[發(fā)明專利]一種基于卡爾曼濾波和最小二乘法的車輛路面附著系數(shù)估計方法

有效

• 申請?zhí)枺?/td>: 202110884295.3
• 申請日: 2021-08-03
• 公開（公告）號: CN113460056B
• 公開（公告）日: 2022-08-09
• 發(fā)明（設(shè)計）人: 趙健;陳志成;朱冰
• 申請（專利權(quán)）人: 吉林大學
• 主分類號: B60W40/064
• 分類號: B60W40/064;G06F30/20;G06F17/15;G06F17/18
• 代理公司: 長春吉大專利代理有限責任公司 22201
• 代理人: 崔斌

本發(fā)明屬于汽車技術(shù)領(lǐng)域，具體的說是一種基于卡爾曼濾波和最小二乘法的車輛路面附著系數(shù)估計方法。包括以下步驟：步驟一、基于車輛動力學模型對車輛的狀態(tài)參數(shù)進行求解；步驟二、基于卡爾曼濾波估計出車輛行駛過程中輪胎受到的輪胎力；步驟三、采用最小二乘法對路面附著系數(shù)進行了估計；步驟四、通過斜率法對步驟三中低滑移率下的路面附著系數(shù)估計結(jié)果進行修正。本發(fā)明有效地降低了輪胎力觀測值的不確定性，能夠精確的估計在車輛滑移率較高時的路面附著系數(shù)，在車輛滑移率較低時對估計的路面附著系數(shù)結(jié)果進行合理的修正。

技術(shù)領(lǐng)域

本發(fā)明屬于汽車技術(shù)領(lǐng)域，具體的說是一種基于卡爾曼濾波和最小二乘法的車輛路面附著系數(shù)估計方法。

背景技術(shù)

智能電動汽車在地面上行駛一方面受到車輛底層驅(qū)動系統(tǒng)的驅(qū)動力和制動系統(tǒng)的制動力限制，另一方面也受到不同路面附著條件的約束。路面附著系數(shù)是車—路系統(tǒng)中最為關(guān)鍵的參數(shù)之一，它對智能電動汽車的行駛安全性能有著至關(guān)重要的影響。

依托車載攝像頭、激光雷達、超聲波雷達等是近年來進行路面識別的一種新的方法，但是這些設(shè)備成本較高，實際應(yīng)用不確定性較強，因此并未得到廣泛的推廣。依托已有車載傳感器信息，采用觀測估計理論對路面附著系數(shù)進行準確辨識是一種更接近實際低成本應(yīng)用的手段。然而實際應(yīng)用中，應(yīng)用于路面附著系數(shù)估計的輪胎力不確定性較強，需要采用合適的策略對其進行合理的預(yù)測估計，避免路面附著系數(shù)估計發(fā)散。此外，在輪胎滑移率過低時，基于經(jīng)典輪胎模型估計的路面附著系數(shù)可靠性較低，對車輛運動控制造成安全隱患。

發(fā)明內(nèi)容

本發(fā)明提供了一種基于卡爾曼濾波和最小二乘法的車輛路面附著系數(shù)估計方法，該方法有效地降低了輪胎力觀測值的不確定性，能夠精確的估計在車輛滑移率較高時的路面附著系數(shù)，在車輛滑移率較低時對估計的路面附著系數(shù)結(jié)果進行合理的修正。

本發(fā)明技術(shù)方案結(jié)合附圖說明如下：

一種基于卡爾曼濾波和最小二乘法的車輛路面附著系數(shù)估計方法，包括以下步驟：

步驟一、基于車輛動力學模型對車輛的狀態(tài)參數(shù)進行求解；

步驟二、基于卡爾曼濾波估計出車輛行駛過程中輪胎受到的輪胎力；

步驟三、采用最小二乘法對路面附著系數(shù)進行了估計；

步驟四、通過斜率法對步驟三中低滑移率下的路面附著系數(shù)估計結(jié)果進行修正。

步驟一中所述狀態(tài)參數(shù)包括車速、制動壓力、前輪轉(zhuǎn)角、輪胎滑移率、側(cè)偏角和車輪垂向力；所述車速、制動壓力、前輪轉(zhuǎn)角由傳感器獲得；所述輪胎滑移率、側(cè)偏角和車輪垂向力由車輛動力學模型計算出。

所述輪胎滑移率、側(cè)偏角和車輪垂向力由車輛動力學模型計算的具體方法如下：

11)建立包含車輛縱向、側(cè)向和橫擺運動的三自由度模型，得車輛動力學模型方程為：

ma_x＝[cosδcosδ1 1-sinδ0]F_tire (1)

ma_y＝[sinδsinδ0 0 cosδ1]F_tire (2)