先進(jìn)電動(dòng)汽車狀態(tài)估計(jì)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(jì)方法3
122質(zhì)心側(cè)偏角估計(jì)方法6
123縱向車速估計(jì)方法10
124參數(shù)自適應(yīng)估計(jì)方法11
13本書涉及的車輛狀態(tài)估計(jì)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(diǎn)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(jì)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(jì)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(jì)方法28
212基于模型重構(gòu)的路面附著系數(shù)估計(jì)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(jì)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(jì)方法41
23融合估計(jì)方法47
231基于誤差加權(quán)的雙方向估計(jì)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(jì)方法49
24附著系數(shù)估計(jì)方法應(yīng)用實(shí)例61
241修正Dugoff輪胎模型驗(yàn)證61
242輪胎力估計(jì)驗(yàn)證62
243單方向運(yùn)動(dòng)學(xué)附著系數(shù)估計(jì)方法驗(yàn)證63
244基于誤差加權(quán)的運(yùn)動(dòng)學(xué)附著系數(shù)估計(jì)方法驗(yàn)證64
245基于頻響特性附著系數(shù)估計(jì)方法驗(yàn)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(jì)66
247基于雙卡爾曼濾波器的附著系數(shù)融合估計(jì)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(jì)方法90
31基于運(yùn)動(dòng)學(xué)的質(zhì)心側(cè)偏角估計(jì)方法92
311融合GPS與INS信息的質(zhì)心側(cè)偏角估計(jì)92
312基于直接積分法的質(zhì)心側(cè)偏角估計(jì)103
32基于動(dòng)力學(xué)的質(zhì)心側(cè)偏角估計(jì)方法104
321基于無味粒子濾波的車輛運(yùn)動(dòng)狀態(tài)估計(jì)104
322基于橫向動(dòng)力學(xué)的質(zhì)心側(cè)偏角估計(jì)方法113
33基于動(dòng)力學(xué)與運(yùn)動(dòng)學(xué)融合的估計(jì)方法114
331基于組合式的質(zhì)心側(cè)偏角融合估計(jì)114
332基于誤差加權(quán)的質(zhì)心側(cè)偏角融合估計(jì)116
34質(zhì)心側(cè)偏角估計(jì)方法比較120
35質(zhì)心側(cè)偏角估計(jì)方法應(yīng)用實(shí)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(jì)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(jì)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(jì)方法145
354基于聯(lián)邦卡爾曼的質(zhì)心側(cè)偏角估計(jì)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(jì)方法164
41運(yùn)動(dòng)學(xué)估計(jì)方法166
411參數(shù)自適應(yīng)卡爾曼濾波縱向車速估計(jì)方法166
412融合GPS與INS信息的車速估計(jì)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(jì)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(jì)方法173
416運(yùn)動(dòng)學(xué)方法小結(jié)174
42動(dòng)力學(xué)估計(jì)方法174
421基于輪胎縱向力的車速估計(jì)方法174
422直接轉(zhuǎn)矩積分車速估計(jì)方法175
423擴(kuò)展卡爾曼濾波車速估計(jì)方法175
424無跡卡爾曼濾波車速估計(jì)方法182
425基于簡化魔術(shù)公式的車速估計(jì)方法193
426基于車輪動(dòng)力學(xué)的車速估計(jì)方法195
427動(dòng)力學(xué)估計(jì)方法小結(jié)196
43融合估計(jì)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(jì)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(jì)方法200
44縱向車速估計(jì)方法應(yīng)用實(shí)例206
441融合GPS與INS信息的車速估計(jì)方法206
442參數(shù)自適應(yīng)卡爾曼濾波縱向車速估計(jì)方法207
443擴(kuò)展卡爾曼濾波車速估計(jì)方法209
444無跡卡爾曼濾波車速估計(jì)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(jì)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(jì)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(jì)方法241
511基于高頻信息提取的整車質(zhì)量估計(jì)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(jì)方法244
52基于多方法融合的坡度估計(jì)方法249
521基于動(dòng)力學(xué)方法的坡度估計(jì)方法249
522基于運(yùn)動(dòng)學(xué)方法的坡度估計(jì)方法250
523基于組合式融合的坡度估計(jì)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(jì)方法251
531估計(jì)輪胎側(cè)偏剛度的時(shí)機(jī)253
532側(cè)偏剛度估計(jì)結(jié)果254
54過程噪聲參數(shù)估計(jì)257
541最大似然估計(jì)理論簡介257
542最大似然估計(jì)過程噪聲258
543過程噪聲估計(jì)器估計(jì)結(jié)果262
55量測噪聲參數(shù)估計(jì)266
551小波變換簡介267
552小波變換估計(jì)量測噪聲268
553量測噪聲估計(jì)結(jié)果271
56俯仰角和路面坡度角估計(jì)算法273
57參數(shù)自適應(yīng)估計(jì)方法應(yīng)用實(shí)例276
571基于高頻信息提取的質(zhì)量估計(jì)算法276
572基于多方法融合的縱向坡度估計(jì)算法282
573橫向坡度估計(jì)286
574過程噪聲估計(jì)算法290
575量測噪聲估計(jì)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(jì)器、量測噪聲估計(jì)器以及坡度角補(bǔ)償模塊的自適應(yīng)估計(jì)方法294
58本章小結(jié)296
參考文獻(xiàn)296