摘要
本文利用实验测量数据，研究了弱但具有规律性的高频干扰对车辆横向动力学线性系统识别的影响。所分析的数据集源自此前进行的包含自由驾驶和斜线行驶任务的驾驶员在环实验。频域分析表明，车辆的主要动力学特征集中在2–3 Hz以下，而在转向信号中始终存在一种强度较弱但持续存在的10 Hz左右窄带干扰。为研究该干扰对系统识别的影响，本文比较了多种干扰处理策略，包括陷波滤波、低通滤波、ARX模型、IV-ARX模型以及ARMAX模型。比较考量了预测性能、模型复杂度、识别出的动力学特性以及不同测量条件下的鲁棒性。研究结果表明，提高确定性模型的阶数通常不如有针对性的预处理或显式噪声建模有效。当该干扰与车辆相关动力学特征在频谱上分离明显时，陷波滤波结合低阶ARX模型能提供最佳解决方案。若无法进行预处理，ARMAX模型可通过噪声模型来表征部分干扰，从而实现相近的识别效果。IV-ARX模型被用作基准，用以验证在可能存在闭环偏差的情况下，主要结论依然成立。基于这些研究结果，本文提出了一种实用的工程流程，可根据测量信号的频谱特性选择合适的干扰处理策略。该方法为利用真实测量数据实现面向控制的车辆横向动力学鲁棒识别提供了指导。
