外文翻譯--利用輪胎側(cè)向力傳感器并使用最小二乘法和卡爾曼濾波方法估計電動汽車的側(cè)滑角和側(cè)傾角（譯文）

1、中文 中文 10960 字出處： 出處：Nam K, Oh S, Fujimoto H, et al. Estimation of sideslip and roll angles of electric vehicles using lateral tire force sensors through RLS and Kalman filter approaches[J]. Industrial Electronics, IEEE T

2、ransactions on, 2013, 60(3): 988-1000.利用輪胎側(cè)向力傳感器并使用最小二乘法 利用輪胎側(cè)向力傳感器并使用最小二乘法（RLS）和卡爾曼濾波方法估計電動汽車 ）和卡爾曼濾波方法估計電動汽車的側(cè)滑角和側(cè)傾角 的側(cè)滑角和側(cè)傾角Kanghyun Nam, Student Member, IEEE, Sehoon Oh, Member, IEEE,Hiroshi Fujimoto, Member, IEEE, a

3、nd Yoichi Hori, Fellow, IEEE摘要——對于如橫擺穩(wěn)定性和側(cè)傾穩(wěn)定性控制的車輛穩(wěn)定性控制應(yīng)用而言，控制車輛狀態(tài)的魯棒性估計（車輛側(cè)滑角和側(cè)傾角）是相當(dāng)重要的。本文提出了利用從多傳感輪轂單元獲得實時橫向輪胎力測量來估計側(cè)滑角和側(cè)傾角的新方法，這種方法在輪轂電機驅(qū)動電動汽車的車輛控制系統(tǒng)中得到實際應(yīng)用。在車輛側(cè)滑估計中, 是利用了基于線性車輛模型和傳感器測量并帶有遺忘因子的遞歸最小二乘(RLS)算法。在側(cè)滑角角估計中

4、,卡爾曼濾波的設(shè)計目的是整合可用的傳感器測量和動態(tài)。通過現(xiàn)場測試實驗電動汽車來評估上述所提出的估計方法（RLS 為基礎(chǔ)的側(cè)滑角估計和卡爾曼濾波器） 。實驗結(jié)果表明，上述估計量可以準(zhǔn)確估計車輛側(cè)滑角和側(cè)傾角。實驗證實, 所提出的估計方法比傳統(tǒng)方法的估計精度提高 50%以上 (見圖 4 所示的均方根誤差)。此外, 通過各種驗證測試證明輪胎側(cè)向力傳感器在車輛狀態(tài)估計實際應(yīng)用中的可行性。關(guān)鍵詞：電動汽車，卡爾曼濾波，多傳感集線器（MSHub）單

5、元，遞歸最小二乘（RLS） ，滾動角，側(cè)滑角。術(shù)語 術(shù)語在重心縱向加速度(m/ )。 𝑎𝑥 s2在重心橫向加速度(m/ )。 𝑎𝑦 s2傳感器測量橫向加速度(m/ )。 𝑎𝑦𝑚 s2d 磁道寬度= 1.3m。g 重力加速度= 9.81 m/ 。 s2高度的簧載質(zhì)量超過軋輥中心的中心(

6、RC)= 0.32。 h𝑟𝑜𝑙𝑙第 i 個輪胎的滑脫角（rad） 。 𝛼i前輪輪胎滑移角（rad） 。 𝛼f后輪輪胎滑移角（rad） 。 𝛼𝑟β 車輛側(cè)滑角（rad） 。從相結(jié)合的方法估算側(cè)滑角（rad） 。 𝛽𝑐𝑜𝑚從運動學(xué)為基礎(chǔ)

7、估算方法估計側(cè)滑角（rad） 。 𝛽𝑘𝑖𝑛從基于模型的估計方法估計側(cè)滑角（rad） 。 𝛽𝑚𝑜𝑑前轉(zhuǎn)向角（rad） 。 𝛿𝑓側(cè)傾角（rad） 。 ?側(cè)傾率（rad /s） 。 ?側(cè)傾加速度（rad / ） 。 ? s2橫擺率（rad/s） 。 𝛾λ

8、 在遞歸最小平方（RLS）算法的遺忘因子。μ 路面的摩擦系數(shù)。1.引言考慮到輪轂電機驅(qū)動電動汽車先進的運動控制，人們已經(jīng)進行了大量的電動車動態(tài)控制研究[1] - [6]。電動汽車先進的防滑以及防滾運動控制系統(tǒng)被稱為橫擺穩(wěn)定性控制和側(cè)傾穩(wěn)定性控制。與內(nèi)燃機車輛相比，電動汽車在運動控制上具有這幾個優(yōu)點。[1], [3].1） 驅(qū)動電機產(chǎn)生的轉(zhuǎn)矩非?？焖俸蜏?zhǔn)確。2） 傳動的轉(zhuǎn)矩可以很容易地從電動機電流測量。3） 每個車輪輪