基于数据融合的轮毂式电动汽车新颖架构

基于数据融合的轮毂式电动汽车新颖架构

车轮速度传感器常用于传统的ABS中测量车轮转速。基于数据融合的概念，提出了一种用于轮毂式电动汽车的新颖架构。在ABS的轮速测量系统中，可以提供更高的精度、可靠性、冗余和容错。所提出的方法是使用实际的ABS硬件进行广泛验证。试验结果表明，根据所提出的数据融合方法，相比于目前市售的ABS传感器，车轮速度的估计准确度最多提高了46%。所提出的方法具有大幅度提高轮式电动汽车ABS性能的潜力。

ABS在现代车辆安全中起着决定性的作用，其可以提高汽车的操控性并且缩短在严峻环境下的制动距离。速度传感器在传统ABS系统中是一个很重要的组件，其用于测量车轮的角速度，该数据被用作计算滑移率这个重要参数：ABS所应用的车速数据在实际操作中不能够被精确测量，通常是从轮速数据中进行估算。这意味着整体滑移的测量精度很大程度上决定于轮速的测量精度。

目前，大部分控制ABS的方法都是基于滑移进行控制。然而，此种方法中的比例项控制器对于噪声干扰很敏感。为了显示错误的滑移率测量对开关控制的ABS性能影响，在Matlab中结合已有的ABS模型研究了噪声干扰对汽车制动距离的影响。结果显示，随着噪声干扰功率的不断增大，制动距离也随之增大。

所提出的方法在ABS作用期间，利用了轮毂电机的反电动势（back EMF）估计轮速。反电动势的电压值可以为提高轮毂式电动汽车ABS性能提供有用的信息。使用数据融合算法将轮毂电机的反电动势与从实际ABS中抽取到的两路测量信号进行融合。试验结果显示，通过该种融合方法可以显著提高轮速精度。

Amir Dadashnialehi et al. EnhancedABSforIn-WheelElectricVehicles Using Data Fusion.

编译：齐健华