张 征，马晓军，张运银，陈路明

（陆军装甲兵学院兵器与控制系，北京 100072）

0 引言

纵向车速是车辆操纵稳定性控制研究的一个非常重要的状态信息，车速估计精度能够影响动力学控制的效果［1］。目前大多数车辆的车速信息是通过普通车载传感器信号计算处理得到的。对于非全轮驱动车辆，一般情况下可以将非驱动轮轮速传感器信号进行还原来估计车速，但是这种方法并不适用于全轮驱动车辆［2］。针对全轮驱动车辆，有学者应用非线性状态观测器估计纵向车速，这类算法一般需要构建非线性车辆模型和动态轮胎模型，完成非线性迭代计算，计算量较大并且实时性难以保证［3-4］。文献［5］提出了基于车身纵向加速度积分的车速估计方法，但这种方法因为长时间积分容易引起信号噪声误差持续累加等问题，严重影响估计精度。另外，还有一些研究者采用卡尔曼滤波、粒子滤波等算法对纵向车速进行估计，这些算法适用于驱动轮没有发生过度打滑的工况，当路面情况不佳时，滤波算法估计精度容易受到影响［6-7］。

鉴于轮毂电机驱动车辆车速估计存在很大困难，本文提出了一种基于多模型融合的车速估计方法。根据采集的车载传感器信号和电机反馈信息，设计了自适应卡尔曼滤波车速估计器，同时采用车身加速度积分对车速进行估计，并结合车辆行驶工况和路面条件，将两种模型进行加权融合，提高了车速估计算法在各类行驶工况下的准确性和鲁棒性。……