1.一种基于改进自适应扩展卡尔曼滤波的车辆状态估计方法,其特征在于,包括:建立三自由度车辆动力学模型;
基于车辆动力学模型进行动力学方程求解;
采用递归最小二乘法估计轮胎的侧偏刚度,得到轮胎的实时侧偏刚度;
基于动力学方程设计模糊自适应扩展卡尔曼滤波器;
其中,所述模糊自适应扩展卡尔曼滤波器能够对估计过程中存在的观测噪声进行实时修正;所述模糊自适应扩展卡尔曼滤波器中使用所述轮胎的实时侧偏刚度作为轮胎侧偏刚度值;
使用所述模糊自适应扩展卡尔曼滤波器进行车辆状态参数的估计。
2.根据权利要求1所述的基于改进自适应扩展卡尔曼滤波的车辆状态估计方法,其特征在于,所述动力学方程为:其中,u为纵向车速;为纵向车速的导数;v为侧向车速;为侧向车速的导数;ω为横摆角速度; 为横摆角速度的导数;ay为侧向加速度;ax为纵向加速度;Jz为绕车辆动力学模型中z轴的转动惯量;Γ为横摆力矩。
3.根据权利要求2所述的基于改进自适应扩展卡尔曼滤波的车辆状态估计方法,其特征在于,估计轮胎的侧偏刚度的方法为:确定轮胎侧向力与侧偏刚度的线性回归方程为:
式中,Yk为k时刻的系统输出样本集合,wk为系统辨识参数集合, 为k时刻的样本集合,Vk为k时刻的系统噪声;
其中,
式中,Cαf和Cαr分别为前、后轮的侧偏刚度,ω为车辆的横摆角速度, 为车辆的横摆角速度的导数,m为整车质量,L为轴距,δf为前轮转角,u为纵向车速,为侧向车速的导数。
根据递归最小二乘法的遗忘因子递推算法公式,得到轮胎的侧偏刚度:其中,所述递推算法公式为:
式中,Gk为k时刻的增益矢;Pk、Pk‑1分别为k、k‑1时刻的误差协方差矩阵,λ为遗忘因子,为k‑1时刻的样本集合。
4.根据权利要求3所述的基于改进自适应扩展卡尔曼滤波的车辆状态估计方法,其特征在于,所述遗忘因子λ的取值范围为[0.98,1]。
5.根据权利要求3或4所述的基于改进自适应扩展卡尔曼滤波的车辆状态估计方法,其特征在于,设计模糊自适应扩展卡尔曼滤波器的方法为:基于动力学方程得到扩展卡尔曼滤波器;
将扩展卡尔曼滤波器中理论方差与实际方差之间的差值e和e的导数ec作为模糊控制器的两个输入,模糊控制器的输出为调节因子U;
将在k时刻模糊控制器输出的滤波因子U与观测噪声协方差矩阵相乘,得到该时刻的观测噪声协方差矩阵的估计值;实现扩展卡尔曼滤波算法的模糊自适应。