基于RLS算法的Carsim和Simulink联合仿真车轮胎侧偏刚度估计

Carsim和simulink联合仿真车轮胎侧偏刚度估计
使用的算法:递归最小二乘法RLS算法
测试的工况: 正弦工况，不同车速
估计的参数为:前轮和后轮的侧偏刚度
s函数写的代码，主流建模方式，不需要繁杂的模块调试模型觉得卡尔曼滤波和状态空间方程编程清晰明了，精度很好
simulink里面是算法模型，carsim提供了实车数据，相对于simulink搭建的七自由度车辆验证模型，carsim更具有说服力，有完整的模型，代码，参数，修改容易方便。
☆

ID:56199671965700092

车辆研究僧

《Carsim和Simulink联合仿真车轮胎侧偏刚度估计》

摘要：本文介绍了一种基于Carsim和Simulink的车轮胎侧偏刚度估计算法——递归最小二乘法（RLS算法）。我们使用了正弦工况和不同车速进行测试，并估计了前轮和后轮的侧偏刚度参数。通过s函数编写的代码，我们实现了主流建模方式，无需繁琐的模块调试，而卡尔曼滤波和状态空间方程编程也变得清晰明了，精度也有了很大提升。

1. 引言
   车辆悬挂系统在车辆的运动和操控性能中起着至关重要的作用。车轮胎侧偏刚度是衡量车辆操控性能的重要指标之一。本文通过Carsim和Simulink联合仿真，利用递归最小二乘法（RLS）算法，对车轮胎侧偏刚度进行估计和分析，以提高车辆操控性能。

2. 车轮胎侧偏刚度估计算法
   车轮胎侧偏刚度是指车轮在转弯时受到的侧向力与侧偏角之比。为了准确估计车轮胎侧偏刚度，我们采用了基于递归最小二乘法（RLS）的算法。RLS算法是一种经典的参数估计方法，其通过逐步迭代更新估计参数，不断优化模型拟合效果。在本次仿真中，我们使用该算法估计前轮和后轮的侧偏刚度。

3. 仿真测试
   我们使用了正弦工况和不同车速进行仿真测试。正弦工况可以模拟车辆在转弯时的侧向运动，从而更加真实地反映胎侧偏刚度的变化。通过对不同车速下的侧偏刚度进行估计，可以获得车轮胎侧偏刚度的整体特性。

4. 代码实现
   我们使用s函数进行代码编写，该编程方式在建模上更加主流。相比繁杂的模块调试，使用s函数编写的代码更加清晰明了，方便后续修改和优化。同时，我们还结合了卡尔曼滤波和状态空间方程，提高了估计精度和算法稳定性。

5. Carsim与Simulink的优势
   在本次仿真中，我们使用Carsim提供的实车数据，并将其与Simulink搭建的七自由度车辆验证模型进行对比。相对于Simulink的模型，Carsim具有更完整的模型、代码和参数，修改起来更为方便。同时，Carsim基于实车数据，更具有说服力，能够更真实地反映实际车辆的运动特性。

6. 结论
   通过本次仿真实验，我们成功地利用Carsim和Simulink联合仿真，基于递归最小二乘法（RLS算法）估计了车轮胎侧偏刚度。通过采用正弦工况和不同车速进行测试，我们获得了前轮和后轮的侧偏刚度参数，并通过s函数编写的代码实现了主流建模方式。相对于Simulink的七自由度车辆验证模型，Carsim提供的实车数据更加完整，且修改容易方便。这些结果表明，本文提出的方法在估计车轮胎侧偏刚度方面具有较好的效果，有望进一步应用于车辆操控性能的优化。

关键词：Carsim、Simulink、车轮胎侧偏刚度、递归最小二乘法、RLS算法、正弦工况、s函数编程、卡尔曼滤波、状态空间方程。

以上相关代码,程序地址：http://matup.cn/671965700092.html