On the vehicle sideslip angle estimation through neural networks:Numerical and experimental results.S. Melzi,E. SabbioniMechanical Systems and Signal Processing 25 (2024):14~28电脑估量车辆侧滑角的数值和实验结果S.梅尔兹,E.赛博毕宁机械系统和信号处理 2024 年第 25 期:14~28摘 要 将稳定控制系统应用于差动制动/外轮胎是现在对客车车辆的标准(电子稳定系统ESP、直接偏航力矩控制 DYC)。这些系统假设将两个偏航率(通常是衡量板)和侧滑角作为控制变量。不幸的是后者的具体数值只有通过非常昂贵却不适合用于普通车辆的设备才可以实现直接被测量,因此只能估量其数值。几个州的观察家最终将适应参数的参考车辆模型作为开发的目的。然而侧滑角的估量还是一个悬而未决的问题。为了避开有关参考模型参数识别/适应的问题,本文提出了分层神经网络方法估算侧滑角。横向加速度、偏航角速率、速度和引导角,都可以作为普通传感器的输入值。人脑中的神经网络的设计和定义的策略构成训练集通过数值模拟与七分布式光纤传感器的车辆模型都已经获得了。在各种路面上神经网络性能和稳定已经通过处理实验数据获得和相应的车辆和提到几个处理演习(一步引导、电源、双车道变化等)得以证实。结果通常显示估量和测量的侧滑角之间有良好的一致性。1 介绍 稳定控制系统可以防止车辆的旋转和漂移。实际上,在轮胎和道路之间的物理极限的附着力下驾驶汽车是一个极其困难的任务。通常大部分司机不能处理这种情况和失去控制的车辆。最近,为了提高车辆安全,稳定控制系统(ESP[1,2]; DYC[3,4])介绍了通过将差动制动/驱动扭矩应用到/外轮胎来试图控制偏航力矩的方法。 横摆力矩控制系统(DYC)是基于偏航角速率反馈进行控制的。在这种情况下,控制系统使车辆处于由司机转向输入和车辆速度控制的期望的偏航率[3,4]。然而为了确保稳定,防止特别是在低摩擦路面上的车辆侧滑角变得太大是必要的[1,2]。事实上由于非线性回旋力和轮胎滑移角之间的关系,转向角的变化几乎不改变偏航力矩。因此两个偏航率和侧滑角的实现需要一个有效的稳定控制系统[1,2]。不幸的是,能直接测量的侧滑角只能用特别设备(光学传感器或 GPS 惯性传感器的组合),现在这种设备非常昂贵,不适合在普通汽车上实现。因此, 必须在实时测量的基础上进行侧滑角估量,具体是测量横向/纵向加速度、角速度、引导角度和车轮角速度来估量车辆速度。在主要是基于状态观测器/卡...