[发明专利]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

说明书

本发明公开了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，属于汽车控制领域，具体为：首先，根据四轮独立驱动电动汽车的运动学特性，搭建具有纵向、横向、横摆特性的三自由度车辆模型；然后，构建三自由度车辆模型的状态空间方程；考虑过程噪声与测量噪声都为高斯白噪声，将三自由度车辆模型进行离散化，得到离散化的状态空间方程，并简化；利用Kalman滤波算法对离散形式状态空间方程进行车辆状态的更新；最后，使用故障诊断信息对Kalman滤波的结果进行修正，抵消了传感器故障带来的影响，提高了估计器的鲁棒性。

技术领域

本发明属于汽车控制领域，涉及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。

背景技术

为应对能源危机与环境污染的双重挑战，保持人类的可持续发展，电动汽车已成为全球汽车工业研究的热点。其中，四轮独立驱动电动汽车由于其诸多潜力与优势被视为未来汽车的发展方向。其驱动结构变革带来控制自由度的提高，使得四轮独立驱动电动汽车在主动安全控制系统方面极具潜力。

然而，主动安全控制系统准确实施的前提是车辆当前状态的准确获取，但直接测量某些车辆状态信息的车载传感器价格极其昂贵，且信号受环境的影响较大。因此，如何根据低成本车载传感器实时准确地估计这些不易测量的状态，是四轮独立驱动电动汽车稳定性控制系统的关键问题。

而使用低成本车载传感器时，传感器的故障会对车辆状态估计和车辆控制造成较大的影响。目前尚未有比较完善的在传感器故障存在的情况下实现车辆状态有效估计的方案。

发明内容

为了实现在传感器存在故障的情况下车辆状态的有效估计，本发明采用故障诊断的结果对Kalman滤波的结果进行修正，提高了车辆状态观测方法的鲁棒性，具体是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。

具体步骤如下：

步骤一、根据四轮独立驱动电动汽车的运动学特性，搭建具有纵向、横向、横摆特性的三自由度车辆模型；

三自由度车辆模型公式如下：

其中，是前轮到质心的距离；是前轮侧偏刚度；是后轮到质心的距离；是后轮侧偏刚度；是车辆的偏航惯性矩；是车辆纵向速度；是车辆所受的横摆角速度；是质心侧偏角；是前轮转角；是车辆质量；是车辆纵向加速度；是车辆横向加速度；

步骤二、根据三自由度车辆模型构建状态空间方程；

状态空间方程为：

步骤三、考虑过程噪声与测量噪声都为高斯白噪声，将三自由度车辆模型进行离散化，得到离散化的状态空间方程，并简化；

时刻的状态空间方程表示为：

是时刻的过程噪声；是时刻的测量噪声。

将方程中的各矩阵对应简写为：

其中，是离散系统采样点。；；；；；；

步骤四、利用Kalman滤波算法对离散形式状态空间方程进行车辆状态的更新；

更新包括时间更新和观测更新；具体流程为：

时间更新方程为：