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

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。

1. 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。

1. 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。

1. 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。

1. 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。

1. 相关代码,程序地址：http://imgcs.cn/lanzoun/695562666242.html