先進(jìn)電動汽車狀態(tài)估計與辨識

前言
第1章車輛狀態(tài)觀測方法導(dǎo)論1
11概述2
12研究現(xiàn)狀3
121附著系數(shù)估計方法3
122質(zhì)心側(cè)偏角估計方法6
123縱向車速估計方法10
124參數(shù)自適應(yīng)估計方法11
13本書涉及的車輛狀態(tài)估計與參數(shù)辨識方法15
131所需解決的關(guān)鍵科學(xué)問題15
132研究方法概述16
133本書提出方法的特點18
參考文獻(xiàn)18
第2章基于多信息與多方法融合的附著系數(shù)估計方法24
21大滑移率或者大側(cè)偏角條件下的單方向附著系數(shù)估計方法28
211基于無味卡爾曼和修正Dugoff模型的單向附著系數(shù)估計方法28
212基于模型重構(gòu)的路面附著系數(shù)估計方法34
22小滑移率或者小側(cè)偏角條件下的單方向附著系數(shù)估計方法37
221基于頻響特性的路面附著系數(shù)辨識方法37
222基于非線性系統(tǒng)可觀性分析的路面附著系數(shù)估計方法41
23融合估計方法47
231基于誤差加權(quán)的雙方向估計結(jié)果融合方法47
232基于雙卡爾曼濾波技術(shù)的路面峰值附著系數(shù)融合估計方法49
24附著系數(shù)估計方法應(yīng)用實例61
241修正Dugoff輪胎模型驗證61
242輪胎力估計驗證62
243單方向運(yùn)動學(xué)附著系數(shù)估計方法驗證63
244基于誤差加權(quán)的運(yùn)動學(xué)附著系數(shù)估計方法驗證64
245基于頻響特性附著系數(shù)估計方法驗證65
246基于非線性系統(tǒng)可觀性分析的路面附著系數(shù)估計66
247基于雙卡爾曼濾波器的附著系數(shù)融合估計方法74
25本章小結(jié)88
參考文獻(xiàn)88
第3章基于多信息與多方法融合的質(zhì)心側(cè)偏角估計方法90
31基于運(yùn)動學(xué)的質(zhì)心側(cè)偏角估計方法92
311融合GPS與INS信息的質(zhì)心側(cè)偏角估計92
312基于直接積分法的質(zhì)心側(cè)偏角估計103
32基于動力學(xué)的質(zhì)心側(cè)偏角估計方法104
321基于無味粒子濾波的車輛運(yùn)動狀態(tài)估計104
322基于橫向動力學(xué)的質(zhì)心側(cè)偏角估計方法113
33基于動力學(xué)與運(yùn)動學(xué)融合的估計方法114
331基于組合式的質(zhì)心側(cè)偏角融合估計114
332基于誤差加權(quán)的質(zhì)心側(cè)偏角融合估計116
34質(zhì)心側(cè)偏角估計方法比較120
35質(zhì)心側(cè)偏角估計方法應(yīng)用實例122
351基于GPS與INS信息融合的車速及質(zhì)心側(cè)偏角估計方法122
352基于無味粒子濾波的車速及質(zhì)心側(cè)偏角估計方法137
353誤差加權(quán)融合的車速及質(zhì)心側(cè)偏角估計方法145
354基于聯(lián)邦卡爾曼的質(zhì)心側(cè)偏角估計方法149
36本章小結(jié)162
參考文獻(xiàn)162
第4章基于多信息與多方法融合的縱向車速估計方法164
41運(yùn)動學(xué)估計方法166
411參數(shù)自適應(yīng)卡爾曼濾波縱向車速估計方法166
412融合GPS與INS信息的車速估計方法167
413基于聯(lián)邦卡爾曼的多傳感器信息融合的縱向車速估計方法168
414直接加速度積分法172
415基于平均輪速法的縱向車速估計方法173
416運(yùn)動學(xué)方法小結(jié)174
42動力學(xué)估計方法174
421基于輪胎縱向力的車速估計方法174
422直接轉(zhuǎn)矩積分車速估計方法175
423擴(kuò)展卡爾曼濾波車速估計方法175
424無跡卡爾曼濾波車速估計方法182
425基于簡化魔術(shù)公式的車速估計方法193
426基于車輪動力學(xué)的車速估計方法195
427動力學(xué)估計方法小結(jié)196
43融合估計方法196
431基于聯(lián)邦卡爾曼濾波技術(shù)的縱向車速融合估計方法196
432基于自適應(yīng)UKF濾波的兩級分布式縱向車速估計方法200
44縱向車速估計方法應(yīng)用實例206
441融合GPS與INS信息的車速估計方法206
442參數(shù)自適應(yīng)卡爾曼濾波縱向車速估計方法207
443擴(kuò)展卡爾曼濾波車速估計方法209
444無跡卡爾曼濾波車速估計方法210
445基于聯(lián)邦卡爾曼濾波技術(shù)的縱向車速融合估計方法213
446基于自適應(yīng)UKF濾波的兩級分布式縱向車速估計方法230
45本章小結(jié)237
參考文獻(xiàn)238
第5章復(fù)雜行駛環(huán)境下參數(shù)自適應(yīng)辨識方法239
51質(zhì)量估計方法241
511基于高頻信息提取的整車質(zhì)量估計方法241
512對縱向坡度魯棒的基于輪胎縱向力信息的整車質(zhì)量估計方法244
52基于多方法融合的坡度估計方法249
521基于動力學(xué)方法的坡度估計方法249
522基于運(yùn)動學(xué)方法的坡度估計方法250
523基于組合式融合的坡度估計方法251
53基于雙卡爾曼濾波技術(shù)的輪胎側(cè)偏剛度的自適應(yīng)估計方法251
531估計輪胎側(cè)偏剛度的時機(jī)253
532側(cè)偏剛度估計結(jié)果254
54過程噪聲參數(shù)估計257
541最大似然估計理論簡介257
542最大似然估計過程噪聲258
543過程噪聲估計器估計結(jié)果262
55量測噪聲參數(shù)估計266
551小波變換簡介267
552小波變換估計量測噪聲268
553量測噪聲估計結(jié)果271
56俯仰角和路面坡度角估計算法273
57參數(shù)自適應(yīng)估計方法應(yīng)用實例276
571基于高頻信息提取的質(zhì)量估計算法276
572基于多方法融合的縱向坡度估計算法282
573橫向坡度估計286
574過程噪聲估計算法290
575量測噪聲估計方法291
576俯仰角校正和坡度角補(bǔ)償方法293
577過程噪聲估計器、量測噪聲估計器以及坡度角補(bǔ)償模塊的自適應(yīng)估計方法294
58本章小結(jié)296
參考文獻(xiàn)296