論文以四輪輪邊驅(qū)動(dòng)電動(dòng)車為研究對(duì)象，以提高車輛主動(dòng)安全性和行駛穩(wěn)定性為目標(biāo)，對(duì)直線行駛工況下的四輪輪邊驅(qū)動(dòng)電動(dòng)車路面附著系數(shù)估計(jì)以及與之相關(guān)的整車質(zhì)量參數(shù)及道路坡度辨識(shí)和車輪滑轉(zhuǎn)狀態(tài)辨識(shí)進(jìn)行了研究。論文的研究成果為四輪輪邊驅(qū)動(dòng)電動(dòng)車底盤控制技術(shù)的研究奠定了基礎(chǔ)，有利于進(jìn)一步的底盤集成控制研究。
論文采用遞推最小二乘方法辨識(shí)直線行駛工況下的整車質(zhì)量參數(shù)及道路坡度。算法利用驅(qū)動(dòng)力矩大小可以直接獲得的特點(diǎn)，只要通過傳感器測(cè)量獲得縱向車速信息、縱向車身加速度信息、輪邊驅(qū)動(dòng)力矩信息及車輪加速度信息即可實(shí)現(xiàn)參數(shù)辨識(shí)，需要的傳感器較少，實(shí)現(xiàn)方便。由于帶單個(gè)遺忘因子的遞推最小二乘法無法辨識(shí)變化速率不同的兩個(gè)參數(shù)，采用“多遺忘因子”的思想，解決了多變量的同時(shí)辨識(shí)問題。通過設(shè)定合理的遺忘因子，對(duì)每次觀測(cè)的方程誤差做相應(yīng)的加權(quán)處理，提高了辨識(shí)準(zhǔn)確性。
論文分別對(duì)基于聲一:曲線斜率變化的車輪滑轉(zhuǎn)狀態(tài)辨識(shí)方法和基于加速度差值的車輪狀態(tài)辨識(shí)方法進(jìn)行研究。利用狀態(tài)濾波器可以準(zhǔn)確獲得輪加速度信號(hào)的特點(diǎn)，前者雖然可以在理論上辨識(shí)出車輪狀態(tài)，并同時(shí)獲得路面峰值附著系數(shù)，但受信號(hào)噪聲及模型精度的影響，容易出現(xiàn)誤判斷，限制了其在實(shí)車上的應(yīng)用前景�；�于加速度差值的車輪狀態(tài)辨識(shí)方法，考慮車輪響應(yīng)的固有特性，方法簡(jiǎn)單有效，能夠在大多數(shù)情況下準(zhǔn)確辨識(shí)車輪滑轉(zhuǎn)情況。
論文針對(duì)基于卡爾曼濾波器的路面附著系數(shù)估算方法在對(duì)接路面上的辨識(shí)響應(yīng)慢、甚至失效的局限性，采用基于廣義卡爾曼濾波器的狀態(tài)估計(jì)算法進(jìn)行車輪縱滑剛度估計(jì)，并間接獲得路面附著系數(shù)值。通過對(duì)傳統(tǒng)卡爾曼濾波器的消息模型進(jìn)行改進(jìn)，并加入路面變化探測(cè)模塊，通過仿真試驗(yàn)驗(yàn)證了車輪穩(wěn)定工作時(shí)，算法在對(duì)接路面上的有效性，同時(shí)估算收斂速度和估算準(zhǔn)確性都有了明顯提高。
論文通過實(shí)車試驗(yàn)獲取關(guān)鍵參數(shù)值，使得改進(jìn)后的路面附著系數(shù)估計(jì)算法能夠適應(yīng)本文的研究平臺(tái)。通過選取典型路面條件(干瀝青路面、不銹鋼路面及對(duì)接路面)驗(yàn)證路面附著系數(shù)估計(jì)算法在直線行駛時(shí)的實(shí)車適用性。針對(duì)緒論中對(duì)己有的路面附著系數(shù)辨識(shí)方法局限性的分析，分別通過整車質(zhì)量參數(shù)及道路坡度辨識(shí)、車輪滑轉(zhuǎn)狀態(tài)辨識(shí)及基于廣義卡爾曼濾波器的路面附著系數(shù)估計(jì)方法，保證了算法的有效性和適用性。
通過本文的研究，對(duì)四輪輪邊驅(qū)動(dòng)電動(dòng)車整車質(zhì)量參數(shù)及道路坡度辨識(shí)、車輪滑轉(zhuǎn)狀態(tài)辨識(shí)進(jìn)行了探究，并對(duì)路面附著系數(shù)估算提出了改進(jìn)方案，為四輪輪邊驅(qū)動(dòng)電動(dòng)車力學(xué)控制的進(jìn)一步研究奠定了基礎(chǔ)。