关键词：智能汽车;状态估计;递推最小二乘法;扩展卡尔曼滤波;模糊控制
摘 要：实时准确地估计车辆行驶状态是汽车智能化发展的前提，而现有的研究通常忽略了轮胎侧偏刚度的时变特性，在整车模型中引入线性轮胎模型严重影响到极限工况下车辆状态的估计精度。基于此，提出了一种轮胎侧偏刚度在线更新的智能电动汽车纵向车速、横摆角速度和质心侧偏角的估计算法。基于模糊自适应扩展卡尔曼滤波算法(FAEKF)建立了车辆状态估计模型，采用模糊控制器对扩展卡尔曼滤波中含观测噪声协方差的卡尔曼增益矩阵进行实时调节，达到算法的自适应效果。以带遗忘因子递推最小二乘法(FFRLS)为基础建立了轮胎侧偏刚度估计模型。将两种算法以嵌入式的方式结合提出FAEKF+FFRLS算法，更好地实现了状态与参数联合估计和互相校正，通过Trucksim和MATLAB/Simulink联合仿真对算法进行了验证。结果表明：相比于标准的EKF算法，所提出的状态估计算法具有更高的精度，更好的稳定性和鲁棒性。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取