半挂汽车列车结构参数估计综述

李海青LI Hai-qing；高丽娜GAO Li-na

（昆明理工大学，昆明 650500）

（Kunming University of Science and Technology，Kunming 650500，China）

0 引言

半挂汽车列车具有装载量大、运输成本低等运输特点，成为我国公路运输的主力车型。然而汽车列车的结构特点导致其稳定性差，容易发生如侧翻、折叠及甩尾等多种失稳形式，在带来经济效益的同时也常引发严重的交通事故。随着乘用车ESP 技术的快速发展，半挂汽车列车的稳定性控制问题也得到了人们的普遍关注，国内学术界对半挂汽车列车的主动控制进行了较多的开发研究[1-2]。

汽车列车在实际运输过程中，受载重变化的影响，车辆质量、质心位置、横摆转动惯量及轮胎侧偏刚度等参数具有很大的不确定性，这对基于车辆模型的稳定性控制策略有显著的影响。参数值的精确获取已经成为高性能汽车稳定性控制系统设计的一项关键技术。然而这些参数要么无法直接通过车载传感器测取,要么测量成本过高，通过估计算法对车辆参数进行估计辨识是一种有效的获取方法。同时车辆参数估计识别研究还主要集中在乘用车上，汽车列车这种铰接多体车辆的报道较少。

1 递推最小二乘法

当前汽车主动安全控制常用的估计算法包括最小二乘法、卡尔曼滤波法、模糊观测器和神经网络算法等，其中最小二乘法最为常用。

所谓的递推最小二乘(RLS)参数估计，就是当系统在运行时，每取得一次新的观测数据后，就在前一次估计结果的基础上，利用新引入的观测数据对前一次估计的结果，根据递推算法进行修正，从而递推地得出新的参数估计值。这样，随着新的观测数据的逐次引入，一次接着一次的进行参数估计，直到参数估计值达到满意的精确程度为止。与最小二乘估计相比，递推最小二乘估计可以实时利用测量值对估计结果进行递推修正，计算负担小，适用于动态系统参数的在线辨识。

2 参数估计

汽车参数主要包括汽车质量、质心位置、横摆转动惯量、轮胎侧偏刚度等。

2.1 整车质量估计 文献[3-4]利用RLS 对汽车的质量进行了估计研究，其中文献[3]综合纵向动力学和侧倾动力学估计整车质量，弥补了单独利用纵向动力学估计而不能适应转向工况的不足。但该方法仍然仅限于平路面估计。而文献[4]分别利用两段RLS 得到行驶阻力及质量的估计值，减小了坡度对质量辨识的影响，效果较好。

2.2 车辆质心位置估计 国内外测量质心位置方法通常分为3 类：悬挂法、复摆测量法和质量反应法。但是汽车的质心位置会随着载运工况发生改变，基于工程测量方法无法实时测量车辆质心位置，为此，人们提出利用估计的方法获取车辆质心位置。

文献[5]探讨了基于串行RLS 的质心位置参数和整车质量联合辨识，该方法利用两个RLS 估计器，首次赋值汽车质量，将其带入到质心位置估计器，估计出带有误差的质心位置估计值，并将其值赋予质量估计器，得出带有误差的整车质量估计值，如此循环直到最后一次估计值与上一次估计值的序列方差小于某个设定的值为止，该方法能够较快的获取车辆的质心位置。但该算法需要各轮胎的侧偏刚度值。且该方法对于多轴铰接车辆是否适用还有待进一步验证。

2.3 车辆轮胎侧偏刚度估计 文献[6]利用侧向加速度法估计汽车轮胎侧偏刚度，文章以线性二自由度汽车模型为基础，将汽车侧向运动方程表示为侧向加速度、轮胎侧偏刚度和侧偏角的乘积为等式的形式，采用RLS 估算汽车前后轮的侧偏刚度。该方法需要准确已知车辆质量和质心位置。

3 半挂汽车列车结构参数估计

对于半挂汽车列车的质量估计，文献[7]提出了多遗忘因子的RLS 估计方法，该方法克服了相互影响的多个参数变化率不一样对估计结果造成的影响，利用该方法文章准确估计出了半挂汽车列车的整车质量和路面坡度，估计效果较好。

文献[8]利用双扩展卡尔曼滤波算法(DEKF)对半挂汽车列车轮胎侧偏刚度和质心位置进行了估计，DEKF是对非线性系统设计两套EKF 的形式，这两套滤波估计系统并行运行且互相利用，并且它们都具有各自的循环、估计、修正系统，使估计值越来越趋向于真实值。文章假设汽车质量和纵向质心位置已知，首先利用3-DOF半挂汽车列车模型对车辆的横摆转动惯量，轮胎侧偏刚度进行了估计，利用估计得到的参数和5-DOF 线性车辆模型对挂车的质心高度进行了估计。目前，DEKF 算法是对半挂汽车列车的结构参数和状态同时估计的最理想的估计方法。

4 总结

首先详细介绍了递推最小二乘法，并依次对汽车的质量，质心位置，轮胎侧偏刚度等惯性参数的典型估计方法进行了介绍，分析其优缺点。

半挂汽车列车载运工况变化较大，估计其某些结构参数时利用DEKF 算法较好，该方法能实现参数自适应，即DEKF 参数观测器能够适应各种不同的行驶工况。

[1]杨秀建,康南,李西涛.基于TruckSim-Simulink 联合仿真的半挂汽车列车的稳定性控制[J].公路交通科技,2013,30(3):141-148.

[2]许洪国,彭涛,刘宏飞等.半挂汽车转向稳定性反馈线性化控制[J].吉林大学学报(工学版),2012,42(2):272-278.

[3]Kim D,Choi S B,Oh J.Integrated Vehicle Mass Estimation Using Longitudinal and Roll Dynamics [C].Control Automation and Systems,2012:862-867.

[4]冯源，余卓平，熊璐.基于分段递推最小二乘估计的汽车质量辨识试验[J].同济大学学报,2012,40(11):1691-1697.

[5]林棻,黄超,王伟.基于串行RLS 的汽车双参数联合辨识[J].华南理工大学学报,2012,40(12):105-109.

[6]Sierra C,Tseng E.Cornering stiffness estimation based on vehicle lateral dynamics[J].Vehicle System Dynamics,2006,44(1):24-38.

[7]Vahidi A,Druzhinina M.Simultaneous Mass and Time Varying Grade Estimation for Heavy-Duty Vehicles[C].Proceedings of the American Control Conference,2003:4951-4956.

[8]CHENG C Z,Cebon D.Parameter and State Estimation for Articulated Heavy Vehicles[J].Vehicle System Dynamics,2012,49(1-2):399-418.