[發明專利]一種用于無人駕駛車輛的狀態預測與估計方法

有效

• 申請號: 202011631422.0
• 申請日: 2020-12-30
• 公開（公告）號: CN112758097B
• 公開（公告）日: 2022-06-03
• 發明（設計）人: 陳勇;任宏斌;陳思忠;高澤鵬;趙玉壯;齊志權;李長隆
• 申請（專利權）人: 北京理工大學
• 主分類號: B60W40/00
• 分類號: B60W40/00;B60W40/10;B60W50/00
• 代理公司: 北京理工大學專利中心 11120
• 代理人: 田亞琪

本發明公開一種用于無人駕駛車輛的狀態預測與估計方法，利用提出的具有車輛轉矩修正速度預測公式，并通過加速度和加速度導數等特征確定速度預測公式最優參數，利用遺傳算法神經網絡進行訓練，引入車輛當前行駛工況的歷史數據對加速度和加速度導數及時更新優化，利用運動學方法和動力學方法融合對道路坡度角估計，利用最小二乘法對車輛質量估計，提高車輛質量和簧上質量的估計精度；利用信息融合的方法對車輪垂向力估計，引入路面附著系數采用非線性的估計方法對車輛側向力和車輛狀態進行聯合估計；最后提出一種引入車輛變參數和變工況的車輛狀態滾動估計方法，提高車速預測在車輛變參數和變工況情況下的精度。

技術領域

本發明屬于無人駕駛車輛的狀態估計的技術領域，具體涉及一種用于無人駕駛車輛的狀態預測與估計方法。

背景技術

車輛狀態的實時估計是車輛動力學控制的基礎。從物理模型上來說，一般分為動力學方法和運動學方法。運動學方法一般基于運動學方法利用傳感器對欲估計量進行觀測，動力學方法基于動力學方法利用有限的傳感器配置實現車輛狀態估計觀測。從估計算法上分類，可以分為卡爾曼濾波算法，龍貝格算法，魯棒算法，滑模算法以及非線性觀測算法。卡爾曼濾波算法是目前車輛狀態估計最常用的方法。

卡爾曼濾波基于系統噪聲和測量噪聲都符合高斯白噪聲分布，估計過程利用了時間更新和測量更新完成一個周期內的估計測量。設計卡爾曼濾波器的重點在于確定反饋增益。卡爾曼濾波器反饋增益表示模型預測值和測量值在估計測量中的比例權重。卡爾曼反饋增益與測量噪聲的協方差成反比例關系，當傳感器的測量值不準時，即測量噪聲的協方差越大，卡爾曼反饋增益越小，則模型預測的估計值的可靠性就越大。如果模型的預測輸出比較準確，則先驗誤差協方差幾乎為0，卡爾曼增益也趨向于0，車輛狀態的估計值主要取決于模型。

但是卡爾曼濾波一般只適用于線性系統，大部分的應用系統都是非線性，這一條件很難滿足，擴展卡爾曼濾波對非線性系統利用泰勒展開進行線性化，確定雅克比矩陣，確定系統矩陣和觀測矩陣。為了克服擴展卡爾曼濾波的缺點，無味卡爾曼濾波直接利用非線性方程對車輛狀態進行觀測，避免了非線性系統在線性化過程中的影響，不需要計算雅克比矩陣。卡爾曼濾波假設狀態噪聲和測量噪聲都符合高斯分布。為了釋放高斯假設的限制，更符合實際應用過程，粒子濾波取消了高斯假設，有效處理高階非線性狀態觀測問題。但是粒子濾波有很大的缺點，隨著濾波迭代次數的增加，容易出現粒子枯竭現象，大部分權值較小的粒子代會變得很少或沒有。

為了適應強非線性車輛系統的狀態觀測，并快速的對車輛狀態進行估計，需要一種新的方法對車輛狀態估計，且狀態觀測需要考慮分布式驅動無人駕駛車輛參數變化以及復雜多變的行駛工況，提出一種引入車輛變參數和變工況的滾動車輛估計方法，適用于車輛在變參數和變工況情況下的車輛狀態估計，并具有較高的估計精度和計算效率。提出的方法利用了過去估計時域內的狀態時刻的測量值或誤差值，釋放了馬爾科夫假設，且最優目標函數在滾動時域內解決了在沒有線性化誤差下的非線性問題，實時迭代更新，快速實現車輛狀態的精確估計。

傳統有人駕駛車輛的控制一般基于車輛穩定性判斷從而決定是否施加控制命令，這在控制效果上存在一定的滯后。對于高度復雜的無人駕駛車輛來說，需要提前對車輛狀態(速度)進行預測，提前預判車輛的穩定性，從而保證無人駕駛車輛控制的有效性與實時性。因此，無人駕駛車輛的速度預測對于無人駕駛車輛的控制非常關鍵。

發明內容

有鑒于此，本發明提供了一種用于無人駕駛車輛的狀態預測與估計方法，能夠適用于車輛在變參數和變工況情況下的車輛狀態估計，并具有較高的估計精度和計算效率。

實現本發明的技術方案如下：

一種用于無人駕駛車輛的狀態預測與估計方法，包括以下步驟：

步驟1、采集各個車輪輪速、車輪轉矩、車輛縱向加速度、側向加速度和車身垂向加速度，以及車輛側傾角速度、俯仰角速度和橫擺角速度；