四轮独立驱动电动汽车状态估计算法研究
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-16页 |
| 1.1 课题研究背景与意义 | 第8-9页 |
| 1.2 车辆状态估计的研究现状 | 第9-13页 |
| 1.2.1 纵向车速估计 | 第9-10页 |
| 1.2.2 质心侧偏角估计 | 第10-11页 |
| 1.2.3 路面附着系数估计 | 第11-12页 |
| 1.2.4 存在的主要问题 | 第12-13页 |
| 1.3 主要研究内容与思路概述 | 第13-16页 |
| 2 四轮驱动电动汽车动力学模型建立 | 第16-34页 |
| 2.1 轮毂式电动汽车联合仿真模型 | 第16-23页 |
| 2.1.1 Carsim软件与参数设置 | 第16-18页 |
| 2.1.2 轮胎模型选择 | 第18-22页 |
| 2.1.3 电机模型选择 | 第22-23页 |
| 2.2 车辆动力学理论模型 | 第23-27页 |
| 2.2.1 三自由度非线性模型建立 | 第23-25页 |
| 2.2.2 七自由度非线性模型建立 | 第25-27页 |
| 2.3 直接横摆力矩转矩控制器 | 第27-29页 |
| 2.4 轮毂式电动汽车联合仿真模型验证 | 第29-32页 |
| 2.5 本章小结 | 第32-34页 |
| 3 基于卡尔曼滤波的车辆状态估计 | 第34-50页 |
| 3.1 卡尔曼滤波理论及其改进算法 | 第34-40页 |
| 3.1.1 经典卡尔曼滤波理论 | 第34-36页 |
| 3.1.2 扩展卡尔曼滤波理论 | 第36-38页 |
| 3.1.3 无迹卡尔曼滤波理论 | 第38-40页 |
| 3.2 基于卡尔曼滤波的车辆状态估计 | 第40-43页 |
| 3.2.1 EKF算法流程 | 第40-41页 |
| 3.2.2 UKF算法流程 | 第41-43页 |
| 3.3 仿真验证结果 | 第43-48页 |
| 3.4 本章小结 | 第48-50页 |
| 4 基于改进卡尔曼滤波的车辆状态估计 | 第50-68页 |
| 4.1 自适应无迹卡尔曼滤波 | 第50-52页 |
| 4.2 双扩展自适应卡尔曼滤波 | 第52-56页 |
| 4.2.1 双重扩展卡尔曼滤波 | 第52-54页 |
| 4.2.2 自校正卡尔曼滤波 | 第54-56页 |
| 4.3 应用改进卡尔曼滤波的车辆状态估计 | 第56-57页 |
| 4.4 仿真验证结果 | 第57-67页 |
| 4.5 本章小结 | 第67-68页 |
| 5 基于改进卡尔曼滤波的路面附着系数估计 | 第68-76页 |
| 5.1 路面附着系数估计方法 | 第68页 |
| 5.2 路面附着系数估计器设计 | 第68-70页 |
| 5.3 路面附着系数仿真验证结果 | 第70-75页 |
| 5.3.1 阶跃转向工况 | 第70-74页 |
| 5.3.2 双移线工况 | 第74-75页 |
| 5.4 本章小结 | 第75-76页 |
| 6 全文总结与展望 | 第76-78页 |
| 6.1 全文总结 | 第76页 |
| 6.2 工作展望 | 第76-78页 |
| 致谢 | 第78-80页 |
| 参考文献 | 第80-84页 |
| 附录 | 第84页 |
| A.作者在攻读学位期间发表的论文目录 | 第84页 |
| B.作者在攻读硕士学位期间的专利申请情况 | 第84页 |
