线控转向系统是车辆转向系统的新兴研究热点,它通过电子控制系统实现转向轮实时转向,结合日益发展的循迹导航功能,可以极大地提高汽车的操纵稳定性和驾驶员的抗疲劳,能有效避免交通事故的发生。汽车主动转向控制的基础是实时准确得获取车辆的行驶状态参数,现有车辆的状态参数多来自车载传感器所采集的轮速和侧向加速度等信息,而传感器固有的标定误差、漂移误差和获取信息单一等局限已日益无法满足人们的需要,且车辆在行驶过程中质心侧偏角和路面附着系数等参数难以直接测量,因此,如何运用多种类、少数量的传感器获取准确的车辆行驶状态成为线控转向系统的研究重点。信息融合技术能够有机的综合不同种类的多个传感器所提供的局部信息,利用信息互补降低不确定性。因此能够准确估计线控车辆行驶状态参数的多传感器信息融合算法,是线控车辆拥有实用性亟待解决的技术热点。本文针对课题要求,首先分析线控系统的结构,依次建立转向盘、转向电机、齿轮齿条组件等模型,建立线控转向系统的Simulink模型,并嵌入到汽车仿真软件Carsim中,建立具有线控系统的Carsim整车模型。其次确定线控转向系统的信息源,并依此搭建线控转向系统多传感器网络。设计多传感器网络总体方案,确定传感器的选型,设计转角传感器、姿态传感器(主控板)和车速传感器(副控板)等硬件的接口电路。确定软件开发工具,完成软件设计的总体方案,依此完成上述传感器采集模块的软件设计,建立主控板与副控板间的CAN总线通信,实现各传感器数据采集功能,并通过串口调试,结合MATLAB完成硬件在线测试。最后,为提高线控系统控制参数的实时性针、准确性和稳定性,设计卡尔曼滤波和扩展卡尔曼滤波算法,对多传感器的信息进行融合。建立具有线性特性的简单轮胎模型,侧偏、纵向和横摆三自由度非线性车辆模型,完成基于扩展卡尔曼滤波的多传感器融合信息算法,算法以姿态传感器采集的纵向加速度、横向加速度和转角传感器采集的转向盘转角作为输入,准确估计车辆行驶时的横摆角速度r、质心侧偏角及纵向车速。为验证算法的有效性和准确性,采用急速移线工况进行仿真试验。为验证建立的多传感器信息融合算法的普适性,以具有线控转向系统额Carsim模型输出作为仿真输入即测量值(,,),采用双移线试验和转向盘角正弦输入试验两种工况进行Carsim和MATLAB/Simulink联合仿真试验,对横摆角速度、质心侧偏角的估计值与测量值进行对比分析。实验表明:所研究的多传感器信息融合算法能够准确的估计车辆行驶状态参数,且适用于线控转向系统车辆,为后续路面附着系数估计及控制策略研究提供理论基础和设计思路。