Development of sliding mode observers for estimating sideslip angle and lateral forces in road vehicles
Notice bibliographique
Résumé
This study presents a second-order sliding mode observer (SOSMO) framework developed to improve the estimation of lateral tire forces in vehicles. The framework incorporates two distinct approaches for approximating the sideslip angle: one based on dynamical equations and another employing an inverse model estimation technique with a new tire model. The suggested tire model captures the nonlinear characteristics of tire–road friction, enabling a more accurate representation of lateral force behavior. Comparative evaluations are conducted using a single-track vehicle model based on the Pacejka formula under two scenarios: the open-loop steering pad maneuver and the lane change maneuver. Simulation results demonstrate the superior performance of the proposed methods compared to two established observers, namely, the extended Kalman filter and the state-dependent Riccati equation (SDRE) filter, even in the absence of detailed tire–road interaction models. Notably, in a steady-state circular driving scenario, the second approach achieves a 99% smaller error compared to the first approach and a 99.38% smaller error relative to the SDRE filter. In a transient maneuver scenario, the second approach achieves a 10.71% smaller error than the first approach and a 99.63% smaller error compared to the SDRE filter. Robust studies under external disturbances further confirm the proposed methods’ precision and reliability in estimating sideslip angle and lateral tire forces, offering a cost-effective alternative to traditional tire–road interaction models.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».