基于车辆状态估计的商用车ESC神经网络滑模控制

针对商用车电子稳定性控制系统(ESC)中纵向车速、侧向车速、质心侧偏角等部分车辆状态参数难以直接获得、车辆系统传感器过程噪声一般为时变且未知等问题,提出了自适应容积卡尔曼滤波(ADCKF)算法,将标准容积卡尔曼滤波(CKF)算法与次优Sage-Husa噪声估计算法结合在一起,对部分车辆状态参数进行实时在线估计;然后根据商用车ESC的控制需求,并考虑建模不确定性和外界扰动,提出了商用车ESC径向基(RBF)神经网络滑模控制算法,利用径向基神经网络对干扰项进行估计.最后,通过MATLAB/Simulink与TruckSim联合仿真,对上述算法进行仿真验证.仿真结果表明:ADCKF算法对商用车的车辆部分状态参数估计较为精确,基于车辆状态估计的商用车ESC神经网络滑模算法控制效果良好,能满足商用车ESC控制需求.