2021-07-30 江苏大学 一种电动汽车主动前轮转向的自适应控制方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
Lateral stability integrated with energy efficiency control for electric vehicles;Yan Ma 等;《Mechanical Systems and Signal Processing》;全文 *
Passivity Analysis and Design of a Robust Nested Passivity-Based Controller for Trajectory Tracking of Autonomous Vehicles;Gilles Tagne 等;《IFAC Proceedings Volumes》;全文 *
变挡纯电动汽车动力性与稳定性集成控制方法研究;肖力军;《中国博士学位论文全文数据库工程科技Ⅱ辑 》;全文 *
基于无源理论的非线性系统控制;张萌;《中国博士学位论文全文数据库 信息科技辑》;全文 *
基于汽车SBW系统的横向稳定性研究;邹一楠;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;全文 *

Also Published As

Publication number Publication date
CN115422764A (zh) 2022-12-02

Similar Documents

Publication Publication Date Title
CN105151047B (zh) 一种汽车质心侧偏角测量方法
CN109466558B (zh) 一种基于ekf和bp神经网络的路面附着系数估计方法
CN108944935A (zh) 一种考虑参数耦合关系的汽车质量和道路坡度估计方法
CN110017850B (zh) 一种陀螺仪漂移估计方法、装置及定位系统
JPH0725320B2 (ja) 車両用実舵角制御装置
CN111624941A (zh) 一种面向未知环境的六自由度机器人力控方法
CN103606206B (zh) 一种使用汽车行驶状态感知装置的汽车行驶状态感知方法
CN106125548A (zh) 工业机器人动力学模型参数辨识方法
CN110987470B (zh) 一种基于模型迭代的汽车质量在线估计方法
CN110341714B (zh) 一种同时估计车辆质心侧偏角和扰动的方法
CN108759822B (zh) 一种移动机器人3d定位系统
CN104316055A (zh) 一种基于改进的扩展卡尔曼滤波算法的两轮自平衡机器人姿态解算方法
CN110040146B (zh) 一种考虑路面参数变化的车辆侧翻预警方法及系统
CN109684677A (zh) 一种基于卡尔曼滤波算法的坡度估算方法
CN111959516B (zh) 一种车辆状态与路面附着系数联合估计的方法
CN115378305B (zh) 一种永磁同步直线电机控制方法和控制系统
CN115422764B (zh) 一种基于无源性的侧向车速估计方法
CN113389115B (zh) 车辆特性和路面平整度检测方法、装置、设备及存储介质
CN108228994A (zh) 在越野道路随机激励下车辆及工作装置的应力计算方法
US20040153216A1 (en) Method for estimating a vehicle's velocity
CN113361079B (zh) 路面平整度检测方法、装置、设备及存储介质
JP2001264132A (ja) センサ異常検出方法及びセンサ異常検出装置及び車両制御装置
CN112776817B (zh) 履带式车辆、控制方法、控制器和计算机可读存储介质
CN112498362B (zh) 一种考虑传感器故障的独立驱动电动车车辆状态估计方法
CN108413923A (zh) 一种基于鲁棒混合滤波的车辆侧倾角与俯仰角估计方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant