分布式电动汽车质量与行驶状态估计

杨建青，严运兵，王维强

(武汉科技大学汽车与交通工程学院，湖北 武汉 430065)

分布式电动汽车相比传统内燃机驱动汽车与集中式电动汽车而言，具有驱动传动链短、传递效率高、结构紧凑、四轮独立可控且能量可回收等优点[1]，被认为是电动汽车未来发展的主要形式。分布式电动汽车四轮独立可控，有助于从技术层面进一步提升其主动安全性，目前，针对分布式电动汽车的稳定性控制策略主要有直接横摆力矩控制、四轮转向控制、主动前轮转向控制、电子差速控制等，但这些控制策略需实时获取车辆状态参数及道路参数，如反映车辆纵向运动状态的纵向速度、反映车辆横向动态稳定性的横摆角速度、质心侧偏角以及反映道路特征的坡度与路面附着系数等，此类参数无法直接由传感器获取且传感器成本较高，难以在市场普及，故而信号采集难度较大，因此，如何基于信息融合技术，利用车载传感器设备估计汽车关键状态信息并准确获取难以直接测量的相关运动状态参数，实现汽车主动安全技术在量产车上的产品化应用，已成为汽车研发者关注的焦点[2]。

当前，应用于车辆行驶状态估计的算法主要有粒子滤波(PF)与卡尔曼滤波(KF)两种，例如，文献[3-5]采用粒子滤波算法对车辆行驶状态进行估计，摆脱了高斯型系统的限制，准确性较高，但该算法相对复杂，计算速度与实时性均不如卡尔曼滤波算法[6]，实用性差。文献[7]采用扩展卡尔曼滤波(EKF)算法估计了车辆纵向速度、横摆角速度及质心侧偏角，结合模糊算法对噪声进行自适应处理，并借助Carsim-MATLAB/Simulink联合仿真平台进行试验分析。……