先進電動汽車狀態估計與辨識

先進電動汽車狀態估計與辨識

《先進電動汽車狀態估計與辨識》是2019年機械工業出版社出版的圖書,作者是李克強、羅禹貢、陳慧。

基本介紹

  • 書名:先進電動汽車狀態估計與辨識
  • 作者:李克強、羅禹貢、陳慧
  • ISBN:9787111622000
  • 頁數:297頁
  • 定價:128元
  • 出版社:機械工業出版社
  • 出版時間:2019年7月
  • 裝幀:精裝
  • 開本:16開
內容簡介,圖書目錄,

內容簡介

本書聚焦於分散式驅動電動汽車關鍵動力學參數自適應辨識方法的研究,共分為五章,分別介紹了車輛狀態觀測方法導論、附著係數估計方法、質心側偏角估計方法、縱向車速估計方法和參數自適應辨識方法的相關內容。第1章著重介紹了各狀態參數的研究方法現狀和本書提出的多源信息融合車輛狀態估計與參數辨識方法體系架構,能夠使讀者系統了解車輛狀態估計理論,並為其深入理解後面四章的研究方法奠定堅實基礎;第2章以輪胎狀態劃分為起點,介紹了多種附著係數單方向和多方向融合估計方法;第3章和第4章從運動學和動力學等不同角度分別介紹了縱向車速和車輛質心側偏角的估計方法;第5章補充了對這些狀態估計過程中具有較大影響的參數的自適應辨識方法,如車輛質量、道路坡度、輪胎側偏剛度等。
本書內容充分、翔實,藉以仿真和實驗結果,令讀者能夠快速掌握所述方法的適用範圍及優勢,適合車輛控制領域的工程師、研究生學習及套用。

圖書目錄

前言
第1章車輛狀態觀測方法導論1
11概述2
12研究現狀3
121附著係數估計方法3
122質心側偏角估計方法6
123縱向車速估計方法10
124參數自適應估計方法11
13本書涉及的車輛狀態估計與參數辨識方法15
131所需解決的關鍵科學問題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18
第2章基於多信息與多方法融合的附著係數估計方法24
21大滑移率或者大側偏角條件下的單方向附著係數估計方法28
211基於無味卡爾曼和修正Dugoff模型的單向附著係數估計方法28
212基於模型重構的路面附著係數估計方法34
22小滑移率或者小側偏角條件下的單方向附著係數估計方法37
221基於頻響特性的路面附著係數辨識方法37
222基於非線性系統可觀性分析的路面附著係數估計方法41
23融合估計方法47
231基於誤差加權的雙方向估計結果融合方法47
232基於雙卡爾曼濾波技術的路面峰值附著係數融合估計方法49
24附著係數估計方法套用實例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單方向運動學附著係數估計方法驗證63
244基於誤差加權的運動學附著係數估計方法驗證64
245基於頻響特性附著係數估計方法驗證65
246基於非線性系統可觀性分析的路面附著係數估計66
247基於雙卡爾曼濾波器的附著係數融合估計方法74
25本章小結88
參考文獻88
第3章基於多信息與多方法融合的質心側偏角估計方法90
31基於運動學的質心側偏角估計方法92
311融合GPS與INS信息的質心側偏角估計92
312基於直接積分法的質心側偏角估計103
32基於動力學的質心側偏角估計方法104
321基於無味粒子濾波的車輛運動狀態估計104
322基於橫向動力學的質心側偏角估計方法113
33基於動力學與運動學融合的估計方法114
331基於組合式的質心側偏角融合估計114
332基於誤差加權的質心側偏角融合估計116
34質心側偏角估計方法比較120
35質心側偏角估計方法套用實例122
351基於GPS與INS信息融合的車速及質心側偏角估計方法122
352基於無味粒子濾波的車速及質心側偏角估計方法137
353誤差加權融合的車速及質心側偏角估計方法145
354基於聯邦卡爾曼的質心側偏角估計方法149
36本章小結162
參考文獻162
第4章基於多信息與多方法融合的縱向車速估計方法164
41運動學估計方法166
411參數自適應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基於聯邦卡爾曼的多感測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基於平均輪速法的縱向車速估計方法173
416運動學方法小結174
42動力學估計方法174
421基於輪胎縱向力的車速估計方法174
422直接轉矩積分車速估計方法175
423擴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基於簡化魔術公式的車速估計方法193
426基於車輪動力學的車速估計方法195
427動力學估計方法小結196
43融合估計方法196
431基於聯邦卡爾曼濾波技術的縱向車速融合估計方法196
432基於自適應UKF濾波的兩級分散式縱向車速估計方法200
44縱向車速估計方法套用實例206
441融合GPS與INS信息的車速估計方法206
442參數自適應卡爾曼濾波縱向車速估計方法207
443擴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基於聯邦卡爾曼濾波技術的縱向車速融合估計方法213
446基於自適應UKF濾波的兩級分散式縱向車速估計方法230
45本章小結237
參考文獻238
第5章複雜行駛環境下參數自適應辨識方法239
51質量估計方法241
511基於高頻信息提取的整車質量估計方法241
512對縱向坡度魯棒的基於輪胎縱向力信息的整車質量估計方法244
52基於多方法融合的坡度估計方法249
521基於動力學方法的坡度估計方法249
522基於運動學方法的坡度估計方法250
523基於組合式融合的坡度估計方法251
53基於雙卡爾曼濾波技術的輪胎側偏剛度的自適應估計方法251
531估計輪胎側偏剛度的時機253
532側偏剛度估計結果254
54過程噪聲參數估計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果262
55量測噪聲參數估計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量測噪聲估計結果271
56俯仰角和路面坡度角估計算法273
57參數自適應估計方法套用實例276
571基於高頻信息提取的質量估計算法276
572基於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償模組的自適應估計方法294
58本章小結296
參考文獻296

相關詞條

熱門詞條

聯絡我們