基于闭环子空间算法的车辆系统模型辨识方法的研究

本项目拟对车辆系统动力学模型辨识的方法进行研究，重点探索适合于闭环试验条件下的子空间算法，充分利用子空间算法的鲁棒性，获得高精度的整车参数化辨识模型。在系统的分析参数可辨识性的基础上，构建以驾驶员模型为核心的反馈控制器，研究适合车辆闭环非线性系统的子空间辨识算法，降低测试噪声和干扰对辨识结果的影响，解决车辆系统非线性辨识的难题。为了降低系统耦合关系对辨识精度的影响，采用分系统辨识后再进行综合的方法，以侧向和垂向动力学模型为主要研究对象，发展车辆参数道路试验辨识技术，满足车辆开发中性能快速评价和分析的要求。辨识试验的设计以车辆国标道路试验体系为主体，适当增加特殊要求试验，保证辨识数据的可操作性、共性和基础性。本研究重点解决适应于车辆系统的非线性子空间算法和辨识模型参数与实际车辆物理参数对应的难题，既有学术理论意义，又有实际应用价值。

根据车辆系统多输入、多输出的特点，本研究将辨识模型的适用范围从线性域扩展至非线性域，从开环离线辨识扩展到闭环在线辨识，并且用于估计模型参数、预测系统输出以及设计转向预测控制器以保证汽车的稳定性等。.首先，在车辆处于恒定车速且轮胎侧偏角较小的状态时，结合不同工况下的实车试验数据并利用经典子空间方法，辨识出车辆系统的线性时不变模型，并分别进行了时域和频域验证。结果表明，CVA方法估计的车辆模型相对于MOESP和N4SID方法精度最高，其中CVA-step模型不仅时域仿真精度高，而且其频域特性与基于脉冲试验计算的经验传递函数基本一致。.此外，结合辨识车辆模型提出了基于系统极点不变的轮胎侧偏刚度估计方法，并通过数值仿真验证了估计参数的准确性。在考虑车身侧倾运动时，车辆模型的阶次增加到九阶，试验验证结果表明，此时的CVA-step模型能够最为准确的描述车辆侧向加速度和侧倾角变化。 .为了进一步扩展线性时不变辨识模型，在闭环条件下提出了两种具有非线性时变特点的车辆模型结构(扩展的线性车辆模型S1和增量形式的非线性车辆模型S2)，两种模型不再要求行驶车速和轮胎侧偏刚度为恒值，更符合车辆系统的一般特点。结合实车I/O数据并利用RPBSIDopt辨识算法可以对上述辨识模型实时更新，模型验证的结果表明，S1和S2大幅改善了辨识模型在线性域内的精度，能够准确描述系统瞬态响应的细节。即使在侧向加速度超过0.6g的非线性工况下，两种辨识模型仍然可以保证估计的一致无偏性。其中，辨识模型S2的预测精度优于模型S1和广泛应用的车辆EKF状态估计器，具有更好的应用前景。.在上面工作的基础上，结合辨识模型的预测输出和最优准则，提出了一类改进的递推子空间预测控制方法，使被控对象不再局限于严格的线性时不变系统，并避免了复杂Diophantine方程的求解，提高了算法的效率。针对AFS车辆系统，分别设计了RSPC和RSPCI车辆控制器以改善车辆弯道行驶时系统的稳定性，数值仿真结果表明，在轮胎侧向力小于路面附着极限时，两种控制器都可以有效改善系统的稳定性；在轮胎侧向力达到路面附着极限时，RSPCI控制器的控制效果明显，可以保证车辆具有良好的状态跟踪能力。