[发明专利]一种智能履带车辆滑动参数实时估计方法

说明书

本发明公开了一种基于前向轨迹预测补偿的双重无迹卡尔曼滤波(DUKF)智能履带车辆滑动参数实时估计方法，属于智能履带车辆参数估计技术领域。该方法包括：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；步骤3，根据传感器采集的车辆当前时刻状态信息；步骤4，将步骤3得到的车辆瞬时转向中心转向极偏移量作为补偿，结合步骤2中初步估计的履带车辆滑动参数即可得到最终的履带车辆滑动参数。本发明不仅能够实时估计履带车辆滑动参数，而且利用DUKF对车辆未来的相对位姿进行滑动参数估计进而对初步估计的滑动参数进行补偿，提升了滑动参数估计的精度与车辆模型的准确性。

技术领域

本发明涉及智能履带车辆参数估计技术领域，特别是涉及一种智能履带车辆滑动参数实时估计方法。

背景技术

智能车辆作为智能交通系统和未来战斗系统的一个重要组成部分，在民用、军用和太空领域有着广阔的应用前景。随着车载计算设备能力的增强与无人控制技术的逐步完善，智能履带车辆在越野环境下的需求正在增长。履带车辆有良好的通过性与机动性，对于复杂的越野环境有很强的适应能力，是在越野环境下进行无人车辆研究的可靠平台。

但是对于滑动转向的履带车辆,由于履带与地面之间的相互作用力很复杂，建立精确的车辆模型很困难。无论是无人驾驶基于前向预测的路径规划还是给定一段控制序列对车辆进行横向控制都十分依赖履带车辆模型，不准确的模型将导致预测的轨迹或车辆的行驶轨迹与原路径具有较大的误差。常见的解决方案是建立与滑动参数有关的车辆模型，对滑动参数进行估计。现有的一些履带车辆滑动参数估计方法也会因为线性化处理导致模型在非线性较强时误差不能收敛，导致模型不准确。

发明内容

针对现有技术存在的不足，本发明的目的在于提供一种基于前向轨迹预测补偿的DUKF智能履带车辆滑动参数实时估计方法来克服现有技术的上述缺陷，本发明不仅能够实时估计履带车辆滑动参数，而且利用DUKF对车辆未来的相对位姿进行滑动参数估计进而对初步估计的滑动参数进行补偿，提升了滑动参数估计的精度与车辆模型的准确性。

为实现上述目的，本发明提供了如下技术方案：一种智能履带车辆滑动参数实时估计方法，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。

作为本发明的进一步改进，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。

作为本发明的进一步改进，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：