基于RLS-RBPF算法的车辆悬架参数辨识方法研究

摘要

在汽车的运行过程中，悬架系统的状态不可避免地会发生改变。为了准确评估悬架参数的长期变化，尤其是实现早期故障预警，提出了一种基于车辆实际行驶状态的悬架参数辨识方法，首先在车辆的关键部位安装振动传感器，采集振动加速度信号。然后，通过递推最小二乘算法对悬架的弹簧刚度和减震器阻尼系数进行初步识别。在此基础上，进一步采用Rao-Blackwellized粒子滤波算法对初步辨识结果进行二次优化。最后，结合实测的车辆硬点坐标和通过辨识得到的悬架参数，基于多体动力学原理构建车辆动力学模型，与实际设计参数进行对比，并进行整车动力学仿真以验证辨识参数的准确性。实验结果表明，该方法在识别悬架弹簧刚度和减震器阻尼系数方面具有很高的精度，与真实值的最大偏差仅为2.50%和1.82%。同时，车辆动力学模型的仿真输出与实测载荷谱的均方根误差控制在5%以内。该方法显著提高了悬架系统参数辨识的精确度，是一种高精度的汽车悬架参数在线辨识算法。

关键词

递推最小二乘算法 / RBPF算法 / 实车载荷谱 / 参数辨识