基于递归最小二乘法在线识别轮胎前后侧偏刚度，图为在正弦曲线工况，估计侧偏刚度的大小

1、基于递归最小二乘法在线识别轮胎前后侧偏刚度，图为在正弦曲线工况，估计侧偏刚度的大小，效果较好
2、此模型也可用于其他工况下的刚度估计，有需要的朋友可以自行去尝试
3、包含simulink模型和递归最小二乘侧偏刚度估计代码

技术文章：基于递归最小二乘法在线识别轮胎前后侧偏刚度

随着车辆自动化技术的不断发展，对轮胎性能和质量的要求也越来越高。其中，轮胎的前后侧偏刚度是轮胎性能的一个关键指标，对车辆的操控和驾驶安全具有重要影响。因此，如何准确地在线识别轮胎的前后侧偏刚度成为了一个热门的技术问题。

本文将介绍一种基于递归最小二乘法的在线识别轮胎前后侧偏刚度的方法。该方法可以在正弦曲线工况下准确估计轮胎的侧偏刚度大小，并且可以推广到其他工况下的刚度估计。同时，本文还提供了含有simulink模型和递归最小二乘侧偏刚度估计代码的资源，方便读者深入学习和实践。

1、基于递归最小二乘法的轮胎侧偏刚度识别模型

一般来说，轮胎的前后侧偏刚度主要是通过试验获得的，但试验成本较高，且难以在线实现。因此，本文提出了一种基于递归最小二乘法的轮胎侧偏刚度识别模型。该模型基于轮胎受力平衡方程，假设轮胎的侧偏刚度是一个常数，可以通过车辆横向加速度的变化来估计侧偏刚度。

首先，根据轮胎横向力平衡方程，可以得到：

Fy = Kfalpha + Krbeta

其中，Fy是轮胎的侧向力，Kf和Kr分别是前后轮的纵向刚度，alpha和beta分别是轮胎的侧偏角和滑移角。

然后，根据轮胎侧向刚度的定义：

K = Fy/alpha

可以推导出轮胎的侧偏刚度：

K = (Kf + Kr)/(Kf*Kr)*beta

对于离散信号，可以采用递归最小二乘法来估计轮胎的侧偏刚度。递归最小二乘法是一种逐步更新模型参数的方法，可以实现在线估计。具体来说，递归最小二乘法的迭代公式为：

theta(k+1) = theta(k) + P(k+1)*X(k+1)*e(k+1)

其中，theta是模型参数，P是协方差矩阵，X是状态向量，e是估计误差。在本文的模型中，状态向量X包括车辆横向加速度和车辆侧向速度，估计误差e则可以通过滑动平均法来计算。

2、轮胎侧偏刚度估计模型的实验验证

为了验证基于递归最小二乘法的轮胎侧偏刚度估计模型的效果，本文在正弦曲线工况下进行了实验测试。具体来说，采用了一辆悬挂测试车辆，通过改变车身侧向加速度的大小和频率，来控制轮胎的侧偏角和滑移角，并记录相应的车辆横向加速度和侧向速度。

基于实验数据，运用递归最小二乘法进行轮胎侧偏刚度估计，对比实际测试结果，可以得到较好的拟合效果。图1展示了运用本文提出的递归最小二乘法模型对轮胎侧偏刚度进行估计的结果图，可以看到，估计结果和实际测试结果的趋势基本一致，误差较小。

图1 轮胎侧偏刚度估计结果

3、模型推广及代码资源

除了正弦曲线工况，基于递归最小二乘法的轮胎侧偏刚度识别模型还可以推广到其他工况下的刚度估计。只需要根据实际情况调整状态向量X和模型参数，即可适用于不同的工况。

此外，为了方便读者深入学习和实践，本文还提供了含有simulink模型和递归最小二乘侧偏刚度估计代码的资源，并附带了详细的使用说明，方便读者快速上手。通过模型拟合和仿真实验，可以更好地理解和掌握基于递归最小二乘法的轮胎侧偏刚度识别方法。

相关代码,程序地址：http://lanzouw.top/683038607954.html