[发明专利]一种基于变步长的车辆状态估计方法

说明书

本发明公开了一种基于变步长的车辆状态估计方法，首先设计前轴纵向力滑膜观测器和轮胎自适应侧偏刚度回归器，接着建立利用自适应侧偏刚度和侧偏角表征侧向力的车辆单轨模型，最后以时间系数、整数N、瞬态指数和传感器组件的最大同步采样频率，调节扩展卡尔曼算法步长，实现对车辆状态进行变步长估计。本发明简单有效、方便实施，提高了车辆状态的实时性和精度。

技术领域

本发明属于车辆主动安全测量及控制领域，具体涉及一种基于变步长的车辆状态估计方法。

背景技术

随着车辆越来越普及，安全性越来越成为业界关注的重点。车辆主动安全技术的发展在于能够实时了解车辆的行驶状态以及状态本身的信息来进行最优控制，比如车辆中防抱死制动系统(Anti-lock Braking System，ABS)需要实时掌握车辆的滑移率，而这又需要了解车辆的纵向速度、侧向速度、各个车轮的转速以及转向角；车辆电子稳定系统(Electric Stability Program，ESP)需要掌握车辆的质心侧偏角、横摆角速度、各个车轮的纵向力、侧向力信息等，其中质心侧偏角是最为关键的因素。外界环境发生较大变化时-冰、雪等天气，车辆的安全性就会大幅下降，所以道路以及外界环境的识别也是极其重要的环节，尤其是道路附着系数；现在安全技术慢慢地转向主动控制方面，实时甚至提前了解环境从而做出相应的应对策略成为主动安全技术发展的必须要求。

目前，在车辆的安全技术领域中，主要通过三种方式作为基本载体进行车辆的状态估计。第一种是利用低成本的传感器。由于直接测量车辆状态估计的传感器比较昂贵，不足以用于量产车辆上，所以车辆的状态估计主要是通过车辆上廉价的传感器同时结合车辆动力学或者运动学模型来进行，比如能够测量七轴角速度以及加速度的惯性测量单元(Inertial Measurement Unit，IMU)、用在ABS中的轮速传感器等。第二种是利用高精度的传感器直接测量车辆的状态(比如光学传感器以及光电五轮仪，尤其是高精度的全球定位系统(Global Position System，GPS))，这种方法成本较高、普适性比较弱，但是近几年GPS的快速发展以及民用需求的提高，低频率的GPS已经逐渐广泛应用于量产车中，但是GPS容易受到环境影响且低价GPS更新频率较低(一般5-10HZ)，广泛应用仍需深入研究。第三种方法是利用不同的算法进行状态估计，一般有基于扩展卡尔曼滤波(Extended KalmanFilter，EKF)、无迹卡尔曼滤波(Unscented Kalman Filter，UKF)等，当车辆估计状态量增加时，算法会陷入维度灾害，实时性大幅下降。在车辆的状态估计过程中，精度和实时性是两个重要的评价指标，然而两者又是矛盾的对立面，所以如何找到一种方法兼顾实时性和精度性成为了关键。

发明内容

有鉴于此，本发明提供了一种基于变步长的车辆状态估计方法，兼顾实时性和精度性。

本发明是通过以下技术方案实现上述技术目的的。

一种基于变步长的车辆状态估计方法，设计车辆前轴纵向力滑膜观测器、轮胎自适应侧偏刚度回归器，建立改进的车辆单轨模型，对车辆状态进行变步长估计；采用减少滑膜观测器固有震颤效应的饱和函数设计车辆前轴纵向力滑膜观测器；所述轮胎自适应侧偏刚度回归器针对车辆参数误差和传感器误差鲁棒性进行设计；所述车辆单轨模型中利用自适应侧偏刚度和侧偏角表征侧向力。

进一步，所述前轴纵向力滑膜观测器为：

其中：F_xf为前轴纵向力观测值，J为轮胎的转动惯量，R_eff为轮胎的有效半径，κ为常数，sat(·)为饱和函数，s为滑膜观测器的滑膜面，K_f为观测器的增益，ω_f为左前轮和右前轮的轮速之和。

更进一步，所述饱和函数为：

其中：c为常数，sgn()为符号函数。