[发明专利]一种智能履带车辆滑动参数实时估计方法

权利要求书

1.一种智能履带车辆滑动参数实时估计方法，其特征在于：包括如下步骤：

步骤1，建立基于瞬时转向中心的履带车辆运动学模型；

步骤2，根据传感器采集的车辆历史状态信息，利用所述基于瞬时转向中心的履带车辆运动学模型预测车辆历史时刻的相对位姿变化量，并将其与车辆历史位姿信息同时输入UKF进行迭代运算初步估计履带车辆滑动参数；

步骤3，将步骤2初步估计的履带车辆滑动参数作为第二层UKF的初值，并根据传感器采集的车辆当前时刻状态信息，分别利用车辆绝对速度与所述基于瞬时转向中心的履带车辆运动学模型预测车辆未来时刻的相对位姿变化量，将两者同初步估计的滑动参数一起输入第二层UKF进行迭代运算得到最终的履带车辆滑动参数；

所述步骤2中，所述根据传感器采集的车辆历史状态信息，利用所述基于瞬时转向中心的履带车辆运动学模型预测车辆历史时刻的相对位姿变化量，并将其与车辆历史位姿信息同时输入UKF进行迭代运算初步估计履带车辆滑动参数具体步骤为：

步骤21，令滑动参数R_h＝(y^l，y^r，x_c)^T作为非线性履带车辆系统的状态向量，系统输入为u＝(v^l，v^r，θ，β，γ)^T，观测量为Z＝(Δx，Δy)，预测量为Z_h＝(Δx_h，Δy_h)，系统输入u为车辆历史状态信息，观测量Z为每个采样间隔车辆历史位姿的变化量；预测量Z_h为每个采样间隔将已选取的Sigma点、车辆历史状态信息与滑动参数R_h输入车辆运动学模型得到的相对位姿变化量；利用UKF算法处理预测量Z_h、观测量Z与非线性履带车辆系统的状态向量R_h，通过迭代运算初步估计履带车辆滑动参数y^l、y^r、x_c

步骤22，由已选取的Sigma点、车辆历史状态信息与滑动参数R_h输入车辆运动学模型预测车辆历史时刻的相对位姿预测，即计算预测量Z_h＝(Δx_h，Δy_h)：

其中：

式中，Δt为系统采样时间；

步骤23，利用UKF算法处理测量预测量Z_h、观测量Z与非线性履带车辆系统的状态向量R_h，通过迭代运算初步估计履带车辆滑动参数y^l、y^r、x_c。

2.根据权利要求1所述的智能履带车辆滑动参数实时估计方法，其特征在于：所述步骤1中，建立基于瞬时转向中心的履带车辆运动学模型具体为：

其中：

式中，x、y分别为车辆的横纵坐标，θ、β、γ分别为车辆的横摆角、俯仰角和侧倾角，V_x、V_y分别为车辆纵向速度与横向速度，ω为车辆横摆角速度，x_c为车辆瞬时转向中心，y^l、y^r分别为左右侧履带瞬时转向中心，v^l、v^r分别为车辆左右侧履带接地段纵向速度。

3.根据权利要求1或2所述的智能履带车辆滑动参数实时估计方法，其特征在于：所述步骤3中，将步骤2初步估计的履带车辆滑动参数作为第二层UKF的初值，并根据传感器采集的车辆当前时刻状态信息，分别利用车辆绝对速度与所述基于瞬时转向中心的履带车辆运动学模型预测车辆未来时刻的相对位姿变化量，将两者同初步估计的滑动参数一起输入第二层UKF进行迭代运算得到最终的履带车辆滑动参数具体步骤为：

步骤31，令滑动参数作为非线性履带车辆系统的状态向量，下层UKF迭代初值R_p0＝R_h，系统输入为u_p＝(v^l，v^r，θ，β，γ)^T，观测量为z＝(Δx_pv，Δy_pv)，预测量z_p＝(Δx_pR，Δy_pR)，系统输入u_p为车辆当前时刻的状态信息，观测量z为利用车辆当前时刻绝对速度与横摆角速度来预测未来一段采样间隔内车辆位姿的变化量，预测量z_p为将已选取的Sigma点、车辆当前时刻的状态信息u_p与滑动参数R_p输入车辆运动学模型得到未来一段采样间隔内相对位姿变化量，再次利用UKF算法处理测量预测量z_h、观测量z与非线性履带车辆系统的状态向量R_p，通过迭代运算估计补偿后的履带车辆滑动参数x_cp；

步骤32，利用车辆当前时刻的绝对速度与横摆角速度来预测未来一段采样时间内车辆位姿的变化量，即计算观测量z：

θ_k＝ω_v*k*Δt+θ₀

式中，V、ω_v分别为传感器测得的当前时刻车辆绝对速度与角速度，θ₀为车辆初始横摆角，θ_k为预测的第k个采样时间车辆横摆角；

步骤33，由已选取的Sigma点、车辆当前时刻的状态信息u_p与滑动参数R_p通过车辆运动学模型预测未来一段采样时间内相对位姿变化量，即预测量z_p：

其中：

步骤34，再次利用UKF算法处理测量预测量z_h、观测量z与非线性履带车辆系统的状态向量R_p，通过迭代运算估计补偿后的履带车辆滑动参数x_cp’最终系统输出的履带车辆滑动参数R＝R_p。