电动汽车的快速发展和对环保、节能的追求,使得车辆稳定性控制技术的研究变得至关重要。其中,质心侧偏角作为车辆动态行为的重要参数,对于理解和改善车辆操控性能、安全驾驶有着不可忽视的影响。然而,直接测量质心侧偏角的传感器成本高昂,不适用于大规模的商业应用。因此,开发一种经济且准确的质心侧偏角估算方法成为当前研究的热点。
论文“基于神经网络左逆的电动汽车质心侧偏角观测”提出了一种新颖的估算策略,该策略运用神经网络左逆(NNLI)理论构建了一个“内含传感器”的质心侧偏角观测器。NNLI是一种利用神经网络模型来求解非线性系统的逆问题的方法,它可以有效处理复杂的非线性关系,提高估算的精度。
在电动汽车中,可以通过车辆现有的传感器,如横摆角速度传感器、纵向加速度计、侧向加速度计,以及驱动电机力矩传感器等,获取到车身状态的相关数据。这些数据作为输入,结合神经网络模型,可以间接推算出质心侧偏角的信息。由于电动汽车的驱动电机力矩可独立控制,这为更精确地估算提供了可能,同时也减少了对额外传感器的依赖。
文章通过MATLAB/Simulink与CarSim的联合仿真,验证了该方法的有效性。仿真结果表明,采用NNLI的质心侧偏角观测器能够准确、实时地估算出车辆的质心侧偏角,这对于电动汽车的稳定性控制和驾驶员辅助系统的设计具有极大的价值。
此外,该研究的创新之处不仅在于其不依赖于参考模型参数的识别,还充分利用了电动汽车内置电机的特性。这种方法对于提高电动汽车的安全性和行驶舒适性,降低生产成本,具有实际应用前景,对于新能源汽车技术的发展提供了新的研究思路。
基于神经网络左逆的质心侧偏角观测技术为电动汽车的状态估计提供了一种经济高效的解决方案,有望广泛应用于未来电动汽车的控制系统设计中,进一步推动电动汽车行业的技术进步。