起侧倾运动重力作用，重力效应应为准确估计例如，高估避免通过补偿重力效应补偿。在实践中，与合适遗忘因子数值积分进行，以避免严重信号漂移。在和中，提出了基于模型估计和运动学基于估计相结合方法，以利用这两个估计方法优点。基于模型估计被用于在低频率即，低通滤波器，而运动学基于估计被用于在较高频率即，具有高通滤波器。从合并估计方法所估计侧滑角被表示为这里，参数被用于过滤器设置。基于横向车速估计而提种车辆侧滑角估计方法提出侧滑角估计方法基于横向车速估计而提种车辆侧滑角估计方法。所提出方法使用是可以从单位来测量横向轮胎力。需要注意是，如果在车辆纵向和横向速度得到情况下，车辆侧滑角可以很容易地计算出来。使用算法估计横向车辆速度，而其估算值用于最后计算车辆侧滑角使用。为了设计个横向车辆速度估算器，我们使用了个简化横向轮胎力模型即，忽略纵向轮胎力影响见上述简化横向轮胎力模型应用到是前左和前右轮胎。为了估算车辆横向速度，横向轮胎力模型前轮胎是基于以下假设利用。左右轮胎纯滑移条件下可忽略其纵向滑移，且峰值横向轮胎力出现在在相同轮胎滑移角。在轮胎侧向力峰值出现时轮胎滑移角，是受到车辆重量转移影响。与内燃机汽车相比，电动轮驱动电动汽车，电池在车底板下，驱动电机安装在车轮里，这样可以降低车辆重心。这提供了更少重量转移，从而提高了行驶稳定性。从这些特征中，不考虑由于重量转移导致左前和右前轮胎力变化。前左，右轮胎侧偏刚度是相同即,。考虑到前面轮胎是在相同路面，重量转移效果不是关键，不考虑重量转移对左右轮胎侧偏刚度影响。由于角度小，。根据上述假设，前横向轮胎力可以表示为用除以,外侧车辆速度为其中所述估计横向车辆速度被定义为伪测量并表示为。如描述，所提出估计方法是利用前左和右横向轮胎力比值，并且基于前左和前右轮胎由上述假设线性化轮胎模型。尽管我们用线性化轮胎模型估计器设计，所提出估计显示更好估计结果，具有相对小误差与常规使用方法中，即使当横向轮胎力达到,可见性可能定期丢失，会导致估计不准确。虽然在有限驾驶环境下可以提供相对准确侧倾角估计，但是由于额外传感器成本使它在汽车中应用有定困难。在本文中，提出了种车辆侧滑角和滚动角精确估计新方法，它是通过多传感测量中心单位并基于横向轮胎力估计方法。被广泛应用于时变系统识别，带遗忘因子算法用来计算车辆横向侧滑角速度。为了估计侧倾角，人们通过使用可用传感器测量值和利用估计横向车辆速度去设计卡尔曼滤波器。在，和中，广泛讨论了卡尔曼滤波器在车辆状态估计中应用。为了使轮马达驱动电动车辆优点发挥到极致，有必要利用低成本高效率传感器对不可测量状态进行准确地估计。在这点上，本研究提出单元具有低成本高效益特点，它可以解决车辆状态估计中成本问题，并且可以提高轮毂电机驱动电动汽车控制系统性能。本文结构如下。在第二节介绍用于评估设计车辆模型中文字出处利用轮胎侧向力传感器并使用最小二乘法和卡尔曼滤波方法估计电动汽车侧滑角和侧倾角,摘要对于如横摆稳定性和侧倾稳定性控制车辆稳定性控制应用而言，控制车辆状态鲁棒性估计车辆侧滑角和侧倾角是相当重要。本文提出了利用从多传感轮毂单元获得实时横向轮胎力测量来估计侧滑角和侧倾角新方法，这种方法在轮毂电机驱动电动汽车车辆控制系统中得到实际应用。在车辆侧滑估计中,是利用了基于线性车辆模型和传感器测量并带有遗忘因子递归最小二乘算法。在侧滑角角估计中,卡尔曼滤波设计目是整合可用传感器测量和动态。通过现场测试实验电动汽车来评估上述所提出估计方法为基础侧滑角估计和卡尔曼滤波器。实验结果表明，上述估计量可以准确估计车辆侧滑角和侧倾角。实验证实,所提出估计方法比传统方法估计精度提高以上见图所示均方根误差。此外,通过各种验证测试证明轮胎侧向力传感器在车辆状态估计实际应用中可行性。关键词电动汽车，卡尔曼滤波，多传感集线器单元，递归最小二乘，滚动角，侧滑角。术语在重心纵向加速度。在重心横向加速度。传感器测量横向加速度。磁道宽度。重力加速度。高度簧载质量超过轧辊中心中心。离地面高度。和对应于前左，前右，后左和后右,重心至前轴距离。重心至后轴距离。车辆重心纵向速度。车辆重心横向速度。估计横向车辆速度。车辆总质量。簧载质量。在第个轮胎转弯刚度。前轮胎转弯刚度。后轮胎转弯刚度。滚动阻尼系数。在第个轮胎纵向轮胎力。在第个轮胎横向轮胎力。在左轨道车轮横向轮胎力在右轨道车轮横向轮胎力惯性侧倾力矩。惯性横摆力矩。侧倾刚度系数。观测器增益矩阵。侧倾力矩。横摆力矩。第个轮胎滑脱角。前轮轮胎滑移角。后轮轮胎滑移角。车辆侧滑角。从相结合方法估算侧滑角。从运动学为基础估算方法估计侧滑角。从基于模型估计方法估计侧滑角。前转向角。侧倾角。侧倾率。侧倾加速度。横摆率。在递归最小平方算法遗忘因子。路面摩擦系数。引言考虑到轮毂电机驱动电动汽车先进运动控制，人们已经进行了大量电动车动态控制研究。电动汽车先进防滑以及防滚运动控制系统被称为横摆稳定性控制和侧倾稳定性控制。与内燃机车辆相比，电动汽车在运动控制上具有这几个优点。,驱动电机产生转矩非常快速和准确。传动转矩可以很容易地从电动机电流测量。每个车轮轮可以独立控制。由于这些优点，个新基于横摆力矩观测器横摆力矩控制方法是在提出，并以实验结果验证并提出使驾驶员乘坐安全和舒适侧倾稳定性控制系统。大多数车辆稳定控制系统只有个直接横摆角速度反馈来用于提高稳定性能。然而，在湿滑路面上，控制车辆侧滑角以防止它变得太大也是有意义，。由于前述稳定性控制系统目是控制横摆角速度，车辆侧滑角和侧倾角，因此需要测量上述三个量传感器。横摆角速度可以通过廉价陀螺传感器很容易测量。然而，用于车辆侧滑角和滚转角测量传感器是昂贵，所以必须从现有测量值和车辆模型来获得这些数据。因为这个原因，人们研究了各种方法来对车辆侧滑角进行估计。人们提出了基于状态观测器和采用线性车辆模型卡尔曼滤波器设计估计方法，并实验验证，。由于为基础线性车辆模型方法使用恒定车辆和轮胎参数，这种方法在驾驶条件和轮胎路面参数变化条件下是不具有鲁棒性。在文献提出了种车体滑移角模糊观测器用来代替非线性模糊模型处理在车辆模型中非线性。在和中，提出使用扩大和无迹卡尔曼滤波器非线性技术估计横向轮胎力和侧偏角并通过现场试验来评价。特别是在中，使用非线性模型估计方法示出了实际电位作为用于计算横向轮胎力和实时侧滑角个低成本解决方案。在和中，提出了种轮胎路面摩擦自适应配合侧滑角观测器例如，自适应算法是使用横向车辆动力学设计。人们提出个新基于车辆模型和运动学方法并通过实验评价，。此外，些研究人员提出了新利用和惯性测量估算方法来估计未知车辆模型侧滑角，。在过去几年中，人们提出了几种基于车辆动力学模型而无需使用额外传感器例如，侧倾率传感器估计方法。在中，通过各种侧倾角估计方法优点和缺点对这些方法进行了讨论了。此外，人们提出了利用闭环自适应观测器估计侧倾角和侧倾角速度方法并对其进行评价。在中，结合基于横向和纵向模型设计了种道路干扰解耦滚动状态估计方法，并通过计算机模拟评估。在其他方法，利用两个横向放置天线用来估计侧倾角。基于卫星任何可见位置估计方法。然而，在城市和森林驾驶环境中卫星可见性可能定期丢失，会导致估计不准确。虽然在有限驾驶环境下可以提供相对准确侧倾角估计，但是由于额外传感器成本使它在汽车中应用有定困难。在本文中，提出了种车辆侧滑角和滚动角精确估计新方法，它是通过多传感测量中心单位并基于横向轮胎力估计方法。被广泛应用于时变系统识别，带遗忘因子算法用来计算车辆横向侧滑角速度。为了估计侧倾角，人们通过使用可用传感器测量值和利用估计横向车辆速度去设计卡尔曼滤波器。在，和中，广泛讨论了卡尔曼滤波器在车辆状态估计中应用。为了使轮马达驱动电动车辆优点发挥到极致，有必要利用低成本高效率传感器对不可测量状态进行准确地估计。在这点上，本研究提出单元具有低成本高效益特点，它可以解决车辆状态估计中成本问题，并且可以提高轮毂电机驱动电动汽车控制系统性能。本文结构如下。在第二节介绍用于评估设计车辆模型。对用于估计车辆侧滑角常规方法进行了综述，然后提出使用单元估计新方法并在第三节通过实验进行评价。在第四节，设计了个用于侧倾状态估计卡尔曼滤波器，介绍横向加速度传感器应答特性和对单位进行了讨论。在第五节，实验电动车介绍。另外，我们出示了从现场试验中得到估计结果，以验证和评估所提出卡尔曼滤波器估算性能。最后，在第六节给出总结和结论。车辆动态估计量设计在本节中，引入个三自由度自由度偏航平面模型来描述电动车辆侧向运动。偏航平面表于图。图三自由度偏航平面车辆模型纵向和横向运动方程由下式给出假定左前和右前车轮转向角是相同即前轮胎纵向力是左前和右前轮胎纵向力总和即后轮胎纵向力是左右后轮胎纵向力总和即前轮胎侧向力是左前和右前轮胎侧向力总和即和后轮胎侧向力是后左右轮胎侧向力总和即，。相对于点横摆力矩平衡方程是其中横摆力矩直接表示横摆力矩控制输入，它是由轮毂电机独立转矩控制生成。在横摆运动控制时，是作为车辆附加输入对控制车辆稳定运动发挥作