基于带遗忘因子的最小二乘法估计轮胎侧偏刚度（线性区） 说明：用带遗忘因子的递归最小二乘法进行线...
基于带遗忘因子的最小二乘法估计轮胎侧偏刚度（线性区） 说明：用带遗忘因子的递归最小二乘法进行线性区轮胎侧偏刚度估计 包含：CarSim cpar模型，simulink模型，用于估计的S函数m文件，参考文献 加5元可得整理好的包含最小二乘法，递推最小二乘法，带遗忘因子的递推最小二乘法的理论推导，优缺点，改进的思路，推导和编写代码时的注意项的word文档 注:CarSim2020，matlab2019b，版本不符合时，matlab可降版本，CarSim可提供配置截图
轮胎侧偏刚度估计是车辆动力学中的经典问题。今天咱们直接上干货，聊聊怎么用带遗忘因子的递归最小二乘法（FFRLS）在线性区实现这个参数的实时估计。先看个实际案例：某电动车在CarSim中跑双移线工况时，前轮侧偏刚度突然衰减30%，传统方法根本抓不住这种突变——这就要看我们的算法了。
先看Simulink模型结构：CarSim输出车辆状态（车速vx、横摆角速度γ、前轮转角δ）后，通过运动学公式计算侧向加速度ay_est，再用S函数实现的FFRLS模块进行参数更新。这里有个坑——千万别直接用CarSim输出的ay，实测数据里这个信号噪声太大，得自己通过γ*vx重新计算。
核心算法在S函数里实现，关键代码段长这样：
function [sys,x0,str,ts] = rls_estimator(t,x,u,flag) switch flag case 0 % 初始化 P = 1e4*eye(2); % 协方差矩阵 theta = [0;0]; % 待估参数 lambda = 0.98; % 遗忘因子 ts = 0.01; % 采样时间 case 2 % 更新状态 % 输入信号解析 ay = u(1); phi = [u(2); u(3)]; % 核心递归公式 K = P*phi/(lambda + phi'*P*phi); theta = theta + K*(ay - phi'*theta); P = (P - K*phi'*P)/lambda; case 3 % 输出 sys = theta; end这个实现有几个魔鬼细节：
- 协方差矩阵P的初值不能太小，否则算法"启动"太慢
- 遗忘因子λ建议取0.95-0.99，雨天工况可以适当调小
- 输入信号需要做归一化处理，防止数值溢出
在CarSim模型配置时要注意：轮胎模型必须切到Linear模式，否则侧偏刚度本身非线性会影响辨识效果。实测中发现前轮转角激励必须足够丰富——建议方向盘转角幅值至少±30度，频率在0.5-2Hz之间。
基于带遗忘因子的最小二乘法估计轮胎侧偏刚度（线性区） 说明：用带遗忘因子的递归最小二乘法进行线性区轮胎侧偏刚度估计 包含：CarSim cpar模型，simulink模型，用于估计的S函数m文件，参考文献 加5元可得整理好的包含最小二乘法，递推最小二乘法，带遗忘因子的递推最小二乘法的理论推导，优缺点，改进的思路，推导和编写代码时的注意项的word文档 注:CarSim2020，matlab2019b，版本不符合时，matlab可降版本，CarSim可提供配置截图
算法效果验证有个骚操作：在Simulink里并行运行标准RLS和FFRLS做对比。当人为突然改变轮胎摩擦系数时，带遗忘因子的版本响应速度能快0.8秒左右。不过要注意，这种方法对纵向滑移率敏感，在急加速工况需要配合纵向速度补偿。
最后给个参数调试经验公式：当估计值波动超过15%时，适当增大λ；当跟踪滞后明显时，按λnew = λold * 0.95逐步衰减。记得每次调参后要跑完整工况，别在局部片段优化——别问我怎么知道的，都是泪。
（参考文献：余志生《汽车理论》第六章；Pacejka的Tire Model综述；SAE 2017-01-1565关于实时参数估计的对比研究）