摘要 | 第7-9页 |
ABSTRACT | 第9-10页 |
第1章 文献综述 | 第11-21页 |
1.1 分布式驱动电动汽车概述 | 第11-12页 |
1.2 分布式驱动电动汽车研究现状 | 第12-14页 |
1.2.1 整车研究现状 | 第12-13页 |
1.2.2 轮毂电机研究现状 | 第13-14页 |
1.3 车辆关键状态估计研究现状 | 第14-17页 |
1.3.1 纵向车速估计 | 第14-15页 |
1.3.2 侧向车速估计 | 第15-17页 |
1.4 车辆操纵稳定性集成控制研究现状 | 第17-21页 |
1.4.1 集成控制方法研究现状 | 第17-20页 |
1.4.2 轮胎力分配研究现状 | 第20-21页 |
第2章 绪论 | 第21-25页 |
2.1 研究背景及意义 | 第21-22页 |
2.2 主要研究内容 | 第22-25页 |
第3章 分布式驱动电动汽车运动学与动力学建模 | 第25-35页 |
3.1 传感器与车辆坐标 | 第25-26页 |
3.2 整车动力学模型 | 第26-28页 |
3.3 车轮动力学模型 | 第28页 |
3.4 载荷转移模型 | 第28-29页 |
3.5 轮胎模型 | 第29-33页 |
3.5.1 侧向力模型 | 第29-32页 |
3.5.2 纵向力模型 | 第32-33页 |
3.5.3 联合滑移工况 | 第33页 |
3.6 执行器模型 | 第33-34页 |
3.7 本章小结 | 第34-35页 |
第4章 基于多传感器融合的车辆状态估计 | 第35-57页 |
4.1 Kalman滤波理论 | 第35-37页 |
4.1.1 Kalman滤波简介 | 第35页 |
4.1.2 线性Kalman滤波 | 第35-37页 |
4.2 纵向车速估计 | 第37-43页 |
4.2.1 纵向车速估计模型 | 第38-39页 |
4.2.2 加权观测融合Kalman滤波理论 | 第39-41页 |
4.2.3 纵向车速状态观测器设计 | 第41-42页 |
4.2.4 噪声方差自适应调整 | 第42-43页 |
4.3 横摆角速度和侧向车速估计 | 第43-46页 |
4.3.1 横摆角及横摆角速度偏差估计 | 第43-44页 |
4.3.2 改进的Sage-Husa自适应Kalman滤波 | 第44-45页 |
4.3.3 侧向速度估计 | 第45-46页 |
4.4 状态估计算法仿真分析 | 第46-54页 |
4.4.1 直线加速工况 | 第47-48页 |
4.4.2 直线制动工况 | 第48-50页 |
4.4.3 正弦延迟工况 | 第50-54页 |
4.5 本章小结 | 第54-57页 |
第5章 分布式驱动电动汽车操稳性集成控制 | 第57-83页 |
5.1 上层控制器设计 | 第57-65页 |
5.1.1 操稳性集成控制目标制定 | 第57-59页 |
5.1.2 无约束非线性预测控制理论 | 第59-62页 |
5.1.3 基于非线性预测控制的上层控制器设计 | 第62-65页 |
5.2 下层控制器设计 | 第65-72页 |
5.2.1 控制分配目标 | 第65-66页 |
5.2.2 控制分配约束 | 第66-70页 |
5.2.3 容错控制分配 | 第70-71页 |
5.2.4 执行器控制 | 第71-72页 |
5.3 操稳性集成控制算法仿真分析 | 第72-81页 |
5.3.1 前轮转角阶跃输入 | 第73-75页 |
5.3.2 低附着高速双移线 | 第75-77页 |
5.3.3 右前轮制动器失效 | 第77-79页 |
5.3.4 右前轮转向电机失效 | 第79-81页 |
5.4 本章小结 | 第81-83页 |
第6章 状态估计算法实车试验研究 | 第83-95页 |
6.1 数据采集平台的搭建 | 第83-86页 |
6.1.1 试验车辆 | 第83-84页 |
6.1.2 传感器配置 | 第84-86页 |
6.2 实车数据验证 | 第86-92页 |
6.2.1 传感器数据及处理 | 第86-90页 |
6.2.2 状态估计结果 | 第90-92页 |
6.3 本章小结 | 第92-95页 |
第7章 结论与展望 | 第95-97页 |
7.1 结论 | 第95页 |
7.2 展望 | 第95-97页 |
参考文献 | 第97-105页 |
致谢 | 第105-107页 |
发表论文及参加课题一览表 | 第107页 |