先进电动汽车状态估计与辨识

本书聚焦于分布式驱动电动汽车关键动力学参数自适应辨识方法的研究，共分为五章，分别介绍了车辆状态观测方法导论、附着系数估计方法、质心侧偏角估计方法、纵向车速估计方法和参数自适应辨识方法的相关内容。第1章着重介绍了各状态参数的研究方法现状和本书提出的多源信息融合车辆状态估计与参数辨识方法体系架构，能够使读者系统了解车辆状态估计理论，并为其深入理解后面四章的研究方法奠定坚实基础；第2章以轮胎状态划分为起点，介绍了多种附着系数单方向和多方向融合估计方法；第3章和第4章从运动学和动力学等不同角度分别介绍了纵向车速和车辆质心侧偏角的估计方法；第5章补充了对这些状态估计过程中具有较大影响的参数的自适应辨识方法，如车辆质量、道路坡度、轮胎侧偏刚度等。
本书内容充分、翔实，借以仿真和实验结果，令读者能够快速掌握所述方法的适用范围及优势，适合车辆控制领域的工程师、研究生学习及应用。

前言
第1章车辆状态观测方法导论1
11概述2
12研究现状3
121附着系数估计方法3
122质心侧偏角估计方法6
123纵向车速估计方法10
124参数自适应估计方法11
13本书涉及的车辆状态估计与参数辨识方法15
131所需解决的关键科学问题15
132研究方法概述16
133本书提出方法的特点18
参考文献18
第2章基于多信息与多方法融合的附着系数估计方法24
21大滑移率或者大侧偏角条件下的单方向附着系数估计方法28
211基于无味卡尔曼和修正Dugoff模型的单向附着系数估计方法28
212基于模型重构的路面附着系数估计方法34
22小滑移率或者小侧偏角条件下的单方向附着系数估计方法37
221基于频响特性的路面附着系数辨识方法37
222基于非线性系统可观性分析的路面附着系数估计方法41
23融合估计方法47
231基于误差加权的双方向估计结果融合方法47
232基于双卡尔曼滤波技术的路面峰值附着系数融合估计方法49
24附着系数估计方法应用实例61
241修正Dugoff轮胎模型验证61
242轮胎力估计验证62
243单方向运动学附着系数估计方法验证63
244基于误差加权的运动学附着系数估计方法验证64
245基于频响特性附着系数估计方法验证65
246基于非线性系统可观性分析的路面附着系数估计66
247基于双卡尔曼滤波器的附着系数融合估计方法74
25本章小结88
参考文献88
第3章基于多信息与多方法融合的质心侧偏角估计方法90
31基于运动学的质心侧偏角估计方法92
311融合GPS与INS信息的质心侧偏角估计92
312基于直接积分法的质心侧偏角估计103
32基于动力学的质心侧偏角估计方法104
321基于无味粒子滤波的车辆运动状态估计104
322基于横向动力学的质心侧偏角估计方法113
33基于动力学与运动学融合的估计方法114
331基于组合式的质心侧偏角融合估计114
332基于误差加权的质心侧偏角融合估计116
34质心侧偏角估计方法比较120
35质心侧偏角估计方法应用实例122
351基于GPS与INS信息融合的车速及质心侧偏角估计方法122
352基于无味粒子滤波的车速及质心侧偏角估计方法137
353误差加权融合的车速及质心侧偏角估计方法145
354基于联邦卡尔曼的质心侧偏角估计方法149
36本章小结162
参考文献162
第4章基于多信息与多方法融合的纵向车速估计方法164
41运动学估计方法166
411参数自适应卡尔曼滤波纵向车速估计方法166
412融合GPS与INS信息的车速估计方法167
413基于联邦卡尔曼的多传感器信息融合的纵向车速估计方法168
414直接加速度积分法172
415基于平均轮速法的纵向车速估计方法173
416运动学方法小结174
42动力学估计方法174
421基于轮胎纵向力的车速估计方法174
422直接转矩积分车速估计方法175
423扩展卡尔曼滤波车速估计方法175
424无迹卡尔曼滤波车速估计方法182
425基于简化魔术公式的车速估计方法193
426基于车轮动力学的车速估计方法195
427动力学估计方法小结196
43融合估计方法196
431基于联邦卡尔曼滤波技术的纵向车速融合估计方法196
432基于自适应UKF滤波的两级分布式纵向车速估计方法200
44纵向车速估计方法应用实例206
441融合GPS与INS信息的车速估计方法206
442参数自适应卡尔曼滤波纵向车速估计方法207
443扩展卡尔曼滤波车速估计方法209
444无迹卡尔曼滤波车速估计方法210
445基于联邦卡尔曼滤波技术的纵向车速融合估计方法213
446基于自适应UKF滤波的两级分布式纵向车速估计方法230
45本章小结237
参考文献238
第5章复杂行驶环境下参数自适应辨识方法239
51质量估计方法241
511基于高频信息提取的整车质量估计方法241
512对纵向坡度鲁棒的基于轮胎纵向力信息的整车质量估计方法244
52基于多方法融合的坡度估计方法249
521基于动力学方法的坡度估计方法249
522基于运动学方法的坡度估计方法250
523基于组合式融合的坡度估计方法251
53基于双卡尔曼滤波技术的轮胎侧偏刚度的自适应估计方法251
531估计轮胎侧偏刚度的时机253
532侧偏刚度估计结果254
54过程噪声参数估计257
541最大似然估计理论简介257
542最大似然估计过程噪声258
543过程噪声估计器估计结果262
55量测噪声参数估计266
551小波变换简介267
552小波变换估计量测噪声268
553量测噪声估计结果271
56俯仰角和路面坡度角估计算法273
57参数自适应估计方法应用实例276
571基于高频信息提取的质量估计算法276
572基于多方法融合的纵向坡度估计算法282
573横向坡度估计286
574过程噪声估计算法290
575量测噪声估计方法291
576俯仰角校正和坡度角补偿方法293
577过程噪声估计器、量测噪声估计器以及坡度角补偿模块的自适应估计方法294
58本章小结296
参考文献296

汽车已有百余年的技术积淀，是现代工业发展史的典型代表，经历了从机械化、电气化、信息化到如今的智能化等多次变革。ABS、ESC、TCS已成为车辆标准配置，它们在潜移默化中保证了驾驶的安全性和便利性。这些功能能够成功应用的背后是车辆运行状态估计技术的强力支持。随着车辆智能化要求的提高，驾驶人职能更加弱化，这需要车辆能够对其运行状态拥有更为精细化的感知。汽车中驱动电机的引入为车辆状态估计提供了新的信息源。本书聚焦于分布式驱动电动汽车关键动力学参数自适应辨识方法的研究，提出了基于先进电动汽车的新型车辆运行状态估计架构。
全书共分为五章，第1章（车辆状态观测方法导论）着重介绍了各状态参数的研究方法现状和本书提出的多源信息融合车辆状态估计与参数辨识方法体系架构，能够使读者系统了解车辆状态估计理论，并为其深入理解后面四章的研究方法奠定坚实基础；第2章以轮胎状态划分为起点，介绍了多种附着系数单方向和多方向融合估计方法；第3章和第4章从运动学和动力学等不同角度分别介绍了车辆质心侧偏角和纵向车速的估计方法；第5章补充了对这些状态估计过程中具有较大影响的参数的自适应辨识方法，如车辆质量、道路坡度、轮胎侧偏刚度等。
本书内容充分、翔实，借以仿真和实验结果，令读者能够快速掌握所述方法的适用范围及优势，适合车辆控制领域的工程师、研究生学习及应用。
本书由清华大学李克强牵头，协同罗禹贡、陈慧、边明远、赵治国、陈龙、褚文博、戴一凡、高博麟等著成。在编写过程中参考了国内外学者公开出版的相关教材及清华大学李克强教授课题组、同济大学陈慧教授课题组等多篇研究论文，在此向这些资料的著者们表示衷心的感谢。本书的编写和出版得到了国家 973计划项目 “高性能分布式驱动电动汽车关键基础问题研究 ”的支持。
由于作者水平有限，书中缺点及错误之处在所难免，敬请读者批评指正。
前言