基于分布式驱动电动汽车的四轮侧偏刚度估计,采用容积卡尔曼(ckf)进行估计,能够很好地估计汽车行驶过程中的侧偏刚度,并与转化的侧向轮胎力进行比较,具有很好的估计效果。
模型中第一个模块是四轮驱动电机;第二个模块是carsim输出的真实参数,包括汽车所受横向力,纵向力,驱动力矩等:第三个模块是关于ckf的四轮侧偏刚度估计。
模型和代码完全是由自己亲手编写,可供自己参考和学习。
本模型是基于simulink与carsim联合仿真,ckf是由s function进行编写,提供相关文献
基于分布式驱动电动汽车的四轮侧偏刚度估计
摘要:
随着电动汽车的普及,对于其运动性能的估计和控制越来越受到关注。本文提出了一种基于分布式驱动电动汽车的四轮侧偏刚度估计方法,利用容积卡尔曼(CKF)算法对侧偏刚度进行估计。通过与转化的侧向轮胎力进行比较,证明该方法具有较好的估计效果。本文将详细介绍四轮驱动电机、Carsim模型输出的真实参数以及CKF的四轮侧偏刚度估计方法。编写了模型和代码,供参考和学习。
- 引言
随着环境保护意识的提高和能源问题的日益突出,电动汽车成为了未来汽车发展的重要方向。与传统燃油汽车相比,电动汽车具有更好的环保性能和低能耗。然而,电动汽车的运动性能和稳定性仍然是一个挑战。其中,侧偏刚度是一个关键的指标,它反映了车辆在行驶过程中发生侧偏时所产生的侧向力。
- 方法
2.1 四轮驱动电机
在本研究中,我们采用了四轮驱动电机来驱动电动汽车。四轮驱动可以提供更好的动力分配和控制能力,从而提高车辆的操控性和稳定性。我们设计了自己的四轮驱动电机模型,并将其应用于仿真中。
2.2 Carsim模型输出的真实参数
为了获取真实的车辆参数,我们利用Carsim进行仿真,并输出车辆所受的横向力、纵向力和驱动力矩等参数。这些参数将作为侧偏刚度估计的输入。
2.3 CKF的四轮侧偏刚度估计
我们采用容积卡尔曼滤波(CKF)算法对车辆的侧偏刚度进行估计。CKF是一种基于概率的滤波算法,在估计过程中可以考虑系统的不确定性。通过对Carsim模型输出的真实参数进行滤波,可以得到估计的侧偏刚度。为了验证估计的准确性,我们将估计结果与转化的侧向轮胎力进行比较,并进行误差分析。
- 实验结果与讨论
通过对实际数据的仿真和分析,我们得到了一系列实验结果。首先,我们比较了不同驱动模式下的侧偏刚度估计结果。然后,我们对估计结果进行了误差分析,并讨论了误差的来源。最后,我们通过与其他方法的比较,证明了本方法的有效性和准确性。
- 结论
本文提出了一种基于分布式驱动电动汽车的四轮侧偏刚度估计方法,并利用容积卡尔曼算法进行估计。通过与转化的侧向轮胎力进行比较,证明了该方法具有较好的估计效果。本研究为电动汽车的运动性能提供了一种新的估计方法,并为相关领域的研究提供了借鉴和参考。
-
相关代码,程序地址:http://imgcs.cn/lanzoun/695562666242.html