付 翔, 何宗权, 黄 斌, 裴 彪, 杨凤举
(1. 武汉理工大学 汽车工程学院, 湖北 武汉 430070; 2. 武汉理工大学 现代汽车零部件技术湖北省重点实验室, 湖北 武汉 430070; 3. 武汉理工大学 汽车零部件技术湖北省协同创新中心, 湖北 武汉 430070; 4. 武汉理工大学 湖北省新能源与智能网联车工程技术研究中心, 湖北 武汉 430070)
纵向坡度是汽车底盘电控的重要路况信息和控制输入参数,对车辆动力性、安全性、舒适性和燃油经济性十分重要.随着车辆智能化、无人化的深入推进,车辆动力学控制的准确性和实时性要求不断提高,道路纵向坡度信息获取的准确度和鲁棒性需求明显增强.例如,在高级驾驶辅助系统中,道路坡度和车轮的垂向力可用于预测车辆侧翻情况,用于系统及时发出警告,甚至为了避免事故,对车辆采取及时有效的稳定性控制.因此,纵向坡度信息作为车辆底盘动力学控制的关键参数,是当前研究的热点.
针对纵向坡度的识别,主要有基于车辆动力学模型、基于加速度传感信息、基于GPS的方法.基于车辆动力学模型的识别方法较多依靠模型参数的准确性,其扰动多为高频噪声.基于加速度传感信息的识别方法容易受到传感器信号质量的影响,容易导致信噪比低的问题,其干扰主要为低频噪声.因此,为了增强在复杂噪声干扰下的坡度识别效果,目前的研究热点是采用数据融合估计方法实现坡度识别.R. WRAGGE-MORLEY等[1]采用自适应非线性观测器,实现了基于车辆动力学模型的道路坡度识别.雍文亮等[2]建立了定坡度和定坡度变化率两种道路模型,利用车辆纵向动力学和加速度传感器量测值,采用多传感器信息融合滤波算法获得准确的坡度估计值;……