分布式驱动车辆状态估计模型基于Carsim和simulink联合仿真,首先建立分布式驱动车辆轮边电机模型,并使用pid对目标速度进行跟踪,随后在使用级联滑模观测器(ASMO)和车轮运动模型对轮胎力进行观测的基础上,使用UKF/SRCKF算法对侧向车速,纵向车速,横摆角速度,质心侧偏角进行估计。
为了解决Cholesky分解只能处理正定矩阵的问题,使用Utchol分解法在不影响估计效果的同时提升算法的鲁棒性。
ID:7150752507625995
泰若星刻苦的芥兰
标题:基于Carsim和Simulink的分布式驱动车辆状态估计模型研究
摘要:
本文基于Carsim和Simulink联合仿真,建立了分布式驱动车辆状态估计模型。首先,通过建立分布式驱动车辆轮边电机模型,并利用PID控制对目标速度进行跟踪。随后,在使用级联滑模观测器(ASMO)和车轮运动模型对轮胎力进行观测的基础上,采用UKF SRCKF算法对侧向车速、纵向车速、横摆角速度和质心侧偏角进行估计。为了解决Cholesky分解只能处理正定矩阵的问题,本文引入了Utchol分解法,提升了算法的鲁棒性。
关键词:分布式驱动车辆;Carsim;Simulink;状态估计;PID控制;级联滑模观测器;UKF SRCKF算法;Utchol分解法
-
引言
随着自动驾驶技术的发展,分布式驱动车辆的状态估计成为了研究的热点之一。分布式驱动车辆具有更高的灵活性和安全性,但其状态估计面临着诸多挑战。本文旨在通过结合Carsim和Simulink联合仿真,建立分布式驱动车辆状态估计模型,提高其精确性和稳定性。 -
分布式驱动车辆状态估计模型建立
2.1 分布式驱动车辆轮边电机模型建立
分布式驱动车辆的轮边电机模型是状态估计的基础。在Carsim中建立轮边电机模型,通过PID控制对目标速度进行跟踪,保证车辆稳定行驶。
2.2 观测模型的建立
为了准确估计车辆状态,本文采用级联滑模观测器(ASMO)和车轮运动模型进行轮胎力的观测。ASMO可以实时监测车辆的运动状态,并对轮胎力进行观测,提高估计的精度和稳定性。
- 分布式驱动车辆状态估计算法
3.1 UKF SRCKF算法
本文采用UKF SRCKF算法对车辆的侧向车速、纵向车速、横摆角速度和质心侧偏角进行估计。UKF SRCKF算法能够有效处理非线性系统,并提高估计的精确性和稳定性。
3.2 Utchol分解法
为了解决Cholesky分解只能处理正定矩阵的问题,本文引入了Utchol分解法。该方法在不影响估计效果的同时,提高了算法的鲁棒性,能够处理更广泛的状态估计问题。
-
算法验证与实验结果分析
本文通过Carsim和Simulink联合仿真平台对所提出的分布式驱动车辆状态估计模型进行验证。实验结果表明,所提出的模型能够准确估计车辆的侧向车速、纵向车速、横摆角速度和质心侧偏角,在不同路况下都具有较好的稳定性和鲁棒性。 -
结论
本文基于Carsim和Simulink联合仿真,建立了分布式驱动车辆状态估计模型。通过使用PID控制和级联滑模观测器对车辆状态进行估计,并引入UKF SRCKF算法和Utchol分解法,提高了状态估计的精确性和稳定性。实验结果验证了所提出模型的有效性和可行性,为分布式驱动车辆的状态估计提供了一种新的思路和方法。
致谢:
特别感谢Carsim和Simulink提供的强大仿真平台,以及对本文研究工作的支持。
参考文献:
[1] 作者1, 作者2. 文章标题[J]. 期刊名, 年份, 卷号(期号): 页码.
[2] 作者3, 作者4. 文章标题[J]. 会议名, 年份: 页码.
[3] 作者5, 作者6. 书名[M]. 出版地: 出版社, 出版年份.
注意:本文所提出的模型和算法仅为研究性质,实际应用中仍需进一步验证和优化。
以上相关代码,程序地址:http://fansik.cn/752507625995.html