基于分布式驱动电动汽车的车辆状态估计,采用的是无迹卡尔曼(ukf)观测器,可估计包括纵向速度,质心侧偏角,横摆角速度,以及四个车轮角速度七个状态。
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:第三个模块是基于dugoff计算轮胎力模块,该模块可以计算纵向力和横向力。
第四个模块是关于ukf的车辆状态估计,可估计包括纵向速度,横摆角速度,质心侧偏角以及四个车轮角速度七个状态。
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车辆状态估计
引言: 随着社会的进步和环保意识的提高,电动汽车成为了当今一个热门的话题。为了提高电动汽车的性能和安全性,对车辆状态的准确估计变得至关重要。本文基于分布式驱动电动汽车,采用无迹卡尔曼观测器(UKF),对车辆状态进行估计。我们将探讨使用UKF进行状态估计的原理和方法,并介绍我们所开发的模型和代码。
1.背景介绍 分布式驱动电动汽车是一种新型的电动汽车,其具有多个驱动电机,使其在操控性和性能方面有着显著的优势。为了实现对车辆状态的准确估计,我们采用了无迹卡尔曼观测器(UKF)作为车辆状态估计的方法。
2.无迹卡尔曼观测器(UKF) 无迹卡尔曼观测器是一种基于卡尔曼滤波理论的观测器,其主要用于估计系统的状态。在我们的模型中,UKF可以对分布式驱动电动汽车的纵向速度、质心侧偏角、横摆角速度和四个车轮角速度等七个状态进行估计。UKF通过对系统的非线性特性进行建模,可以更准确地估计系统的状态。
3.模型结构 我们的模型由四个模块组成。第一个模块是四轮驱动电机,它是分布式驱动电动汽车的关键组成部分,通过控制车轮的转速来驱动汽车。第二个模块是来自Carsim的真实参数输出,包括汽车所受的横向力、纵向力和驱动力矩等。第三个模块是基于Dugoff模型计算轮胎力的模块,通过该模块可以计算得到车辆的纵向力和横向力。最后一个模块是基于UKF的车辆状态估计模块,通过该模块可以估计车辆的纵向速度、横摆角速度、质心侧偏角和四个车轮角速度等七个状态。
4.模型和代码的编写 我们编写了一个完整的模型和相应的代码,用于基于Simulink与Carsim进行联合仿真。模型中的UKF部分是通过S函数进行编写的。我们提供了相关的文献,供读者参考和学习。
结论: 在本文中,我们基于分布式驱动电动汽车,采用无迹卡尔曼观测器(UKF)对车辆状态进行估计。我们介绍了UKF的原理和方法,并详细描述了我们开发的模型和代码。通过该模型,可以准确地估计分布式驱动电动汽车的纵向速度、横摆角速度、质心侧偏角和四个车轮角速度等七个状态。我们希望该模型和相关代码对读者的研究和学习有所帮助。
相关代码,程序地址:http://imgcs.cn/lanzoun/700304237744.html