电动汽车质量与行驶阻力辨识的分段递推最小二乘法试验

"基于分段递推最小二乘估计的汽车质量辨识试验 (2012年)" 本文是2012年发表于《同济大学学报(自然科学版)》的一篇研究论文，主要探讨了一种新型的汽车质量辨识算法。该算法特别适用于电动轮驱动的电动汽车平台，通过道路试验进行验证。研究者冯源、余卓平和熊璐在同济大学汽车学院和新能源汽车工程中心进行了这项工作。 在传统的汽车质量辨识中，坡度因素往往会对结果造成干扰。然而，本研究利用加速度传感器的一个关键特性，即能够测量沿测量轴的重力分量，从而成功排除了坡度对质量辨识的影响。他们提出了一种基于加速度分段的递推最小二乘（Recursive Least Squares, RLS）算法，将数据分成两段来分别估计行驶阻力和车辆质量。 在电动轮驱动电动汽车平台上，研究人员在不同路面条件（如沥青、塑胶和碎石）以及坡道上进行了试验。通过对行驶阻力和质量的估计值进行分析，他们考察了误差和收敛性，并针对特殊工况对算法进行了优化。试验数据显示，无论车辆质量还是路况如何变化，估计误差始终低于2.5%，这表明所设计的辨识算法具有极高的精度，具有很高的实用价值。 递推最小二乘法是一种在线学习算法，它能够在不断接收新数据时逐步更新模型参数，从而适应动态变化的环境。在汽车质量辨识中，这种方法能够实时地、连续地调整估计值，以适应车辆在不同驾驶条件下的性能变化。 这项研究为电动汽车的质量辨识提供了一种有效且精确的方法，对于提高车辆控制系统的性能、优化能量管理策略以及提升整体驾驶安全性和舒适性具有重要意义。同时，该算法的通用性意味着它可以应用于各种交通工具的质量辨识，为未来智能交通系统的发展奠定了理论基础。