CN102016604A - 传感器漂移量估计装置 - Google Patents

Abstract

传感器漂移量估计装置的姿势角估计单元基于与车辆运动的运动状态量的检测值相应的传感器信号，计算车身相对于竖直轴的姿势角的微分量，对所计算出的微分量进行积分，来估计姿势角。计算单元基于传感器信号以及由姿势角估计单元估计出的姿势角，计算通过车辆运动的运动方程式而获得的姿势角的微分量。漂移量估计单元使用下述关系来估计传感器信号的传感器漂移量，所述关系是指：当考虑到传感器信号的传感器漂移量时，由姿势角估计单元计算出的姿势角的微分量，与在由计算单元计算出的姿势角的微分量中考虑进了传感器漂移量的值相等。

Description

传感器漂移量估计装置

技术领域

本发明涉及传感器漂移量估计装置，尤其涉及对与车辆运动的运动状态量的检测值相应的传感器信号的传感器漂移量进行估计的传感器漂移量估计装置。

背景技术

以往，在利用车载的角速度传感器和加速度传感器对车辆的姿势角进行估计的姿势角估计装置中，车载的角速度传感器和加速度传感器的零点漂移对姿势角的估计的影响很大，因而需要依次估计零点漂移并进行补偿。

作为这种对传感器的零点漂移进行估计的以往技术，公知有：当传感器输出在阈值内达到一定时间以上时，判定为物体静止，将此时的传感器输出值作为传感器漂移量的方法(例如特許文献1)；以及当车轮速的左右差较小时判定为直行状态，并将此时的横向加速度作为横向加速度传感器漂移量的方法(例如特許文献2)等。

现有技术文献：

专利文献1：日本专利文献特许第3795498号公報；

专利文献2：日本专利文献特开平7-40043号公報。

发明内容

但是，在上述的专利文献1、2所记载的技术中，由于判定静止或者直行状态，并将此时的传感器输出计算为漂移量，因而当搭载传感器的物体不静止时或者不等速运动时，存在无法对传感器的漂移量进行估计的问题。

本发明是为了解决上述问题而作出的，其目的在于提供一种传感器漂移量估计装置，使得不管车辆运动的状态如何，都能稳定地估计传感器的漂移量。

为实现上述目的本发明第一方式中的传感器漂移量估计装置包括：姿势角估计单元，基于与车辆运动的运动状态量的检测值相应的传感器信号，计算车身相对于竖直轴的姿势角的微分量，对所计算出的所述姿势角的微分量进行积分，从而估计所述姿势角；计算单元，基于所述传感器信号以及由所述姿势角估计单元估计出的所述姿势角，计算通过车辆运动的运动方程式而获得的所述姿势角的微分量；以及漂移量估计单元，使用下述关系来估计所述传感器信号的传感器漂移量，所述关系是指：当考虑到所述传感器信号的传感器漂移量时，由所述姿势角估计单元计算出的所述姿势角的微分量，与在由所述计算单元计算出的所述姿势角的微分量中考虑进了所述传感器漂移量的值相等。

根据本发明第一方式中的传感器漂移量估计装置，通过姿势角估计单元，基于与车辆运动的运动状态量的检测值相应的传感器信号，计算车身相对于竖直轴的姿势角的微分量，对计算出的姿势角的微分量进行积分，来估计姿势角。此外，通过计算单元，基于由传感器信号和姿势角估计单元估计出的姿势角，来计算通过车辆运动的运动方程式而得到的姿势角的微分量。

然后，通过漂移量估计单元，当考虑到传感器信号的传感器漂移量时，利用由姿势角估计单元计算出的姿势角的微分量与在由计算单元计算出的姿势角的微分量中考虑进传感器漂移量而得的值相等的关系，来估计传感器信号的传感器漂移量。

如此，利用为了估计姿势角而计算出的姿势角的微分量与由车辆运动的运动方程式而得到的姿势角的微分量之间的关系，来估计传感器漂移量，由此不管车辆运动的状态如何，都能稳定地估计传感器的漂移量。

本发明第一方式的传感器漂移量估计装置还包括校正单元，该校正单元基于由所述漂移量估计单元估计出的所述传感器漂移量，来校正所述传感器信号，所述姿势角估计单元基于由所述校正单元进行了校正的所述传感器信号，来估计所述姿势角。由此，能够高精度地估计姿势角。

本发明第二方式的传感器漂移量估计装置包括：车辆速度估计单元，基于与车辆运动的运动状态量的检测值相应的传感器信号，计算车辆速度的微分量，对所述车辆速度的微分量进行积分，从而估计所述车辆速度；计算单元，基于所述传感器信号以及由所述车辆速度估计单元估计出的所述车辆速度，计算通过车辆运动的运动方程式而获得的所述车辆速度的微分量；以及漂移量估计单元，使用下述关系来估计所述传感器信号的传感器漂移量，所述关系是指：当考虑到所述传感器信号的传感器漂移量时，由所述车辆速度估计单元计算出的所述车辆速度的微分量，与在由所述计算单元计算出的所述车辆速度的微分量中考虑进了所述传感器漂移量的值相等。

根据本发明第二方式的传感器漂移量估计装置，通过车辆速度估计单元，基于与车辆运动的运动状态量的检测值相应的传感器信号，来计算车辆速度的微分量，并对车辆速度的微分量进行积分，来估计车辆速度。此外，通过计算单元，基于由传感器信号和车辆速度估计单元估计出的车辆速度，来计算由车辆运动的运动方程式所得到的车辆速度的微分量。

然后，通过漂移量估计单元，利用当考虑到传感器信号的传感器漂移量时，由车辆速度估计单元计算出的车辆速度的微分量与在由计算单元计算出的车辆速度的微分量中考虑进传感器漂移量所得的值相等的关系，来估计传感器信号的传感器漂移量。

如此，利用为了估计车辆速度而计算出的车辆速度的微分量与由车辆运动的运动方程式而得到的车辆速度的微分量之间的关系，来估计传感器漂移量，由此不管车辆运动的状态如何，都能稳定地估计传感器的漂移量。

本发明第二方式的传感器漂移量估计装置还包括校正单元，该校正单元基于由所述漂移量估计单元估计出的所述传感器漂移量，来校正所述传感器信号，所述车辆速度估计单元基于由所述校正单元进行了校正的所述传感器信号，来估计所述车辆速度，并基于估计出的所述车辆速度来估计滑移角。由此，能够高精度地估计车辆速度。

本发明第三方式的传感器漂移估计装置包括：姿势角估计单元，基于与车辆运动的上下加速度、前后加速度、横向加速度、侧倾角速度以及横摆角速度的各个检测值相应的传感器信号，计算车身相对于竖直轴的侧倾角和俯仰角的各自的微分量，对所计算出的所述侧倾角和所述俯仰角的各自的微分量进行积分，来估计所述侧倾角和所述俯仰角；计算单元，基于所述传感器信号以及由所述姿势角估计单元估计出的所述侧倾角和所述俯仰角，计算通过车辆运动的运动方程式而获得的所述侧倾角和所述俯仰角的各自的微分量；以及漂移量估计单元，使用下述关系来估计与所述上下加速度的检测值相应的传感器信号以及与所述侧倾角速度的检测值相应的传感器信号的各自的传感器漂移量，所述关系是指：当考虑到所述传感器信号的传感器漂移量时，由所述姿势角估计单元计算出的所述侧倾角和所述俯仰角的各自的微分量，与在由所述计算单元计算出的所述侧倾角和所述俯仰角的各自的微分量中考虑进了所述传感器漂移量的值相等。

根据本发明第三方式的传感器漂移估计装置通过姿势角估计单元，基于与车辆运动的上下加速度、前后加速度、横向加速度、侧倾角速度以及横摆角速度的各检测值相应的传感器信号，计算车身相对于竖直轴的侧倾角和俯仰角各自的微分量，对所计算出的侧倾角和俯仰角各自的微分量进行积分，来估计侧倾角和俯仰角。此外，通过计算单元，基于传感器信号、由姿势角估计单元估计出的侧倾角和俯仰角，通过由车辆运动的运动方程式得到的侧倾角和俯仰角各自的微分量。

然后，通过漂移量估计单元，利用当考虑到传感器信号的传感器漂移量时，由姿势角估计单元计算出的侧倾角和俯仰角各自的微分量与在由计算单元计算出的侧倾角和俯仰角各自的微分量中考虑进传感器漂移量而得到的值相等的关系，来估计与上下加速度的检测值相应的传感器信号和与侧倾角速度的检测值相应的传感器信号各自的传感器漂移量。

如此，利用为了估计侧倾角和俯仰角而计算出的侧倾角和俯仰角各自的微分量与由车辆运动的运动方程式而得到的侧倾角和俯仰角各自的微分量之间的关系，来估计对上下加速度和侧倾角速度分别进行检测的传感器的传感器漂移量，由此不管车辆运动的状态如何，都能够稳定地估计分别检测上下加速度和侧倾角速度的传感器的漂移量。

本发明第三方式中的传感器漂移量估计装置还包括校正单元，该校正单元基于由所述漂移量估计单元估计出的所述传感器漂移量，来校正与所述上下加速度的检测值相应的传感器信号以及与所述侧倾角速度的检测值相应的传感器信号的每一个，所述姿势角估计单元基于与所述前后加速度、所述横向加速度、所述横摆角速度的各个检测值相应的传感器信号、和由所述校正单元进行了校正的与所述上下加速度以及所述侧倾角速度的各个检测值相应的传感器信号，来估计所述侧倾角和所述俯仰角。由此，能够高精度地估计侧倾角和俯仰角。

本发明第四方式中的传感器漂移估计装置包括：车辆速度估计单元，基于与车辆运动的前后加速度、横向加速度以及横摆角速度的各个检测值相应的传感器信号，计算前后速度以及横向速度的各自的微分量，对所述前后速度和所述横向速度的各自的微分量进行积分，来估计所述前后速度和所述横向速度；计算单元，基于所述传感器信号以及由所述车辆速度估计单元估计出的所述前后速度和所述横向速度，计算通过车辆运动的运动方程式而获得的所述前后速度和所述横向速度的各自的微分量；以及漂移量估计单元，使用下述关系来估计与所述前后加速度、所述横向加速度以及所述横摆角速度的各个检测值相应的传感器信号的传感器漂移量，所述关系是指：当考虑到所述传感器信号的传感器漂移量时，由所述车辆速度估计单元计算出的所述前后速度和所述横向速度的各自的微分量，与在由所述计算单元计算出的所述前后速度和所述横向速度的各自的微分量中考虑进了所述传感器漂移量的值相等。

根据本发明第四方式的传感器漂移估计装置，通过车辆速度估计单元，基于与车辆运动的前后加速度、横向加速度以及横摆角速度的各检测值相应的传感器信号，计算前后速度和横向速度各自的微分量，对前后速度和横向速度各自的微分量进行积分，来估计前后速度和横向速度。此外，通过计算单元，基于传感器信号以及由车辆速度估计单元估计出的前后速度和横向速度，来计算由车辆运动的运动方程式得到的前后速度和横向速度各自的微分量。

然后，通过漂移量估计单元，利用当考虑到传感器信号的传感器漂移量时，由车辆速度估计单元计算出的前后速度和横向速度各自的微分量与在由计算单元计算出的前后速度和横向速度各自的微分量中考虑进传感器漂移量所得的值相等的关系，来估计与前后加速度、横向加速度以及横摆角速度的各检测值相应的传感器信号的传感器漂移量。

如此，利用为了估计前后速度和横向速度而计算出的前后速度和横向速度各自的微分量与在由车辆运动的运动方程式得到的前后速度和横向速度各自的微分量之间的关系，来估计分别检测前后加速度、横向加速度以及横摆角速度的传感器的传感器漂移量，由此不管车辆运动的状态如何，都能够稳定地估计分别检测前后加速度、横向加速度以及横摆角速度的传感器的漂移量。

本发明第四方式中的传感器漂移估计装置还包括校正单元，该校正单元基于由所述漂移量估计单元估计出的所述传感器漂移量，来校正与所述前后加速度、所述横向加速度以及所述横摆角速度的各个检测值相应的传感器信号，所述车辆速度估计单元基于由所述校正单元进行了校正的所述传感器信号，来估计所述前后速度和所述横向速度，并基于估计出的所述前后速度和所述横向速度来估计滑移角。由此，能够高精度地估计滑移角。

本发明第五方式中的传感器漂移量估计装置包括：姿势角估计单元，基于与车辆运动的前后加速度、横向加速度、上下加速度、侧倾角速度以及横摆角速度的各个检测值相应的传感器信号，计算车身相对于竖直轴的侧倾角和俯仰角的各自的微分量，对所计算出的所述侧倾角和所述俯仰角的各自的微分量进行积分，来估计所述侧倾角和所述俯仰角；车辆速度估计单元，基于与各个检测值相应的传感器信号，计算前后速度以及横向速度的各自的微分量，对所述前后速度和所述横向速度的各自的微分量进行积分，来估计所述前后速度和所述横向速度；计算单元，基于所述传感器信号以及由所述姿势角估计单元估计出的所述侧倾角和所述俯仰角，计算通过车辆运动的运动方程式而获得的所述侧倾角和所述俯仰角的各自的微分量，并且，基于所述传感器信号以及由所述车辆速度估计单元估计出的所述前后速度和所述横向速度，计算通过车辆运动的运动方程式而获得的所述前后速度和所述横向速度的各自的微分量；以及漂移量估计单元，使用下述关系A来估计与所述上下加速度的检测值相应的传感器信号以及与所述侧倾角速度的检测值相应的传感器信号的各自的传感器漂移量，所述关系A是指：当考虑到所述传感器信号的传感器漂移量时，由所述姿势角估计单元计算出的所述侧倾角和所述俯仰角的各自的微分量，与在由所述计算单元计算出的所述侧倾角和所述俯仰角的各自的微分量中考虑进了所述传感器漂移量的值相等；并且，使用下述关系B来估计与所述前后加速度、所述横向加速度以及所述横摆角速度的各个检测值相应的传感器信号的传感器漂移量，所述关系B是指：当考虑到所述传感器信号的传感器漂移量时，由所述车辆速度估计单元计算出的所述前后速度和所述横向速度的各自的微分量，与在由所述计算单元计算出的所述前后速度和所述横向速度的各自的微分量中考虑进了所述传感器漂移量的值相等。

根据本发明第五方式中的传感器漂移量估计装置，通过姿势角估计单元，基于与车辆运动的前后加速度、横向加速度、上下加速度、侧倾角速度以及横摆角速度的各检测值相应的传感器信号，来计算车身相对于竖直轴的侧倾角和俯仰角各自的微分量，对所计算出的侧倾角和俯仰角各自的微分量进行积分，来估计侧倾角和俯仰角。此外，通过车辆速度估计单元，基于与各检测值相应的传感器信号，来计算前后速度和横向速度各自的微分量，对前后速度和横向速度各自的微分量进行积分，来估计前后速度和横向速度。此外，通过计算单元，基于传感器信号、以及由姿势角估计单元估计出的侧倾角和俯仰角，来计算由车辆运动的运动方程式得到的侧倾角和俯仰角各自的微分量，并且基于传感器信号、以及由车辆速度估计单元估计出的前后速度和横向速度，来计算由车辆运动的运动方程式得到的前后速度和横向速度各自的微分量。

并且，通过漂移量估计单元，利用当考虑到传感器信号的传感器漂移量时，由姿势角估计单元计算出的侧倾角和俯仰角各自的微分量与在由计算单元计算出的侧倾角和俯仰角各自的微分量中考虑进传感器漂移量所得的值相等的关系，来估计与上下加速度的检测值相应的传感器信号和与侧倾角速度的检测值相应的传感器信号各自的传感器漂移量，并且利用当考虑到传感器信号的传感器漂移量时，由车辆速度估计单元计算出的前后速度和横向速度各自的微分量与在由计算单元计算出的前后速度和横向速度各自的微分量中考虑进传感器漂移量而得的值相等的关系，来估计与前后加速度、横向加速度以及横摆角速度个各检测值相应的传感器信号的传感器漂移量。

如此，使用为了估计侧倾角和俯仰角而计算出的侧倾角和俯仰角各自的微分量与由车辆运动的运动方程式得到的侧倾角和俯仰角各自的微分量之间的关系，来估计分别检测上下加速度和侧倾角速度的传感器的传感器漂移量，并使用为了估计前后速度和横向速度而计算出的前后速度和横向速度各自的微分量与由车辆运动的运动方程式得到的前后速度和横向速度各自的微分量之间的关系，来估计分别检测前后加速度、横向加速度以及横摆角速度的传感器的传感器漂移量，由此不管车辆运动的状态如何，都能稳定地估计分别检测上下加速度、侧倾角速度、前后加速度、横向加速度以及横摆角速度的传感器的漂移量。

本发明第五方式中的传感器漂移估计装置还包括校正单元，该校正单元基于由所述漂移量估计单元估计出的所述传感器漂移量，来校正与各个检测值相应的传感器信号，所述姿势角估计单元基于由所述校正单元进行了校正的与各个检测值相应的传感器信号，来估计所述侧倾角和所述俯仰角，所述车辆速度估计单元基于由所述校正单元进行了校正的与各个检测值相应的传感器信号，来估计所述前后速度和所述横向速度，并基于估计出的所述前后速度和所述横向速度来估计滑移角。由此，能够高精度地估计侧倾角和俯仰角，并能够高精度地估计滑移角。

本发明第三方式和第五方式中的姿势角估计单元，基于针对与侧倾角速度的检测值相应的传感器信号和与上下加速度的检测值相应的传感器信号的每一个而由漂移量估计单元估计出的传感器漂移量与过去估计出的传感器漂移量之间的变化量，计算侧倾角和俯仰角各自的微分量，并对计算出的侧倾角和俯仰角各自的微分量进行积分，从而能够估计侧倾角和俯仰角。由此，即使当传感器漂移量的学习速度延迟时，也能够对应于所估计出的传感器漂移量的变化量来校正侧倾角和俯仰角各自的微分量，由此能够高精度地估计侧倾角和俯仰角。

本发明第四方式和第五方式中的车辆速度估计单元，基于与前后加速度的检测值相应的传感器信号以及与横向加速度的检测值相应的传感器信号的每一个而由漂移量估计单元估计出的传感器漂移量与过去估计出的传感器漂移量之间的变化量进行校正，计算经过了校正的前后速度和横向速度各自的微分量，并对所计算出的前后速度和横向速度各自的微分量进行积分，从而能够估计前后速度和横向速度。由此，即使当传感器漂移量的学习速度延迟时，通过对应于所估计出的传感器漂移量的变化量来校正前后速度和横向速度各自的微分量，也能够高精度地估计前后速度和横向速度。

本发明第六方式中的传感器漂移量估计装置包括：姿势角估计单元，基于与车辆运动的上下加速度、前后加速度、横向加速度、侧倾角速度、俯仰角速度以及横摆角速度的各个检测值相应的传感器信号，计算车身相对于竖直轴的侧倾角和俯仰角的各自的微分量，对所计算出的所述侧倾角和所述俯仰角的各自的微分量进行积分，来估计所述侧倾角和所述俯仰角；计算单元，基于所述传感器信号以及由所述姿势角估计单元估计出的所述侧倾角和所述俯仰角，计算通过车辆运动的运动方程式而获得的所述侧倾角和所述俯仰角的各自的微分量；以及漂移量估计单元，使用下述关系来估计与所述俯仰角速度的检测值相应的传感器信号以及与所述侧倾角速度的检测值相应的传感器信号的各自的传感器漂移量，所述关系是指：当考虑到所述传感器信号的传感器漂移量时，由所述姿势角估计单元计算出的所述侧倾角和所述俯仰角的各自的微分量，与在由所述计算单元计算出的所述侧倾角和所述俯仰角的各自的微分量中考虑进了所述传感器漂移量的值相等。

根据本发明第六方式中的传感器漂移量估计装置，通过姿势角估计单元，基于与车辆运动的上下加速度、前后加速度、横向加速度、侧倾角速度、俯仰角速度以及横摆角速度的各检测值相应的传感器信号，来计算车身相对于竖直轴的侧倾角和俯仰角各自的微分量，并对计算出的侧倾角和俯仰角各自的微分量进行积分，来估计侧倾角和俯仰角。此外，通过计算单元，基于传感器信号、和由姿势角估计单元估计出的侧倾角和俯仰角，来计算由车辆运动的运动方程式得到的侧倾角和俯仰角各自的微分量。

然后，通过漂移量估计单元，使用当考虑到传感器信号的传感器漂移量时，由姿势角估计单元计算出的侧倾角和俯仰角各自的微分量与在由计算单元计算出的侧倾角和俯仰角各自的微分量中考虑进传感器漂移量而得的值相等的关系，来估计与俯仰角速度的检测值相应的传感器信号以及与侧倾角速度的检测值相应的传感器信号各自的传感器漂移量。

如此，使用为了估计侧倾角和俯仰角而计算出的侧倾角和俯仰角各自的微分量与由车辆运动的运动方程式得到的侧倾角和俯仰角各自的微分量之间的关系，来估计分别检测俯仰角速度和侧倾角速度的传感器的传感器漂移量，由此不管车辆运动的状态如何，都能稳定地估计分别检测俯仰角速度和侧倾角速度的传感器的漂移量。

本发明第六方式中的传感器漂移量估计装置还包括校正单元，该校正单元基于由所述漂移量估计单元估计出的所述传感器漂移量，来校正与所述俯仰角速度的检测值相应的传感器信号以及与所述侧倾角速度的检测值相应的传感器信号的每一个，所述姿势角估计单元基于与所述上下加速度、所述前后加速度、所述横向加速度、所述横摆角速度的各个检测值相应的传感器信号、和由所述校正单元进行了校正的与所述俯仰角速度以及所述侧倾角速度的各个检测值相应的传感器信号，来估计所述侧倾角和所述俯仰角。由此，能够高精度地估计侧倾角和俯仰角。

本发明第七方式中的传感器漂移估计装置包括：姿势角估计单元，基于与车辆运动的前后加速度、横向加速度、上下加速度、侧倾角速度、俯仰角速度以及横摆角速度的各个检测值相应的传感器信号，计算车身相对于竖直轴的侧倾角和俯仰角的各自的微分量，对所计算出的所述侧倾角和所述俯仰角的各自的微分量进行积分，来估计所述侧倾角和所述俯仰角；车辆速度估计单元，基于与各个检测值相应的传感器信号，计算前后速度以及横向速度的各自的微分量，对所述前后速度和所述横向速度的各自的微分量进行积分，来估计所述前后速度和所述横向速度；计算单元，基于所述传感器信号以及由所述姿势角估计单元估计出的所述侧倾角和所述俯仰角，计算通过车辆运动的运动方程式而获得的所述侧倾角和所述俯仰角的各自的微分量，并且，基于所述传感器信号以及由所述车辆速度估计单元估计出的所述前后速度和所述横向速度，计算通过车辆运动的运动方程式而获得的所述前后速度和所述横向速度的各自的微分量；以及漂移量估计单元，使用下述关系A来估计与所述俯仰角速度的检测值相应的传感器信号以及与所述侧倾角速度的检测值相应的传感器信号的各自的传感器漂移量，所述关系A是指：当考虑到所述传感器信号的传感器漂移量时，由所述姿势角估计单元计算出的所述侧倾角和所述俯仰角的各自的微分量，与在由所述计算单元计算出的所述侧倾角和所述俯仰角的各自的微分量中考虑进了所述传感器漂移量的值相等；并且，使用下述关系B来估计与所述前后加速度、所述横向加速度以及所述横摆角速度的各个检测值相应的传感器信号的传感器漂移量，所述关系B是指：当考虑到所述传感器信号的传感器漂移量时，由所述车辆速度估计单元计算出的所述前后速度和所述横向速度的各自的微分量，与在由所述计算单元计算出的所述前后速度和所述横向速度的各自的微分量中考虑进了所述传感器漂移量的值相等。

根据本发明第七方式中的传感器漂移量估计装置，通过姿势角估计单元，基于与车辆运动的前后加速度、横向加速度、上下加速度、侧倾角速度、俯仰角速度以及横摆角速度的各检测值相应的传感器信号，来计算车身相对于竖直轴的侧倾角和俯仰角各自的微分量，对所计算出的侧倾角和俯仰角各自的微分量进行积分，来估计侧倾角和俯仰角。通过车辆速度估计单元，基于与各检测值相应的传感器信号，来计算前后速度和横向速度各自的微分量，并对前后速度和横向速度各自的微分量进行积分，来估计前后速度和所述横向速度。此外，通过计算单元，基于传感器信号、以及由姿势角估计单元估计出的侧倾角和俯仰角，来计算由车辆运动的运动方程式得到的侧倾角和俯仰角各自的微分量，并且基于传感器信号、以及由车辆速度估计单元估计出的前后速度和横向速度，来计算由车辆运动的运动方程式得到的前后速度和横向速度各自的微分量。

并且，通过漂移量估计单元，使用当考虑到传感器信号的传感器漂移量时，由姿势角估计单元计算出的侧倾角和俯仰角各自的微分量与在由计算单元计算出的侧倾角和俯仰角各自的微分量中考虑进传感器漂移量而得的值相等的关系，来估计与俯仰角速度的检测值相应的传感器信号以及与侧倾角速度的检测值相应的传感器信号各自的传感器漂移量，并且使用当考虑到传感器信号的传感器漂移量时，由车辆速度估计单元计算出的前后速度和横向速度各自的微分量与在由计算单元计算出的前后速度和横向速度各自的微分量中考虑进传感器漂移量所得的值相等的关系，来估计与前后加速度、横向加速度以及横摆角速度的各检测值相应的传感器信号的传感器漂移量。

如此，使用为了估计侧倾角和俯仰角而计算出的侧倾角和俯仰角各自的微分量与由车辆运动的运动方程式得到的侧倾角和俯仰角各自的微分量之间的关系，来估计分别检测俯仰角速度和侧倾角速度的传感器的传感器漂移量，并使用为了估计前后速度和横向速度而计算出的前后速度和横向速度各自的微分量与由车辆运动的运动方程式得到的前后速度和横向速度各自的微分量之间的关系，来估计分别检测前后加速度、横向加速度以及横摆角速度的传感器的传感器漂移量，由此不管车辆运动的状态如何，都能够稳定地估计分别检测俯仰角速度、侧倾角速度、前后加速度、横向加速度以及横摆角速度的传感器的漂移量。

本发明第七方式中的传感器漂移量估计装置还包括校正单元，该校正单元基于由所述漂移量估计单元估计出的所述传感器漂移量，来校正与各个检测值相应的传感器信号，所述姿势角估计单元基于由所述校正单元进行了校正的与各个检测值相应的传感器信号，来估计所述侧倾角和所述俯仰角，所述车辆速度估计单元基于由所述校正单元进行了校正的与各个检测值相应的传感器信号，来估计所述前后速度和所述横向速度，并基于估计出的所述前后速度和所述横向速度来估计滑移角。由此，能够高精度地估计侧倾角和俯仰角，并且高精度地估计滑移角。

本发明第六方式和第七方式中的姿势角估计单元，计算基于由所述漂移量估计单元估计出的所述传感器漂移量与过去估计出的传感器漂移量之间的变化量针对与所述侧倾角速度的检测值相应的传感器信号以及与所述俯仰角速度的检测值相应的传感器信号的每一个进行了校正的、所述侧倾角以及所述俯仰角的各自的微分量，并对计算出的所述侧倾角和所述俯仰角的各自的微分量进行积分，从而估计所述侧倾角和所述俯仰角。由此，即使当传感器漂移量的学习速度延迟时，通过对应于所估计出的传感器漂移量的变化量来校正侧倾角和俯仰角各自的微分量，也能够高精度地估计侧倾角和俯仰角。

本发明第七方式中的车辆速度估计单元，计算基于由所述漂移量估计单元估计出的所述传感器漂移量与过去估计出的传感器漂移量之间的变化量针对与所述前后加速度的检测值相应的传感器信号以及与所述横向加速度的检测值相应的传感器信号的每一个进行了校正的、所述前后速度以及所述横向速度的各自的微分量，并对计算出的所述前后速度和所述横向速度的各自的微分量进行积分，从而估计所述前后速度和所述横向速度。由此，即使当传感器漂移量的学习速度延迟时，通过对应于所估计出的传感器漂移量的变化量来校正前后速度和横向速度各自的微分量，也能够高精度地估计前后速度和横向速度。

上述本发明第五方式和第七方式中的漂移量估计单元估计与所述前后加速度、所述横向加速度以及所述横摆角速度的各个检测值相应的传感器信号的传感器漂移量，并基于所述估计出的所述传感器漂移量与上次估计出的所述传感器漂移量，对所述传感器漂移量进行更新。由此，能够对所估计出的传感器漂移量进行平滑化。

上述对传感器漂移量进行更新的漂移量估计单元使用所估计出的、与横向加速度相应的传感器信号的传感器漂移量来对该传感器漂移量进行更新，由此仅当由姿势角估计单元估计出的侧倾角的绝对值变小时，基于所估计出的与横向加速度相应的传感器信号的传感器漂移量、和上次估计出的与横向加速度相应的传感器信号的传感器漂移量，来更新与横向加速度相应的传感器信号的传感器漂移量。由此，通过更新传感器漂移量而使得侧倾角的估计值的绝对值减小，能够抑制侧倾角的估计值的绝对值的増加，从而能够更加高精度地估计姿势角。

上述对传感器漂移量进行更新的漂移量估计单元使用所估计出的与横摆角速度相应的传感器信号的传感器漂移量来更新该传感器漂移量，由此仅当由姿势角估计单元估计出的侧倾角的绝对值变小时，基于所估计出的与横摆角速度相应的传感器信号的传感器漂移量、和上次估计出的与横摆角速度相应的传感器信号的传感器漂移量，来更新与横摆角速度相应的传感器信号的传感器漂移量。由此，通过更新传感器漂移量以使得侧倾角的估计值的绝对值变小，能够抑制侧倾角的估计值的绝对值的増加，从而能够更加高精度地估计姿势角。

上述对传感器漂移量进行更新的漂移量估计单元使用所估计出的与前后加速度相应的传感器信号的传感器漂移量来更新该传感器漂移量，由此仅当由姿势角估计单元估计出的俯仰角的绝对值变小时，基于所估计出的与前后加速度相应的传感器信号的传感器漂移量、和上次估计出的与前后加速度相应的传感器信号的传感器漂移量，来更新与前后加速度相应的传感器信号的传感器漂移量。由此，通过更新传感器漂移量以使得俯仰角的估计值的绝对值变小，能够抑制俯仰角的估计值的绝对值増加，从而能够更加高精度地估计姿势角。

上述对传感器漂移量进行更新的漂移量估计单元使用所估计出的与横向加速度相应的传感器信号的传感器漂移量来更新该传感器漂移量，由此仅当由姿势角估计单元估计出的侧倾角的绝对值变小时，基于所估计出的与横向加速度相应的传感器信号的传感器漂移量、和上次估计出的与横向加速度相应的传感器信号的传感器漂移量，来更新与横向加速度相应的传感器信号的传感器漂移量，使用所估计出的与横向加速度相应的传感器信号的传感器漂移量来更新该传感器漂移量，由此当由姿势角估计单元估计出的侧倾角的绝对值变大时，与通过更新使得侧倾角的绝对值减小时相比，该传感器漂移量的更新中被估计出的与所述横向加速度相应的传感器信号的传感器漂移量的影响程度变小，能够更新与横向加速度相应的传感器信号的传感器漂移量。由此，能够抑制侧倾角的估计值的绝对值増加，能够更加高精度地估计姿势角。

上述对传感器漂移量进行更新的漂移量估计单元使用所估计的与横摆角速度相应的传感器信号的传感器漂移量来更新该传感器漂移量，由此当由姿势角估计单元估计出的侧倾角的绝对值变小时，基于所估计出的与横摆角速度相应的传感器信号的传感器漂移量、和上次估计出的与横摆角速度相应的传感器信号的传感器漂移量，来更新与横摆角速度相应的传感器信号的传感器漂移量，并使用所估计的与横摆角速度相应的传感器信号的传感器漂移量来更新该传感器漂移量，由此当由姿势角估计单元估计出的侧倾角的绝对值增大时，与通过更新使得侧倾角的绝对值减小的时候相比，能够减小该传感器漂移量的更新中所估计出的与横摆角速度相应的传感器信号的传感器漂移量的影响程度，对与横摆角速度相应的传感器信号的传感器漂移量进行更新。由此，能够抑制侧倾角的估计值的绝对值増加，能够更高精度地估计姿势角。

上述对传感器漂移量进行更新的漂移量估计单元使用所估计出的与前后加速度相应的传感器信号的传感器漂移量来更新该传感器漂移量，由此当由姿势角估计单元估计出的俯仰角的绝对值减小时，基于所估计出的与前后加速度相应的传感器信号的传感器漂移量、和上次估计出的与前后加速度相应的传感器信号的传感器漂移量，来更新与前后加速度相应的传感器信号的传感器漂移量，使用所估计出的与前后加速度相应的传感器信号的传感器漂移量来更新该传感器漂移量，由于当由姿势角估计单元估计出的俯仰角的绝对值变大时，与由于更新使得俯仰角的绝对值减小时相比，能够减小该传感器漂移量的更新中所估计出的与前后加速度相应的传感器信号的传感器漂移量的影响程度，对与前后加速度相应的传感器信号的传感器漂移量进行更新。由此，能够抑制俯仰角的估计值的绝对值増加，能够更加高精度地估计姿势角。

本发明第八方式中的传感器漂移量估计装置包括：横向速度估计单元，基于与车速的检测值相应的传感器信号和估计车速的车速估计单元的估计值中的任一个、以及与车辆运动的横向加速度和横摆角速度的各个检测值相应的传感器信号，计算横向速度的微分量，对所述横向速度的微分量进行积分，来估计所述横向速度；计算单元，基于与所述车速的检测值相应的传感器信号和所述估计值中的任一个、以及与所述横向加速度和横摆角速度的各个检测值相应的传感器信号，计算通过车辆运动的运动方程式而获得的所述横向速度的微分量；以及漂移量估计单元，使用下述关系来估计与所述横向加速度以及所述横摆角速度的各个检测值相应的传感器信号的传感器漂移量，所述关系是指：当考虑到与所述横向加速度以及所述横摆角速度的各个检测值相应的传感器信号的传感器漂移量时，由所述横向速度估计单元计算的所述横向速度的微分量，与在由所述计算单元计算的所述横向速度的微分量中考虑进了所述传感器漂移量的值相等。

根据本发明第八方式中的传感器漂移量估计装置，通过横向速度估计单元，基于与车辆运动的横向加速度和横摆角速度的各检测值相应的传感器信号、与车速的检测值相应的传感器信号以及估计车速的车速估计单元的估计值中的任一个，来计算横向速度的微分量，对横向速度的微分量进行积分，来估计横向速度。此外，通过计算单元，基于与横向加速度和横摆角速度的各检测值相应的传感器信号、以及与车速的检测值相应的传感器信号和估计值中的任一个，来计算由车辆运动的运动方程式得到的横向速度的微分量。

并且，通过漂移量估计单元，使用当考虑到与横向加速度和横摆角速度的各检测值相应的传感器信号的传感器漂移量时，由横向速度估计单元计算出的横向速度的微分量与在由计算单元计算出的横向速度的微分量考虑进传感器漂移量所得的值相等的关系，来估计与横向加速度和横摆角速度的各检测值相应的传感器信号的传感器漂移量。

如此，使用为了估计横向速度而计算出的横向速度的微分量与由车辆运动的运动方程式得到的横向速度的微分量之间的关系，来估计分别检测横向加速度和横摆角速度的传感器的传感器漂移量，由此不管车辆运动的状态如何，都能够稳定地对分别检测横向加速度和横摆角速度的传感器的漂移量进行估计。

本发明第八方式中的传感器漂移量估计装置还包括校正单元，该校正单元基于由所述漂移量估计单元估计出的所述传感器漂移量，来校正与所述横向加速度以及所述横摆角速度的各个检测值相应的传感器信号，所述横向速度估计单元基于由所述校正单元进行了校正的所述传感器信号，来估计所述横向速度。由此，能够高精度地估计横向速度。

本发明第八方式中的漂移量估计单元所述漂移量估计单元将经过加权的关系式按照将规定的车速区域分割出的多个车速区域的每一个进行导出，并基于所述导出的所述多个车速区域的每一个的关系式，来估计与所述横向加速度以及横摆角速度的各个检测值相应的传感器信号的传感器漂移量，其中所述关系式表示由所述横向速度估计单元计算的所述横向速度的微分量与由所述计算单元计算的所述横向速度的微分量之间的偏差、车速以及所述传感器漂移量的关系。由此，通过使用按照多个车速区域的每一个进行了加权的、表达横向速度的微分量的偏差、车速以及传感器漂移量之间关系的关系式，能够高精度地估计分别检测横向加速度和横摆角速度的传感器的传感器漂移量。

本发明第九方式中的传感器漂移量估计装置包括：滑移角估计单元，基于与车速的检测值相应的传感器信号和估计车速的车速估计单元的估计值中的任一个、以及与车辆运动的横向加速度和横摆角速度的各个检测值相应的传感器信号，计算滑移角的微分量，对所述滑移角的微分量进行积分，来估计所述滑移角；计算单元，基于与所述车速的检测值相应的传感器信号和所述估计值中的任一个、以及与所述横向加速度和横摆角速度的各个检测值相应的传感器信号，计算通过车辆运动的运动方程式而获得的所述滑移角的微分量；以及漂移量估计单元，使用下述关系来估计与所述横向加速度以及所述横摆角速度的各个检测值相应的传感器信号的传感器漂移量，所述关系是指：当考虑到与所述横向加速度以及所述横摆角速度的各个检测值相应的传感器信号的传感器漂移量时，由所述滑移角估计单元计算的所述滑移角的微分量，与在由所述计算单元计算的所述滑移角的微分量中考虑进了所述传感器漂移量的值相等。

根据本发明第九方式中的传感器漂移量估计装置，通过滑移角估计单元，基于与车辆运动的横向加速度和横摆角速度的各检测值相应的传感器信号、与车速的检测值相应的传感器信号以及估计车速的车速估计单元的估计值中任一个，来计算滑移角的微分量，对滑移角的微分量进行积分，来估计滑移角。此外，通过计算单元，基于与横向加速度和横摆角速度的各检测值相应的传感器信号、与车速的检测值相应的传感器信号以及估计值中的任一个，来计算由车辆运动的运动方程式得到的滑移角的微分量。

并且，通过漂移量估计单元，使用当考虑到与横向加速度和横摆角速度的各检测值相应的传感器信号的传感器漂移量时，由滑移角估计单元计算出的滑移角的微分量与在由计算单元计算出的滑移角的微分量中考虑进传感器漂移量所得的值相等的关系，来估计与横向加速度和横摆角速度的各检测值相应的传感器信号的传感器漂移量。

如此，使用为了估计滑移角而计算出的滑移角的微分量与由车辆运动的运动方程式得到的滑移角的微分量之间的关系，来估计分别检测横向加速度和横摆角速度的传感器的传感器漂移量，由此不管车辆运动的状态如何，都能稳定地估计分别检测横向加速度和横摆角速度的传感器的漂移量。

本发明第九方式中的传感器漂移量估计装置还包括校正单元，该校正单元基于由所述漂移量估计单元估计出的所述传感器漂移量，来校正与所述横向加速度以及所述横摆角速度的各个检测值相应的传感器信号，所述滑移角估计单元基于由所述校正单元进行了校正的所述传感器信号，来估计所述滑移角。由此，能够高精度地估计滑移角。

本发明第九方式中的漂移量估计单元将经过加权的关系式按照将规定的车速区域分割出的多个车速区域的每一个进行导出，并基于所述导出的所述多个车速区域的每一个的关系式，来估计与所述横向加速度以及横摆角速度的各个检测值相应的传感器信号的传感器漂移量，其中所述关系式表示由所述滑移角估计单元计算的所述滑移角的微分量与由所述计算单元计算的所述滑移角的微分量之间的偏差、车速以及所述传感器漂移量的关系。。由此，通过使用按照多个车速区域的每一个进行了加权的、表达滑移角的微分量的偏差、车速以及传感器漂移量之间关系的关系式，能够高精度地估计分别检测横向加速度和横摆角速度的传感器的传感器漂移量。

车速的检测值和所述估计值中的任一个被包含在对应的车速区域中的次数越多，则对上述关系式的加权越大，车速的检测值和估计值中的任一个不被包含于对应车速区域中的次数越多，则对上述关系式的加权越小。由此，能够高精度地估计分别检测横向加速度和横摆角速度的传感器的传感器漂移量。

本发明可以由使计算机发挥如下功能的程序构成。

第1程序是用于使计算机作为如下单元发挥功能的程序，所述单元包括：姿势角估计单元，基于与车辆运动的运动状态量的检测值相应的传感器信号，计算车身相对于竖直轴的姿势角的微分量，对所计算出的所述姿势角的微分量进行积分，从而估计所述姿势角；计算单元，基于所述传感器信号以及由所述姿势角估计单元估计出的所述姿势角，计算通过车辆运动的运动方程式而获得的所述姿势角的微分量；以及漂移量估计单元，使用下述关系来估计所述传感器信号的传感器漂移量，所述关系是指：当考虑到所述传感器信号的传感器漂移量时，由所述姿势角估计单元计算出的所述姿势角的微分量，与在由所述计算单元计算出的所述姿势角的微分量中考虑进了所述传感器漂移量的值相等。

第2程序是用于使计算机作为如下单元发挥功能的程序，所述单元包括：车辆速度估计单元，基于与车辆运动的运动状态量的检测值相应的传感器信号，计算车辆速度的微分量，对所述车辆速度的微分量进行积分，从而估计所述车辆速度；计算单元，基于所述传感器信号以及由所述车辆速度估计单元估计出的所述车辆速度，计算通过车辆运动的运动方程式而获得的所述车辆速度的微分量；以及漂移量估计单元，使用下述关系来估计所述传感器信号的传感器漂移量，所述关系是指：当考虑到所述传感器信号的传感器漂移量时，由所述车辆速度估计单元计算出的所述车辆速度的微分量，与在由所述计算单元计算出的所述车辆速度的微分量中考虑进了所述传感器漂移量的值相等。

第3程序是用于使计算机作为如下单元发挥功能的程序，所述单元包括：姿势角估计单元，基于与车辆运动的上下加速度、前后加速度、横向加速度、侧倾角速度以及横摆角速度的各个检测值相应的传感器信号，计算车身相对于竖直轴的侧倾角和俯仰角的各自的微分量，对所计算出的所述侧倾角和所述俯仰角的各自的微分量进行积分，来估计所述侧倾角和所述俯仰角；计算单元，基于所述传感器信号以及由所述姿势角估计单元估计出的所述侧倾角和所述俯仰角，计算通过车辆运动的运动方程式而获得的所述侧倾角和所述俯仰角的各自的微分量；以及漂移量估计单元，使用下述关系来估计与所述上下加速度的检测值相应的传感器信号以及与所述侧倾角速度的检测值相应的传感器信号的各自的传感器漂移量，所述关系是指：当考虑到所述传感器信号的传感器漂移量时，由所述姿势角估计单元计算出的所述侧倾角和所述俯仰角的各自的微分量，与在由所述计算单元计算出的所述侧倾角和所述俯仰角的各自的微分量中考虑进了所述传感器漂移量的值相等。

第4程序是用于使计算机作为如下单元发挥功能的程序，所述单元包括：车辆速度估计单元，基于与车辆运动的前后加速度、横向加速度以及横摆角速度的各个检测值相应的传感器信号，计算前后速度以及横向速度的各自的微分量，对所述前后速度和所述横向速度的各自的微分量进行积分，来估计所述前后速度和所述横向速度；计算单元，基于所述传感器信号以及由所述车辆速度估计单元估计出的所述前后速度和所述横向速度，计算通过车辆运动的运动方程式而获得的所述前后速度和所述横向速度的各自的微分量；以及漂移量估计单元，使用下述关系来估计与所述前后加速度、所述横向加速度以及所述横摆角速度的各个检测值相应的传感器信号的传感器漂移量，所述关系是指：当考虑到所述传感器信号的传感器漂移量时，由所述车辆速度估计单元计算出的所述前后速度和所述横向速度的各自的微分量，与在由所述计算单元计算出的所述前后速度和所述横向速度的各自的微分量中考虑进了所述传感器漂移量的值相等。

第5程序是用于使计算机作为如下单元发挥功能的程序，所述单元包括：姿势角估计单元，基于与车辆运动的前后加速度、横向加速度、上下加速度、侧倾角速度以及横摆角速度的各个检测值相应的传感器信号，计算车身相对于竖直轴的侧倾角和俯仰角的各自的微分量，对所计算出的所述侧倾角和所述俯仰角的各自的微分量进行积分，来估计所述侧倾角和所述俯仰角；车辆速度估计单元，基于与各个检测值相应的传感器信号，计算前后速度以及横向速度的各自的微分量，对所述前后速度和所述横向速度的各自的微分量进行积分，来估计所述前后速度和所述横向速度；计算单元，基于所述传感器信号以及由所述姿势角估计单元估计出的所述侧倾角和所述俯仰角，计算通过车辆运动的运动方程式而获得的所述侧倾角和所述俯仰角的各自的微分量，并且，基于所述传感器信号以及由所述车辆速度估计单元估计出的所述前后速度和所述横向速度，计算通过车辆运动的运动方程式而获得的所述前后速度和所述横向速度的各自的微分量；以及漂移量估计单元，使用下述关系A来估计与所述上下加速度的检测值相应的传感器信号以及与所述侧倾角速度的检测值相应的传感器信号的各自的传感器漂移量，所述关系A是指：当考虑到所述传感器信号的传感器漂移量时，由所述姿势角估计单元计算出的所述侧倾角和所述俯仰角的各自的微分量，与在由所述计算单元计算出的所述侧倾角和所述俯仰角的各自的微分量中考虑进了所述传感器漂移量的值相等；并且，使用下述关系B来估计与所述前后加速度、所述横向加速度以及所述横摆角速度的各个检测值相应的传感器信号的传感器漂移量，所述关系B是指：当考虑到所述传感器信号的传感器漂移量时，由所述车辆速度估计单元计算出的所述前后速度和所述横向速度的各自的微分量，与在由所述计算单元计算出的所述前后速度和所述横向速度的各自的微分量中考虑进了所述传感器漂移量的值相等。

第6程序是用于使计算机作为如下单元发挥功能的程序，所述单元包括：姿势角估计单元，基于与车辆运动的上下加速度、前后加速度、横向加速度、侧倾角速度以及横摆角速度的各个检测值相应的传感器信号，计算车身相对于竖直轴的侧倾角和俯仰角的各自的微分量，对所计算出的所述侧倾角和所述俯仰角的各自的微分量进行积分，来估计所述侧倾角和所述俯仰角；计算单元，基于所述传感器信号以及由所述姿势角估计单元估计出的所述侧倾角和所述俯仰角，计算通过车辆运动的运动方程式而获得的所述侧倾角和所述俯仰角的各自的微分量；以及漂移量估计单元，使用下述关系来估计与所述俯仰角速度的检测值相应的传感器信号以及与所述侧倾角速度的检测值相应的传感器信号的各自的传感器漂移量，所述关系是指：当考虑到所述传感器信号的传感器漂移量时，由所述姿势角估计单元计算出的所述侧倾角和所述俯仰角的各自的微分量，与在由所述计算单元计算出的所述侧倾角和所述俯仰角的各自的微分量中考虑进了所述传感器漂移量的值相等。

第7程序是用于使计算机作为如下单元发挥功能的程序，所述单元包括：姿势角估计单元，基于与车辆运动的前后加速度、横向加速度、上下加速度、侧倾角速度、俯仰角速度以及横摆角速度的各个检测值相应的传感器信号，计算车身相对于竖直轴的侧倾角和俯仰角的各自的微分量，对所计算出的所述侧倾角和所述俯仰角的各自的微分量进行积分，来估计所述侧倾角和所述俯仰角；车辆速度估计单元，基于与各个检测值相应的传感器信号，计算前后速度以及横向速度的各自的微分量，对所述前后速度和所述横向速度的各自的微分量进行积分，来估计所述前后速度和所述横向速度；计算单元，基于所述传感器信号以及由所述姿势角估计单元估计出的所述侧倾角和所述俯仰角，计算通过车辆运动的运动方程式而获得的所述侧倾角和所述俯仰角的各自的微分量，并且，基于所述传感器信号以及由所述车辆速度估计单元估计出的所述前后速度和所述横向速度，计算通过车辆运动的运动方程式而获得的所述前后速度和所述横向速度的各自的微分量；以及漂移量估计单元，使用下述关系A来估计与所述俯仰角速度的检测值相应的传感器信号以及与所述侧倾角速度的检测值相应的传感器信号的各自的传感器漂移量，所述关系A是指：当考虑到所述传感器信号的传感器漂移量时，由所述姿势角估计单元计算出的所述侧倾角和所述俯仰角的各自的微分量，与在由所述计算单元计算出的所述侧倾角和所述俯仰角的各自的微分量中考虑进了所述传感器漂移量的值相等；并且，使用下述关系B来估计与所述前后加速度、所述横向加速度以及所述横摆角速度的各个检测值相应的传感器信号的传感器漂移量，所述关系B是指：当考虑到所述传感器信号的传感器漂移量时，由所述车辆速度估计单元计算出的所述前后速度和所述横向速度的各自的微分量，与在由所述计算单元计算出的所述前后速度和所述横向速度的各自的微分量中考虑进了所述传感器漂移量的值相等。

第8程序是用于使计算机作为如下单元发挥功能的程序，所述单元包括：横向速度估计单元，基于与车速的检测值相应的传感器信号和估计车速的车速估计单元的估计值中的任一个、以及与车辆运动的横向加速度和横摆角速度的各个检测值相应的传感器信号，计算横向速度的微分量，对所述横向速度的微分量进行积分，来估计所述横向速度；计算单元，基于与所述车速的检测值相应的传感器信号和所述估计值中的任一个、以及与所述横向加速度和横摆角速度的各个检测值相应的传感器信号，计算通过车辆运动的运动方程式而获得的所述横向速度的微分量；以及漂移量估计单元，使用下述关系来估计与所述横向加速度以及所述横摆角速度的各个检测值相应的传感器信号的传感器漂移量，所述关系是指：当考虑到与所述横向加速度以及所述横摆角速度的各个检测值相应的传感器信号的传感器漂移量时，由所述横向速度估计单元计算的所述横向速度的微分量，与在由所述计算单元计算的所述横向速度的微分量中考虑进了所述传感器漂移量的值相等。

第9程序是用于使计算机作为如下单元发挥功能的程序，所述单元包括：滑移角估计单元，基于与车速的检测值相应的传感器信号和估计车速的车速估计单元的估计值中的任一个、以及与车辆运动的横向加速度和横摆角速度的各个检测值相应的传感器信号，计算滑移角的微分量，对所述滑移角的微分量进行积分，来估计所述滑移角；计算单元，基于与所述车速的检测值相应的传感器信号和所述估计值中的任一个、以及与所述横向加速度和横摆角速度的各个检测值相应的传感器信号，计算通过车辆运动的运动方程式而获得的所述滑移角的微分量；以及漂移量估计单元，使用下述关系来估计与所述横向加速度以及所述横摆角速度的各个检测值相应的传感器信号的传感器漂移量，所述关系是指：当考虑到与所述横向加速度以及所述横摆角速度的各个检测值相应的传感器信号的传感器漂移量时，由所述滑移角估计单元计算的所述滑移角的微分量，与在由所述计算单元计算的所述滑移角的微分量中考虑进了所述传感器漂移量的值相等。

此外，本发明还可以构成为存储上述程序中的至少一个的记录介质。

发明效果

如上所述，根据本发明的传感器漂移量估计装置，使用为了估计姿势角而计算出的姿势角的微分量与由车辆运动的运动方程式而得到的姿势角的微分量之间的关系，来估计传感器漂移量，由此可获得如下效果：不管车辆运动的状态如何，都能稳定地估计传感器的漂移量。

此外，根据本发明的传感器漂移量估计装置，使用为了估计车辆速度而计算出的车辆速度的微分量与由车辆运动的运动方程式而得到的车辆速度的微分量之间的关系，来估计传感器漂移量，由此可获得如下效果：不管车辆运动的状态如何，都能稳定地估计传感器的漂移量。

此外，根据本发明的传感器漂移量估计装置，使用为了顾及滑移角而计算出的滑移角的微分量与由车辆运动的运动方程式而得到的滑移角的微分量之间的关系，来估计传感器漂移量，由此可获得如下效果：不管车辆运动的状态如何，都能稳定地估计传感器的漂移量。

附图说明

图1是表示本发明第1实施方式中的姿势角滑移角估计装置的结构的简图；

图2是用于说明车辆运动的各轴的方向的示意图；

图3是表示本发明第1实施方式的姿势角滑移角估计装置中的姿势角估计处理例程的内容的流程图；

图4是表示本发明第1实施方式的姿势角滑移角估计装置中的滑移角估计处理例程的内容的流程图；

图5A是表示没有施加漂移的状态下前后加速度传感器的传感器漂移量的估计结果的图表；

图5B是表示没有施加漂移的状态下横向加速度传感器的传感器漂移量的估计结果的图表；

图5C是表示没有施加漂移的状态下上下加速度传感器的传感器漂移量的估计结果的图表；

图5D是表示没有施加漂移的状态下侧倾角速度传感器的传感器漂移量的估计结果的图表；

图5E是表示没有施加漂移的状态下横摆角速度传感器的传感器漂移量的估计结果的图表；

图6A是表示没有施加漂移的状态下，应用了传感器漂移量的估计时侧倾角的估计结果的图表；

图6B是表示在没有施加漂移的状态下，应用了传感器漂移量的估计时俯仰角的估计结果的图表；

图7A是表示施加了漂移的状态下前后加速度传感器的传感器漂移量的估计结果的图表；

图7B是表示施加了漂移的状态下横向加速度传感器的传感器漂移量的估计结果的图表；

图7C是表示施加了漂移的状态下上下加速度传感器的传感器漂移量的估计结果的图表；

图7D是表示施加了漂移的状态下侧倾角速度传感器的传感器漂移量的估计结果的图表；

图7E是表示施加了漂移的状态下横摆角速度传感器的传感器漂移量的估计结果的图表；

图8A是表示在施加了漂移的状态下，应用了传感器漂移量的估计时侧倾角的估计结果的图表；

图8B是表示在施加了漂移的状态下，应用了传感器漂移量的估计时俯仰角的估计结果的图表；

图9是表示本发明第2实施方式中的姿势角滑移角估计装置的结构的简图；

图10是表示本发明第3实施方式中的滑移角估计装置的结构的简图；

图11是表示本发明第4实施方式中的姿势角滑移角估计装置的结构的简图；

图12是表示本发明第4实施方式中的姿势角滑移角估计装置的姿势角估计处理例程的内容的流程图；

图13是表示本发明第4实施方式的姿势角滑移角估计装置中的滑移角估计处理例程的内容的流程图；

图14A是表示在对侧倾角速度施加了正漂移的状态下，补偿传感器漂移量的学习速度延迟时侧倾角的估计结果的图表；

图14B是表示在对侧倾角速度施加了正漂移的状态下，补偿传感器漂移量的学习速度的延迟时俯仰角的估计结果的图表；

图15A是表示在对侧倾角速度施加了正漂移的状态下，上下加速度传感器的传感器漂移量的估计结果的图表；

图15B是表示对侧倾角速度施加了正漂移的状态下，侧倾角速度传感器的传感器漂移量的估计结果的图表；

图16A是表示对侧倾角速度施加了负漂移的状态下，补偿传感器漂移量的学习速度延迟时侧倾角的估计结果的图表；

图16B是表示在对侧倾角速度施加了负漂移的状态下，补偿传感器漂移量的学习速度延迟时俯仰角的估计结果的图表；

图17A是表示对侧倾角速度施加了负漂移的状态下，上下加速度传感器的传感器漂移量的估计结果的图表；

图17B是表示对侧倾角速度施加了负漂移的状态下，侧倾角速度传感器的传感器漂移量的估计结果的图表；

图18A是表示对上下加速度施加了正漂移的状态下，补偿传感器漂移量的学习速度延迟时侧倾角的估计结果的图表；

图18B是表示对上下加速度施加了正漂移的状态下，补偿传感器漂移量的学习速度延迟时俯仰角的估计结果的图表；

图19A是表示对上下加速度施加了正漂移的状态下，上下加速度传感器的传感器漂移量的估计结果的图表；

图19B是表示对上下加速度施加了正漂移的状态下，侧倾角速度传感器的传感器漂移量的估计结果的图表；

图20A是表示对上下加速度施加了负漂移的状态下，补偿传感器漂移量的学习速度延迟时侧倾角的估计结果的图表；

图20B是表示对上下加速度施加了负漂移的状态下，补偿传感器漂移量的学习速度延迟时俯仰角的估计结果的图表；

图21A是表示对上下加速度施加了负漂移的状态下，上下加速度传感器的传感器漂移量的估计结果的图表；

图21B是表示对上下加速度施加了负漂移的状态下侧倾角速度传感器的传感器漂移量的估计结果的图表；

图22是表示本发明第5实施方式中的姿势角滑移角估计装置的结构的简图；

图23是表示本发明第6实施方式中的姿势角估计装置的结构的简图；

图24是表示本发明第7实施方式中的滑移角估计装置的结构的简图；

图25是表示本发明第8实施方式中的姿势角估计装置的结构的简图；

图26是表示本发明第9实施方式中的姿势角滑移角估计装置的结构的简图；

图27是表示本发明第9实施方式的姿势角滑移角估计装置中的滑移角估计处理例程的内容的流程图；

图28A是表示对横向加速度的传感器信号施加了正漂移误差的状态下，利用传感器漂移量的估计值时侧倾角的估计结果的图表；

图28B是表示对横向加速度的传感器信号施加了正漂移误差的状态下，利用传感器漂移量的估计值时俯仰角的估计结果的图表；

图29是表示本发明第10实施方式中的横向速度估计装置的结构的简图；

图30A是表示对横摆角速度施加了漂移误差时横向速度的微分量的偏差与车速之间的关系的图表；

图30B是表示对横向加速度施加了漂移误差时横向速度的微分量的偏差与车速之间的关系的图表；

图31是表示本发明第10实施方式的横向速度估计装置中的横向速度估计处理例程的内容的流程图；

图32A是表示对横摆角速度施加了漂移误差时平滑化运算后的横向速度的微分量的偏差与车速之间的关系的图表；

图32B是对横向加速度施加了漂移误差时平滑化运算后的横向速度的微分量的偏差与车速之间的关系的图表；

图33是表示本发明第11实施方式的横向速度估计装置中的横向速度估计处理例程的内容的流程图；

图34A是表示对横向加速度的传感器信号施加了漂移误差的状态下，利用了传感器漂移量的估计值时侧倾角的估计结果的图表；

图34B是表示对横向加速度的传感器信号施加了漂移误差的状态下，利用了传感器漂移量的估计值时俯仰角的估计结果的图表；

图35是表示对横向加速度施加了漂移误差的状态下各传感器的传感器漂移量的估计结果的图表；

图36A是表示对横摆角速度的传感器信号施加了漂移误差的状态下，利用了传感器漂移量的估计值时侧倾角的估计结果的图表；

图36B是表示对横摆角速度的传感器信号施加了漂移误差的状态下，利用了传感器漂移量的估计值时俯仰角的估计结果的图表；

图37是表示对横摆角速度施加了漂移误差的状态下各传感器的传感器漂移量的估计结果的图表；

图38是表示本发明第12实施方式中的滑移角估计装置的结构的简图；

图39A是表示没有施加漂移误差的状态下在坡道上行驶时，利用了传感器漂移量的估计值时侧倾角的估计结果的图表；

图39B是表示没有施加漂移误差的状态下在坡道上行驶时，各传感器的传感器漂移量的估计结果的图表；

图40A是表示对横摆角速度施加了正漂移误差的状态下在坡道上行驶时，利用了传感器漂移量的估计值时侧倾角的估计结果的图表；

图40B是表示对横摆角速度施加了正漂移误差的状态下在坡道上行驶时，各传感器的传感器漂移量的估计结果的图表；

符号说明

10，410，510，910姿势角滑移角估计装置

12前后加速度传感器

14横向加速度传感器

16上下加速度传感器

18侧倾角速度传感器

20横摆角速度传感器

22，32，222，522，1032漂移量校正单元

24，224，424，524，624，824姿势角观测器

26，36，226，336，526，826，1036，1236运动方程式微分量计算单元

28，38，338，528，938，1038，1238漂移量估计单元

34，234，434，1234滑移角观测器

210，610，810姿势角估计装置

310，710，1210滑移角估计装置

425，435，525学习速度补偿量运算单元

520俯仰角速度传感器

1010横向速度估计装置

1022车速估计单元

1034横向速度观测器

具体实施方式

以下，参照附图对本发明的实施方式进行详细说明。本实施方式是，在估计车辆相对于竖直轴的姿势角、即俯仰角和侧倾角，并且对车辆的滑移角进行估计的姿势角滑移角估计装置中应用本发明的方式。

首先，如图2所示，对于车辆运动的轴，将从重心到车辆前方方向作为x轴，将从重心到车辆左方作为y轴，将从重心竖直向上作为z轴，将此时绕各轴的旋转角速度分别定义为侧倾角速度、俯仰角速度、横摆角速度。

如图1所示，第1实施方式中的姿势角滑移角估计装置10包括：对车辆运动的xyz这3轴的加速度、即前后加速度Gx、横向加速度Gy、以及上下加速度Gz分别进行检测，并输出与检测值相应的传感器信号的前后加速度传感器12、横向加速度传感器14、以及上下加速度传感器16；对侧倾角速度P进行检测，并输出与检测值相应的传感器信号的侧倾角速度传感器18；对横摆角速度R进行检测，并输出与检测值相应的传感器信号的横摆角速度传感器20。

上下加速度传感器16和侧倾角速度传感器18与基于由后述的漂移量估计单元28估计出的传感器漂移量对来自各传感器的传感器信号进行校正的漂移量校正单元22相连接。漂移量校正单元22与漂移量估计单元28相连接。

漂移量校正单元22与对车身相对于竖直轴的姿势角、即侧倾角φ和俯仰角θ进行估计的姿势角观测器24相连接。

此外，前后加速度传感器12、横向加速度传感器14和横摆角速度传感器20与漂移量校正单元32相连接，该漂移量校正单元32基于由后述的漂移量估计单元38估计出的前后加速度传感器12、横向加速度传感器14和横摆角速度传感器20的各个传感器漂移量，对分别来自前后加速度传感器12、横向加速度传感器14和横摆角速度传感器20的传感器信号进行校正。漂移量校正单元32与漂移量估计单元38相连接。

上下加速度传感器16、侧倾角速度传感器18、漂移量校正单元32和姿势角观测器24与运动方程式微分量计算单元26相连接，该运动方程式微分量计算单元26计算由车辆运动的运动方程式所获得的侧倾角和俯仰角各自的微分量。另外，从漂移量校正单元32向运动方程式微分量计算单元26输入被校正了漂移量的横摆角速度。

姿势角观测器24和运动方程式微分量计算单元26与漂移量估计单元28相连接，该漂移量估计单元28估计上下加速度传感器16和侧倾角速度传感器18各自的传感器漂移量。

漂移量校正单元32与对车身滑移角进行估计的滑移角观测器34相连接。

前后加速度传感器12、横向加速度传感器14、横摆角速度传感器20、姿势角观测器24以及滑移角观测器34与运动方程式微分量计算单元36相连接，该运动方程式微分量计算单元36计算由车辆运动的运动方程式所获得的前后车身速度和横向车身速度的各自的微分量。

滑移角观测器34和运动方程式微分量计算单元36与漂移量估计单元38相连接，该漂移量估计单元38估计前后加速度传感器12、横向加速度传感器14以及横摆角速度传感器20的各自的传感器漂移量。

漂移量校正单元22、姿势角观测器24、运动方程式微分量计算单元26、漂移量估计单元28、漂移量校正单元32、滑移角观测器34、运动方程式微分量计算单元36以及漂移量估计单元38能够由实现各单元的功能的一个或多个计算机、或者一个或多个电子电路构成。

姿势角观测器24基于由滑移角观测器34估计出的横向车身速度V的估计值、前后车身速度U的估计值、被漂移量校正单元22校正的与上下加速度G_z的检测值相应的校正信号、以及与侧倾角速度P的检测值相应的校正信号，来估计俯仰角速度Q。姿势角观测器24基于被漂移量校正单元22和漂移量校正单元32校正的、与车辆运动的前后加速度G_x、横向加速度G_y、上下加速度G_z、横摆角速度R以及侧倾角速度P的各检测值相应的校正信号、前后车身速度U的估计值V_so、俯仰角速度Q的估计值，对车身相对于竖直轴的姿势角、即侧倾角φ和俯仰角θ进行估计。

接着，对俯仰角速度的估计进行说明。表示被固定在刚体上的对3轴加速度和3轴角速度进行检测的3轴传感器所输出的传感器信号与运动状态量之间关系的刚体的运动方程式能够如以下那样记述。

[数1]

$\stackrel{.}{U}+\mathrm{QW}-\mathrm{RV}=g\sin \mathrm{\θ}+G_x...\left(1\right)$

$\stackrel{.}{V}+\mathrm{RU}-\mathrm{PW}=-g\cos \mathrm{\θ}\sin \mathrm{\φ}+G_y...\left(2\right)$

$\stackrel{.}{W}+\mathrm{PV}-\mathrm{QU}=-g\cos \mathrm{\θ}\cos \mathrm{\φ}+G_z...\left(3\right)$

$\stackrel{.}{\mathrm{\φ}}=P+Q\sin \mathrm{\φ}\tan \mathrm{\θ}+R\cos \mathrm{\φ}\tan \mathrm{\θ}...\left(4\right)$

$\stackrel{.}{\mathrm{\θ}}=Q\cos \mathrm{\φ}-R\sin \mathrm{\φ}...\left(5\right)$

其中，G_x为前后加速度，G_y为横向加速度，G_z为上下加速度，P为侧倾角速度，Q为俯仰角速度，R为横摆角速度，U为前后车身速度，V为横向车身速度，W为上下车身速度，φ为侧倾角，θ为俯仰角，g为重力加速度。

在本实施方式中，在将车辆当作刚体的情况下，前后加速度G_x、横向加速度G_y和上下加速度G_z这3个轴速度、以及侧倾角速度P和横摆角速度R这2个轴角速度，分别是由前后加速度传感器12、横向加速度传感器14、上下加速度传感器16、侧倾角速度传感器18和横摆角速度传感器20检测到的传感器信号被漂移量校正单元22或漂移量校正单元32进行了漂移量校正后的信号。横向车身速度V能够由后述的滑移角观测器34来估计。前后车身速度U能够基于各轮的车轮速来估计。

在本实施方式中，上述(3)式中假设能够忽略上下车身速度W的变化(取W＝0)，并使用侧倾角φ和俯仰角θ各自的上次估计值横向车身速度V的上次估计值

以及作为前后车身速度U的前后车身速度的估计值Vso，由此能够根据以下的(6)式求出俯仰角速度Q的估计值

姿势角观测器24通过执行下述(6)式的运算而求出俯仰角速度Q的估计值

[数2]

$\tilde{Q}=\frac{(P-P_{\mathrm{dr}})\tilde{V}+g\cos \widetilde{\mathrm{\θ}}\cos \widetilde{\mathrm{\φ}}-(G_z-G_{\mathrm{zdr}})}{V_{\mathrm{so}}}...\left(6\right)$

另外，在上述(6)式中，P-P_dr表示对侧倾角速度传感器20的传感器信号P的漂移量P_dr进行了校正的信号，G_z-G_zdr表示对上下加速度传感器16的传感器信号G_z的漂移量G_zdr进行了校正的信号。

当如上述那样估计俯仰角速度时，俯仰角也能够与侧倾角同时地由姿势角观测器24来估计。对使用姿势角观测器24时汽车固有的运动的约束条件进行说明。当利用上述的运动方程式构成姿势角观测器24时，需要能够测定的物理量的反馈，以使得由积分运算估计出的速度和角度的状态量不发散。在本实施方式中，将汽车运动固有的特征如下述那样利用在进行反馈的物理量中。另外，在以下的式中，作为侧倾角和俯仰角分别使用各自的上次估计值

并使用作为横向车身速度的横向车身速度的估计值作为前后车身速度U的前后车身速度的估计值V_so。

将前后车身速度的估计值V_so进行微分并代入上述(1)式，作为汽车运动固有的特征，如果利用在车身的前后方向上“车轮的滑移不会长时间持续増加”的性质，则能从上述(1)式获得忽略上下车身速度的变化的、在反馈中利用的下述(7)式所示的条件。

[数3]

${\stackrel{.}{V}}_{s0}-R\tilde{V}-(G_x-G_{\mathrm{xdr}})=g\sin \widetilde{\mathrm{\θ}}...\left(7\right)$

另外，在上述(7)式中，G_x-G_xdr表示对前后加速度传感器12的传感器信号G_x的漂移量G_xdr进行了校正的信号。

上述(7)式记述了从车轮速度估计出的加速度(前后车身速度的估计值V_so的微分值)与前后加速度G_x之差、和俯仰角θ之间的关系。

此外，关于车身的横向，由于“滑移角不会长时间持续増加”这样的性质，能够忽略侧倾角速度和横向加速度，因而能够获得用于在反馈中利用的、由上述(2)式得到的下述(8)式所示的条件。

[数4]

$R{V}_{s0}-(G_y-G_{\mathrm{ydr}})=-g\cos \widetilde{\mathrm{\θ}}\sin \widetilde{\mathrm{\φ}}...\left(8\right)$

另外，在上述(8)式中，G_y-G_ydr表示对横向加速度传感器14的传感器信号G_y的漂移量G_ydr进行了校正的信号。

另外，考虑到一般的道路坡度，能够视为“竖直方向的加速度与重力加速度大体一致”。该条件能够利用前后加速度G_x、横向加速度G_y、上下加速度G_z、俯仰角θ以及侧倾角φ而由下式的代数方程式来记述。

[数5]

$g=-(G_x-G_{\mathrm{xdr}})\sin \widetilde{\mathrm{\θ}}+(G_y-G_{\mathrm{ydr}})\sin \widetilde{\mathrm{\φ}}\cos \widetilde{\mathrm{\θ}}+(G_z-G_{\mathrm{zdr}})\cos \widetilde{\mathrm{\φ}}\cos \widetilde{\mathrm{\θ}}...\left(9\right)$

上述(7)～(9)式的关系都是考虑到某种程度长的时间时所满足的条件，因而在观测器测定量的反馈中，如以下说明的那样，在上述(7)～(9)式的两边利用低通滤波器处理过的值。

接着，针对基本的非线性观测器的结构进行说明。这里，如下述(10)式那样表现值u，该值u包含校正了漂移量的校正信号和俯仰角速度的估计值。

[数6]

$u={\left[\begin{array}{cccccc}{G}_x-G_{\mathrm{xdr}}& G_y-G_{\mathrm{ydr}}& G_z-G_{\mathrm{zdr}}& P-P_{\mathrm{dr}}& \tilde{Q}& R-R_{\mathrm{dr}}\end{array}\right]}^T...\left(10\right)$

此外，将作为对象的车辆运动如下述(11)式那样表现，为了构成观测器而将能够测定物理量如(12)式那样表现，则非线性观测器能够通过以下(13)式和(14)式的非线性运动方程式来记述。

[数7]

$\stackrel{.}{x}=f(x,u)...\left(11\right)$

y＝g(x，u)...(12)

$\stackrel{.}{\stackrel{~}{x}}=f(\tilde{x},u)+k(\tilde{x},u)\·(y-\tilde{y})...\left(13\right)$

$\tilde{y}=g(\tilde{x},u)...\left(14\right)$

其中，

分别表示x、y的估计值，表示所设计的观测器增益。

上述(7)式～(9)式都是考虑到某种程度长的时间时所满足的条件，因而在观测器的测定量的反馈中，如下述(15)～(17)式所示，在上述(7)式～(9)式的两边利用由低通滤波器进行了低通滤波器处理的值。

[数8]

${\stackrel{.}{\stackrel{~}{g}}}_{\mathrm{xdf}}=-\frac{{\tilde{g}}_{\mathrm{xdf}}}{{\mathrm{\τ}}_x}+\frac{g\sin \widetilde{\mathrm{\θ}}}{{\mathrm{\τ}}_x}...\left(15\right)$

${\stackrel{.}{\stackrel{~}{g}}}_{\mathrm{ydf}}=-\frac{{\tilde{g}}_{\mathrm{ydf}}}{{\mathrm{\τ}}_y}-\frac{g\cos \widetilde{\mathrm{\θ}}\sin \widetilde{\mathrm{\φ}}}{{\mathrm{\τ}}_y}...\left(16\right)$

${\stackrel{.}{\stackrel{~}{g}}}_f=-\frac{{\tilde{g}}_f}{{\mathrm{\τ}}_g}+\frac{-(G_x-G_{\mathrm{xdr}})\sin \widetilde{\mathrm{\θ}}+(G_y-G_{\mathrm{ydr}})\sin \widetilde{\mathrm{\φ}}\cos \widetilde{\mathrm{\θ}}+(G_z-G_{\mathrm{zdr}})\cos \widetilde{\mathrm{\φ}}\cos \widetilde{\mathrm{\θ}}}{{\mathrm{\τ}}_g}...\left(17\right)$

其中，τ_x、τ_y、τ_g分别表示上述(7)式～(9)式中考虑的低通滤波器的数秒至数十秒以上的时间常数。

接着，利用上述基本的非线性观测器对估计侧倾角φ和俯仰角θ的本实施方式的姿势角观测器24进行说明。上述(4)式、(5)式的有关角度的状态方程式中，不包含速度的状态量，因而能够与速度的估计分开地估计作为角度的侧倾角φ和俯仰角θ。

因此，首先构成包含由上述低通滤波器生产的状态量、对侧倾角和俯仰角进行估计的观测器。在本实施方式中，将观测器的状态量

用下述(18)式表示。

[数9]

$\tilde{x}={\left[\begin{array}{ccccc}\widetilde{\mathrm{\φ}}& \widetilde{\mathrm{\θ}}& {\tilde{g}}_{\mathrm{xdf}}& {\tilde{g}}_{\mathrm{ydf}}& {\tilde{g}}_f\end{array}\right]}^T...\left(18\right)$

此外，将反馈中用到的观测器输出用下述(19)式表示。

[数10]

$\tilde{y}={\left[\begin{array}{ccc}{\tilde{g}}_{\mathrm{xdf}}& {\tilde{g}}_{\mathrm{ydf}}& {\tilde{g}}_f\end{array}\right]}^T...\left(19\right)$

另外，将由传感器信号等算出的车辆输出用以下的(20)式表示，设定合适的观测器增益

由此构成对侧倾角和俯仰角进行估计的姿势角观测器24。

[数11]

y＝[g_xdf g_ydf g]^T...(20)

其中，

[数12]

${\stackrel{.}{g}}_{\mathrm{xdf}}=-\frac{g_{\mathrm{xdf}}}{{\mathrm{\τ}}_x}+\frac{{\stackrel{.}{V}}_{s0}-R\tilde{V}-(G_x-G_{\mathrm{xdr}})}{{\mathrm{\τ}}_x}...\left(21\right)$

${\stackrel{.}{g}}_{\mathrm{ydf}}=-\frac{g_{\mathrm{ydf}}}{{\mathrm{\τ}}_y}+\frac{R{V}_{s0}-(G_y-G_{\mathrm{ydr}})}{{\mathrm{\τ}}_y}...\left(22\right)$

另外，上述(21)式右边第2项的分子是前后加速度状态量的偏差，该偏差是从前后车身速度的估计值V_so的微分值，减去校正了漂移量的横摆角速度值R-R_dr与横向车身速度的估计值的乘积、与校正了漂移量的前后加速度值G-G_xdr之和所得到的。此外，上述(22)式右边第2项的分子是横向加速度状态量的偏差，该偏差是从校正了漂移量的横摆角速度值R-R_dr与前后车身速度的估计值V_so的乘积，减去校正了漂移量的横向加速度值G_y-G_ydr而得到的。

作为观测器增益的一个例子，在本实施方式中，为了确保观测器的稳定性，将进行线性化时的对角分量取负系数，如下述(23)式那样表示。

[数13]

$k(\tilde{x},u)=\left[\begin{array}{ccc}0& -K_{\mathrm{\φy}}& K_{\mathrm{\φg}}(G_y-G_{\mathrm{ydr}})\\ K_{\mathrm{\θx}}& 0& -K_{\mathrm{\θg}}(G_x-G_{\mathrm{xdr}})\\ K_x& 0& 0\\ 0& K_y& 0\\ 0& 0& K_g\end{array}\right]...\left(23\right)$

其中，K_φy、K_φg、K_θx、K_θg、K_x、K_y、K_g是适当的正常数。因此，对侧倾角和俯仰角进行估计的本实施方式的非线性观测器由用以下的(24)式表示的运动方程式来记述。

[数14]

$\frac{d}{\mathrm{dt}}\tilde{X}=\left[\begin{array}{c}P-P_{\mathrm{dr}}+\tilde{Q}\sin \widetilde{\mathrm{\φ}}\tan \widetilde{\mathrm{\θ}}+(R-R_{\mathrm{dr}})\cos \widetilde{\mathrm{\φ}}\tan \widetilde{\mathrm{\θ}}\\ \tilde{Q}\cos \widetilde{\mathrm{\φ}}-(R-R_{\mathrm{dr}})\sin \widetilde{\mathrm{\φ}}\\ -\frac{{\tilde{g}}_{\mathrm{xdf}}}{{\mathrm{\τ}}_x}+\frac{g\sin \widetilde{\mathrm{\θ}}}{{\mathrm{\τ}}_x}\\ -\frac{{\tilde{g}}_{\mathrm{ydf}}}{{\mathrm{\τ}}_y}-\frac{g\cos \widetilde{\mathrm{\θ}}\sin \widetilde{\mathrm{\φ}}}{{\mathrm{\τ}}_y}\\ -\frac{{\tilde{g}}_f}{{\mathrm{\τ}}_g}+\frac{-(G_x-G_{\mathrm{xdr}})\sin \widetilde{\mathrm{\θ}}+(G_y-G_{\mathrm{ydr}})\sin \widetilde{\mathrm{\φ}}\cos \widetilde{\mathrm{\θ}}+(G_z-G_{\mathrm{zdr}})\cos \widetilde{\mathrm{\φ}}\cos \widetilde{\mathrm{\θ}}}{{\mathrm{\τ}}_g}\end{array}\right]$

$+\left[\begin{array}{ccc}0& -K_{\mathrm{\φ\γ}}& K_{\mathrm{\φg}}(G_y-G_{\mathrm{ydr}})\\ K_{\mathrm{\θx}}& 0& -K_{\mathrm{\θg}}(G_x-G_{\mathrm{xdr}})\\ K_x& 0& 0\\ 0& K_{\mathrm{\γ}}& 0\\ 0& 0& K_g\end{array}\right]\·\left[\begin{array}{c}{g}_{\mathrm{xdf}}-{\tilde{g}}_{\mathrm{xdf}}\\ g_{\mathrm{ydf}}-{\tilde{g}}_{\mathrm{ydf}}\\ g-{\tilde{g}}_f\end{array}\right]...\left(24\right)$

其中，由以下的(25)式表示。

[数15]

$\tilde{x}={\left[\begin{array}{ccccc}\widetilde{\mathrm{\φ}}& \widetilde{\mathrm{\θ}}& {\tilde{g}}_{\mathrm{xdf}}& {\tilde{g}}_{\mathrm{ydf}}& {\tilde{g}}_f\end{array}\right]}^T...\left(25\right)$

姿势角观测器24通过使用上述(24)式，来计算相对于车身竖直方向的姿势角、即侧倾角

的微分量

与俯仰角

的微分量

姿势角观测器24通过分别对计算出的侧倾角

的微分量

和俯仰角

的微分量

进行积分，能够计算侧倾角

和俯仰角

滑移角观测器34估计作为车辆横向的车身速度的横向车身速度V，并且基于各轮的车轮速度估计作为车辆前后方向的车身速度的前后车身速度U。滑移角观测器34基于横向车身速度V的估计值、前后车身速度U的估计值、与前后加速度G_x的检测值相应的校正信号、与横向加速度G_y的检测值相应的校正信号、以及与横摆角速度R的检测值相应的校正信号，来估计前后车身速度U和横向车身速度V。此外，滑移角观测器34基于前后车身速度U的估计值和横向车身速度V的估计值，来估计车身滑移角β。

接着，针对前后车身速度和横向车身速度的估计进行说明。

以往，在忽略运动特性的上述(1)式中，包含横向车身速度V的项，通过利用该横向车身速度能够构成观测器。这里，将横摆角速度视为独立的参数，将上述(1)式和(2)式如下进行整理。另外，关于上下车身速度W，与第1实施方式一样假定为0。

[数16]

$\frac{d}{\mathrm{dt}}\left[\begin{array}{c}U\\ V\end{array}\right]=\left[\begin{array}{cc}0& (R-R_{\mathrm{dr}})\\ -(R-R_{\mathrm{dr}})& 0\end{array}\right]\·\left[\begin{array}{c}U\\ V\end{array}\right]+\left[\begin{array}{c}g\sin \mathrm{\θ}+G_x-G_{\mathrm{xdr}}\\ -g\cos \mathrm{\θ}\sin \mathrm{\φ}+G_y-G_{\mathrm{ydr}}\end{array}\right]...\left(26\right)$

此外，如将系统的输出用前后车身速度U表示，即用以下的(27)式来表示，则(26)式和(27)式成为可观测的系统。

[数17]

$y=\left[\begin{array}{cc}1& 0\end{array}\right]\·\left[\begin{array}{c}U\\ V\end{array}\right]...\left(27\right)$

另外，如上所述，前后车身速度U基于各轮的车轮速被估计出来。例如，观测器增益K用包含从横摆角速度的绝对值得到的值的下式(28)来表示。

[数18]

$K=\left[\begin{array}{c}1.4|R-R_{\mathrm{dr}}|\\ 0\end{array}\right]...\left(28\right)$

如果将观测器增益如上述(28)式那样表示，则观测器由以下的(29-1)式～(29-5)式所表示的运动方程式来记述。

[数19]

...(29-1)

$=(\left[\begin{array}{cc}0& R-R_{\mathrm{dr}}\\ -(R-R_{\mathrm{dr}})& 0\end{array}\right]-K\·\left[\begin{array}{cc}1& 0\end{array}\right])\·\tilde{x}+\left[\begin{array}{c}g\sin \widetilde{\mathrm{\θ}}+G_x-G_{\mathrm{xdr}}\\ -g\cos \widetilde{\mathrm{\θ}}\sin \widetilde{\mathrm{\φ}}+G_y-G_{\mathrm{ydr}}\end{array}\right]+K\·y...(29-2)$

$=(\left[\begin{array}{cc}0& R-R_{\mathrm{dr}}\\ -(R-R_{\mathrm{dr}})& 0\end{array}\right]-\left[\begin{array}{c}1.4|R-R_{\mathrm{dr}}|\\ 0\end{array}\right]\·\left[\begin{array}{cc}1& 0\end{array}\right])\·\tilde{x}+\left[\begin{array}{c}g\sin \widetilde{\mathrm{\θ}}+G_x-G_{\mathrm{xdr}}\\ -g\cos \widetilde{\mathrm{\θ}}\sin \widetilde{\mathrm{\φ}}+G_y-G_{\mathrm{ydr}}\end{array}\right]+\left[\begin{array}{c}1.4|R-R_{\mathrm{dr}}|\\ 0\end{array}\right]\·y...(29-3)$

$=\left[\begin{array}{cc}-1.4|R-R_{\mathrm{dr}}|& R-R_{\mathrm{dr}}\\ -(R-R_{\mathrm{dr}})& 0\end{array}\right]\·\tilde{x}+\left[\begin{array}{c}g\sin \widetilde{\mathrm{\θ}}+G_x-G_{\mathrm{xdr}}\\ -g\cos \widetilde{\mathrm{\θ}}\sin \widetilde{\mathrm{\φ}}+G_y-G_{\mathrm{ydr}}\end{array}\right]+\left[\begin{array}{c}1.4|R-R_{\mathrm{dr}}|\\ 0\end{array}\right]\·V_{\mathrm{so}}...(29-4)$

$=\left[\begin{array}{cc}-1.4|R-R_{\mathrm{dr}}|& R-R_{\mathrm{dr}}\\ -(R-R_{\mathrm{dr}})& 0\end{array}\right]\·\left[\begin{array}{c}\tilde{U}\\ \tilde{V}\end{array}\right]+\left[\begin{array}{c}g\sin \widetilde{\mathrm{\θ}}+G_x-G_{\mathrm{xdr}}\\ -g\cos \widetilde{\mathrm{\θ}}\sin \widetilde{\mathrm{\φ}}+G_y-G_{\mathrm{ydr}}\end{array}\right]+\left[\begin{array}{c}1.4|R-R_{\mathrm{dr}}|\\ 0\end{array}\right]\·V_{\mathrm{so}}...(29-5)$

其中，

是观测器的状态量，由以下的(30)式表示。

[数20]

$\tilde{x}={\left[\begin{array}{cc}\tilde{U}& \tilde{V}\end{array}\right]}^T...\left(30\right)$

如上述(29-5)式所示，能够构成稳定的观测器(具有ω＝|R-Rdr|rad/s的二维巴特沃斯极)，该观测器将前后车身速度的运算值U与前后车身速度的估计值

之间的偏差、与由横摆角速度R的绝对值得到的观测器增益相乘所得的积作为反馈量。

本实施方式的滑移角观测器34利用上述(29-5)式来估计前后车身速度和横向车身速度。在本实施方式中，车身的姿势角、即车身相对于竖直轴的侧倾角φ和俯仰角θ，在已知的假定之下(例如，假定侧倾角、俯仰角为0)，将前后车身速度

和横向车身速度

作为观测器的状态量，利用从前后车身速度的运算值U减去前后车身速度的估计值

(观测器输出)而得的偏差、已知的侧倾角φ和俯仰角θ、以及被漂移量校正单元32进行了校正的前后加速度G_x-G_xdr、横向加速度G_y-G_ydr和横摆角速度R-R_dr，计算前后车身速度的微分量

以及横向车身速度

的微分量

此外，滑移角观测器34对前后车身速度和横向车身速度的微分量进行积分，估计前后车身速度和横向车身速度。

此外，滑移角观测器34基于下面的(31)式，从前后车身速度U和横向车身速度V的关系估计车身滑移角β。

[数21]

$\widetilde{\mathrm{\β}}={\tan }^{-1}\frac{\tilde{V}}{\tilde{U}}...\left(31\right)$

接着，针对由车辆运动的运动方程式所得的侧倾角φ的微分量dφ_m和俯仰角θ的微分量dθ_m各自的计算方法进行说明。

针对上述(1)式～(5)式，假定上下车身速度为0，并代入上述(6)式，则可得到以下的(32)式～(35)式。

[数22]

$\stackrel{.}{U}=(R-R_{\mathrm{dr}})\tilde{V}+g\sin \widetilde{\mathrm{\θ}}+G_x-G_{\mathrm{xdr}}...\left(32\right)$

$\stackrel{.}{V}=-(R-R_{\mathrm{dr}})V_{\mathrm{so}}-g\cos \widetilde{\mathrm{\θ}}\sin \widetilde{\mathrm{\φ}}+G_y-G_{\mathrm{ydr}}...\left(33\right)$

$\stackrel{.}{\mathrm{\φ}}=-\frac{G_z-G_{\mathrm{zdr}}}{V_{\mathrm{so}}}\sin \widetilde{\mathrm{\φ}}\tan \widetilde{\mathrm{\θ}}+(1+\frac{\tilde{V}}{V_{\mathrm{so}}}\sin \widetilde{\mathrm{\φ}}\tan \widetilde{\mathrm{\θ}})(P-P_{\mathrm{dr}})$

$+(R-R_{\mathrm{dr}})\cos \widetilde{\mathrm{\φ}}\tan \widetilde{\mathrm{\θ}}+\frac{g}{V_{\mathrm{so}}}\sin \widetilde{\mathrm{\φ}}\cos \widetilde{\mathrm{\φ}}\sin \widetilde{\mathrm{\θ}}...\left(34\right)$

$\stackrel{.}{\mathrm{\θ}}=-\frac{G_z-G_{\mathrm{zdr}}}{V_{\mathrm{SO}}}\cos \widetilde{\mathrm{\φ}}+\frac{\tilde{V}}{V_{\mathrm{SO}}}(P-P_{\mathrm{dr}})\cos \widetilde{\mathrm{\φ}}-(R-R_{\mathrm{dr}})\sin \widetilde{\mathrm{\φ}}+\frac{g}{V_{\mathrm{SO}}}{\cos }^2\widetilde{\mathrm{\φ}}\cos \widetilde{\mathrm{\θ}}...\left(35\right)$

其中，对于侧倾角φ和俯仰角θ，使用由姿势角观测器24估计出的侧倾角φ和俯仰角θ的估计值。此外，前后加速度G_x-G_xdr、横向加速度G_y-G_ydr和上下加速度G_z-G_zdr这3个轴速度、以及侧倾角速度P-P_dr和横摆角速度R-R_dr这2个轴角速度，分别是由前后加速度传感器12、横向加速度传感器14、上下加速度传感器16、侧倾角速度传感器18以及横摆角速度传感器20所检测到的传感器信号在漂移量校正单元22、32中经过校正后的信号。此外，横向车身速度V能够使用卡尔曼滤波器等来估计，或者根据横向加速度传感器的检测值来估计，前后车身速度U能够基于各轮的车轮速来进行估计。

由车辆运动的运动方程式所得的侧倾角φ的微分量dφ_m以及俯仰角θ的微分量dθ_m是由忽略了上述(34)式、(35)式的漂移量的以下的(36)式、(37)式而计算出的。

[数23]

$d{\mathrm{\φ}}_m=-\frac{G_z}{V_{s0}}\sin \widetilde{\mathrm{\φ}}\tan \widetilde{\mathrm{\θ}}+(1+\frac{\tilde{V}}{V_{s0}}\sin \widetilde{\mathrm{\φ}}\tan \widetilde{\mathrm{\θ}})P+R\cos \widetilde{\mathrm{\φ}}\tan \widetilde{\mathrm{\θ}}+\frac{g}{V_{s0}}\sin \widetilde{\mathrm{\φ}}\cos \widetilde{\mathrm{\φ}}\sin \widetilde{\mathrm{\θ}}...\left(36\right)$

$d{\mathrm{\θ}}_m=-\frac{G_z}{V_{s0}}\cos \widetilde{\mathrm{\φ}}+\frac{\tilde{V}}{V_{s0}}P\cos \widetilde{\mathrm{\φ}}-R\sin \widetilde{\mathrm{\φ}}+\frac{g}{V_{s0}}{\cos }^2\widetilde{\mathrm{\φ}}\cos \widetilde{\mathrm{\θ}}...\left(37\right)$

此外，在上述(34)式的

上述(35)式的

上述(36)式的dφ_m、上述(37)式的dθ_m之间，存在用以下的(38)式、(39)式表现的关系。

[数24]

$\stackrel{.}{\mathrm{\φ}}=d{\mathrm{\φ}}_m+\frac{G_{\mathrm{zdr}}}{V_{s0}}\sin \widetilde{\mathrm{\φ}}\tan \widetilde{\mathrm{\θ}}-(1+\frac{\tilde{V}}{V_{s0}}\sin \widetilde{\mathrm{\φ}}\tan \widetilde{\mathrm{\θ}})P_{\mathrm{dr}}-R_{\mathrm{dr}}\cos \widetilde{\mathrm{\φ}}\tan \widetilde{\mathrm{\θ}}...\left(38\right)$

$\stackrel{.}{\mathrm{\θ}}=d{\mathrm{\θ}}_m+\frac{G_{\mathrm{zdr}}}{V_{s0}}\cos \widetilde{\mathrm{\φ}}-\frac{\tilde{V}}{V_{s0}}{P}_{\mathrm{dr}}\mathrm{ocs}\widetilde{\mathrm{\φ}}+R_{\mathrm{dr}}\sin \widetilde{\mathrm{\φ}}...\left(39\right)$

运动方程式微分量计算单元26基于上述(36)式、(37)式，对由车辆运动的运动方程式所获得的侧倾角φ以及俯仰角θ的微分量进行计算。

接着，针对由车辆运动的运动方程式所获得的前后车身速度U的微分量dU_m以及横向车身速度V的微分量dV_m的各自的计算方法进行说明。

由车辆运动的运动方程式而获得的侧倾角φ的微分量dφ_m以及俯仰角θ的微分量dθ_m是由忽略了上述(32)式、(33)式的漂移量的以下的(40)式、(41)式计算出来的。

[数25]

$d{U}_m=R\tilde{V}+g\sin \widetilde{\mathrm{\θ}}+G_x...\left(40\right)$

$d{V}_m=-R{V}_{\mathrm{so}}-g\cos \widetilde{\mathrm{\θ}}\sin \widetilde{\mathrm{\φ}}+G_y...\left(41\right)$

此外，在上述(32)式的

上述(33)式的

上述(40)式的dU_m、上述(41)式的dV_m之间，存在由以下的(42)式、(43)式表现的关系。

[数26]

$\stackrel{.}{U}=d{U}_m-R_{\mathrm{dr}}{\tilde{V}}_x-G_{\mathrm{xdr}}...\left(42\right)$

$\stackrel{.}{V}=d{V}_m+R_{\mathrm{dr}}{V}_{\mathrm{so}}-G_{\mathrm{ydr}}...\left(43\right)$

运动方程式微分量计算单元36基于上述(40)式、(41)式，对由车辆运动的运动方程式而获得的前后车身速度U以及横向车身速度V的微分量进行计算。

接着，针对本实施方式的原理进行说明。根据车辆的运动状态量来估计姿势角的观测器具有减少传感器信号的漂移误差的影响的效果。因此，与通过对由运动方程式得到的运动状态量单纯地进行积分而求出的姿势角的运算值相比，由姿势角观测器24所得到的姿势角的估计值具有难以受到对车辆的运动状态量进行检测的传感器的输出中所包含的漂移误差的影响的性质。这意味着，通过将姿势角的估计值与运算值进行比较，能够估计漂移误差。

因此，在本实施方式中，着眼于该性质，通过漂移量估计单元28对由姿势角观测器24计算出的姿势角的微分量与由运动方程式微分量计算单元26计算出的姿势角的微分量进行比较，来估计传感器漂移量。这些姿势角的微分量的比较不限于直行状态，而是始终有效，因而具有即便在非直行状态下也能够估计传感器漂移量的特征。由此，即使在直行行驶状态少的行驶模式下，也能够始终对传感器漂移量进行逐次估计。

接着，对传感器漂移量的估计方法进行说明。

假定在传感器信号G_x、G_y、G_z、P、R上重叠了规定的漂移误差G_xdr、G_ydr、G_zdr、P_dr、R_dr，并且针对上述(32)式～(35)式右边所表示的微分量，假定对于姿势角观测器24来说真值是已知的，则以下的(44)式～(47)式所表达的关系成立。

[数27]

$\mathrm{dU}=d{U}_m-R_{\mathrm{dr}}{\tilde{V}}_x-G_{\mathrm{xdr}}...\left(44\right)$

dV＝dv_m+R_drV_so-G_ydr...(45)

$\mathrm{d\φ}=d{\mathrm{\φ}}_m+\frac{G_{\mathrm{zdr}}}{V_{s0}}\sin \widetilde{\mathrm{\φ}}\tan \widetilde{\mathrm{\θ}}-(1+\frac{\tilde{V}}{V_{s0}}\sin \widetilde{\mathrm{\φ}}\tan \widetilde{\mathrm{\θ}})P_{\mathrm{dr}}-R_{\mathrm{dr}}\cos \widetilde{\mathrm{\φ}}\tan \widetilde{\mathrm{\θ}}...\left(46\right)$

$\mathrm{d\θ}={\mathrm{d\θ}}_m+\frac{G_{\mathrm{zdr}}}{V_{s0}}\cos \widetilde{\mathrm{\φ}}-\frac{\tilde{V}}{V_{s0}}{P}_{\mathrm{dr}}\cos \widetilde{\mathrm{\φ}}+R_{\mathrm{dr}}\sin \widetilde{\mathrm{\φ}}...\left(47\right)$

其中，dU、dV是由上述(29-1)式～(29-5)式得到的作为观测器内部运算值的前后车身速度的微分量、横向车身速度的微分量，dφ、dθ是由上述(24)式得到的作为观测器内部运算值的侧倾角的微分量、俯仰角的微分量。

上述(46)式、(47)式表现了如下关系：当考虑到传感器信号的传感器漂移量时，由姿势角观测器24计算出的侧倾角和俯仰角的微分量，与对由运动方程式获得的侧倾角和俯仰角的微分量考虑进传感器漂移量所得的值相等。此外，上述(44)式、(45)式表现了如下关系：由滑移角观测器34计算出的前后车身速度和横向车身速度的微分量，与对由运动方程式获得的前后车身速度和横向车身速度的微分量考虑进传感器漂移量所得的值相等。

这里，由于上述(44)式、(45)式中不包含G_z、P，以及上述(46)式、(47)式中不包含G_x、G_y，并且R的系数也比较小(假定姿势角小)，因而与上下加速度G_z和侧倾角速度P有关的传感器漂移量的估计、和与前后加速度G_x、横向加速度G_y以及横摆角速度R有关的传感器漂移量的估计能够分开进行。

然而，关于横向加速度，由于“滑移角不会长时间地停留在非线性区域内”这样的条件，因而能够利用由以下的(48)式所表现的关系。

[数28]

$G_{\mathrm{ydr}}=\frac{1}{1+{\mathrm{\τ}}_{y}s}(G_y-\frac{1}{1-\frac{m}{l^2}\·\frac{c_f{l}_f-c_r{l}_r}{c_f{c}_r}{V}_{\mathrm{so}}}\·\frac{V_{\mathrm{so}}^2\·{\mathrm{\δ}}_f}{l}+g\cos \widetilde{\mathrm{\θ}}\sin \widetilde{\mathrm{\φ}})\≡E_{\mathrm{gyf}}...\left(48\right)$

其中，τ_y是用于仅考虑长时间运动的滤波器时间常数，c_f、c_r是前后轮的转弯动力，l_f、l_r是前后轴-重心间的距离。此外，l是轴距，m是车辆质量，δ_f是前轮实际转向角。

此外，关于上下加速度，由于“竖直方向的加速度是重力加速度”这样的条件，因而能够利用由以下的(49)式所表现的关系。

[数29]

$g=\frac{1}{1+{\mathrm{\τ}}_{f}s}\{-(G_x-G_{\mathrm{xdr}})\sin \widetilde{\mathrm{\θ}}+(G_y-G_{\mathrm{ydr}})\sin \widetilde{\mathrm{\φ}}\cos \widetilde{\mathrm{\θ}}+(G_z-G_{\mathrm{zdr}})\cos \widetilde{\mathrm{\φ}}\cos \widetilde{\mathrm{\θ}}\}$

$-\mathrm{Dgf}\·G_{\mathrm{zdr}}=g-\mathrm{Egf}...\left(49\right)$

其中，Dgf、Egf由下式表示。此外，τ_f是用于仅考虑长时间运动的滤波器时间常数。

[数30]

$\mathrm{Dgf}=\frac{1}{1+{\mathrm{\τ}}_{f}s}\left\{\cos \widetilde{\mathrm{\φ}}\cos \widetilde{\mathrm{\θ}}\right\}$

$\mathrm{Egf}=\frac{1}{1+{\mathrm{\τ}}_{f}s}\{-(G_x-G_{\mathrm{xdr}})\sin \widetilde{\mathrm{\θ}}+(G_y-G_{\mathrm{ydr}})\sin \widetilde{\mathrm{\φ}}\cos \widetilde{\mathrm{\θ}}+G_z\cos \widetilde{\mathrm{\φ}}\cos \widetilde{\mathrm{\θ}}\}$

在此，根据上述(46)式、(47)式、(49)式，能够按以下的(50)式来记述。

[数31]

$\mathrm{dD}1\·\left[\begin{array}{c}{G}_{\mathrm{zdr}}\\ P_{\mathrm{dr}}\end{array}\right]=\left[\begin{array}{c}\mathrm{dE}1\\ \mathrm{dE}2\\ \mathrm{dE}3\end{array}\right]...\left(50\right)$

其中，dD1、dE1、dE2、dE3由以下的(51)式～(54)式表示。

[数32]

$\mathrm{dD}1=\left[\begin{array}{cc}-\mathrm{Dgf}& 0\\ \frac{\sin \widetilde{\mathrm{\φ}}\tan \widetilde{\mathrm{\θ}}}{V_{\mathrm{so}}}& -1-\frac{\tilde{V}\sin \widetilde{\mathrm{\φ}}\tan \widetilde{\mathrm{\θ}}}{V_{\mathrm{so}}}\\ \frac{\cos \widetilde{\mathrm{\φ}}}{V_{\mathrm{so}}}& -\frac{\tilde{V}\cos \mathrm{\φ}}{V_{\mathrm{so}}}\end{array}\right]...\left(51\right)$

dE1＝g-Egf...(52)

$\mathrm{dE}2=\mathrm{d\φ}-d{\mathrm{\φ}}_m$

$=\mathrm{d\φ}+\frac{G_2}{V_{\mathrm{so}}}\sin \widetilde{\mathrm{\φ}}\tan \widetilde{\mathrm{\θ}}-(1+\frac{\tilde{V}}{V_{\mathrm{so}}}\sin \widetilde{\mathrm{\φ}}\tan \widetilde{\mathrm{\θ}})P-(R-R_{\mathrm{dr}})\cos \widetilde{\mathrm{\φ}}\tan \widetilde{\mathrm{\θ}}$

$-\frac{g}{V_{\mathrm{so}}}\sin \widetilde{\mathrm{\φ}}\cos \widetilde{\mathrm{\φ}}\sin \widetilde{\mathrm{\θ}}...\left(53\right)$

$\mathrm{dE}3=\mathrm{d\θ}-d{\mathrm{\θ}}_m$

$=\mathrm{d\θ}+\frac{G_2}{V_{\mathrm{so}}}\cos \widetilde{\mathrm{\φ}}-\frac{\tilde{V}P}{V_{\mathrm{so}}}\cos \widetilde{\mathrm{\φ}}+(R-R_{\mathrm{dr}})\sin \widetilde{\mathrm{\φ}}-\frac{g}{V_{\mathrm{so}}}{\cos }^s\widetilde{\mathrm{\φ}}\cos \widetilde{\mathrm{\θ}}...\left(54\right)$

并且，如果对上述(50)式左边的系数矩阵与右边的向量进行一定时间的积分，则可得到以下的(55)式。

[数33]

$D1\·\left[\begin{array}{c}{G}_{\mathrm{zdr}}\\ P_{\mathrm{dr}}\end{array}\right]=\left[\begin{array}{c}E1\\ E2\\ E3\end{array}\right]...\left(55\right)$

其中，D1、E1、E2、E3由以下的(56)式～(59)式表示。

[数34]

$D1={\∫}_t^{t+\mathrm{\Δt}}\mathrm{dD}1\mathrm{dt}...\left(56\right)$

$E1={\∫}_t^{t+\mathrm{\Δt}}\mathrm{dE}1\mathrm{dt}...\left(57\right)$

$E2={\∫}_t^{t+\mathrm{\Δt}}\mathrm{dE}2\mathrm{dt}...\left(58\right)$

$E3={\∫}_t^{t+\mathrm{\Δt}}\mathrm{dE}3\mathrm{dt}...\left(59\right)$

通过对上述(55)式进行求解，能够导出以下的(60)式。

[数35]

$\left[\begin{array}{c}{G}_{\mathrm{zdr}}\\ P_{\mathrm{dr}}\end{array}\right]={D1}^{+}\·\left[\begin{array}{c}E1\\ E2\\ E3\end{array}\right]...\left(60\right)$

其中，D⁺是D的虚拟反矩阵。

基于上述(60)式，漂移量估计单元28能够基于由姿势角观测器24计算出的侧倾角和俯仰角各自的微分量、以及由运动方程式微分量计算单元26计算出的侧倾角和俯仰角各自的微分量，来估计上下加速度传感器16的传感器漂移量和侧倾角速度传感器18的传感器漂移量。

此外，在本实施方式的漂移量估计单元28中，为了实现运算的稳定，使用上次的估计值，基于以下的(61)式、(62)式，对根据上述(60)式的运算结果而得到的传感器漂移量的估计值进行平滑化。

[数36]

${\tilde{G}}_{\mathrm{zdr}}(i+1)={\mathrm{\λ}}_1\·{\tilde{G}}_{\mathrm{zdr}}\left(i\right)+(1-{\mathrm{\λ}}_1)\·G_{\mathrm{zdr}}...\left(61\right)$

${\tilde{P}}_{\mathrm{dr}}(i+1)={\mathrm{\λ}}_1\·{\tilde{P}}_{\mathrm{dr}}\left(i\right)+(1-{\mathrm{\λ}}_1)\·P_{\mathrm{dr}}...\left(62\right)$

其中，

是平滑化后的传感器漂移量的估计值，λ1是遗忘因子。

此外，根据上述(30)式、(31)式、(34)式获得以下的(63)式。

[数37]

$\mathrm{dD}2\·\left[\begin{array}{c}{G}_{\mathrm{xdr}}\\ G_{\mathrm{ydr}}\\ R_{\mathrm{dr}}\end{array}\right]=\left[\begin{array}{c}\mathrm{dE}4\\ \mathrm{dE}5\\ \mathrm{dE}6\end{array}\right]...\left(63\right)$

其中，dD2、dE4、dE5、dE6由以下的(64)式～(67)式表示。

[数38]

$\mathrm{dD}2=\left[\begin{array}{ccc}-1& 0& -\tilde{V}\\ 0& -1& V_{\mathrm{so}}\\ 0& 1& 0\end{array}\right]...\left(64\right)$

$\mathrm{dE}4=\mathrm{dU}-R\·\tilde{V}-g\sin \widetilde{\mathrm{\θ}}-G_x...\left(65\right)$

$\mathrm{dE}5=\mathrm{dV}+R\·V_{\mathrm{so}}+g\cos \widetilde{\mathrm{\θ}}\sin \widetilde{\mathrm{\φ}}-G_y...\left(66\right)$

dE6＝E_gyf...(67)

如对上述(63)式左边的系数矩阵和右边的向量进行一定时间的积分，则得到以下的(68)式。

[数39]

$D2\·\left[\begin{array}{c}{G}_{\mathrm{xdr}}\\ G_{\mathrm{ydr}}\\ R_{\mathrm{dr}}\end{array}\right]=\left[\begin{array}{c}E4\\ E5\\ E6\end{array}\right]...\left(68\right)$

其中，D2、E4、E5、E6由以下的(69)式～(72)式表示。

[数40]

$D2={\∫}_t^{t+\mathrm{\Δt}}\mathrm{dD}2\mathrm{dt}...\left(69\right)$

$E4={\∫}_t^{t+\mathrm{\Δt}}\mathrm{dE}4\mathrm{dt}...\left(70\right)$

$E5={\∫}_t^{t+\mathrm{\Δt}}\mathrm{dE}5\mathrm{dt}...\left(711\right)$

$E6={\∫}_t^{t+\mathrm{\Δt}}\mathrm{dE}6\mathrm{dt}...\left(72\right)$

通过对上述(68)式进行求解，可导出以下的(73)式。

[数41]

$\left[\begin{array}{c}{G}_{\mathrm{xdr}}\\ G_{\mathrm{ydr}}\\ R_{\mathrm{dr}}\end{array}\right]={D2}^{-1}\·\left[\begin{array}{c}E4\\ E5\\ E6\end{array}\right]...\left(73\right)$

基于上述(73)式，漂移量估计单元38能够基于由滑移角观测器34计算出的前后车身速度和横向车身速度各自的微分量、以及由运动方程式微分量计算单元36计算出的前后车身速度和横向车身速度各自的微分量，来估计前后加速度传感器12的传感器漂移量、横向加速度传感器14的传感器漂移量以及横摆角速度传感器20的传感器漂移量。

此外，在本实施方式的漂移量估计单元38中，为了实现运算的稳定，利用上次的估计值，基于以下的(74)式～(76)式，对根据上述(73)式的运算结果而得到的传感器漂移量的估计值进行平滑化。

[数42]

${\tilde{G}}_{\mathrm{xdr}}(i+1)={\mathrm{\λ}}_2\·{\tilde{G}}_{\mathrm{xdr}}\left(i\right)+(1-{\mathrm{\λ}}_2)\·G_{\mathrm{xdr}}...\left(74\right)$

${\tilde{G}}_{\mathrm{ydr}}(i+1)={\mathrm{\λ}}_2\·{\tilde{G}}_{\mathrm{ydr}}\left(i\right)+(1-{\mathrm{\λ}}_2)\·G_{\mathrm{ydr}}...\left(75\right)$

${\tilde{R}}_{\mathrm{dr}}(i+1)={\mathrm{\λ}}_2\·{\tilde{R}}_{\mathrm{dr}}\left(i\right)+(1-{\mathrm{\λ}}_2)\·R_{\mathrm{dr}}...\left(76\right)$

其中，是平滑化后的传感器漂移量的估计值，λ2是遗忘因子。

在上述第1实施方式中，使计算机作为漂移量校正单元22、姿势角观测器24、运动方程式微分量计算单元26以及漂移量估计单元28各单元而发挥功能的程序所进行的信息处理，能够由图3的流程图所示的姿势角估计处理例程来实现。计算机包括相互由总线连接的CPU、ROM和RAM、以及根据需要而连接的HDD，这些程序被存储在与计算机的CPU相连接的ROM或HDD等记录介质中。

对该姿势角估计处理例程进行说明，在步骤100中，从前后加速度传感器12、横向加速度传感器14、上下加速度传感器16、侧倾角速度传感器18以及横摆角速度传感器20获取与各检测值相应的传感器信号。

然后，在步骤102中，利用在后述的步骤108中1个运算周期前获得的上下加速度传感器16的传感器漂移量和侧倾角速度传感器18的传感器漂移量，对在上述步骤100中获得的从上下加速度传感器16和侧倾角速度传感器18输出的传感器信号进行校正。

然后，在步骤104中，利用在后述步骤110中1个运算周期前所获得的姿势角估计值和在后述步骤160中1个运算周期前获得的车身速度估计值，如上所述，对为了由姿势角观测器24估计侧倾角和俯仰角而计算出的侧倾角和俯仰角各自的微分量进行计算。

然后，在步骤106中，利用在后述步骤110中1个运算周期前所获得的姿势角估计值和在后述步骤160中1个运算周期前所获得的车身速度估计值，如上所述，利用在上述步骤104中计算出的侧倾角和俯仰角各自的微分量与在由车辆运动的运动方程式得到的侧倾角和俯仰角各自的微分量中考虑进传感器漂移量而得的值相等的关系，对上下加速度传感器16的传感器漂移量和侧倾角速度传感器18的传感器漂移量进行估计。

在下面的步骤108中，利用上次的传感器漂移量的估计值，对在上述步骤106中估计出的上下加速度传感器16的传感器漂移量和侧倾角速度传感器18的传感器漂移量进行平滑化。

在下面的步骤110中，通过对在上述步骤104中计算出的侧倾角和俯仰角各自的微分量进行积分，估计侧倾角和俯仰角并将其输出，返回到上述步骤100。

此外，使计算机作为漂移量校正单元32、滑移角观测器34、运动方程式微分量计算单元36和漂移量估计单元38各单元而发挥功能的程序所进行的信息处理，能够由图4的流程图所示的滑移角估计处理例程来实现。

对该滑移角估计处理例程进行说明，在步骤150中，从前后加速度传感器12、横向加速度传感器14以及横摆角速度传感器20获取与各检测值相应的传感器信号。

然后，在步骤152中，利用在后述的步骤158中1个运算周期前获得的前后加速度传感器12的传感器漂移量、横向加速度传感器14的传感器漂移量以及横摆角速度传感器20的传感器漂移量，对在上述步骤150中获得的前后加速度传感器12、横向加速度传感器14以及横摆角速度传感器20各自输出的传感器信号进行校正。

然后，在步骤154中，利用在上述步骤110中1个运算周期前获得的姿势角估计值和在后述步骤160中1个运算周期前获得的车身速度估计值，如上所述，对为了估计前后车身速度和横向车身速度而计算出的前后车身速度和横向车身速度各自的微分量进行计算。

然后，在步骤156中，利用在上述步骤110中1个运算周期前获得的姿势角估计值和在后述步骤160中1个运算周期前获得的车身速度估计值，如上所述，利用在上述步骤154中计算出的前后车身速度和横向车身速度各自的微分量与在由车辆运动的运动方程式得到的前后车身速度和横向车身速度各自的微分量中考虑进传感器漂移量而得到的值相等的关系，来估计前后加速度传感器12的传感器漂移量、横向加速度传感器14的传感器漂移量以及横摆角速度传感器20的传感器漂移量。

在下面的步骤158中，利用上次的估计值，对在上述步骤156中估计出的前后加速度传感器12的传感器漂移量、横向加速度传感器14的传感器漂移量以及横摆角速度传感器20的传感器漂移量进行平滑化。

在下面的步骤160中，对在上述步骤154中计算出的前后车身速度和横向车身速度各自的微分量进行积分，由此对前后车身速度和横向车身速度进行估计，并基于估计出的前后车身速度和横向车身速度来估计车身滑移角并将其输出，返回到上述步骤150。

接着，对本实施方式的传感器漂移量的估计方法的估计结果进行说明。另外，为了确认传感器漂移量的估计方法的效果，在长时间的界限行驶数据的传感器信号上施加随时间増加的漂移干扰，进行传感器漂移量的估计、以及利用该估计值的姿势角的估计。

首先，为了确认算法的动作，在不施加漂移的状态下进行传感器漂移量的估计。此时，获得如图5A～图5E所示的估计结果。可知在没有传感器漂移量的状态下，各传感器漂移量的估计结果也示出了0附近的值。

此外，在不施加漂移的状态下，进行使漂移估计适应的姿势角的估计、即利用该传感器漂移量的估计结果进行姿势角的估计。此时，得到了图6A、图6B所示的估计结果。与不使漂移估计适应的结果(真值)相比，能够确认两者的值大体一致，即使在没有传感器漂移的状态下，本实施方式的算法也不会对估计值带来不良影响。

此外，在给对侧倾角估计影响大的侧倾角速度传感器施加了漂移的状态下进行传感器漂移量的估计。此时，得到了如图7A～图7E所示的估计结果。所估计出的传感器漂移量适当地追随与时间成比例地増加的漂移量的真值。

此外，在给侧倾角速度传感器施加了漂移的状态下，进行使漂移估计适应的姿势角的估计、即利用该传感器漂移量的估计结果进行姿势角的估计。此时，得到了如图8A、图8B所示的估计结果。与不使漂移估计适应时的估计结果相比，可知在不使漂移估计适应的情况下，估计值的误差(与不施加漂移时的姿势角的估计值之差)相应于侧倾角速度传感器的传感器漂移量而増大，对此，通过使漂移估计适应能够实现接近真值的估计。

如上所述，根据第1实施方式的姿势角估计装置，利用为了估计侧倾角和俯仰角而计算出的侧倾角和俯仰角各自的微分量与在由车辆运动的运动方程式得到的侧倾角和俯仰角各自的微分量中考虑进传感器漂移量而得的值相等的关系，通过对分别检测上下加速度和侧倾角速度的传感器的传感器漂移量进行估计，不管车辆运动的状态如何，都能够稳定地对分别检测上下加速度和侧倾角速度的传感器的传感器漂移量进行估计。

此外，利用由滑移角观测器计算出的前后车身速度和横向车身速度各自的微分量与在由车辆运动的运动方程式得到的前后车身速度和横向车身速度各自的微分量中考虑进传感器漂移量而得的值相等的关系，对分别检测前后加速度、横向加速度和横摆角速度的传感器的传感器漂移量进行估计，由此，不管车辆运动的状态如何，都能稳定地对分别检测前后加速度、横向加速度和横摆角速度的传感器的传感器漂移量进行估计。

此外，基于通过所估计出的传感器漂移量进行了校正的传感器信号，能够高精度地估计作为姿势角的侧倾角和俯仰角。

此外，基于由估计出的传感器漂移量而进行了校正的传感器信号，能够高精度地估计前后车身速度和横向车身速度，另外，能够高精度地估计车身滑移角。

接着，对第二实施方式进行说明。此外，对于为与第一实施方式相同的构成部分标注相同符号并省略说明。本实施方式是在估计车辆相对于竖直轴的姿势角、即俯仰角和侧倾角的姿势角估计装置中应用本发明的方式。

如图9所示，第2实施方式的姿势角估计装置210包括：前后加速度传感器12、横向加速度传感器14、上下加速度传感器16、侧倾角速度传感器18、横摆角速度传感器20。

上下加速度传感器16、侧倾角速度传感器18和横摆角速度传感器20与漂移量校正单元222相连接，该漂移量校正单元222基于由漂移量估计单元28估计出的传感器漂移量对来自各传感器的传感器信号进行校正。漂移量校正单元222与漂移量估计单元28相连接。

漂移量校正单元222与对车身相对于竖直轴的姿势角、即侧倾角φ和俯仰角θ进行估计的姿势角观测器224相连接。

上下加速度传感器16、侧倾角速度传感器18、横摆角速度传感器20以及姿势角观测器224与运动方程式微分量计算单元226相连接，该运动方程式微分量计算单元226计算由车辆运动的运动方程式获得的侧倾角和俯仰角各自的微分量。

姿势角观测器224和运动方程式微分量计算单元226与漂移量估计单元28相连接。

漂移量校正单元222、姿势角观测器224、运动方程式微分量计算单元226和漂移量估计单元28能够由实现各单元的功能的一个或多个计算机、或者一个或多个电子电路构成。

姿势角观测器224估计作为车辆横向的车辆速度的横向车身速度V，并且基于各轮的车轮速度对车辆前后方向的车辆速度、即前后车身速度U进行估计，此外，基于横向车身速度V的估计值、前后车身速度U的估计值、在漂移量校正单元222中进行了校正的与上下加速度G_z的检测值相应的校正信号G_z-G_zdr以及与侧倾角速度P的检测值相应的校正信号P-P_dr，根据上述(6)式，来估计俯仰角速度Q。另外，横向车身速度V可以使用卡尔曼滤波器等来估计，或者根据横向加速度传感器的检测值来估计。

此外，姿势角观测器224基于与车辆运动的上下加速度G_z、横摆角速度R以及侧倾角速度P的各检测值相应的校正信号G_z-G_zdr、R-R_dr、P-P_dr、与横摆角速度R、前后加速度G_x以及横向加速度G_y的各检测值相应的传感器信号、前后车身速度U的估计值V_so、俯仰角速度Q的估计值，通过利用与上述(24)式同样的式子，来估计车身相对于竖直轴的姿势角、即侧倾角φ和俯仰角θ各自的微分量

此外，姿势角观测器224通过对计算出的侧倾角

的微分量

和俯仰角

的微分量

分别进行积分，能够计算出侧倾角

和俯仰角

运动方程式微分量计算单元226基于上述(36)式、(37)式，对由车辆运动的运动方程式而得到的侧倾角φ和俯仰角θ的微分量进行计算。此时，对于侧倾角φ和俯仰角θ，使用由姿势角观测器224估计出的侧倾角φ和俯仰角θ的估计值。此外，上下加速度G_z、侧倾角速度P以及横摆角速度R分别使用由上下加速度传感器16、侧倾角速度传感器18以及横摆角速度传感器20检测出的值。此外，横向车身速度V可以使用卡尔曼滤波器等来估计，或者根据横向加速度传感器的检测值来估计，前后车身速度U可以基于各轮的车轮速来估计。

另外，对于姿势角估计装置210的其他结构以及作用，由于与第1实施方式相同，因而省略说明。

如上所述，根据第2实施方式的姿势角估计装置，利用为了估计侧倾角和俯仰角而计算出的侧倾角和俯仰角各自的微分量与在由车辆运动的运动方程式获得的侧倾角和俯仰角各自的微分量中考虑进传感器漂移量而得的值相等的关系，不管车辆运动的状态如何，都能稳定地对分别检测上下加速度和侧倾角速度的传感器的传感器漂移量进行估计。

接着，对第3实施方式进行说明。另外，针对与第1实施方式相同的构成部分，标注相同符号并省略说明。本实施方式是在估计车身滑移角的滑移角估计装置中应用了本发明的方式。

在第3实施方式中，与第1实施方式不同的主要有：仅仅估计车身滑移角这点；以及仅仅估计前后加速度传感器、横向加速度传感器和横摆角速度传感器的传感器漂移量这点。

如图10所示，第3实施方式的滑移角估计装置310包括：前后加速度传感器12、横向加速度传感器14以及横摆角速度传感器20。

前后加速度传感器12、横向加速度传感器14以及横摆角速度传感器20与漂移量校正单元32相连接。漂移量校正单元32与漂移量估计单元338相连接。

漂移量校正单元32与滑移角观测器34相连接。前后加速度传感器12、横向加速度传感器14、横摆角速度传感器20以及滑移角观测器34与运动方程式微分量计算单元336相连接。

滑移角观测器34和运动方程式微分量计算单元336与漂移量估计单元338相连接。

漂移量校正单元32、滑移角观测器34、运动方程式微分量计算单元336和漂移量估计单元338能够由实现各单元的功能的一个或多个计算机、或者一个或多个电子电路构成。

接着，对由车辆运动的运动方程式获得的前后车身速度U的微分量

以及横向车身速度V的微分量

各自的计算方法进行说明。

针对上述(32)式、(33)式，假定侧倾角φ和俯仰角θ为0，则可得到以下的(77)式、(78)式。

[数43]

$\stackrel{.}{U}=(R-R_{\mathrm{dr}})V+G_x-G_{\mathrm{xdr}}...\left(77\right)$

$\stackrel{.}{V}=-(R-R_{\mathrm{dr}})U+G_y-G_{\mathrm{ydr}}...\left(78\right)$

其中，前后加速度G_x-G_xdr、横向加速度G_y-G_ydr这2个轴速度以及横摆角速度R-R_dr是由前后加速度传感器12、横向加速度传感器14以及横摆角速度传感器20检测出的传感器信号在漂移量校正单元32中被进行了校正的信号。此外，横向车身速度V和前后车身速度U能够由滑移角观测器34来估计。

运动方程式微分量计算单元336基于在上述(77)式、(78)式中忽略了漂移量的式子，计算由车辆运动的运动方程式获得的前后车身速度U和横向车身速度V的微分量。

接着，对本实施方式的原理进行说明。根据车辆的运动状态量来估计车身滑移角的观测器具有减小传感器信号的漂移误差的影响的效果。因此，与通过对由运动方程式获得的运动状态量单纯地进行积分而求出的前后车身速度和横向车身速度的运算值相比，由滑移角观测器34获得的前后车身速度和横向车身速度的估计值具有如下性质，即：难以受到检测车辆的运动状态量的传感器的输出中包含的漂移误差的影响。这意味着，通过将前后车身速度和横向车身速度的估计值与运算值进行比较，能够估计漂移误差。

因此，在本实施方式中，着眼于该性质，通过漂移量估计单元338，将由滑移角观测器34计算出的前后车身速度和横向车身速度各自的微分量与由运动方程式微分量计算单元336计算出的前后车身速度和横向车身速度各自的微分量进行比较，来估计传感器漂移量。这些前后车身速度和横向车身速度的微分量的比较不限于直行状态，而是始终有效，因此具有即使在非直行状态下也能够估计传感器漂移量的特征。由此，即使在直行行驶状态少的行驶模式下，也能够始终对传感器漂移量进行逐次估计。

接着，对传感器漂移量的估计方法进行说明。假定在传感器信号G_x、G_y、G_z、P、R中重叠了规定的漂移误差G_xdr、G_ydr、R_dr，并且假定针对上述(77)式、(78)式右边所表示的微分量，对于滑移角观测器234来说真值是已知的，则以下的(79)式、(80)式所表达的关系成立。

[数44]

dU＝(R-R_dr)V+(G_x-G_xdr)...(79)

dV＝-(R-R_dr)U+(G_y-G_ydr)...(80)

其中，dU、dV是由上述(29-1)式获得的作为观测器内部运算值的前后车身速度的微分量、横向车身速度的微分量。上述(79)式、(80)式表达了如下关系，即：当考虑到传感器信号的传感器漂移量时，由滑移角观测器34计算出的前后车身速度和横向车身速度的微分量，与在由运动方程式微分量计算单元336计算出的前后车身速度和横向车身速度的微分量中考虑进传感器漂移量而得的值相等。

关于横向加速度，由于“滑移角不会长时间地停留在非线性区域内”这样的条件，因而能够利用由以下的(81)式所表达的关系。

[数45]

$G_{\mathrm{ydr}}=\frac{1}{1+{\mathrm{\τ}}_{y}s}(G_y-\frac{U^2}{1-\frac{m}{l^2}\·\frac{c_f{l}_f-c_r{l}_r}{c_f{c}_r}{U}^2}\·\frac{{\mathrm{\δ}}_f}{l})\≡E_{\mathrm{gyf}}...\left(81\right)$

其中，τ_y是用于仅考虑长时间运动的滤波器时间常数，c_f、c_r是前后轮的转弯动力，l_f、l_r是前后轴-重心间距离。此外，l是轴距，m是车辆质量，δ_f是前轮实际转向角。

根据上述(79)式～(81)式，能够用以下的(82)式来记述。

[数46]

$\mathrm{dD}2\·\left[\begin{array}{c}{G}_{\mathrm{xdr}}\\ G_{\mathrm{ydr}}\\ R_{\mathrm{dr}}\end{array}\right]=\left[\begin{array}{c}\mathrm{dE}4\\ \mathrm{dE}5\\ \mathrm{dE}6\end{array}\right]...\left(82\right)$

其中，dD2、dE4、dE5、dE6用以下的(83)式～(86)式来表示。

[数47]

$\mathrm{dD}2=\left[\begin{array}{ccc}-1& 0& -V\\ 0& -1& U\\ 0& 1& 0\end{array}\right]...\left(83\right)$

dE4＝dU-R·V-G_x...(84)

dE5＝dV+R·U-G_y...(85)

dE6＝E_gyf...(86)

此外，如果对上述(82)式左边的系数矩阵与右边的向量进行一定时间的积分，则可得到以下的(87)式。

[数48]

$D2\·\left[\begin{array}{c}{G}_{\mathrm{xdr}}\\ G_{\mathrm{ydr}}\\ R_{\mathrm{dr}}\end{array}\right]=\left[\begin{array}{c}E4\\ E5\\ E6\end{array}\right]...\left(87\right)$

其中，D2、E4、E5、E6用以下的(88)式～(91)式来表示。

[数49]

$D2={\∫}_t^{t+\mathrm{\Δt}}\mathrm{dD}2\mathrm{dt}...\left(88\right)$

$E4={\∫}_t^{t+\mathrm{\Δt}}\mathrm{dE}4\mathrm{dt}...\left(89\right)$

$E5={\∫}_t^{t+\mathrm{\Δt}}\mathrm{dE}5\mathrm{dt}...\left(90\right)$

$E6={\∫}_t^{t+\mathrm{\Δt}}\mathrm{dE}6\mathrm{dt}...\left(91\right)$

通过对上述(87)式进行求解，能够导出以下的(92)式。

[数50]

$\left[\begin{array}{c}{G}_{\mathrm{xdr}}\\ G_{\mathrm{ydr}}\\ R_{\mathrm{dr}}\end{array}\right]={D2}^{-1}\·\left[\begin{array}{c}E4\\ E5\\ E6\end{array}\right]...\left(92\right)$

如上所述，漂移量估计单元338基于上述(92)式，根据由滑移角观测器34计算的前后车身速度和横向车身速度各自的微分量、以及由运动方程式微分量计算单元336计算的前后车身速度和横向车身速度各自的微分量，能够估计前后加速度传感器12的传感器漂移量、横向加速度传感器14的传感器漂移量以及横摆角速度传感器20的传感器漂移量。

此外，在本实施方式的漂移量估计单元338中，为了实现运算的稳定，使用上次的估计值，按照以下的(93)式～(95)式，对由上述(92)式的运算结果所得到的传感器漂移量的估计值进行平滑化。

[数51]

${\tilde{G}}_{\mathrm{xdr}}(i+1)={\mathrm{\λ}}_2\·{\tilde{G}}_{\mathrm{xdr}}\left(i\right)+(1-{\mathrm{\λ}}_2)\·G_{\mathrm{xdr}}...\left(93\right)$

${\tilde{G}}_{\mathrm{ydr}}(i+1)={\mathrm{\λ}}_2\·{\tilde{G}}_{\mathrm{ydr}}\left(i\right)+(1-{\mathrm{\λ}}_2)\·G_{\mathrm{ydr}}...\left(94\right)$

${\tilde{R}}_{\mathrm{dr}}(i+1)={\mathrm{\λ}}_2\·{\tilde{R}}_{\mathrm{dr}}\left(i\right)+(1-{\mathrm{\λ}}_2)\·R_{\mathrm{dr}}...\left(95\right)$

其中，

是平滑化后的传感器漂移量的估计值，λ2是遗忘因子。

在上述的第3实施方式中，使计算机作为漂移量校正单元32、滑移角观测器34、运动方程式微分量计算单元336以及漂移量估计单元338的各单元发挥功能的程序所进行的信息处理，能够由与上述图4的流程图所示的滑移角估计处理例程同样的步骤来实现。

如上所述，根据第3实施方式的滑移角估计装置，利用为了估计车身滑移角而计算出的前后车身速度和横向车身速度各自的微分量与在由车辆运动的运动方程式获得的前后车身速度和横向车身速度各自的微分量中考虑进传感器漂移量而得的值相等的关系，不管车辆运动的状态如何，都能稳定地对分别检测前后加速度、横向加速度和横摆角速度的传感器的传感器漂移量进行估计。

此外，基于通过估计出的传感器漂移量进行了校正的传感器信号，能够高精度地估计车身滑移角。

另外，在上述实施方式中，以假定侧倾角和俯仰角为0的情况为例进行了说明，但不限于此，也可以使用横摆角速度、车速和横向加速度来估计侧倾角，此外也可以根据车速和前后加速度来估计俯仰角。

接着，对第4实施方式进行说明。另外，针对与第1实施方式同样的构成部分，标注相同符号并省略说明。本实施方式是对作为车辆的姿势角的俯仰角和侧倾角进行估计，并且在估计车身滑移角的姿势角滑移角估计装置中应用了本发明的方式。

在第4实施方式中，与第1实施方式不同的主要有：在姿势角观测器中计算被校正了的姿势角的微分量这点；以及在滑移角观测器中计算被校正了的车身速度的微分量这点。

如图11所示，第4实施方式中的姿势角滑移角估计装置410的漂移量估计单元28与学习速度补偿量运算单元425和漂移量校正单元22相连接，该学习速度补偿量运算单元425计算用于对上下加速度传感器16和侧倾角速度传感器18各自的传感器漂移量的学习速度进行补偿的校正量。

漂移量校正单元22和学习速度补偿量运算单元425与姿势角观测器424相连接，该姿势角观测器424估计车身相对于竖直轴的姿势角、即侧倾角φ和俯仰角θ。

上下加速度传感器16、侧倾角速度传感器18、漂移量校正单元32和姿势角观测器424与运动方程式微分量计算单元26相连接。

姿势角观测器424和运动方程式微分量计算单元26与漂移量估计单元28相连接。

漂移量估计单元38与学习速度补偿量运算单元435和漂移量校正单元32相连接，该学习速度补偿量运算单元435计算用于对前后加速度传感器12、横向加速度传感器14和横摆角速度传感器20各自的传感器漂移量的学习速度进行补偿的校正量。

漂移量校正单元32和学习速度补偿量运算单元435与对车身滑移角进行估计的滑移角观测器434相连接。

前后加速度传感器12、横向加速度传感器14、横摆角速度传感器20、姿势角观测器424和滑移角观测器434与运动方程式微分量计算单元36相连接。

滑移角观测器434和运动方程式微分量计算单元36与漂移量估计单元38相连接。

漂移量校正单元22、姿势角观测器424、学习速度补偿量运算单元425、运动方程式微分量计算单元26、漂移量估计单元28、漂移量校正单元32、滑移角观测器434、学习速度补偿量运算单元435、运动方程式微分量计算单元36以及漂移量估计单元38能够由实现各单元的功能一个或多个计算机、或者一个或多个电子电路构成。

接着，对本实施方式的原理进行说明。

通过传感器漂移误差学习来估计传感器漂移量并校正漂移误差，能够期待正确的姿势角估计。但是，传感器漂移误差学习的延迟可能会对姿势角估计带来影响。

例如，当对侧倾角速度施加了正传感器漂移误差时，在传感器漂移误差学习结束之前，侧倾角的估计值会受到被施加给侧倾角速度的正传感器漂移误差的影响，在正方向上产生误差。

在本实施方式中，着眼于能够按照学习的速度、即通过漂移误差学习而估计出的传感器漂移量向哪一方向变化，来推测传感器漂移误差学习的延迟所产生的影响，并按照所估计的传感器漂移量的变化量，来校正观测器的微分状态量。

学习速度补偿量运算单元425基于以下的(96)式，计算用于校正侧倾角的微分量的校正量P_c，使得根据针对与侧倾角速度的检测值相应的传感器信号而由漂移量估计单元28估计出的传感器漂移量P_dr距上次估计值P_dr0的偏差，来补偿侧倾角速度传感器18的传感器漂移量的学习速度的延迟。

[数52]

$P_c=\left\{\begin{array}{cc}{P}_{c0}& (P_{\mathrm{dr}}-P_{\mathrm{dr}0}<-P_{\mathrm{sl}})\\ 0& \left(\right|P_{\mathrm{dr}}-P_{\mathrm{dr}0}|<P_{\mathrm{sl}})\\ -P_{c0}& (P_{\mathrm{dr}}-P_{\mathrm{dr}0}>P_{\mathrm{sl}})\end{array}\right....\left(96\right)$

其中，P_sl是与预先求出的侧倾角速度传感器18的传感器漂移量的变化量相关的阈值，P_c0是预先确定的校正量。此外，P_sl、P_c0是正值。

根据上述(96)式，对应于侧倾角速度传感器18的传感器漂移量相对于上次估计值的变化量，当变化量为负、变化量的绝对值为阈值以上时，由于估计出的传感器漂移量向负方向变化，因而进行校正使得侧倾角的微分量増加，以补偿负传感器漂移量的学习速度的延迟。另一方面，对应于侧倾角速度传感器18的传感器漂移量相对于上次估计值的变化量，当变化量为正、变化量的绝对值为阈值以上时，由于估计出的传感器漂移量向正方向变化，因而进行校正使得侧倾角的微分量减少，以补偿正传感器漂移量的学习速度的延迟。此外，当侧倾角速度传感器18的传感器漂移量相对于上次估计值的变化量的绝对值不足阈值时，估计出的传感器漂移量收敛，不需要对传感器漂移量的学习速度的延迟进行补偿，因而不对侧倾角的微分量进行校正。

此外，学习速度补偿量运算单元425按照以下的(97)式来计算用于校正俯仰角的微分量的校正量Q_c，使得基于针对与上下加速度的检测值相应的传感器信号而由漂移量估计单元28估计出的传感器漂移量G_zdr相对于上次估计值G_zdr0的偏差，对上下加速度传感器16的传感器漂移量的学习速度的延迟进行补偿。

[数53]

$Q_c=\left\{\begin{array}{cc}-Q_{c0}& (\frac{G_{\mathrm{zdr}}-G_{\mathrm{zdr}0}}{V_{s0}}<-Q_{\mathrm{sl}})\\ 0& \left(\right|\frac{G_{\mathrm{zdr}}-G_{\mathrm{zdr}0}}{V_{s0}}|<Q_{\mathrm{sl}})\\ Q_{c0}& (\frac{G_{\mathrm{zdr}}-G_{\mathrm{zdr}0}}{V_{s0}}>Q_{\mathrm{sl}})\end{array}\right....\left(97\right)$

其中，Q_sl是预先求出的、与将上下加速度传感器16的传感器漂移量的变化量除以前后车身速度所得的值相关的阈值，Q_c0是校正量。此外，Q_sl、Q_c0是正值。

根据上述(97)式，对应于上下加速度传感器16的传感器漂移量相对于上次估计值的变化量，当变化量为负、将变化量除以前后车身速度所得的值的绝对值为阈值以上时，由于估计出的传感器漂移量向负方向变化，因而根据从上述(6)式获得的俯仰角速度与上下加速度之间的关系进行校正而使得俯仰角的微分量减少，以补偿负传感器漂移量的学习速度的延迟。另一方面，对应于上下加速度传感器16的传感器漂移量相对于上次估计值的变化量，当变化量为正、将变化量除以前后车身速度所得的值的绝对值为阈值以上时，由于估计出的传感器漂移量向正方向变化，因而进行校正而使得俯仰角的微分量増加，以补偿正传感器漂移量的学习速度的延迟。此外，当上下加速度传感器16的传感器漂移量相对于上次估计值的变化量的绝对值不足阈值时，估计出的传感器漂移量收敛，不需要对传感器漂移量的学习速度的延迟进行补偿，因而不对俯仰角的微分量进行校正。

学习速度补偿量运算单元435根据以下的(98)式来运算用于校正前后车身速度的微分量的校正量G_xc，使得基于针对与前后加速度的检测值相应的传感器信号而由漂移量估计单元38估计出的传感器漂移量G_xdr相对于上次估计值G_xdr0的偏差，对前后加速度传感器12的传感器漂移量的学习速度的延迟进行补偿。

[数54]

$G_{\mathrm{xc}}=\left\{\begin{array}{cc}{G}_{\mathrm{xc}0}& (G_{\mathrm{xdr}}-G_{\mathrm{xdr}0}<-G_{\mathrm{xsl}})\\ 0& \left(\right|G_{\mathrm{xdr}}-G_{\mathrm{xdr}0}|<G_{\mathrm{xsl}})\\ -G_{\mathrm{xc}0}& (G_{\mathrm{xdr}}-G_{\mathrm{xdr}0}>G_{\mathrm{xsl}})\end{array}\right....\left(98\right)$

其中，G_xsl是预先求出的、与前后加速度传感器12的传感器漂移量的变化量相关的阈值，G_xc0是预先确定的校正量。此外，G_xsl、G_xc0是正值。

根据上述(98)式，对应于前后加速度传感器12的传感器漂移量相对于上次估计值的变化量，当变化量为负、变化量的绝对值为阈值以上时，由于估计出的传感器漂移量向负方向变化，因而进行校正而使得前后车身速度的微分量増加，以补偿负传感器漂移量的学习速度的延迟。另一方面，对应于前后加速度传感器12的传感器漂移量相对于上次估计值的变化量，当变化量为正、变化量的绝对值为阈值以上时，由于估计出的传感器漂移量向正方向变化，因而进行校正而使得前后车身速度的微分量减少，以补偿正传感器漂移量的学习速度的延迟。此外，当前后加速度传感器12的传感器漂移量相对于上次估计值的变化量的绝对值不足阈值时，估计出的传感器漂移量收敛，不需要对传感器漂移量的学习速度的延迟进行补偿，因而不对前后车身速度的微分量进行校正。

此外，学习速度补偿量运算单元435根据以下的(99)式来运算用于校正横向车身速度的微分量的校正量G_yc，使得根据针对与横向加速度的检测值相应的传感器信号而由漂移量估计单元38估计出的传感器漂移量G_ydr相对于上次估计值G_ydr0的偏差，而对横向加速度传感器14的传感器漂移量的学习速度的延迟进行补偿。

[数55]

$G_{\mathrm{yc}}=\left\{\begin{array}{cc}{G}_{\mathrm{yc}0}& (G_{\mathrm{ydr}}-G_{\mathrm{ydr}0}<{-G}_{\mathrm{ysl}})\\ 0& \left(\right|G_{\mathrm{ydr}}-G_{\mathrm{ydr}0}|<G_{\mathrm{ysl}})\\ -G_{\mathrm{yc}0}& (G_{\mathrm{ydr}}-G_{\mathrm{ydr}0}>G_{\mathrm{ysl}})\end{array}\right....\left(99\right)$

其中，G_ysl是预先求出的、与横向加速度传感器14的传感器漂移量的变化量相关的阈值，G_yc0是预先确定的校正量。此外，G_ysl、G_yc0是正值。

根据上述(99)式，对应于横向加速度传感器14的传感器漂移量相对于上次估计值的变化量，当变化量为负、变化量的绝对值为阈值以上时，由于估计出的传感器漂移量向负方向变化，因而进行校正使得横向车身速度的微分量増加，以补偿负传感器漂移量的学习速度的延迟。另一方面，对应于横向加速度传感器14的传感器漂移量相对于上次估计值的变化量，当变化量为正、变化量的绝对值为阈值以上时，由于估计出的传感器漂移量的正方向变化，因而进行校正而使得横向车身速度的微分量减少，以补偿正传感器漂移量的学习速度的延迟。此外，当横向加速度传感器14的传感器漂移量相对于上次估计值的变化量的绝对值不足阈值时，估计出的传感器漂移量收敛，不需要对传感器漂移量的学习速度的延迟进行补偿，因而不对横向车身速度的微分量进行校正。

姿势角观测器424基于由滑移角观测器434估计出的横向车身速度V的估计值、前后车身速度U的估计值、由漂移量校正单元22校正了的与上下加速度G_z的检测值相应的校正信号以及与侧倾角速度P的检测值相应的校正信号，来估计俯仰角速度

姿势角观测器424基于被漂移量校正单元22和漂移量校正单元32校正了的、与车辆运动的前后加速度Gx、横向加速度G_y、上下加速度G_z、横摆角速度R以及侧倾角速度P的各检测值相应的校正信号、前后车身速度U的估计值V_so、俯仰角速度的估计值

由学习速度补偿量运算单元425运算出的校正量P_c、Q_c，根据置换了上述(24)式的下述(100)式，计算为了补偿传感器漂移量的学习速度的延迟而被进行了校正的侧倾角的微分量

和俯仰角的微分量

[数56]

$\frac{d}{\mathrm{dt}}\tilde{x}=\left[\begin{array}{c}P-P_{\mathrm{dr}}+\tilde{Q}\sin \widetilde{\mathrm{\&phi;}}\tan \widetilde{\mathrm{\&theta;}}+(R-R_{\mathrm{dr}})\cos \widetilde{\mathrm{\&phi;}}\tan \widetilde{\mathrm{\&theta;}}\\ \tilde{Q}\cos \widetilde{\mathrm{\&phi;}}-(R-R_{\mathrm{dr}})\sin \widetilde{\mathrm{\&phi;}}\\ -\frac{{\tilde{g}}_{\mathrm{xdf}}}{{\mathrm{\&tau;}}_x}+\frac{g\sin \widetilde{\mathrm{\&theta;}}}{{\mathrm{\&tau;}}_x}\\ -\frac{{\tilde{g}}_{\mathrm{ydf}}}{{\mathrm{\&tau;}}_y}-\frac{g\cos \widetilde{\mathrm{\&theta;}}\sin \widetilde{\mathrm{\&phi;}}}{{\mathrm{\&tau;}}_y}\\ -\frac{{\tilde{g}}_f}{{\mathrm{\&tau;}}_g}+\frac{-(G_x-G_{\mathrm{xdr}})\sin \widetilde{\mathrm{\&theta;}}+(G_y-G_{\mathrm{ydr}})\sin \widetilde{\mathrm{\&phi;}}\cos \widetilde{\mathrm{\&theta;}}+(G_z-G_{\mathrm{zdr}})\cos \widetilde{\mathrm{\&phi;}}\cos \widetilde{\mathrm{\&theta;}}}{{\mathrm{\&tau;}}_g}\end{array}\right]$

$+\left[\begin{array}{ccc}0& -K_{\mathrm{\&phi;y}}& K_{\mathrm{\&phi;g}}(G_y-G_{\mathrm{ydr}})\\ K_{\mathrm{\&theta;x}}& 0& -K_{\mathrm{\&theta;g}}(G_x-G_{\mathrm{xdr}})\\ K_x& 0& 0\\ 0& K_y& 0\\ 0& 0& K_g\end{array}\right]\&CenterDot;\left[\begin{array}{c}{g}_{\mathrm{xdf}}-{\tilde{g}}_{\mathrm{xdf}}\\ g_{\mathrm{ydf}}-{\tilde{g}}_{\mathrm{ydf}}\\ g-{\tilde{g}}_f\end{array}\right]\left[\begin{array}{c}{P}_c\\ Q_c\\ 0\\ 0\\ 0\end{array}\right]...\left(100\right)$

此外，姿势角观测器424对根据上述(100)式计算出的侧倾角的微分量和俯仰角的微分量进行积分，来估计作为姿势角的侧倾角

和俯仰角

滑移角观测器434对作为车辆横向的车身速度的横向车身速度

进行估计，并且基于各轮的车轮速度对作为车辆前后方向的车身速度的前后车身速度进行估计。此外，滑移角观测器434基于横向车身速度的估计值

前后车身速度的估计值

被漂移量校正单元32校正了的与车辆运动的前后加速度G_x、横向加速度G_y以及横摆角速度R的各检测值相应的校正信号、被学习速度补偿量运算单元435运算出的校正量G_xc、G_yc，根据置换了上述(29-1)式～(29-5)式的下述(101-1)式～(101-5)式，计算为了补偿传感器漂移量的学习速度的延迟而被校正了的前后车身速度的微分量

和横向车身速度的微分量

[数57]

$\frac{d}{\mathrm{dt}}\tilde{x}=\left[\begin{array}{cc}0& R-R_{\mathrm{dr}}\\ -(R-R_{\mathrm{dr}})& 0\end{array}\right]\&CenterDot;\tilde{x}+\left[\begin{array}{c}g\sin \widetilde{\mathrm{\&theta;}}+G_x-G_{\mathrm{xdr}}\\ -g\cos \widetilde{\mathrm{\&theta;}}\sin \widetilde{\mathrm{\&phi;}}+G_y-G_{\mathrm{ydr}}\end{array}\right]+K\&CenterDot;(y-\tilde{y})+\left[\begin{array}{c}{G}_{\mathrm{xc}}\\ g_{\mathrm{yc}}\end{array}\right]...(101-1)$

$=(\left[\begin{array}{cc}0& R-R_{\mathrm{dr}}\\ -(R-R_{\mathrm{dr}})& 0\end{array}\right]-K\&CenterDot;\left[\begin{array}{cc}1& 0\end{array}\right])\&CenterDot;\tilde{x}+\left[\begin{array}{c}g\sin \widetilde{\mathrm{\&theta;}}+G_x-G_{\mathrm{xdr}}\\ -g\cos \widetilde{\mathrm{\&theta;}}\sin \widetilde{\mathrm{\&phi;}}+G_y-G_{\mathrm{ydr}}\end{array}\right]+K\&CenterDot;y+\left[\begin{array}{c}{G}_{\mathrm{xc}}\\ G_{\mathrm{yc}}\end{array}\right]...\left(101.2\right)$

$=(\left[\begin{array}{cc}0& R-R_{\mathrm{dr}}\\ -(R-R_{\mathrm{dr}})& 0\end{array}\right]-\left[\begin{array}{c}1.4|R-R_{\mathrm{dr}}|\\ 0\end{array}\right]\&CenterDot;\left[\begin{array}{cc}1& 0\end{array}\right])\&CenterDot;\tilde{x}+\left[\begin{array}{c}g\sin \widetilde{\mathrm{\&theta;}}+G_x-G_{\mathrm{xdr}}\\ -g\cos \widetilde{\mathrm{\&theta;}}\sin \widetilde{\mathrm{\&phi;}}+G_y-G_{\mathrm{ydr}}\end{array}\right]+\left[\begin{array}{c}1.4|R-R_{\mathrm{dr}}|\\ 0\end{array}\right]\&CenterDot;y+\left[\begin{array}{c}{G}_{\mathrm{xc}}\\ G_{\mathrm{yc}}\end{array}\right]...(101-3)$

$=\left[\begin{array}{cc}-1.4|R-R_{\mathrm{dr}}|& R-R_{\mathrm{dr}}\\ -(R-R_{\mathrm{dr}})& 0\end{array}\right]\&CenterDot;\tilde{x}+\left[\begin{array}{c}g\sin \widetilde{\mathrm{\&theta;}}+G_x-G_{\mathrm{xdr}}\\ -g\cos \widetilde{\mathrm{\&theta;}}\sin \widetilde{\mathrm{\&phi;}}+G_y-G_{\mathrm{ydr}}\end{array}\right]+\left[\begin{array}{c}1.4|R-R_{\mathrm{dr}}|\\ 0\end{array}\right]\&CenterDot;V_{\mathrm{so}}+\left[\begin{array}{c}{G}_{\mathrm{xc}}\\ G_{\mathrm{yc}}\end{array}\right]...(101-4)$

$=\left[\begin{array}{cc}-1.4|R-R_{\mathrm{dr}}|& R-R_{\mathrm{dr}}\\ -(R-R_{\mathrm{dr}})& 0\end{array}\right]\&CenterDot;\left[\begin{array}{c}\tilde{U}\\ \tilde{V}\end{array}\right]+\left[\begin{array}{c}g\sin \widetilde{\mathrm{\&theta;}}+G_x-G_{\mathrm{xdr}}\\ -g\cos \widetilde{\mathrm{\&theta;}}\sin \widetilde{\mathrm{\&phi;}}+G_y-G_{\mathrm{ydr}}\end{array}\right]+\left[\begin{array}{c}1.4|R-R_{\mathrm{dr}}|\\ 0\end{array}\right]\&CenterDot;V_{\mathrm{so}}+\left[\begin{array}{c}{G}_{\mathrm{xc}}\\ G_{\mathrm{yc}}\end{array}\right]...(101-5)$

此外，滑移角观测器434对根据上述(101-5)式而计算出的前后车身速度的微分量以及横向车身速度的微分量进行积分，估计前后车身速度

和横向车身速度

此外，滑移角观测器434基于前后车身速度的估计值以及横向车身速度的估计值

根据上述(31)来估计车身滑移角

在上述第4实施方式中，使计算机作为漂移量校正单元22、姿势角观测器424、学习速度补偿量运算单元425、运动方程式微分量计算单元26以及漂移量估计单元28的各单元发挥功能的程序所进行的信息处理，能够通过图12的流程图所示的姿势角估计处理例程来实现。以下，针对该姿势角估计处理例程进行说明。另外，针对与第1实施方式同样的处理，标注相同符号并省略详细的说明。

首先，在步骤100中，从前后加速度传感器12、横向加速度传感器14、上下加速度传感器16、侧倾角速度传感器18以及横摆角速度传感器20获取与各检测值相应的传感器信号。

然后，在步骤102中，利用在后述步骤108中1个运算周期前获得的传感器漂移量，对在上述步骤100中获得的从上下加速度传感器16和侧倾角速度传感器18输出的传感器信号进行校正。

在下面的步骤450中，基于在后述步骤108中1个运算周期前得到的上下加速度传感器16的传感器漂移量与2个运算周期前得到的上下加速度传感器16的传感器漂移量之间的变化量，来计算用于对侧倾角的微分量进行校正的校正量。此外，基于在后述的步骤108中1个运算周期前得到的侧倾角速度传感器18的传感器漂移量与2个运算周期前得到的侧倾角速度传感器18的传感器漂移量之间的变化量，来计算用于对俯仰角的微分量进行校正的校正量。

然后，在步骤452中，利用在后述的步骤110中1个运算周期前得到的姿势角估计值、在后述的步骤160中1个运算周期前得到的车身速度估计值、在上述步骤450中得到的校正量，如上所述，计算为了补偿学习速度的延迟而被校正了的侧倾角和俯仰角各自的微分量。

然后，在步骤106中，对上下加速度传感器16的传感器漂移量和侧倾角速度传感器18的传感器漂移量进行估计。

在下面的步骤108中，对在上述步骤106中估计出的上下加速度传感器16的传感器漂移量以及侧倾角速度传感器18的传感器漂移量进行平滑化。

在下面的步骤110中，通过对在上述步骤452中计算出的侧倾角和俯仰角各自的微分量进行积分，估计侧倾角和俯仰角并将其输出，返回到上述步骤100。

此外，使计算机作为漂移量校正单元32、滑移角观测器434、学习速度补偿量运算单元435、运动方程式微分量计算单元36以及漂移量估计单元38的各单元发挥功能的程序所进行的信息处理，能够由图13的流程图所示的滑移角估计处理例程来实现。以下，针对该滑移角估计处理例程进行说明。另外，针对与第1实施方式同样的处理，标注相同符号并省略详细的说明。

首先，在步骤150中，从前后加速度传感器12、横向加速度传感器14以及横摆角速度传感器20获取与各检测值相应的传感器信号。

然后，在步骤152中，利用在后述的步骤158中1个运算周期前得到的传感器漂移量，对在上述步骤150中获取的从前后加速度传感器12、横向加速度传感器14以及横摆角速度传感器20分别输出的传感器信号进行校正。

在下面的步骤460中，基于在后述的步骤158中1个运算周期前得到的前后加速度传感器12的传感器漂移量与2个运算周期前得到的前后加速度传感器12的传感器漂移量之间的变化量，来计算用于对前后车身速度的微分量进行校正的校正量。此外，基于在后述的步骤158中1个运算周期前得到的横向加速度传感器14的传感器漂移量与2个运算周期前得到的横向加速度传感器14的传感器漂移量之间的变化量，来运算用于对横向车身速度的微分量进行校正的校正量。

然后，在步骤462中，利用在上述步骤110中1个运算周期前得到的姿势角估计值、在后述的步骤160中1个运算周期前得到的车身速度估计值、以及在上述步骤460中得到的校正量，来计算为了补偿学习速度的延迟而被校正了的前后车身速度以及横向车身速度各自的微分量。

然后，在步骤156中，对前后加速度传感器12的传感器漂移量、横向加速度传感器14的传感器漂移量、以及横摆角速度传感器20的传感器漂移量进行估计。

在下面的步骤158中，对在上述步骤156中估计出的前后加速度传感器12的传感器漂移量、横向加速度传感器14的传感器漂移量、以及横摆角速度传感器20的传感器漂移量进行平滑化。

在下面的步骤160中，通过对在上述步骤462中计算出的前后车身速度和横向车身速度各自的微分量进行积分，来估计前后车身速度和横向车身速度，并基于估计出的前后车身速度和横向车身速度来估计车身滑移角并将其输出，返回到上述步骤150。

接着，针对本实施方式中补偿传感器漂移量的学习速度的延迟的方法对于姿势角的估计结果进行说明。另外，为了确认本方法的效果，给0.3G左右的正圆旋转数据施加漂移误差来进行姿势角的估计。此外，当进行侧倾角速度传感器18与上下加速度传感器16之间的漂移误差估计，并且进行补偿两个传感器的传感器漂移量的学习速度延迟的校正时，以及不进行补偿学习速度的延迟的校正时，进行姿势角的估计。

首先，在给来自侧倾角速度传感器的传感器信号施加了3deg/s的漂移误差的状态下，进行姿势角的估计。如图14A、图14B所示，可知通过进行补偿传感器漂移量的学习速度的延迟的校正，姿势角估计的精度提高了。

此外，如图15B所示，可知当给来自侧倾角速度传感器的传感器信号施加了3deg/s的漂移误差时，侧倾角速度的传感器漂移量的学习速度产生了延迟。

此外，在给来自侧倾角速度传感器的传感器信号施加了-3deg/s的漂移误差的状态下，进行姿势角的估计。如图16A、图16B所示，可知通过进行补偿传感器漂移量的学习速度的延迟的校正，姿势角估计的精度提高了。

此外，如图17B所示，可知当给来自侧倾角速度传感器的传感器信号施加了-3deg/s的漂移误差时，侧倾角速度的传感器漂移量的学习速度发生了延迟。

此外，在给来自上下加速度传感器的传感器信号施加了0.07G的漂移误差的状态下，进行姿势角的估计。如图18A、图18B所示，可知通过进行补偿传感器漂移量的学习速度的延迟的校正，姿势角估计的精度提高了。

此外，如图19A所示，当给来自上下加速度传感器的传感器信号施加了0.07G的漂移误差时，上下加速度的传感器漂移量的学习速度发生了延迟。此外，通过进行补偿传感器漂移量的学习速度的延迟的校正，漂移估计的精度也提高了。

此外，在给来自上下加速度传感器的传感器信号施加了-0.07G的漂移误差的状态下，进行姿势角的估计。如图20A、图20B所示，可知通过进行补偿传感器漂移量的学习速度的延迟的校正，姿势角估计的精度提高了。

此外，如图21A所示，可知当给来自上下加速度传感器的传感器信号施加了-0.07G的漂移误差时，上下加速度的传感器漂移量的学习速度发生了延迟。此外，通过进行补偿传感器漂移量的学习速度的延迟的校正，漂移估计的精度也提高了。

如上所述，根据第4实施方式的姿势角滑移角估计装置，即使在侧倾角速度和上下加速度的传感器漂移量的学习速度延迟时，通过按照估计出的传感器漂移量的变化量来校正侧倾角和俯仰角各自的微分量，也能够高精度地估计侧倾角和俯仰角。此外，即使当前后加速度和横向加速度的传感器漂移量的学习速度延迟时，通过按照估计出的传感器漂移量的变化量来校正前后速度和横向速度各自的微分量，也能够高精度地估计前后速度和横向速度。

接着，针对第5实施方式进行说明。另外，对于与第1实施方式和第4实施方式同样的构成部分，标注相同符号并省略说明。

在第5实施方式中，与第4实施方式不同的主要有：具有俯仰角速度传感器这点；对俯仰角速度传感器的传感器漂移量进行估计这点；以及在姿势角观测器中，计算为了补偿俯仰角速度传感器的传感器漂移量的学习速度的延迟而被校正了的俯仰角的微分量这点。

如图22所示，第5实施方式的姿势角滑移角估计装置510包括：前后加速度传感器12、横向加速度传感器14、上下加速度传感器16、侧倾角速度传感器18、横摆角速度传感器20、以及检测俯仰角速度Q并输出与检测值相应的传感器信号的俯仰角速度传感器520。

俯仰角速度传感器520和侧倾角速度传感器18与漂移量校正单元522相连接，该漂移量校正单元522基于由后述的漂移量估计单元528估计出的传感器漂移量，对来自各传感器的传感器信号进行校正。

漂移量估计单元528与学习速度补偿量运算单元525以及漂移量校正单元522相连接，该学习速度补偿量运算单元525运算用于对传感器漂移量的学习速度进行补偿的校正量。

漂移量校正单元522和学习速度补偿量运算单元525与姿势角观测器524相连接，该姿势角观测器524估计车身相对于竖直轴的姿势角、即侧倾角φ和俯仰角θ。

侧倾角速度传感器18、俯仰角速度传感器520、漂移量校正单元32、以及姿势角观测器524与运动方程式微分量计算单元526相连接，该运动方程式微分量计算单元526计算由车辆运动的运动方程式得到的侧倾角和俯仰角各自的微分量。另外，从漂移量校正单元32向运动方程式微分量计算单元526输入被校正了漂移量的横摆角速度。

姿势角观测器524和运动方程式微分量计算单元526与漂移量估计单元528相连接，该漂移量估计单元528对俯仰角速度传感器520和侧倾角速度传感器18各自的传感器漂移量进行估计。

学习速度补偿量运算单元525根据上述(96)式来运算用于校正侧倾角的微分量的校正量P_c，以使得基于针对与侧倾角速度的检测值相应的传感器信号而由漂移量估计单元528估计出的传感器漂移量P_dr相对于上次估计值P_dr0的偏差，来补偿学习速度。

此外，学习速度补偿量运算单元525根据以下的(102)式来计算用于校正俯仰角的微分量的校正量Q_c，以使得基于针对与俯仰角速度的检测值相应的传感器信号而由漂移量估计单元528估计出的传感器漂移量Q_dr相对于上次估计值Q_dr0的偏差，来补偿俯仰角速度传感器520的传感器漂移量的学习速度的延迟。

[数58]

$Q_c=\left\{\begin{array}{cc}{Q}_{c0}& (Q_{\mathrm{dr}}-Q_{\mathrm{dr}0}<{-Q}_{\mathrm{sl}})\\ 0& \left(\right|Q_{\mathrm{dr}}-Q_{\mathrm{dr}0}|<Q_{\mathrm{sl}})\\ -Q_{c0}& (Q_{\mathrm{dr}}-Q_{\mathrm{dr}0}>Q_{\mathrm{sl}})\end{array}\right....\left(102\right)$

其中，Q_sl是预先求出的与俯仰角速度传感器520的传感器漂移量的变化量相关的阈值，Q_c0是预先确定的校正量。此外，Q_sl、Q_c0是正值。

根据上述(102)式，对应于俯仰角速度传感器520的传感器漂移量相对于上次估计值的变化量，当变化量为负、变化量的绝对值为阈值以上时，由于估计出的传感器漂移量向负方向变化，因而进行校正使得俯仰角的微分量増加，以补偿负传感器漂移量的学习速度的延迟。另一方面，对应于俯仰角速度传感器520的传感器漂移量相对于上次估计值的变化量，当变化量为正、变化量的绝对值为阈值以上时，由于估计出的传感器漂移量向正方向变化，因而进行校正使得俯仰角的微分量减少，以补偿正传感器漂移量的学习速度的延迟。此外，当俯仰角速度传感器520的传感器漂移量相对于上次估计值的变化量的绝对值不足阈值时，估计出的传感器漂移量收敛，不需要对传感器漂移量的学习速度的延迟进行补偿，因而不对俯仰角的微分量进行校正。

姿势角观测器524基于由滑移角观测器434估计出的前后车身速度U的估计值V_so、被漂移量校正单元522和漂移量校正单元32校正了的与前后加速度G_x、横向加速度G_y、横摆角速度R、侧倾角速度P以及俯仰角速度Q的各检测值相应的校正信号G_x-G_xdr、G_y-G_ydr、R-R_dr、P-P_dr、Q-Q_dr、与上下加速度G_z的检测值相应的传感器信号、由学习速度补偿量运算单元525计算出的校正量P_c、Q_c，按照置换了上述(24)式的下述(103)式，来计算为了补偿学习速度的延迟而被校正了的侧倾角的微分量和俯仰角的微分量

[数59]

$\frac{d}{\mathrm{dt}}\tilde{x}=\left[\begin{array}{c}P-P_{\mathrm{dr}}+(Q-Q_{\mathrm{dr}})\sin \widetilde{\mathrm{\&phi;}}\tan \widetilde{\mathrm{\&theta;}}+(R-R_{\mathrm{dr}})\cos \widetilde{\mathrm{\&phi;}}\tan \widetilde{\mathrm{\&theta;}}\\ (Q-Q_{\mathrm{dr}})\cos \widetilde{\mathrm{\&phi;}}-(R-R_{\mathrm{dr}})\sin \widetilde{\mathrm{\&phi;}}\\ -\frac{{\tilde{g}}_{\mathrm{xdf}}}{{\mathrm{\&tau;}}_x}+\frac{g\sin \widetilde{\mathrm{\&theta;}}}{{\mathrm{\&tau;}}_x}\\ -\frac{{\tilde{g}}_{\mathrm{ydf}}}{{\mathrm{\&tau;}}_y}-\frac{g\cos \widetilde{\mathrm{\&theta;}}\sin \widetilde{\mathrm{\&phi;}}}{{\mathrm{\&tau;}}_y}\\ -\frac{{\tilde{g}}_f}{{\mathrm{\&tau;}}_g}+\frac{-(G_x-G_{\mathrm{xdr}})\sin \widetilde{\mathrm{\&theta;}}+(G_y-G_{\mathrm{ydr}})\sin \widetilde{\mathrm{\&phi;}}\cos \widetilde{\mathrm{\&theta;}}+G_z\cos \widetilde{\mathrm{\&phi;}}\cos \widetilde{\mathrm{\&theta;}}}{{\mathrm{\&tau;}}_g}\end{array}\right]$

$+\left[\begin{array}{ccc}0& -K_{\mathrm{\&phi;\&gamma;}}& K_{\mathrm{\&phi;g}}(G_y-G_{\mathrm{ydr}})\\ K_{\mathrm{\&theta;x}}& 0& -K_{\mathrm{\&theta;g}}(G_x-G_{\mathrm{xdr}})\\ K_x& 0& 0\\ 0& K_{\mathrm{\&gamma;}}& 0\\ 0& 0& K_g\end{array}\right]\&CenterDot;\left[\begin{array}{c}{g}_{\mathrm{xdf}}-{\tilde{g}}_{\mathrm{xdf}}\\ g_{\mathrm{ydf}}-{\tilde{g}}_{\mathrm{ydf}}\\ g-{\tilde{g}}_f\end{array}\right]\left[\begin{array}{c}{P}_c\\ Q_c\\ 0\\ 0\\ 0\end{array}\right]...\left(103\right)$

其中，

$\tilde{x}={\left[\begin{array}{ccccc}\widetilde{\mathrm{\&phi;}}& \widetilde{\mathrm{\&theta;}}& {\tilde{g}}_{\mathrm{xdf}}& {\tilde{g}}_{\mathrm{ydf}}& {\tilde{g}}_f\end{array}\right]}^T...\left(104\right)$

此外，姿势角观测器524对依据上述(103)式而计算出的侧倾角的微分量和俯仰角的微分量进行积分，估计作为姿势角的侧倾角

和俯仰角

如考虑传感器漂移量，则上述(4)式、(5)式中记述的侧倾角φ和俯仰角θ的运动方程式由以下的(105)式、(106)式来记述。

[数60]

$\stackrel{.}{\mathrm{\&phi;}}=P-P_{\mathrm{dr}}+(Q-Q_{\mathrm{dr}})\sin \mathrm{\&phi;}\tan \mathrm{\&theta;}+(R-R_{\mathrm{dr}})\cos \mathrm{\&phi;}\tan \mathrm{\&theta;}...\left(105\right)$

$\stackrel{.}{\mathrm{\&theta;}}=(Q-Q_{\mathrm{dr}})\cos \mathrm{\&phi;}-(R-R_{\mathrm{dr}})\sin \mathrm{\&phi;}...\left(106\right)$

其中，对于侧倾角φ和俯仰角θ，使用了由姿势角观测器524估计出的侧倾角φ和俯仰角θ的估计值。此外，侧倾角速度P-P_dr、横摆角速度R-R_dr以及俯仰角速度Q-Q_dr这3个轴角速度分别是通过漂移量校正单元32、522对由侧倾角速度传感器18、横摆角速度传感器20以及俯仰角速度传感器520检测出的传感器信号进行了校正后的信号。

运动方程式微分量计算单元526基于忽略了上述(105)式、(106)式的漂移量的下述(107)式、(108)式，来计算φ的微分量dφ_m和俯仰角θ的微分量dθ_m。

[数61]

dφ_m＝P+Qsinφtanθ+Rcosφtanθ...(107)

dθ_m＝Qcosφ-Rsinφ...(108)

此外，在(105)式的

(106)式的(107)式的dφ_m、(108)式的dθ_m之间，存在由以下的(109)式、(110)式所表达的关系。

[数62]

$\stackrel{.}{\mathrm{\&phi;}}=d{\mathrm{\&phi;}}_m-P_{\mathrm{dr}}-Q_{\mathrm{dr}}\sin \mathrm{\&phi;}\tan \mathrm{\&theta;}-R_{\mathrm{dr}}\cos \mathrm{\&phi;}\tan \mathrm{\&theta;}...\left(109\right)$

$\stackrel{.}{\mathrm{\&theta;}}=d{\mathrm{\&theta;}}_m-Q_{\mathrm{dr}}\cos \mathrm{\&phi;}+R_{\mathrm{dr}}\sin \mathrm{\&phi;}...\left(110\right)$

漂移量估计单元528通过将由姿势角观测器524计算出的姿势角的微分量与由运动方程式微分量计算单元526计算出的姿势角的微分量相比较，来估计传感器漂移量。

接着，针对传感器漂移量的估计方法进行说明。

假定在传感器信号G_x、G_y、P、Q、R上重叠了规定的漂移误差G_xdr、G_ydr、P_dr、Q_dr、R_dr，并且假定针对上述(109)式、(110)式的右边所表示的微分量，对于姿势角观测器524来说真值是已知的，则以下的(111)式、(112)式所表达的关系成立。

[数63]

dφ＝dφ_m-P_dr-Qdrsinφtanθ-R_drcosφtanθ...(111)

dθ＝dθ_m-Q_drcosφ-R_drsinφ...(112)

其中，dφ、dθ是由上述(103)式得到的作为观测器内部运算值的侧倾角的微分量、俯仰角的微分量。

上述(111)式、(112)式表达了如下关系：当考虑到传感器信号的传感器漂移量时，由姿势角观测器524计算出的侧倾角和俯仰角的微分量，与在由运动方程式得到的侧倾角和俯仰角的微分量中考虑进传感器漂移量而得的值相等。

在此，由于(109)式、(110)式中的横摆角速度漂移的系数比较小(假定姿势角小时)，可以忽略影响，因而忽略横摆角速度漂移的项而如以下的(113)式那样进行整理。

[数64]

$\mathrm{dD}1\&CenterDot;\left[\begin{array}{c}{P}_{\mathrm{dr}}\\ Q_{\mathrm{dr}}\end{array}\right]=\left[\begin{array}{c}\mathrm{dE}1\\ \mathrm{dE}2\end{array}\right]...\left(113\right)$

其中，

$\mathrm{dD}1=\left[\begin{array}{cc}-1& -\sin \widetilde{\mathrm{\&phi;}}\tan \widetilde{\mathrm{\&theta;}}\\ 0& -\cos \widetilde{\mathrm{\&phi;}}\end{array}\right]$

$\mathrm{dE}1=\mathrm{d\&phi;}-d{\mathrm{\&phi;}}_m=\mathrm{d\&phi;}-P-Q\sin \widetilde{\mathrm{\&phi;}}\tan \widetilde{\mathrm{\&theta;}}-R\cos \widetilde{\mathrm{\&phi;}}\tan \widetilde{\mathrm{\&theta;}}$

$\mathrm{dE}2=\mathrm{d\&theta;}-d{\mathrm{\&theta;}}_m=\mathrm{d\&theta;}-Q\cos \widetilde{\mathrm{\&phi;}}-R\sin \widetilde{\mathrm{\&phi;}}$

侧倾角速度漂移和俯仰角速度漂移能够通过以下的(115)式而求出，该(115)式是通过对(114)式进行求解而导出的，该(114)式对(113)式左边的系数矩阵与右边的向量进行了一定时间的积分。

[数65]

$D1\&CenterDot;\left[\begin{array}{c}{P}_{\mathrm{dr}}\\ Q_{\mathrm{dr}}\end{array}\right]=\left[\begin{array}{c}E1\\ E2\end{array}\right]...\left(114\right)$

其中，

$D1={\&Integral;}_t^{t+\mathrm{\&Delta;t}}\mathrm{dD}1\mathrm{dt}$

$E1={\&Integral;}_t^{t+\mathrm{\&Delta;t}}\mathrm{dE}1\mathrm{dt}$

$E2={\&Integral;}_t^{t+\mathrm{\&Delta;t}}\mathrm{dE}2\mathrm{dt}$

[数66]

$\left[\begin{array}{c}{p}_{\mathrm{dr}}\\ Q_{\mathrm{dr}}\end{array}\right]={D1}^{+}\&CenterDot;\left[\begin{array}{c}E1\\ E2\end{array}\right]...\left(115\right)$

漂移量估计单元528根据上述(115)式，能够基于由姿势角观测器524计算出的侧倾角和俯仰角各自的微分量、由运动方程式微分量计算单元526计算出的侧倾角和俯仰角各自的微分量，来估计俯仰角速度传感器520的传感器漂移量以及侧倾角速度传感器18的传感器漂移量。

此外，在本实施方式的漂移量估计单元528中，为了实现运算的稳定，利用上次的估计值，根据以下的(116)式、(117)式，对由上述(115)式的运算结果而得到的传感器漂移量的估计值进行平滑化。

[数67]

${\tilde{Q}}_{\mathrm{dr}}(i+1)={\mathrm{\&lambda;}}_1\&CenterDot;{\tilde{Q}}_{\mathrm{dr}}\left(i\right)+(1-{\mathrm{\&lambda;}}_1)\&CenterDot;Q_{\mathrm{dr}}...\left(116\right)$

${\tilde{P}}_{\mathrm{dr}}(i+1)={\mathrm{\&lambda;}}_1\&CenterDot;{\tilde{P}}_{\mathrm{dr}}\left(i\right)+(1-{\mathrm{\&lambda;}}_1)\&CenterDot;P_{\mathrm{dr}}...\left(117\right)$

其中，是平滑化后的传感器漂移量的估计值，λ1是遗忘因子。

另外，针对第5实施方式中的姿势角滑移角估计装置510的其他结构以及作用，由于与第4实施方式相同，因而省略说明。

如上所述，根据第5实施方式的姿势角滑移角估计装置，即使在侧倾角速度和俯仰角速度的传感器漂移量的学习速度延迟时，通过对应于估计出的传感器漂移量的变化量来校正侧倾角和俯仰角各自的微分量，也能够高精度地估计侧倾角和俯仰角。

接着，针对第6实施方式进行说明。另外，针对与第1实施方式、第2实施方式以及第4实施方式相同的构成部分，标注相同符号并省略说明。本实施方式是在对俯仰角和侧倾角进行估计的姿势角估计装置中应用了本发明的方式。

如图23所示，第6实施方式中的姿势角估计装置610的漂移量估计单元28与漂移量校正单元222以及学习速度补偿量运算单元425相连接。

漂移量校正单元222和学习速度补偿量运算单元425与姿势角观测器624相连接，该姿势角观测器624对车身相对于竖直轴的姿势角、即侧倾角φ和俯仰角θ进行估计。

上下加速度传感器16、侧倾角速度传感器18、横摆角速度传感器20以及姿势角观测器624与运动方程式微分量计算单元226相连接。

姿势角观测器624和运动方程式微分量计算单元226与漂移量估计单元28相连接。

漂移量校正单元222、姿势角观测器624、学习速度补偿量运算单元425、运动方程式微分量计算单元226以及漂移量估计单元28能够由实现各单元的功能一个或多个计算机、或者一个或多个电子电路构成。

姿势角观测器624估计作为车辆横向的车辆速度的横向车身速度V，并且基于各轮的车轮速度来估计作为车辆前后方向的车辆速度的前后车身速度U，此外，基于横向车身速度的估计值

前后车身速度的估计值

在漂移量校正单元222中被进行了校正的与上下加速度G_z的检测值相应的校正信号G_z-G_zdr以及与侧倾角速度P的检测值相应的校正信号P-P_dr，根据上述(6)式，来估计俯仰角速度

此外，姿势角观测器624基于与车辆运动的上下加速度G_z和侧倾角速度P的各检测值相应的校正信号G_z-G_zdr、P-P_dr、与横摆角速度R、前后加速度G_x以及横向加速度G_y的各检测值相应的传感器信号、前后车身速度U的估计值V_so、俯仰角速度的估计值

由学习速度补偿量运算单元425计算出的校正量P_c、Q_c，利用与上述(100)式同样的公式，对车身相对于竖直轴的姿势角、即侧倾角φ和俯仰角θ进行估计。

此外，姿势角观测器624通过对计算出的侧倾角

的微分量

和俯仰角

的微分量

分别进行积分，由此能够计算侧倾角

和俯仰角

运动方程式微分量计算单元226利用由姿势角观测器624估计出的侧倾角φ和俯仰角θ的估计值，根据上述(36)式、(37)式，计算通过车辆运动的运动方程式而得到的侧倾角φ和俯仰角θ的微分量。

另外，针对姿势角估计装置610的其他结构以及作用，由于与第1实施方式相同，因而省略说明。

如上所述，根据第6实施方式中的姿势角估计装置，即使当侧倾角速度和上下加速度的传感器漂移量的学习速度延迟时，通过对应于估计出的传感器漂移量的变化量对侧倾角和俯仰角各自的微分量进行校正，也能够高精度地估计侧倾角和俯仰角。

接着，对第7实施方式进行说明。另外，针对与第1实施方式、第3实施方式以及第4实施方式同样的构成部分，标注相同符号并省略说明。本实施方式是在估计车身滑移角的滑移角估计装置中应用了本发明的方式。

在第7实施方式中，与第4实施方式的不同点主要有：仅仅对车身滑移角进行估计这点；以及仅仅估计前后加速度传感器、横向加速度传感器和横摆角速度传感器的传感器漂移量这点。

如图24所示，第7实施方式的滑移角估计装置710包括：前后加速度传感器12、横向加速度传感器14以及横摆角速度传感器20。

前后加速度传感器12、横向加速度传感器14以及横摆角速度传感器20与漂移量校正单元32相连接。漂移量校正单元32与漂移量估计单元338相连接。

漂移量估计单元338与漂移量校正单元32以及学习速度补偿量运算单元435相连接。

漂移量校正单元32以及学习速度补偿量运算单元435与滑移角观测器434相连接。前后加速度传感器12、横向加速度传感器14、横摆角速度传感器20以及滑移角观测器434与运动方程式微分量计算单元336相连接。

滑移角观测器434以及运动方程式微分量计算单元336与漂移量估计单元338相连接。

漂移量校正单元32、滑移角观测器434、学习速度补偿量运算单元435、运动方程式微分量计算单元336以及漂移量估计单元338能够由实现各单元的功能一个或多个计算机、或者一个或多个电子电路构成。

学习速度补偿量运算单元435根据上述(98)式来计算用于对前后车身速度的微分量进行校正的校正量G_xc，以补偿前后加速度传感器12的传感器漂移量的学习速度的延迟。此外，学习速度补偿量运算单元435根据上述(99)式来计算用于对横向车身速度的微分量进行校正的校正量G_yc，以补偿横向加速度传感器14的传感器漂移量的学习速度的延迟。

滑移角观测器434估计作为车辆横向的车身速度的横向车身速度并且基于各轮的车轮速度来估计作为车辆前后方向的车身速度的前后车身速度

此外，滑移角观测器434假定侧倾角和俯仰角为0，根据上述(101-5)式，基于横向车身速度V的估计值、前后车身速度U的估计值、在漂移量校正单元32中被进行了校正的与车辆运动的前后加速度G_x、横向加速度G_y以及横摆角速度R的各检测值相应的校正信号G_x-G_xdr、G_y-G_ydr、R-R_dr、由学习速度补偿量运算单元435计算出的校正量G_xc、G_yc，来计算为了补偿学习速度的延迟而被校正了的前后车身速度的微分量

和横向车身速度的微分量

此外，滑移角观测器434对计算出的前后车身速度的微分量

和横向车身速度的微分量

进行积分，来估计前后车身速度

和横向车身速度

此外，滑移角观测器434基于所估计出的前后车身速度

和横向车身速度来估计滑移角

运动方程式微分量计算单元336基于在上述(77)式、(78)式中忽略了漂移量的式子，计算通过车辆运动的运动方程式而得到的前后车身速度U和横向车身速度V的微分量。

漂移量估计单元338根据上述(92)式，基于由滑移角观测器434计算出的前后车身速度和横向车身速度各自的微分量、由运动方程式微分量计算单元336计算出的前后车身速度和横向车身速度各自的微分量，来估计前后加速度传感器12的传感器漂移量、横向加速度传感器14的传感器漂移量以及横摆角速度传感器20的传感器漂移量。

此外，在本实施方式的漂移量估计单元338中，为了实现运算的稳定，利用上次的估计值，根据上述(93)式～(95)式，对由上述(92)式的运算结果而得到的传感器漂移量的估计值进行平滑化。

如上所述，根据第7实施方式中的滑移角估计装置，即使当前后加速度和横向加速度的传感器漂移量的学习速度延迟时，通过对应于所估计出的传感器漂移量的变化量对前后速度和横向速度各自的微分量进行校正，也能够高精度地估计前后速度和横向速度。

接着，对第8实施方式进行说明。另外，针对与第1实施方式和第5实施方式同样的构成部分，标注相同符号并省略说明。

在第8实施方式中，与第6实施方式的不同点主要有：具备俯仰角速度传感器这点；对俯仰角速度传感器的传感器漂移量进行估计这点；以及在姿势角观测器中，计算为了补偿俯仰角速度传感器的传感器漂移量的学习速度的延迟而被校正了的俯仰角的微分量这点。

如图25所示，第8实施方式中的姿势角估计装置810包括：前后加速度传感器12、横向加速度传感器14、上下加速度传感器16、侧倾角速度传感器18、横摆角速度传感器20以及俯仰角速度传感器520。

俯仰角速度传感器520以及侧倾角速度传感器18与漂移量校正单元522相连接。漂移量校正单元522与漂移量估计单元528相连接。

漂移量估计单元528与学习速度补偿量运算单元525以及漂移量校正单元522相连接。

漂移量校正单元522和学习速度补偿量运算单元525与姿势角观测器824相连接，该姿势角观测器824估计车身相对于竖直轴的姿势角、即侧倾角φ和俯仰角θ。

侧倾角速度传感器18、俯仰角速度传感器520、横摆角速度传感器20以及姿势角观测器824与运动方程式微分量计算单元826相连接，该运动方程式微分量计算单元826计算通过车辆运动的运动方程式而得到的侧倾角以及俯仰角各自的微分量。

姿势角观测器824以及运动方程式微分量计算单元826与漂移量估计单元528相连接。

学习速度补偿量运算单元525根据上述(96)来计算用于对侧倾角的微分量进行校正的校正量P_c，以补偿侧倾角速度传感器18的传感器漂移量的学习速度的延迟。学习速度补偿量运算单元525根据上述(102)来计算用于对俯仰角的微分量进行校正的校正量Q_c，来补偿俯仰角速度传感器520的传感器漂移量的学习速度的延迟。

姿势角观测器824基于被漂移量校正单元522进行了校正的、与侧倾角速度P和俯仰角速度Q的各检测值相应的校正信号P-P_dr、Q-Q_dr、与横摆角速度R、前后加速度G_x、横向加速度G_y以及上下加速度G_z的各检测值相应的传感器信号、前后车身速度U的估计值V_so、以及由学习速度补偿量运算单元525计算出的校正量P_c、Q_c，根据与上述(103)式同样的式子，来计算为了补偿学习速度的延迟而被校正了的侧倾角的微分量和俯仰角的微分量

此外，姿势角观测器824通过对计算出的侧倾角的微分量

和俯仰角的微分量分别进行积分，来计算侧倾角

和俯仰角

运动方程式微分量计算单元826利用由姿势角观测器824估计出的侧倾角φ和俯仰角θ的估计值，根据上述(107)式、(108)式，计算通过车辆运动的运动方程式而得到的侧倾角φ和俯仰角θ的微分量。此时，对于侧倾角φ和俯仰角θ，使用由姿势角观测器824估计出的侧倾角的估计值和俯仰角的估计值

此外，侧倾角速度P、横摆角速度R以及俯仰角速度Q这3个轴角速度，分别使用由侧倾角速度传感器18、横摆角速度传感器20以及俯仰角速度传感器520检测出的传感器信号。

漂移量估计单元528通过将由姿势角观测器824计算出的姿势角的微分量与由运动方程式微分量计算单元826计算出的姿势角的微分量进行比较，来估计俯仰角速度传感器520的传感器漂移量以及侧倾角速度传感器18的传感器漂移量。

如上所述，根据第8实施方式中的姿势角估计装置，即使当侧倾角速度和俯仰角速度的传感器漂移量的学习速度延迟时，通过对应于估计出的传感器漂移量的变化量来对侧倾角和俯仰角各自的微分量进行校正，也能高精度地估计侧倾角和俯仰角。

接着，对第9实施方式进行说明。另外，针对与第1实施方式同样的构成部分，标注相同符号并省略说明。

在第9实施方式中，与第1实施方式的不同点主要是：将传感器漂移量朝着估计出的侧倾角和俯仰角的绝对值减小的方向更新。

如图26所示，在第9实施方式的姿势角滑移角估计装置910中，姿势角观测器24、滑移角观测器34以及运动方程式微分量计算单元34与漂移量估计单元938相连接。此外，漂移量估计单元938与漂移量校正单元32相连接。

接着，对估计传感器漂移量的原理进行说明。

假定在横向加速度的传感器信号G_y以及横摆角速度的传感器信号R上重叠了一定的传感器漂移误差G_ydr、R_dr，则横向的运动方程式由上述(33)式来表达。此外，由运动方程式获得的横向速度的微分量由上述(41)式来表达。

假定上述(33)式左边的横向速度的微分量与作为观测器的内部运算值的dV相一致，则可得到以下的(118)式。

[数68]

dV-dV_m＝-G_ydr+R_drU...(118)

在上述实施方式中，根据传感器漂移的影响少的观测器的微分量与包含传感器漂移的影响的运动方程式的微分量之差，来计算传感器漂移量。即，能够根据上述(118)式，来估计计算与传感器信号G_y、R重叠的一定的漂移误差G_ydr、R_dr。

当侧倾角的估计值包含误差Δφ时，上述(41)式由以下的(119)式来表达。

[数69]

$d{V}_m=G_y-R\&CenterDot;U-g\cos \mathrm{\&theta;}\sin (\mathrm{\&phi;}+\mathrm{\&Delta;\&phi;})$

$\&cong;G_y-R\&CenterDot;U-g\cos \mathrm{\&theta;}\sin \mathrm{\&phi;}-g\cos \mathrm{\&theta;}\cos \mathrm{\&phi;}\&CenterDot;\mathrm{\&Delta;\&phi;}...\left(119\right)$

根据上述(119)式，上述(118)能够由与以下的(120)式所表达的近似式来记述。

[数70]

$\mathrm{dV}-d{V}_m\&cong;-G_{\mathrm{ydr}}+R_{\mathrm{dr}}U+g\cos \mathrm{\&theta;}\cos \mathrm{\&phi;}\&CenterDot;\mathrm{\&Delta;\&phi;}...\left(120\right)$

上述(120)式意味着侧倾角的估计误差对漂移误差估计有影响。

此外，当假定在前后加速度的传感器信号Gx和横摆角速度的传感器信号R上重叠了一定的传感器漂移误差G_xdr、R_dr时，则前后方向的运动方程式由上述(32)式来表达。这里，将通过运动方程式得到的前后速度的微分量用以下的(121)式来定义。

[数71]

dU_m＝(R-R_dr)V+gsinθ+G_x...(121)

另外，在上述(121)式中，假定横摆角速度的漂移误差已经根据上述(118)式被估计出来。此时，如假定上述(32)式左边的前后速度的微分量与作为观测器的内部运算值的dU相一致，则可得到以下的(122)式。

[数72]

dU-dU_m＝-G_xdr...(122)

根据上述(122)式，能够估计计算与传感器信号Gx重叠的一定的漂移误差G_xdr。然而，当俯仰角估计值中包含Δθ时，上述(121)式由以下的(123)式来表达。

$[d{U}_m=(R-R_{\mathrm{dr}})V+g\sin (\mathrm{\&theta;}+\mathrm{\&Delta;\&theta;})+G_x$

$\&cong;\left({R-R}_{\mathrm{dr}}\right)V+g\sin \mathrm{\&theta;}+g\cos \mathrm{\&theta;}\&CenterDot;\mathrm{\&Delta;\&theta;}+G_x...\left(123\right)$

根据上述(123)式，上述(122)能够通过以下的(124)式所表达的近似式来记述。

[数74]

$\mathrm{dU}-d{U}_m\&cong;-G_{\mathrm{xdr}}-g\cos \mathrm{\&theta;}\&CenterDot;\mathrm{\&Delta;\&theta;}...\left(124\right)$

上述(124)式意味着俯仰角的估计误差对漂移误差估计有影响。

此外，由于姿势角的估计值的増大会给观测器的稳定性带来影响，因而不管怎样都希望减小估计值。因而，在本实施方式中，为了在行进加速度与姿势角的平衡状态下抑制姿势角估计值的増加，在行进加速度(前后加速度和横向加速度)与横摆角速度的漂移误差学习值更新时，仅当漂移误差学习值被向使姿势角的估计值的绝对值降低的方向改变时，对漂移误差的学习值进行更新。

即，基于姿势角观测器24对侧倾角的估计值φ和漂移误差学习值的上次值

以及新计算出的的值G_ydr，根据以下的(125)式来计算横向加速度的漂移误差的估计值

[数75]

${\tilde{G}}_{\mathrm{ydr}}(i+1)=\left\{\begin{array}{cc}\mathrm{\&lambda;}\&CenterDot;{\tilde{G}}_{\mathrm{ydr}}\left(i\right)+(1-\mathrm{\&lambda;})\&CenterDot;G_{\mathrm{ydr}}& (\mathrm{\&phi;}\&CenterDot;(G_{\mathrm{ydr}}-{\tilde{G}}_{\mathrm{ydr}}\left(i\right))>0)\\ {\tilde{G}}_{\mathrm{ydr}}\left(i\right)& (\mathrm{\&phi;}\&CenterDot;(G_{\mathrm{ydr}}-{\tilde{G}}_{\mathrm{ydr}}\left(i\right))\&le;0)\end{array}\right....\left(125\right)$

这里，λ是为了估计值的平滑化而导入的遗忘因子。如上述(125)式所示，当侧倾角的估计值φ为正时，如果新计算出的漂移误差的估计值G_ydr比上次值

大，则能够通过漂移误差的更新来减小侧倾角的估计值的绝对值，因而对漂移误差学习值进行更新。此外，当侧倾角的估计值φ为负时，如果新计算出的漂移误差的估计值G_ydr比上次值

小，则通过漂移误差的更新能够减小侧倾角的估计值的绝对值，因而对漂移误差学习值进行更新。

同样，基于姿势角观测器24的侧倾角估计值φ和漂移误差学习值的上次值

以及新计算出的值R_dr，根据以下的(126)式来计算横摆角速度的漂移误差估计值

[数76]

${\tilde{R}}_{\mathrm{dr}}(i+1)=\left\{\begin{array}{cc}\mathrm{\&lambda;}\&CenterDot;{\tilde{R}}_{\mathrm{dr}}\left(i\right)+(1-\mathrm{\&lambda;})\&CenterDot;R_{\mathrm{dr}}& (\mathrm{\&phi;}\&CenterDot;(R_{\mathrm{dr}}-{\tilde{R}}_{\mathrm{dr}}\left(i\right))<0)\\ {\tilde{R}}_{\mathrm{dr}}\left(i\right)& (\mathrm{\&phi;}\&CenterDot;(R_{\mathrm{dr}}-{\tilde{R}}_{\mathrm{dr}}\left(i\right))\&GreaterEqual;0)\end{array}\right....\left(126\right)$

如上述(126)式所示，当侧倾角的估计值φ为正时，如果新计算的漂移误差的估计值R_dr比上次值

小，则能够通过漂移误差的更新来减小侧倾角的估计值的绝对值，因而对漂移误差学习值进行更新。此外，当侧倾角的估计值φ为负时，如果新计算出的漂移误差的估计值R_dr比上次值(i)大，则通过漂移误差的更新能够减小侧倾角的估计值的绝对值，因而对漂移误差学习值进行更新。

此外，基于姿势角观测器24的俯仰角估计值θ和漂移误差学习值的上次值

以及新计算出的值G_xdr，根据以下的(127)式来计算前后加速度的漂移误差估计值

[数77]

${\tilde{G}}_{\mathrm{xdr}}(i+1)=\left\{\begin{array}{cc}\mathrm{\&lambda;}\&CenterDot;{\tilde{G}}_{\mathrm{xdr}}\left(i\right)+(1-\mathrm{\&lambda;})\&CenterDot;G_{\mathrm{xdr}}& (\mathrm{\&theta;}\&CenterDot;(G_{\mathrm{xdr}}-{\tilde{G}}_{\mathrm{xdr}}\left(i\right))<0)\\ {\tilde{G}}_{\mathrm{xdr}}\left(i\right)& (\mathrm{\&theta;}\&CenterDot;(G_{\mathrm{xdr}}-{\tilde{G}}_{\mathrm{xdr}}\left(i\right))\&GreaterEqual;0)\end{array}\right....\left(127\right)$

如上述(127)式所示，当俯仰角得估计值θ为正时，如果新计算出的漂移误差的估计值G_xdr比上次值

小，则通过漂移误差的更新能够减小俯仰角的估计值的绝对值，因而对漂移误差学习值进行更新。此外，当俯仰角的估计值θ为负时，如果新计算出的漂移误差的估计值G_xdr比上次值

大，则通过漂移误差的更新能够减小俯仰角的估计值的绝对值，因而对漂移误差学习值进行更新。

漂移量估计单元938根据上述(73)式，基于由滑移角观测器34计算出的前后车身速度以及横向车身速度各自的微分量、由运动方程式微分量计算单元36计算出的前后车身速度以及横向车身速度各自的微分量，来估计前后加速度传感器12的传感器漂移量、横向加速度传感器14的传感器漂移量以及横摆角速度传感器20的传感器漂移量。

此外，在漂移量估计单元938中，利用由上述(73)式的运算结果而得到的传感器漂移量的估计值，根据上述(125)式～(127)式，对前后加速度传感器12的传感器漂移量、横向加速度传感器14的传感器漂移量以及横摆角速度传感器20的传感器漂移量进行更新。

在上述第9实施方式中，使计算机作为漂移量校正单元22、姿势角观测器24、运动方程式微分量计算单元26以及漂移量估计单元28的各单元发挥功能的程序所进行的信息处理，能够由上述图3的流程图所示的姿势角估计处理例程来实现。

此外，使计算机作为漂移量校正单元32、滑移角观测器34、运动方程式微分量计算单元36以及漂移量估计单元938的各单元发挥功能的程序所进行的信息处理，能够由图27的流程图所示的滑移角估计处理例程来实现。

以下针对该滑移角估计处理例程进行说明。另外，对于与第1实施方式同样的处理，标注相同符号并省略详细的说明。

首先，在步骤150中，从前后加速度传感器12、横向加速度传感器14以及横摆角速度传感器20获取与各检测值相应的传感器信号。然后，在步骤152中，利用在后述的步骤950中1个运算周期前得到的前后加速度传感器12的传感器漂移量、横向加速度传感器14的传感器漂移量、以及横摆角速度传感器20的传感器漂移量，对在上述步骤150中获取的从前后加速度传感器12、横向加速度传感器14以及横摆角速度传感器20分别输出的传感器信号进行校正。

然后，在步骤154中，利用在上述步骤110中1个运算周期前得到的姿势角估计值与在后述的步骤160中1个运算周期前得到的车身速度估计值，如上所述，计算为了估计前后车身速度和横向车身速度而计算出的前后车身速度和横向车身速度各自的微分量。

然后，在步骤156中，利用在上述步骤110中1个运算周期前得到的姿势角估计值和在后述的步骤160中1个运算周期前得到的车身速度估计值，对前后加速度传感器12的传感器漂移量、横向加速度传感器14的传感器漂移量以及横摆角速度传感器20的传感器漂移量进行估计。

在下面的步骤950中，利用在上述步骤110中1个运算周期前得到的姿势角估计值、在上述步骤156中估计出的前后加速度传感器12的传感器漂移量、横向加速度传感器14的传感器漂移量、以及横摆角速度传感器20的传感器漂移量，针对前后加速度传感器12、横向加速度传感器14、以及横摆角速度传感器20各自的传感器漂移量，仅当由于更新而使得姿势角估计值的绝对值减小时，对该传感器漂移量的估计值进行更新。

在下面的步骤160中，通过对在上述步骤154中计算出的前后车身速度和横向车身速度各自的微分量进行积分，来估计前后车身速度和横向车身速度，并基于所估计出的前后车身速度和横向车身速度来估计车身滑移角并将其输出，返回到上述步骤150。

接着，针对本实施方式的利用了传感器漂移量的估计方法的姿势角的估计结果进行说明。另外，为了确认传感器漂移量的估计方法的效果，在横向加速度的传感器信号上施加正漂移误差，利用传感器漂移量的估计值进行姿势角的估计。此时，可得到如图28A、图28B所示的估计结果。能够抑制侧倾角估计值的増加，最终实现逐渐靠近真值(无漂移)的估计。

如上所述，根据第9实施方式中的姿势角滑移角估计装置，为了减小侧倾角或俯仰角的估计值的绝对值，通过对前后加速度、横向加速度以及横摆角速度的传感器漂移量进行更新，由此能够抑制侧倾角或俯仰角的估计值的绝对值増加，从而能够更加高精度地估计姿势角。

另外，在上述实施方式中，举例说明的是针对前后加速度、横向加速度以及横摆角速度各自的传感器漂移量，仅当由于更新使得姿势角估计值的绝对值减小时进行更新的情况，但并不局限于此，也可以针对前后加速度、横向加速度以及横摆角速度中至少一个传感器漂移量，仅当由于更新使得姿势角估计值的绝对值减小时进行更新，而针对其他传感器漂移量则无条件地更新。

接着，对第10实施方式进行说明。另外，对于与第1实施方式同样的构成部分，标注相同符号并省略说明。本实施方式是在估计车身横向速度的横向速度估计装置中应用了本发明的方式。

在第10实施方式中，与第1实施方式的不同点主要有：对车身横向速度进行估计这点；以及对横向加速度传感器和横摆角速度传感器得传感器漂移量进行估计这点。

如图29所示，第10实施方式中的横向速度估计装置1010包括：横向加速度传感器14、横摆角速度传感器20、以及基于各轮的车轮速度对作为车辆前后方向的车身速度的车速进行估计的车速估计单元1022。

横向加速度传感器14以及横摆角速度传感器20与漂移量校正单元1032相连接，该漂移量校正单元1032基于由后述的漂移量估计单元1038估计出的横向加速度传感器14和横摆角速度传感器20各自的传感器漂移量，对分别来自横向加速度传感器14和横摆角速度传感器20的传感器信号进行校正。漂移量校正单元1032与漂移量估计单元1038相连接。

漂移量校正单元1032以及车速估计单元1022与对车身横向速度进行估计的横向速度观测器1034相连接。横向加速度传感器14、横摆角速度传感器20、车速估计单元1022以及横向速度观测器1034与运动方程式微分量计算单元1036相连接，该运动方程式微分量计算单元1036对通过车辆运动的运动方程式而得到的车身横向速度的微分量进行计算。

车速估计单元1022、横向速度观测器1034以及运动方程式微分量计算单元1036与漂移量估计单元1038相连接，该漂移量估计单元1038对横向加速度传感器14和横摆角速度传感器20各自的传感器漂移量进行估计。

车速估计单元1022、漂移量校正单元1032、横向速度观测器1034、运动方程式微分量计算单元1036以及漂移量估计单元1038能够由实现各单元的功能一个或多个计算机、或者一个或多个电子电路构成。

横向速度观测器1034基于由漂移量校正单元1032校正过的横向加速度传感器14的传感器信号(G_y-G_ydr)和横摆角速度传感器20的传感器信号(R-R_dr)、以及由车速估计单元1022估计出的车速V_so，根据与上述(29-5)式中用于求出车身横向速度的式子同样的式子，来计算车身横向速度的微分量。横向速度观测器1034对计算出的车身横向速度的微分量进行积分，来计算车身横向速度的估计值。

接着，对估计横向加速度传感器14和横摆角速度传感器20的传感器漂移量的方法进行说明。

首先，当在环山公路行驶时的横摆角速度的数据上施加了零点漂移误差时、由横向速度观测器计算出的车身横向速度的微分量与由运动方程式计算出的车身横向速度的微分量之间的偏差E、与车速U之间的关系如图30A所示。另外，在横向速度观测器中，将横摆角速度的零点漂移误差当作已知来进行估计运算。此外，横向速度观测器的车身横向速度的微分量与运动方程式的车身横向速度的微分量之间的偏差E，由以下的(128)式来计算。

[数78]

E＝dV-dV_m...(128)

其中，

dV_m＝G_y-R·U-gcosθsinφ

dV是由横向速度观测器1034计算出的车身横向速度的微分量(估计算法的内部运算值)，dV_m是由运动方程式计算出的车身横向速度的微分量。Gy是由横向加速度传感器14检测到的值，R是由横摆角速度传感器20检测出的值。U是所估计出的车速，g是重力加速度，θ是俯仰角的估计值，φ是侧倾角的估计值。

针对所印加的横摆角速度的漂移传感器量R_dr的、横向速度观测器的车身横向速度的微分量与由运动方程式计算出的车身横向速度的微分量之间的偏差E_Rdr的特性，由以下的(129)式来表达。

[数79]

E_Rdr＝R_dr·U...(129)

在上述图30A中，用黑实线示出了由上述(129)式表达的特性。根据上述图30A可知，尽管在偏差E的值上乘以噪声，仍然是遵循上述(129)式的特性，其表示偏差E与车速U成比例。

此外，当在环山公路行驶时的横向加速度上施加了零点漂移误差时的、横向速度观测器的车身横向速度的微分量与由运动方程式计算出的车身横向速度的微分量之间的偏差E与车速U之间的关系如图30B所示。

针对所施加的横向加速度的传感器漂移量G_ydr的、横向速度观测器的车身横向速度的微分量与由运动方程式的车身横向速度的微分量之间的偏差EG_ydr的特性由以下的(130)式来表达。

[数80]

E_Gydr＝-G_ydr...(130)

在上述图30B中，用黑实线示出了上述(130)式所表达的特性。根据上述图30B可知，尽管在偏差E上乘以噪声，仍然是遵循上述(130)式的特性，其表示偏差E不依赖于车速U。

根据车速U与去除噪声后的偏差E之间的关系可知，通过去除偏差E的噪声分量，能够将对偏差E的影响不依赖于车速U的横向加速度传感器的漂移误差、与对偏差E的影响与车速U成比例的横摆角速度传感器的漂移误差分开(车速为0的截点是-G_ydr，斜率与R_dr相当)。

因此，在本实施方式中，如下述那样对传感器漂移量进行估计。

首先，假定在横向加速度传感器14和横摆角速度传感器20的传感器信号G_y、R上重叠了一定的漂移误差G_ydr、R_dr，则横向的运动方程式由上述(33)式来表达。此外，由运动方程式得到的车身横向速度的微分量由上述(41)式来表达。

假定上述(33)式左边的车身横向速度的微分量与作为观测器的内部运算值的dV相一致，则可得到以下的(131)式。

[数81]

dV＝dV_m-G_ydr+R_drU...(131)

此外，根据上述(131)式，记述为以下的(132)式。

[数82]

$D\&CenterDot;\left[\begin{array}{c}{G}_{\mathrm{ydr}}/G_{\mathrm{ydr}\max }\\ R_{\mathrm{dr}}/R_{\mathrm{dr}\max }\end{array}\right]=E...\left(132\right)$

其中，

E＝dV-dV_m＝dV+R·U+gcosθsinφ-G_y...(134)

另外，G_ydrmax、R_drmax分别表示横向加速度传感器14与横摆角速度传感器20得传感器漂移量的上限值。在此，为了去除噪声，上述(132)式中的各值(传感器值、估计值)使用的是一定时间区间的平均值。

对上述(132)式进行求解，能够导出以下的(135)式，根据以下的(135)式，估计出漂移误差。

[数83]

另外，D⁺是矩阵D的虚拟反矩阵。在此，为了实现运算的稳定，并且抑制姿势角估计值的増加，针对上述(135)式的运算结果，使用上次值和姿势角估计值，如以下的(136)式、(137)式那样对传感器漂移量进行平滑化。

[数84]

${\tilde{G}}_{\mathrm{ydr}}(i+1)=\left\{\begin{array}{cc}\mathrm{\&lambda;}\&CenterDot;{\tilde{G}}_{\mathrm{ydr}}\left(i\right)+(1-\mathrm{\&lambda;})\&CenterDot;G_{\mathrm{ydr}}& (\mathrm{\&phi;}\&CenterDot;(G_{\mathrm{ydr}}-{\tilde{G}}_{\mathrm{ydr}}\left(i\right))>0)\\ {\tilde{G}}_{\mathrm{ydr}}\left(i\right)& (\mathrm{\&phi;}\&CenterDot;(G_{\mathrm{ydr}}-{\tilde{G}}_{\mathrm{ydr}}\left(i\right))\&le;0)\end{array}\right....\left(136\right)$

${\tilde{R}}_{\mathrm{dr}}(i+1)=\left\{\begin{array}{cc}\mathrm{\&lambda;}\&CenterDot;{\tilde{R}}_{\mathrm{dr}}\left(i\right)+(1-\mathrm{\&lambda;})\&CenterDot;R_{\mathrm{dr}}& (\mathrm{\&phi;}\&CenterDot;(R_{\mathrm{dr}}-{\tilde{R}}_{\mathrm{dr}}\left(i\right))<0)\\ {\tilde{R}}_{\mathrm{dr}}\left(i\right)& (\mathrm{\&phi;}\&CenterDot;(R_{\mathrm{dr}}-{\tilde{R}}_{\mathrm{dr}}\left(i\right))\&GreaterEqual;0)\end{array}\right....\left(137\right)$

其中，

是平滑化后的传感器漂移量的估计值，λ是遗忘因子。此外，针对侧倾角的估计值φ，可以通过与上述第1实施方式同样的方法来估计。

如上述(136)式、(137)式所示，当横向加速度的横摆角速度的传感器漂移量的学习值更新时，仅当传感器漂移量向使姿势角的估计值的绝对值降低的方向更新时，对传感器漂移量的学习值进行更新。

运动方程式微分量计算单元1036利用由横向加速度传感器14检测出的横向加速度G_y、由横摆角速度传感器20检测出的横摆角速度R、以及由车速估计单元1022估计出的车速V_so，根据上述(41)式，来计算横向速度的微分量。另外，针对上述(41)式中的侧倾角的估计值φ和俯仰角的估计值θ，可以通过与上述第1实施方式同样的方法来估计。

漂移量估计单元1038根据上述(135)式，基于由横向速度观测器1034计算出的横向速度的微分量、由运动方程式微分量计算单元1036计算出的横向速度的微分量、由车速估计单元1022估计出的车速，来估计横向加速度传感器14的传感器漂移量、以及横摆角速度传感器20的传感器漂移量。

此外，在漂移量估计单元1038中，利用由上述(135)式的运算结果而得到的传感器漂移量的估计值，根据上述(136)式～(137)式，对横向加速度传感器14的传感器漂移量以及横摆角速度传感器20的传感器漂移量进行更新。

在上述第10实施方式中，使计算机作为车速估计单元1022、漂移量校正单元1032、横向速度观测器1034、运动方程式微分量计算单元1036以及漂移量估计单元1038的各单元发挥功能的程序所进行的信息处理，能够由图31的流程图所示的横向速度估计处理例程来实现。

在该横向速度估计处理例程中，首先，在步骤1050中，从横向加速度传感器14以及横摆角速度传感器20获取与各检测值相应的传感器信号。然后，在步骤1052中，利用在后述的步骤1058中1个运算周期前得到的横向加速度传感器14的传感器漂移量、以及横摆角速度传感器20的传感器漂移量，对在上述步骤1050中获得的分别从横向加速度传感器14和横摆角速度传感器20输出的传感器信号进行校正。

然后，在步骤1054中，基于各轮的车轮速度来估计车速，在步骤1056中，利用在上述步骤1052中被校正的分别从横向加速度传感器14和横摆角速度传感器20输出的传感器信号、和在上述步骤1054中估计出的车速，如上所述，计算为了估计车身横向速度而计算出的车身横向速度的微分量。

然后，在步骤1058中，利用在上述步骤1056中计算出的车身横向速度的微分量、由运动方程式计算出的车身横向速度的微分量、以及在上述步骤1054中估计出的车速，来估计横向加速度传感器14的传感器漂移量、以及横摆角速度传感器20的传感器漂移量。

在下面的步骤1060中，利用在上述步骤1058中估计出的横向加速度传感器14的传感器漂移量、以及横摆角速度传感器20的传感器漂移量，仅当由于更新使得姿势角估计值的绝对值减小时，对各传感器漂移量的估计值进行更新。

在下面的步骤1062中，通过对在上述步骤1056中计算出的车身横向速度的微分量进行积分，来估计车身横向速度，返回到上述步骤1050。

如上所述，根据第10实施方式中的横向速度估计装置，利用为了估计车身横向速度而计算出的横向速度的微分量与由车辆运动的运动方程式而得到的横向速度的微分量之间的关系，来估计分别检测横向加速度和横摆角速度的传感器的传感器漂移量，由此不管车辆运动的状态如何，都能稳定地估计分别检测横向加速度和横摆角速度的传感器的漂移量。

此外，横向加速度的漂移误差对车身横向速度的微分量的影响与车速无关，而横摆角速度的漂移误差对车身横向速度的微分量的影响与车速成比例比增大，着重于这点，通过按照车速区域对车身横向速度的微分量与漂移误差之间的关系进行整理，能够高精度地估计横向加速度传感器与横摆角速度传感器的传感器漂移量。

接着，对第11实施方式进行说明。另外，第11实施方式的横向速度估计装置的结构与第10实施方式相同，因而标注相同符号并省略说明。

在第11实施方式中，基于被加权的每个车速区域的关系式，来估计横向加速度传感器和横摆角速度传感器的传感器漂移量，这点与第10实施方式主要不同。

对第11实施方式中估计传感器漂移量的原理进行说明。

首先，为了从车身横向速度的微分量的偏差E去除噪声，并且示出车身横向速度的微分量的偏差与车速之间的关系，将车速区域每隔一定车速U₀进行划分，设定多个车速区域。每当得到横向速度的微分量的偏差E以及车速数据，即使用车身横向速度的微分量的偏差E与车速数据，进行以下的处理。

首先，针对各车速区域，将车速区域内包含车速的一定时间T₀的车身横向速度的微分量的偏差E以及车速数据的平均值设定为初始值。

然后，针对包含所得到的车速的车速区域，当设定了初始值，每隔采样时间τ，即根据以下的(138)式、(139)式进行平滑化运算。

[数85]

U_m(i)＝λ_m·U_m(i-1)+(1-λ_m)·U(i)...(138)

E_m(i)＝λ_m·E_m(i-1)+(1-λ_m)·E(i)...(139)

其中，λm是遗忘因子。

此外，当车速变化，所得到的车速被包含于其他车速区域内时，针对不包含所得到的车速的车速区域，不进行上述(138)式、(139)式的平滑化运算。

这里，上述初始值设定以及平滑化运算的结果如图32A、图32B所示。在从行驶数据得到的横向速度的微分量的偏差E以及车速数据中，由于U₀以下的车速区域与3U₀以上的车速区域的数据数不足T₀/τ点(一定时间T₀量的数据点数)，因而不显示。除此之外的车速区域的数据位于印加的漂移值的特性上(黑实线)，根据平滑化运算后的数据，能够期望高精度地估计横摆角速度传感器和横向加速度传感器的传感器漂移量。

此外，针对在进行上述初始值设定和平滑化运算的算法中，反映上述第10实施方式中说明的车速与平滑化后的车身横向速度的微分量的偏差E之间的关系，来估计横向加速度传感器与横摆角速度传感器的传感器漂移量的方法进行说明。

车速与平滑化后的车身横向速度的微分量的偏差E之间的关系能够期待与数据点数相应的精度提高。另一方面，考虑到传感器漂移量的时间变化，车速与平滑化后的车身横向速度的微分量的偏差E之间的关系可能会随着时间而降低精度。因此，首先，针对各车速区域，在车速区域中车速对应于所包含的数据数而増加，并且，所得到得车速越过车速区域后随着所经过的经过时间而减少，对由以下的(140)式～(143)式表达的加权函数进行定义。另外，针对将0～4U₀的车速域分成4个车速区域的情况进行说明。

[数86]

$W_1\left(i\right)=\left\{\begin{array}{cc}{W}_1(i-1)+0.01& (U\left(i\right)<U_0)\\ W_1(i-1)-0.001& (U\left(i\right)\&GreaterEqual;U_0)\end{array}\right....\left(140\right)$

$W_2\left(i\right)=\left\{\begin{array}{cc}{W}_2(i-1)+0.01& (U_0\&le;U\left(i\right)<{2U}_0)\\ W_2(i-1)-0.001& (U\left(i\right)<U_0,U\left(i\right)\&GreaterEqual;{2U}_0)\end{array}\right....\left(141\right)$

$W_3\left(i\right)=\left\{\begin{array}{cc}{W}_3(i-1)+0.01& (2U_0\&le;U\left(i\right)<{3U}_0)\\ W_3(i-1)-0.001& (U\left(i\right)<{2U}_0,U\left(i\right)\&GreaterEqual;{3U}_0)\end{array}\right....\left(142\right)$

$W_4\left(i\right)=\left\{\begin{array}{cc}{W}_4(i-1)+0.01& (U\left(i\right)\&GreaterEqual;{3U}_0)\\ W_4(i-1)-0.001& (U\left(i\right)<{3U}_0)\end{array}\right....\left(143\right)$

通过上述(140)式～(143)式的各加权函数，所估计的车速被包含在对应的车速区域内的次数越多，则加权越大，所估计的车速不被包含在对应的车速区域中的次数越多，则加权越小。

另外，在上述(140)式～(143)式中计算出的加权函数受[0，1]制约(为0以下时被制约为0，超过1时被制约为1)。此外，上述(138)式、(139)式的平滑化运算，还包括数据点数少的状态，能够通过以下的(144)式～(152)式来记述。

[数87]

${\mathrm{\&lambda;}}_k=\left\{\begin{array}{cc}1-\frac{1}{100\&CenterDot;W_k\left(i\right)}& (W_k\left(i\right)<\frac{1}{100(1-{\mathrm{\&lambda;}}_0)})\\ {\mathrm{\&lambda;}}_0& (W_k\left(i\right)\&GreaterEqual;\frac{1}{100(1-{\mathrm{\&lambda;}}_0)})\end{array}\right....\left(144\right)$

$U_1\left(i\right)=\left\{\begin{array}{cc}{\mathrm{\&lambda;}}_1\&CenterDot;U_1(i-1)+(1-{\mathrm{\&lambda;}}_1)\&CenterDot;U\left(i\right)& (U\left(i\right)<U_0)\\ U_1(i-1)& (U\left(i\right)\&GreaterEqual;U_0)\end{array}\right....\left(145\right)$

$E_1\left(i\right)=\left\{\begin{array}{cc}{\mathrm{\&lambda;}}_1\&CenterDot;E_1(i-1)+(1-{\mathrm{\&lambda;}}_1)\&CenterDot;E\left(i\right)& (U\left(i\right)<U_0)\\ E_1(i-1)& (U\left(i\right)\&GreaterEqual;U_0)\end{array}\right....\left(146\right)$

$U_2\left(i\right)=\left\{\begin{array}{cc}{\mathrm{\&lambda;}}_2\&CenterDot;U_2(i-1)+(1-{\mathrm{\&lambda;}}_2)\&CenterDot;U\left(i\right)& (U_0\&le;U\left(i\right)<{2U}_0)\\ U_0(i-1)& (U\left(i\right)<U_0,U\left(i\right)\&GreaterEqual;{2U}_0)\end{array}\right....\left(147\right)$

$E_2\left(i\right)=\left\{\begin{array}{cc}{\mathrm{\&lambda;}}_2\&CenterDot;E_2(i-1)+(1-{\mathrm{\&lambda;}}_2)\&CenterDot;E\left(i\right)& (U_0\&le;U\left(i\right)<{2U}_0)\\ E_2(i-1)& (U\left(i\right)<U_0,U\left(i\right)\&GreaterEqual;{2U}_0)\end{array}\right....\left(148\right)$

$U_3\left(i\right)=\left\{\begin{array}{cc}{\mathrm{\&lambda;}}_3\&CenterDot;U_3(i-1)+(1-{\mathrm{\&lambda;}}_3)\&CenterDot;U\left(i\right)& (2U_0\&le;U\left(i\right)<{3U}_0)\\ U_3(i-1)& (U\left(i\right)<{2U}_0,U\left(i\right)\&GreaterEqual;{3U}_0)\end{array}\right....\left(149\right)$

$E_3\left(i\right)=\left\{\begin{array}{cc}{\mathrm{\&lambda;}}_3\&CenterDot;E3(i-1)+(1-{\mathrm{\&lambda;}}_3)\&CenterDot;E\left(i\right)& ({2U}_0\&le;U\left(i\right)<{3U}_0)\\ E_3(i-1)& (U\left(i\right)<{2U}_0,U\left(i\right)\&GreaterEqual;{3U}_0)\end{array}\right....\left(150\right)$

$U_4\left(i\right)=\left\{\begin{array}{cc}{\mathrm{\&lambda;}}_4\&CenterDot;U_4(i-1)+(1-{\mathrm{\&lambda;}}_4)\&CenterDot;U\left(i\right)& (U\left(i\right)\&GreaterEqual;{3U}_0)\\ U_4(i-1)& (U\left(i\right)<{3U}_0)\end{array}\right....\left(151\right)$

$E_4\left(i\right)=\left\{\begin{array}{cc}{\mathrm{\&lambda;}}_4\&CenterDot;E_4(i-1)+(1-{\mathrm{\&lambda;}}_4)\&CenterDot;E\left(i\right)& (U\left(i\right)\&GreaterEqual;{3U}_0)\\ E_4(i-1)& (U\left(i\right)<{3U}_0)\end{array}\right....\left(152\right)$

其中，k＝1，2，3，4。

接着，将考虑到上述(140)式～(143)式中计算出的加权函数的、Uk(i)与Ek(i)之间的关系，与上述第10实施方式中说明的(132)式的关系并列，如以下的(153)式那样用矩阵表现。另外，以下的(153)式将按照每个车速区域进行了加权的、表示车速、传感器漂移量以及车身横向速度的微分量的偏差的关系的关系式用矩阵来表现。

[数88]

$D_{\mathrm{mat}}\&CenterDot;\left[\begin{array}{c}{G}_{\mathrm{ydr}}/G_{\mathrm{ydr}\max }\\ R_{\mathrm{dr}}/R_{\mathrm{dr}\max }\end{array}\right]=E_{\mathrm{vec}}...\left(153\right)$

其中，

$D_{\mathrm{mat}}=\left[\begin{array}{cc}-G_{\mathrm{ydr}}& R_{\mathrm{dr}}\&CenterDot;U\\ -{\tilde{W}}_1\&CenterDot;G_{\mathrm{ydr}}& {\tilde{W}}_1\&CenterDot;R_{\mathrm{dr}}\&CenterDot;U_1\\ -{\tilde{W}}_2\&CenterDot;G_{\mathrm{ydr}}& {\tilde{W}}_2\&CenterDot;R_{\mathrm{dr}}\&CenterDot;U_2\\ -{\tilde{W}}_3\&CenterDot;G_{\mathrm{ydr}}& {\tilde{W}}_3\&CenterDot;R_{\mathrm{dr}}\&CenterDot;U_3\\ -{\tilde{W}}_4\&CenterDot;G_{\mathrm{ydr}}& {\tilde{W}}_4\&CenterDot;R_{\mathrm{dr}}\&CenterDot;U_4\end{array}\right]...\left(154\right)$

$E_{\mathrm{vec}}=\left[\begin{array}{c}E\\ {\tilde{W}}_1\&CenterDot;E_1\\ {\tilde{W}}_2\&CenterDot;E_2\\ {\tilde{W}}_3\&CenterDot;E_3\\ {\tilde{W}}_4\&CenterDot;E_4\end{array}\right]...\left(155\right)$

另外，

是数据点数不足等的时候，为了甄别可能会降低精度的条件的数据而被修正了的加权函数，用以下的(156)式来表达。

[数89]

${\tilde{W}}_k=\left\{\begin{array}{cc}0& (W_k<0.5)\\ W_k& (W_k\&GreaterEqual;0.5)\end{array}\right....\left(156\right)$

通过对上述(153)式进行求解，能够导出以下的(157)式，角传感器漂移量根据以下的(157)式来估计。

[数90]

另外，在此，为了实现运算的稳定，并且抑制姿势角估计值的増加，针对上述(157)式的运算结果，利用姿势角估计值与上次值，根据以下的(158)式、(159)式对传感器漂移量进行平滑化。

[数91]

${\tilde{G}}_{\mathrm{ydr}}(i+1)=\left\{\begin{array}{cc}\mathrm{\&lambda;}\&CenterDot;{\tilde{G}}_{\mathrm{ydr}}\left(i\right)+(1-\mathrm{\&lambda;})\&CenterDot;G_{\mathrm{ydr}}& (\mathrm{\&phi;}\&CenterDot;(G_{\mathrm{ydr}}-{\tilde{G}}_{\mathrm{ydr}}\left(i\right))>0)\\ {\tilde{G}}_{\mathrm{ydr}}\left(i\right)& (\mathrm{\&phi;}\&CenterDot;(G_{\mathrm{ydr}}-{\tilde{G}}_{\mathrm{ydr}}\left(i\right))\&le;0)\end{array}\right....\left(158\right)$

${\tilde{R}}_{\mathrm{dr}}(i+1)=\left\{\begin{array}{cc}\mathrm{\&lambda;}\&CenterDot;{\tilde{R}}_{\mathrm{dr}}\left(i\right)+(1-\mathrm{\&lambda;})\&CenterDot;R_{\mathrm{dr}}& (\mathrm{\&phi;}\&CenterDot;(R_{\mathrm{dr}}-{\tilde{R}}_{\mathrm{dr}}\left(i\right))<0)\\ {\tilde{R}}_{\mathrm{dr}}\left(i\right)& (\mathrm{\&phi;}\&CenterDot;(R_{\mathrm{dr}}-{\tilde{R}}_{\mathrm{dr}}\left(i\right))\&GreaterEqual;0)\end{array}\right....\left(159\right)$

其中，是平滑化后的传感器漂移量的估计值，λ是遗忘因子。此外，针对侧倾角的估计值φ，可以通过与上述第1实施方式同样的方法来估计。

漂移量估计单元1038基于由车速估计单元1022估计出的车速，根据上述(140)式～(143)式，来计算针对各车速区域的加权函数。

此外，漂移量估计单元1038计算由横向速度观测器1034计算出的车身横向速度的微分量与由运动方程式微分量计算单元1036计算出的车身横向速度的微分量之间的偏差。漂移量估计单元1038根据上述(144)式～(152)式，按照每个车速区域，分别针对车身横向速度的微分量的偏差以及车速来进行平滑化运算。

此外，漂移量估计单元1038如上述(156)式那样对各车速区域的加权函数进行修正，导出如上述(157)式所示的、按照每个车速区域进行了加权的、表示车身横向速度的微分量的偏差与车速以及传感器漂移量之间关系的关系式。漂移量估计单元1038根据导出的上述(157)式，来估计横向加速度传感器14以及横摆角速度传感器20各自的传感器漂移量。

在上述的第11实施方式中，使计算机作为车速估计单元1022、漂移量校正单元1032、横向速度观测器1034、运动方程式微分量计算单元1036以及漂移量估计单元1038的各单元而发挥功能的程序所进行的信息处理，能够由图33的流程图所示的横向速度估计处理例程来实现。

下面针对该横向速度估计处理例程进行说明。另外，对于与第10实施方式同样的处理，标注相同符号并省略说明。

首先，在步骤1050中，从横向加速度传感器14以及横摆角速度传感器20获取与各检测值相应的传感器信号。然后，在步骤1052中，利用在后述的步骤1156中1个运算周期前得到的横向加速度传感器14的传感器漂移量、以及横摆角速度传感器20的传感器漂移量，对在上述步骤1050中获取的从横向加速度传感器14和横摆角速度传感器20分别输出的传感器信号进行校正。

然后，在步骤1054中，基于各轮的车轮速度来估计车速，在步骤1056中，使用在上述步骤1052中被校正的从横向加速度传感器14和横摆角速度传感器20分别输出的传感器信号、以及在上述步骤1054中估计出的车速，来计算为了估计车身横向速度而被计算出的车身横向速度的微分量。

在下面的步骤1150中，基于在上述步骤1054中估计出的车速，按照每个车速区域来计算加权函数，在步骤1152中，按照每个车速区域对车速与车身横向速度的微分量的偏差分别进行平滑化。

然后，在步骤1154中，使用在上述步骤1150中计算出的每个车速区域的加权函数、以及在上述步骤1152中被进行了平滑化的每个车速区域的车速以及车身横向速度的微分量的偏差，导出每个车速区域被加权了的关系式。

在下面的步骤1156中，根据在上述步骤1154中导出的关系式，估计横向加速度传感器14的传感器漂移量、以及横摆角速度传感器20的传感器漂移量。

在下面的步骤1060中，使用在上述步骤1058中估计出的横向加速度传感器14的传感器漂移量、以及横摆角速度传感器20的传感器漂移量，针对横向加速度传感器14和横摆角速度传感器20各自的传感器漂移量，仅当由于更新使得姿势角估计值的绝对值减小时，对传感器漂移量的估计值进行更新。

在下面的步骤1062中，通过对在上述步骤1056中计算出的横向速度的微分量进行积分，来估计横向速度，返回到上述步骤1050。

接着，针对使用本实施方式的传感器漂移量的估计方法时的姿势角的估计结果进行说明。首先，当给横向加速度传感器的传感器信号施加了漂移误差时，得到如图34A、图34B所示的姿势角估计结果，此时，可获得如图35所示的传感器漂移量的估计结果。在此，关于上下加速度传感器、前后加速度传感器以及侧倾角速度传感器各自的传感器漂移量，利用了上述第1实施方式的方法。根据本实施方式的传感器漂移量的估计方法，能够准确地估计横向加速度传感器的传感器漂移量。

此外，当给横摆角速度传感器的传感器信号施加了漂移误差时，得到如图36A、图36B所示的姿势角估计结果，此时，可获得如图37所示的传感器漂移量的估计结果。当使用本实施方式的传感器漂移量的估计方法时，即使针对横摆角速度传感器的传感器漂移量也进行了适当的估计。

如上所述，根据第11实施方式中的横向速度估计装置，通过使用按照多个车速区域的每一个被进行了加权的、表示车身横向速度的微分量的偏差、车速以及传感器漂移量之间关系的关系式，能够高精度地估计对横向加速度和横摆角速度分别进行检测的传感器的传感器漂移量。

此外，根据是否包含所得到的车速，来计算每个车速区域的加权函数，由此能够提高传感器漂移量的估计精度。

另外，在上述的第10实施方式和第11实施方式中，举例说明了使用横向速度观测器的内部运算值作为横向速度的微分量的情况，但不限于此。也可以将在滑移角估计算法内中计算出的滑移角的微分量乘以车速而计算出的值、或者在对滑移角估计值进行微分所得的值乘以车速而计算出的值，用作横向速度的微分量。

接着，对第12实施方式进行说明。另外，对于与第1实施方式和第10实施方式同样的构成部分，标准相同符号并省略说明。本实施方式是在估计车身滑移角的滑移角估计装置中应用了本发明的方式。

在第12实施方式中，与第11实施方式的不同的主要是对车身滑移角进行估计这点。

如图38所示，第12实施方式中的滑移角估计装置1210包括：横向加速度传感器14、横摆角速度传感器20、以及车速估计单元1022。

横向加速度传感器14以及横摆角速度传感器20与漂移量校正单元1032相连接。漂移量校正单元1032与漂移量估计单元1238相连接。

漂移量校正单元32以及车速估计单元1022与估计车身滑移角的滑移角观测器1234相连接。横向加速度传感器14、横摆角速度传感器20、车速估计单元1022以及滑移角观测器1234与运动方程式微分量计算单元1236相连接，该运动方程式微分量计算单元1236计算由车辆运动的运动方程式得到的车身滑移角的微分量。

车速估计单元1022、滑移角观测器1234以及运动方程式微分量计算单元1236与漂移量估计单元1238相连接，该漂移量估计单元1238估计横向加速度传感器14和横摆角速度传感器20各自的传感器漂移量。

车速估计单元1022、漂移量校正单元1032、滑移角观测器1234、运动方程式微分量计算单元1236以及漂移量估计单元1238能够由实现各单元的功能一个或多个计算机、或者一个或多个电子电路构成。

滑移角观测器1234基于被漂移量校正单元1032进行了校正的横向加速度传感器14的传感器信号(G_y-G_ydr)和横摆角速度传感器20的传感器信号(R-R_dr)、以及由车速估计单元1022估计出的车速Vso，根据与上述(29-5)式中用于求出横向车身速度的式子同样的式子，来计算车身横向速度的微分量。滑移角观测器1234将所计算出的车身横向速度的微分量除以所估计的车速，来计算车身滑移角的微分量。滑移角观测器1234对计算出的车身滑移角的微分量进行积分，来计算车身滑移角的估计值。

接着，对估计横向加速度传感器14以及横摆角速度传感器20的传感器漂移量的原理进行说明。

首先，滑移角观测器的车身滑移角的微分量与运动方程式的车身滑移角的微分量之间的偏差E由以下的(160)式来计算。

[数92]

E＝dβ-dβ_m...(160)

其中，

$d{\mathrm{\&beta;}}_m=\frac{{\mathrm{dV}}_m}{U}=\frac{G_y}{U}-R-\frac{g\cos \mathrm{\&theta;}\sin \mathrm{\&phi;}}{U}$

此外，dβ是由滑移角观测器1234计算出的车身滑移角的微分量(滑移角估计算法的内部运算值)，dβ_m是由运动方程式计算出的车身滑移角的微分量。G_y是由横向加速度传感器14检测出的值，R是由横摆角速度传感器20检测出的值。U是估计出的车速，g是重力加速度，θ是俯仰角的估计值，φ是侧倾角的估计值。

针对所印加的横摆角速度的漂移R_dr的、由滑移角观测器计算出的车身滑移角的微分量与由运动方程式计算出的车身滑移角的微分量之间的偏差Erdr的特性，根据上述(129)式而由以下的(161)式来表达。

[数93]

E_dr＝R_dr...(161)

此外，针对所印加的横向加速度的漂移G_ydr的、由滑移角观测器计算出的车身滑移角的微分量与由运动方程式计算出的车身滑移角的微分量之间的偏差E_Gydr的特性，由以下的(162)式来表达。

[数94]

$E_{\mathrm{Gydr}}=-\frac{G_{\mathrm{ydr}}}{U}...\left(162\right)$

通过上述(161)式、(162)式，由车速U与去除噪声后的偏差E之间的关系可知，通过去除偏差E的噪声分量，对偏差E的影响不依赖于车速U的横摆角速度传感器的漂移误差，能够与对偏差E的影响与车速U成反比的横向加速度传感器漂移误差相分开。

因此，在本实施方式中，如下述那样对传感器漂移量进行估计。

首先，假定在横向加速度传感器14和横摆角速度传感器20的传感器信号G_y、R上重叠了一定的漂移误差G_ydr、R_dr，则横向的运动方程式由上述(33)式来表达。此外，由运动方程式得到的横向速度的微分量由上述(41)式来表达。

假定将上述(33)式左边的横向速度的微分量除以车速所得的值与作为观测器的内部运算值的dβ相一致，则可得到以下的(163)式。

[数95]

$\mathrm{d\&beta;}=d{\mathrm{\&beta;}}_m-\frac{G_{\mathrm{ydr}}}{U}+R_{\mathrm{dr}}...\left(163\right)$

此外，根据上述(163)式，记述为以下的(164)式。

[数96]

$D\&CenterDot;\left[\begin{array}{c}{G}_{\mathrm{ydr}}/G_{\mathrm{ydr}\max }\\ R_{\mathrm{dr}}/R_{\mathrm{dr}\max }\end{array}\right]=E...\left(164\right)$

其中，

$D=\left[\begin{array}{cc}-\frac{G_{\mathrm{ydr}\max }}{U}& R_{\mathrm{dr}\max }\end{array}\right]...\left(165\right)$

$E=\mathrm{d\&beta;}-{\mathrm{d\&beta;}}_m=\mathrm{d\&beta;}+R+\frac{g\cos \mathrm{\&theta;}\sin \mathrm{\&phi;}}{U}-\frac{G_y}{U}...\left(166\right)$

另外，G_ydrmax、R_drmax分别表示横向加速度传感器14与横摆角速度传感器20的传感器漂移量的上限值。在此，为了去除噪声，上述(164)式中的各值(传感器值、估计值)利用了一定时间区间的平均值。

此外，在本实施方式中，在以下说明的进行初始值设定和平滑化运算的算法中，反映了上述说明的车速与平滑化后的车身滑移角的微分量的偏差E之间的关系，对横向加速度传感器与横摆角速度传感器的传感器漂移量进行估计。

为了从车身滑移角的微分量的偏差E中去除噪声，并且示出车身滑移角的微分量的偏差与车速之间的关系，将车速区域每隔一定车速U₀进行划分，设定多个车速区域。每当获得滑移角的微分量的偏差E以及车速数据，则针对车身滑移角的微分量的偏差E以及车速数据进行以下的处理。

首先，针对各车速区域，将车速区域内包含车速的一定时间T₀的车身滑移角的微分量的偏差E以及车速数据的平均值设定为初始值。

然后，针对包含所得到的车速的车速区域，当设定了初始值时，每隔采样时间τ，根据与上述(138)式、(139)式同样的式子来进行平滑化运算。

此外，当车速变化所得的车速被包含在其他车速区域中时，针对不包含所得车速的车速区域，不基于与上述(138)式、(139)式同样的式子进行平滑化运算。

此外，针对各车速区域，在车速区域中车速对应于所包含的数据数而増加，并且，所得的车速超越车速区域后随着所经过的经过时间而减少，对由上述(140)式～(143)式表达的加权函数进行定义。

此外，基于与上述(138)式、(139)式同样的式子的平滑化运算也包含数据点数少的状态，能够通过与上述(144)式～(152)式同样的式子来记述。

接着，将考虑到在上述(140)式～(143)式中计算出的加权函数的、Uk(i)与Ek(i)之间的关系，与上述说明的(164)式的关系并列，如以下的(167)那样用矩阵来表现。另外，以下的(167)式用矩阵表现了按照每个车速区域进行了加权的、表示车速、传感器漂移量以及车身滑移角的微分量的偏差之间的关系的关系式。

[数97]

$D_{\mathrm{mat}}\&CenterDot;\left[\begin{array}{c}{G}_{\mathrm{ydr}}/G_{\mathrm{ydr}\max }\\ R_{\mathrm{dr}}/R_{\mathrm{dr}\max }\end{array}\right]=E_{\mathrm{vec}}...\left(167\right)$

其中，

$D_{\mathrm{mat}}=\left[\begin{array}{cc}-\frac{G_{\mathrm{ydr}}}{U}& R_{\mathrm{dr}}\\ -\frac{{\tilde{W}}_1\&CenterDot;G_{\mathrm{ydr}}}{U_1}& {\tilde{W}}_1\&CenterDot;R_{\mathrm{dr}}\\ -\frac{{\tilde{W}}_2\&CenterDot;G_{\mathrm{ydr}}}{U_2}& {\tilde{W}}_2\&CenterDot;R_{\mathrm{dr}}\\ -\frac{{\tilde{W}}_3\&CenterDot;G_{\mathrm{ydr}}}{U_3}& {\tilde{W}}_3\&CenterDot;R_{\mathrm{dr}}\\ -\frac{{\tilde{W}}_4\&CenterDot;G_{\mathrm{ydr}}}{U_4}& {\tilde{W}}_4\&CenterDot;R_{\mathrm{dr}}\end{array}\right]...\left(168\right)$

$E_{\mathrm{vec}}=\left[\begin{array}{c}E\\ {\tilde{W}}_1\&CenterDot;E_1\\ {\tilde{W}}_2\&CenterDot;E_2\\ {\tilde{W}}_3\&CenterDot;E_3\\ {\tilde{W}}_4\&CenterDot;E_4\end{array}\right]...\left(169\right)$

另外，

由上述(156)式来表达。

通过对上述(167)式进行求解，能够导出以下的(170)式，传感器漂移量可根据以下的(170)式来估计。

[数98]

另外，在此，为了实现运算的稳定，并且抑制姿势角估计值的増加，针对上述(170)式的运算结果，使用姿势角估计值以及上次值，根据上述(158)式、(159)式来进行平滑化。另外，针对侧倾角的估计值φ，可通过与上述第1实施方式同样的方法来估计。

运动方程式微分量计算单元1236使用由横向加速度传感器14检测出的横向加速度G_y、由横摆角速度传感器20检测出的横摆角速度R、以及由车速估计单元1022估计出的车速V_so，根据上述(41)式，来计算车身横向速度的微分量，将车身横向速度的微分量除以车速V_so，计算车身滑移角的微分量。另外，针对上述(41)式中的侧倾角的估计值φ以及俯仰角的估计值θ，也可以通过与上述第1实施方式同样的方法来估计。

漂移量估计单元1238基于由车速估计单元1022估计出的车速，根据上述(140)式～(143)式，来计算针对各车速区域的加权函数。

此外，漂移量估计单元1238计算由滑移角观测器1234计算出的车身滑移角的微分量与由运动方程式微分量计算单元1236计算出的车身滑移角的微分量之间的偏差。漂移量估计单元1238根据与上述(144)式～(152)式同样的式子，按照每个车速区域，进行针对车身滑移角的微分量的偏差与车速的平滑化运算。

此外，漂移量估计单元1238如上述(156)式那样对各车速区域的加权函数进行修正，并导出如上述(170)式所示的、按照每个车速区域进行了加权的、表示车身滑移角的微分量的偏差与车速以及传感器漂移量之间关系的关系式。漂移量估计单元1238根据所导出的上述(170)式，来估计横向加速度传感器14和横摆角速度传感器20各自的传感器漂移量。

在上述的第12实施方式中，使计算机作为车速估计单元1022、漂移量校正单元1032、滑移角观测器1234、运动方程式微分量计算单元1236以及漂移量估计单元1238的各单元发挥功能的程序所进行的信息处理，能够由与上述图33的流程图所示的横向速度估计处理例程同样的步骤来实现。

如上所述，根据第12实施方式中的滑移角估计装置，利用为了估计车身滑移角而计算出的车身滑移角的微分量与由车辆运动的运动方程式得到的车身滑移角的微分量之间的关系，对分别检测横向加速度和横摆角速度的传感器的传感器漂移量进行估计，由此不管车辆运动的状态如何，都能够稳定地估计分别检测横向加速度和横摆角速度的传感器的漂移量。

此外，通过按照多个车速区域每一个进行了加权的、表示车身滑移角的微分量的偏差、车速以及传感器漂移量之间关系的关系式，能够高精度地估计分别检测横向加速度和横摆角速度的传感器的传感器漂移量。

此外，横摆角速度的漂移误差对车身滑移角的微分量的影响与车速无关，而横向加速度的漂移误差对车身滑移角的微分量的影响与车速成反比，着重于此，通过按照每个车速区域对车身滑移角的微分量与漂移误差之间的关系进行整理，能够高精度地估计横向加速度传感器与横摆角速度传感器的传感器漂移量。

另外，在上述的第10实施方式～第12实施方式中，举例说明了根据各轮速度来估计车速的情况，但不限于此，也可以使用车速传感器来检测车速。

接着，对第13实施方式进行说明。另外，第13实施方式中的姿势角滑移角估计装置的结构由于与第9实施方式相同，因而标注相同符号并省略说明。

在第13实施方式中，与第9实施方式的不同点是：当使传感器漂移量向所估计的侧倾角和俯仰角的绝对值减小的方向更油时，以及使传感器漂移量向该绝对值增大的方向更新时，切换学习速度来更新传感器漂移量。

下面对估计传感器漂移量的原理进行说明。

在坡道等输出长时间姿势角的行驶条件下，期望延长使姿势角估计值的输出逐渐靠近0之前的适应时间。因而，在本实施方式中，能够通过漂移量的更新中的遗忘因子的设定来控制漂移估计的学习速度，着重于此，有人提出了姿势角适应的算法。具体来说，当传感器漂移量的估计值被向使姿势角的绝对值増加的方向改变时，并不中止学习，而是使用被设定得很大的遗忘因子。

即，漂移量估计单元938将上述(125)式替换成以下的(171)式，根据姿势角观测器24的侧倾角的估计值φ和漂移误差学习值的上次值

以及新计算出的值Gydr，来计算横向加速度的漂移误差的估计值

[数99]

${\tilde{G}}_{\mathrm{ydr}}(i+1)=\left\{\begin{array}{cc}{\mathrm{\&lambda;}}_2\&CenterDot;{\tilde{G}}_{\mathrm{ydr}}\left(i\right)+(1-{\mathrm{\&lambda;}}_2)\&CenterDot;G_{\mathrm{ydr}}& (\mathrm{\&phi;}\&CenterDot;(G_{\mathrm{ydr}}-{\tilde{G}}_{\mathrm{ydr}}\left(i\right))>0)\\ {\mathrm{\&lambda;}}_3\&CenterDot;{\tilde{G}}_{\mathrm{ydr}}\left(i\right)+(1-{\mathrm{\&lambda;}}_3)\&CenterDot;G_{\mathrm{ydr}}& (\mathrm{\&phi;}\&CenterDot;(G_{\mathrm{ydr}}-{\tilde{G}}_{\mathrm{ydr}}\left(i\right))\&le;0)\end{array}\right....\left(171\right)$

这里，λ2、λ3是为了估计值的平滑化而导入的遗忘因子，λ2＜λ3。如上述(171)式所示，当侧倾角的估计值φ为正时，如果新计算出的漂移误差的估计值G_ydr比上次值

大，则能够通过漂移误差的更新来减小侧倾角的估计值的绝对值，因而使用遗忘因子λ2来更新漂移误差学习值。此外，当侧倾角的估计值φ为负时，如果新计算出的漂移误差的估计值Gydr比上次值

小，则能够通过漂移误差的更新来减小侧倾角的估计值的绝对值，因而使用遗忘因子λ2来更新漂移误差学习值。此外，当侧倾角的估计值φ为正时，如果新计算出的漂移误差的估计值G_ydr比上次值

小，通过漂移误差的更新使得侧倾角的估计值的绝对值增大，因而使用大遗忘因子λ3来更新漂移误差学习值。此外，当侧倾角的估计值φ为负时，如果新计算出的漂移误差的估计值G_ydr比上次值

大，通过漂移误差的更新使侧倾角的估计值的绝对值增大，因而使用大遗忘因子λ3来更新漂移误差学习值。另外，使用大遗忘因子进行更新，对应的是减小漂移误差的更新中新计算出的漂移误差的估计值的影响程度。

此外，漂移量估计单元938将上述(126)式替换成以下的(172)式，根据姿势角观测器24的侧倾角估计值φ和漂移误差学习值的上次值以及新计算出的值R_dr，来计算横摆角速度的漂移误差估计值

[数100]

${\tilde{R}}_{\mathrm{dr}}(i+1)=\left\{\begin{array}{cc}{\mathrm{\&lambda;}}_2\&CenterDot;{\tilde{R}}_{\mathrm{dr}}\left(i\right)+(1-{\mathrm{\&lambda;}}_2)\&CenterDot;R_{\mathrm{dr}}& (\mathrm{\&phi;}\&CenterDot;(R_{\mathrm{dr}}-{\tilde{R}}_{\mathrm{dr}}\left(i\right))<0)\\ {\mathrm{\&lambda;}}_3\&CenterDot;{\tilde{R}}_{\mathrm{dr}}\left(i\right)+(1-{\mathrm{\&lambda;}}_3)\&CenterDot;R_{\mathrm{dr}}& (\mathrm{\&phi;}\&CenterDot;(R_{\mathrm{dr}}-{\tilde{R}}_{\mathrm{dr}}\left(i\right))\&GreaterEqual;0)\end{array}\right....\left(172\right)$

如上述(172)式所示，当侧倾角得估计值φ为正时，如果新计算出的漂移误差的估计值R_dr比上次值

小，则能够通过漂移误差的更新减小侧倾角的估计值的绝对值，因而使用遗忘因子λ2来更新漂移误差学习值。此外，当侧倾角得估计值φ为负时，如果新计算出的漂移误差的估计值R_dr比上次值

大，则能够通过漂移误差的更新来减小侧倾角的估计值的绝对值，因而使用遗忘因子λ2来更新漂移误差学习值。此外，当侧倾角的估计值φ为正时，如果新计算出的漂移误差的估计值R_dr比上次值(i)大，通过漂移误差的更新来增大侧倾角的估计值的绝对值，因而使用大遗忘因子λ3来更新漂移误差学习值。此外，当侧倾角的估计值φ为负时，如果新计算出的漂移误差的估计值R_dr比上次值

小，通过漂移误差的更新来增大侧倾角的估计值的绝对值，因而使用大的遗忘因子λ3来更新漂移误差学习值。

此外，漂移量估计单元938将上述(127)式替换成以下的(173)式，根据姿势角观测器24的俯仰角估计值θ和漂移误差学习值得上次值

以及新计算出的值G_xdr，来计算前后加速度的漂移误差估计值

[数101]

${\tilde{G}}_{\mathrm{xdr}}(i+1)=\left\{\begin{array}{cc}{\mathrm{\&lambda;}}_2\&CenterDot;{\tilde{G}}_{\mathrm{xdr}}\left(i\right)+(1-{\mathrm{\&lambda;}}_2)\&CenterDot;G_{\mathrm{xdr}}& (\mathrm{\&theta;}\&CenterDot;(G_{\mathrm{xdr}}-{\tilde{G}}_{\mathrm{xdr}}\left(i\right))<0)\\ {\mathrm{\&lambda;}}_3\&CenterDot;{\tilde{G}}_{\mathrm{xdr}}\left(i\right)+(1-{\mathrm{\&lambda;}}_3)\&CenterDot;G_{\mathrm{xdr}}& (\mathrm{\&theta;}\&CenterDot;(G_{\mathrm{xdr}}-{\tilde{G}}_{\mathrm{xdr}}\left(i\right))\&GreaterEqual;0)\end{array}\right....\left(173\right)$

如上述(173)式所示，当俯仰角得估计值θ为正时，如果新计算出的漂移误差的估计值G_xdr比上次值

小，由于能够通过漂移误差更新来减小俯仰角的估计值的绝对值，因而使用遗忘因子λ2来更新漂移误差学习值。此外，当俯仰角的估计值θ为负时，如果新计算出的漂移误差的估计值G_xdr比上次值

大，由于能够通过漂移误差的更新来减小俯仰角的估计值的绝对值，因而使用遗忘因子λ2来更新漂移误差学习值。此外，当俯仰角的估计值θ为正时，如果新计算出的漂移误差的估计值G_xdr比上次值大，由于通过漂移误差的更新使得俯仰角的估计值的绝对值增大，因而使用大遗忘因子λ3来更新漂移误差学习值。此外，当俯仰角的估计值θ为负时，如果新计算出的漂移误差的估计值G_xdr比上次值

小，由于通过漂移误差的更新使得俯仰角的估计值的绝对值减小，因而使用大遗忘因子λ3来更新漂移误差学习值。

在漂移量估计单元938中，使用由上述(73)式的运算结果而得到的传感器漂移量的估计值，根据上述(125)式～(127)式，来更新前后加速度传感器12的传感器漂移量、横向加速度传感器14的传感器漂移量以及横摆角速度传感器20的传感器漂移量。

另外，针对第13实施方式中的姿势角滑移角估计装置的其他结构以及作用，由于与第9实施方式相同，因而省略说明。

接着，针对使用了本实施方式的传感器漂移量的估计方法的传感器漂移量的估计结果以及姿势角的估计结果进行说明。另外，为了确认传感器漂移量的估计方法的效果，对不施加漂移误差的状态下在坡道上行驶时的侧倾角以及传感器漂移量进行估计。此时，得到如图39A、图39B所示的估计结果。侧倾角的估计值以及传感器漂移量双方接近真值，为了姿势角输出稳定的适应平缓地起作用。

此外，估计在给横摆角速度施加了4deg/s的漂移误差的状态下在坡道上行驶时的、侧倾角和传感器漂移量。此时，得到如图40A、图40B所示的估计结果。可获得与真值相近的侧倾角估计值。另一方面，横摆角速度的传感器漂移量的估计值与真值相比减小，取而代之将横向加速度的传感器漂移量的估计值向负方向输出。这是由于，仅根据实验条件的车速区域的数据，横摆角速度与横向加速度的漂移估计不会被准确分配，从而被向横向加速度主体输出。

如上所述，根据第13实施方式中的姿势角滑移角估计装置，在传感器漂移量由于更新使得侧倾角或俯仰角的估计值的绝对值减小时以及使其增大时，通过对传感器漂移量的更新中的忘却系数进行切换，能够抑制侧倾角或俯仰角的估计值的绝对值増加，并且能够调节传感器漂移量的学习速度，从而能够高精度地估计姿势角。

另外，在上述的实施方式中，举例说明了针对前后加速度、横向加速度以及横摆角速度各自的传感器漂移量，对传感器漂移量更新中的忘却系数进行切换的情况，当不限于此。也可以针对前后加速度、横向加速度以及横摆角速度中至少一个传感器漂移量，切换更新中的忘却系数来进行更新，而针对其他的传感器漂移量，则不切换忘却系数来进行更新。

产业上的可利用性

通过在车辆的车辆运动制御装置上应用，能够实现安全的自动运行。

Claims (32)

1.一种传感器漂移量估计装置，包括：

姿势角估计单元，基于与车辆运动的运动状态量的检测值相应的传感器信号，计算车身相对于竖直轴的姿势角的微分量，对所计算出的所述姿势角的微分量进行积分，从而估计所述姿势角；

计算单元，基于所述传感器信号以及由所述姿势角估计单元估计出的所述姿势角，计算通过车辆运动的运动方程式而获得的所述姿势角的微分量；以及

漂移量估计单元，使用下述关系来估计所述传感器信号的传感器漂移量，所述关系是指：当考虑到所述传感器信号的传感器漂移量时，由所述姿势角估计单元计算出的所述姿势角的微分量，与在由所述计算单元计算出的所述姿势角的微分量中考虑进了所述传感器漂移量的值相等。

2.如权利要求1所述的传感器漂移量估计装置，其中，

还包括校正单元，该校正单元基于由所述漂移量估计单元估计出的所述传感器漂移量，来校正所述传感器信号，

所述姿势角估计单元基于由所述校正单元进行了校正的所述传感器信号，来估计所述姿势角。

3.一种传感器漂移量估计装置，包括：

车辆速度估计单元，基于与车辆运动的运动状态量的检测值相应的传感器信号，计算车辆速度的微分量，对所述车辆速度的微分量进行积分，从而估计所述车辆速度；

计算单元，基于所述传感器信号以及由所述车辆速度估计单元估计出的所述车辆速度，计算通过车辆运动的运动方程式而获得的所述车辆速度的微分量；以及

漂移量估计单元，使用下述关系来估计所述传感器信号的传感器漂移量，所述关系是指：当考虑到所述传感器信号的传感器漂移量时，由所述车辆速度估计单元计算出的所述车辆速度的微分量，与在由所述计算单元计算出的所述车辆速度的微分量中考虑进了所述传感器漂移量的值相等。

4.如权利要求3所述的传感器漂移量估计装置，其中，

还包括校正单元，该校正单元基于由所述漂移量估计单元估计出的所述传感器漂移量，来校正所述传感器信号，

所述车辆速度估计单元基于由所述校正单元进行了校正的所述传感器信号，来估计所述车辆速度，并基于估计出的所述车辆速度来估计滑移角。

5.一种传感器漂移量估计装置，包括：

姿势角估计单元，基于与车辆运动的上下加速度、前后加速度、横向加速度、侧倾角速度以及横摆角速度的各个检测值相应的传感器信号，计算车身相对于竖直轴的侧倾角和俯仰角的各自的微分量，对所计算出的所述侧倾角和所述俯仰角的各自的微分量进行积分，来估计所述侧倾角和所述俯仰角；

计算单元，基于所述传感器信号以及由所述姿势角估计单元估计出的所述侧倾角和所述俯仰角，计算通过车辆运动的运动方程式而获得的所述侧倾角和所述俯仰角的各自的微分量；以及

漂移量估计单元，使用下述关系来估计与所述上下加速度的检测值相应的传感器信号以及与所述侧倾角速度的检测值相应的传感器信号的各自的传感器漂移量，所述关系是指：当考虑到所述传感器信号的传感器漂移量时，由所述姿势角估计单元计算出的所述侧倾角和所述俯仰角的各自的微分量，与在由所述计算单元计算出的所述侧倾角和所述俯仰角的各自的微分量中考虑进了所述传感器漂移量的值相等。

6.如权利要求5所述的传感器漂移量估计装置，其中，

还包括校正单元，该校正单元基于由所述漂移量估计单元估计出的所述传感器漂移量，来校正与所述上下加速度的检测值相应的传感器信号以及与所述侧倾角速度的检测值相应的传感器信号的每一个，

所述姿势角估计单元基于与所述前后加速度、所述横向加速度、所述横摆角速度的各个检测值相应的传感器信号、和由所述校正单元进行了校正的与所述上下加速度以及所述侧倾角速度的各个检测值相应的传感器信号，来估计所述侧倾角和所述俯仰角。

7.一种传感器漂移量估计装置，包括：

车辆速度估计单元，基于与车辆运动的前后加速度、横向加速度以及横摆角速度的各个检测值相应的传感器信号，计算前后速度以及横向速度的各自的微分量，对所述前后速度和所述横向速度的各自的微分量进行积分，来估计所述前后速度和所述横向速度；

计算单元，基于所述传感器信号以及由所述车辆速度估计单元估计出的所述前后速度和所述横向速度，计算通过车辆运动的运动方程式而获得的所述前后速度和所述横向速度的各自的微分量；以及

漂移量估计单元，使用下述关系来估计与所述前后加速度、所述横向加速度以及所述横摆角速度的各个检测值相应的传感器信号的传感器漂移量，所述关系是指：当考虑到所述传感器信号的传感器漂移量时，由所述车辆速度估计单元计算出的所述前后速度和所述横向速度的各自的微分量，与在由所述计算单元计算出的所述前后速度和所述横向速度的各自的微分量中考虑进了所述传感器漂移量的值相等。

8.如权利要求7所述的传感器漂移量估计装置，其中，

还包括校正单元，该校正单元基于由所述漂移量估计单元估计出的所述传感器漂移量，来校正与所述前后加速度、所述横向加速度以及所述横摆角速度的各个检测值相应的传感器信号，

所述车辆速度估计单元基于由所述校正单元进行了校正的所述传感器信号，来估计所述前后速度和所述横向速度，并基于估计出的所述前后速度和所述横向速度来估计滑移角。

9.一种传感器漂移量估计装置，包括：

姿势角估计单元，基于与车辆运动的前后加速度、横向加速度、上下加速度、侧倾角速度以及横摆角速度的各个检测值相应的传感器信号，计算车身相对于竖直轴的侧倾角和俯仰角的各自的微分量，对所计算出的所述侧倾角和所述俯仰角的各自的微分量进行积分，来估计所述侧倾角和所述俯仰角；

车辆速度估计单元，基于与各个检测值相应的传感器信号，计算前后速度以及横向速度的各自的微分量，对所述前后速度和所述横向速度的各自的微分量进行积分，来估计所述前后速度和所述横向速度；

计算单元，基于所述传感器信号以及由所述姿势角估计单元估计出的所述侧倾角和所述俯仰角，计算通过车辆运动的运动方程式而获得的所述侧倾角和所述俯仰角的各自的微分量，并且，基于所述传感器信号以及由所述车辆速度估计单元估计出的所述前后速度和所述横向速度，计算通过车辆运动的运动方程式而获得的所述前后速度和所述横向速度的各自的微分量；以及

漂移量估计单元，使用下述关系A来估计与所述上下加速度的检测值相应的传感器信号以及与所述侧倾角速度的检测值相应的传感器信号的各自的传感器漂移量，所述关系A是指：当考虑到所述传感器信号的传感器漂移量时，由所述姿势角估计单元计算出的所述侧倾角和所述俯仰角的各自的微分量，与在由所述计算单元计算出的所述侧倾角和所述俯仰角的各自的微分量中考虑进了所述传感器漂移量的值相等；并且，使用下述关系B来估计与所述前后加速度、所述横向加速度以及所述横摆角速度的各个检测值相应的传感器信号的传感器漂移量，所述关系B是指：当考虑到所述传感器信号的传感器漂移量时，由所述车辆速度估计单元计算出的所述前后速度和所述横向速度的各自的微分量，与在由所述计算单元计算出的所述前后速度和所述横向速度的各自的微分量中考虑进了所述传感器漂移量的值相等。

10.如权利要求9所述的传感器漂移量估计装置，其中，

还包括校正单元，该校正单元基于由所述漂移量估计单元估计出的所述传感器漂移量，来校正与各个检测值相应的传感器信号，

所述姿势角估计单元基于由所述校正单元进行了校正的与各个检测值相应的传感器信号，来估计所述侧倾角和所述俯仰角，

所述车辆速度估计单元基于由所述校正单元进行了校正的与各个检测值相应的传感器信号，来估计所述前后速度和所述横向速度，并基于估计出的所述前后速度和所述横向速度来估计滑移角。

11.如权利要求5、6、9或10所述的传感器漂移量估计装置，其中，

所述姿势角估计单元计算基于由所述漂移量估计单元估计出的所述传感器漂移量与过去估计出的传感器漂移量之间的变化量针对与所述侧倾角速度的检测值相应的传感器信号以及与所述上下加速度的检测值相应的传感器信号的每一个进行了校正的、所述侧倾角以及所述俯仰角的各自的微分量，并对计算出的所述侧倾角和所述俯仰角的各自的微分量进行积分，从而估计所述侧倾角和所述俯仰角。

12.如权利要求7～10中任一项所述的传感器漂移量估计装置，其中，

所述车辆速度估计单元计算基于由所述漂移量估计单元估计出的所述传感器漂移量与过去估计出的传感器漂移量之间的变化量针对与所述前后加速度的检测值相应的传感器信号以及与所述横向加速度的检测值相应的传感器信号的每一个进行了校正的、所述前后速度以及所述横向速度的各自的微分量，并对计算出的所述前后速度和所述横向速度的各自的微分量进行积分，从而估计所述前后速度和所述横向速度。

13.一种传感器漂移量估计装置，包括：

姿势角估计单元，基于与车辆运动的上下加速度、前后加速度、横向加速度、侧倾角速度、俯仰角速度以及横摆角速度的各个检测值相应的传感器信号，计算车身相对于竖直轴的侧倾角和俯仰角的各自的微分量，对所计算出的所述侧倾角和所述俯仰角的各自的微分量进行积分，来估计所述侧倾角和所述俯仰角；

计算单元，基于所述传感器信号以及由所述姿势角估计单元估计出的所述侧倾角和所述俯仰角，计算通过车辆运动的运动方程式而获得的所述侧倾角和所述俯仰角的各自的微分量；以及

漂移量估计单元，使用下述关系来估计与所述俯仰角速度的检测值相应的传感器信号以及与所述侧倾角速度的检测值相应的传感器信号的各自的传感器漂移量，所述关系是指：当考虑到所述传感器信号的传感器漂移量时，由所述姿势角估计单元计算出的所述侧倾角和所述俯仰角的各自的微分量，与在由所述计算单元计算出的所述侧倾角和所述俯仰角的各自的微分量中考虑进了所述传感器漂移量的值相等。

14.如权利要求13所述的传感器漂移量估计装置，其中，

还包括校正单元，该校正单元基于由所述漂移量估计单元估计出的所述传感器漂移量，来校正与所述俯仰角速度的检测值相应的传感器信号以及与所述侧倾角速度的检测值相应的传感器信号的每一个，

所述姿势角估计单元基于与所述上下加速度、所述前后加速度、所述横向加速度、所述横摆角速度的各个检测值相应的传感器信号、和由所述校正单元进行了校正的与所述俯仰角速度以及所述侧倾角速度的各个检测值相应的传感器信号，来估计所述侧倾角和所述俯仰角。

15.一种传感器漂移量估计装置，包括：

姿势角估计单元，基于与车辆运动的前后加速度、横向加速度、上下加速度、侧倾角速度、俯仰角速度以及横摆角速度的各个检测值相应的传感器信号，计算车身相对于竖直轴的侧倾角和俯仰角的各自的微分量，对所计算出的所述侧倾角和所述俯仰角的各自的微分量进行积分，来估计所述侧倾角和所述俯仰角；

车辆速度估计单元，基于与各个检测值相应的传感器信号，计算前后速度以及横向速度的各自的微分量，对所述前后速度和所述横向速度的各自的微分量进行积分，来估计所述前后速度和所述横向速度；

计算单元，基于所述传感器信号以及由所述姿势角估计单元估计出的所述侧倾角和所述俯仰角，计算通过车辆运动的运动方程式而获得的所述侧倾角和所述俯仰角的各自的微分量，并且，基于所述传感器信号以及由所述车辆速度估计单元估计出的所述前后速度和所述横向速度，计算通过车辆运动的运动方程式而获得的所述前后速度和所述横向速度的各自的微分量；以及

漂移量估计单元，使用下述关系A来估计与所述俯仰角速度的检测值相应的传感器信号以及与所述侧倾角速度的检测值相应的传感器信号的各自的传感器漂移量，所述关系A是指：当考虑到所述传感器信号的传感器漂移量时，由所述姿势角估计单元计算出的所述侧倾角和所述俯仰角的各自的微分量，与在由所述计算单元计算出的所述侧倾角和所述俯仰角的各自的微分量中考虑进了所述传感器漂移量的值相等；并且，使用下述关系B来估计与所述前后加速度、所述横向加速度以及所述横摆角速度的各个检测值相应的传感器信号的传感器漂移量，所述关系B是指：当考虑到所述传感器信号的传感器漂移量时，由所述车辆速度估计单元计算出的所述前后速度和所述横向速度的各自的微分量，与在由所述计算单元计算出的所述前后速度和所述横向速度的各自的微分量中考虑进了所述传感器漂移量的值相等。

16.如权利要求15所述的传感器漂移量估计装置，其中，

还包括校正单元，该校正单元基于由所述漂移量估计单元估计出的所述传感器漂移量，来校正与各个检测值相应的传感器信号，

所述姿势角估计单元基于由所述校正单元进行了校正的与各个检测值相应的传感器信号，来估计所述侧倾角和所述俯仰角，

所述车辆速度估计单元基于由所述校正单元进行了校正的与各个检测值相应的传感器信号，来估计所述前后速度和所述横向速度，并基于估计出的所述前后速度和所述横向速度来估计滑移角。

17.如权利要求13～16中任一项所述的传感器漂移量估计装置，其中，

所述姿势角估计单元计算基于由所述漂移量估计单元估计出的所述传感器漂移量与过去估计出的传感器漂移量之间的变化量针对与所述侧倾角速度的检测值相应的传感器信号以及与所述俯仰角速度的检测值相应的传感器信号的每一个进行了校正的、所述侧倾角以及所述俯仰角的各自的微分量，并对计算出的所述侧倾角和所述俯仰角的各自的微分量进行积分，从而估计所述侧倾角和所述俯仰角。

18.如权利要求15或16所述的传感器漂移量估计装置，其中，

所述车辆速度估计单元计算基于由所述漂移量估计单元估计出的所述传感器漂移量与过去估计出的传感器漂移量之间的变化量针对与所述前后加速度的检测值相应的传感器信号以及与所述横向加速度的检测值相应的传感器信号的每一个进行了校正的、所述前后速度以及所述横向速度的各自的微分量，并对计算出的所述前后速度和所述横向速度的各自的微分量进行积分，从而估计所述前后速度和所述横向速度。

19.如权利要求9、10、15或16所述的传感器漂移量估计装置，其中，

所述漂移量估计单元估计与所述前后加速度、所述横向加速度以及所述横摆角速度的各个检测值相应的传感器信号的传感器漂移量，并基于所述估计出的所述传感器漂移量与上次估计出的所述传感器漂移量，对所述传感器漂移量进行更新。

20.如权利要求19所述的传感器漂移量估计装置，其中，

仅当通过使用所述估计出的与所述横向加速度相应的传感器信号的传感器漂移量来更新该传感器漂移量而使得由所述姿势角估计单元估计的所述侧倾角的绝对值变小时，所述漂移量估计单元基于所述估计出的与所述横向加速度相应的传感器信号的传感器漂移量和上次估计出的与所述横向加速度相应的传感器信号的传感器漂移量，对与所述横向加速度相应的传感器信号的传感器漂移量进行更新。

21.如权利要求19或20所述的传感器漂移量估计装置，其中，

仅当通过使用所述估计出的与所述横摆角速度相应的传感器信号的传感器漂移量来更新该传感器漂移量而使得由所述姿势角估计单元估计的所述侧倾角的绝对值变小时，所述漂移量估计单元基于所述估计出的与所述横摆角速度相应的传感器信号的传感器漂移量和上次估计出的与所述横摆角速度相应的传感器信号的传感器漂移量，对与所述横摆角速度相应的传感器信号的传感器漂移量进行更新。

22.如权利要求19～21中任一项所述的传感器漂移量估计装置，其中，

仅当通过使用所述估计出的与所述前后加速度相应的传感器信号的传感器漂移量来更新该传感器漂移量而使得由所述姿势角估计单元估计的所述俯仰角的绝对值变小时，所述漂移量估计单元基于所述估计出的与所述前后加速度相应的传感器信号的传感器漂移量和上次估计出的与所述前后加速度相应的传感器信号的传感器漂移量，对与所述前后加速度相应的传感器信号的传感器漂移量进行更新。

23.如权利要求19所述的传感器漂移量估计装置，其中，

当通过使用所述估计出的与所述横向加速度相应的传感器信号的传感器漂移量来更新该传感器漂移量而使得由所述姿势角估计单元估计的所述侧倾角的绝对值变小时，所述漂移量估计单元基于所述估计出的与所述横向加速度相应的传感器信号的传感器漂移量和上次估计出的与所述横向加速度相应的传感器信号的传感器漂移量，对与所述横向加速度相应的传感器信号的传感器漂移量进行更新，

当通过使用所述估计出的与所述横向加速度相应的传感器信号的传感器漂移量来更新该传感器漂移量而使得由所述姿势角估计单元估计的所述侧倾角的绝对值变大时，与通过进行更新而使得所述侧倾角的绝对值变小时相比，所述漂移量估计单元减小在该传感器漂移量的更新中对所述估计出的与所述横向加速度相应的传感器信号的传感器漂移量的影响程度，对与所述横向加速度相应的传感器信号的传感器漂移量进行更新。

24.如权利要求19或23所述的传感器漂移量估计装置，其中，

当通过使用所述估计出的与所述横摆角速度相应的传感器信号的传感器漂移量来更新该传感器漂移量而使得由所述姿势角估计单元估计的所述侧倾角的绝对值变小时，所述漂移量估计单元基于所述估计出的与所述横摆角速度相应的传感器信号的传感器漂移量和上次估计出的与所述横摆角速度相应的传感器信号的传感器漂移量，对与所述横摆角速度相应的传感器信号的传感器漂移量进行更新，

当通过使用所述估计出的与所述横摆角速度相应的传感器信号的传感器漂移量来更新该传感器漂移量而使得由所述姿势角估计单元估计的所述侧倾角的绝对值变大时，与通过进行更新而使得所述侧倾角的绝对值变小时相比，所述漂移量估计单元减小在该传感器漂移量的更新中对所述估计出的与所述横摆角速度相应的传感器信号的传感器漂移量的影响程度，与所述横摆角速度相应的传感器信号的传感器漂移量进行更新。

25.如权利要求19、23或24所述的传感器漂移量估计装置，其中，

当通过使用所述估计出的与所述前后加速度相应的传感器信号的传感器漂移量来更新该传感器漂移量而使得由所述姿势角估计单元估计的所述俯仰角的绝对值变小时，所述漂移量估计单元基于所述估计出的与所述前后加速度相应的传感器信号的传感器漂移量和上次估计出的与所述前后加速度相应的传感器信号的传感器漂移量，对与所述前后加速度相应的传感器信号的传感器漂移量进行更新，

当通过使用所述估计出的与所述前后加速度相应的传感器信号的传感器漂移量来更新该传感器漂移量而使得由所述姿势角估计单元估计的所述俯仰角的绝对值变大时，与通过进行更新而使得所述俯仰角的绝对值变小时相比，所述漂移量估计单元减小在该传感器漂移量的更新中对所述估计出的与所述前后加速度相应的传感器信号的传感器漂移量的影响程度，对与所述前后加速度相应的传感器信号的传感器漂移量进行更新。

26.一种传感器漂移量估计装置，包括：

横向速度估计单元，基于与车速的检测值相应的传感器信号和估计车速的车速估计单元的估计值中的任一个、以及与车辆运动的横向加速度和横摆角速度的各个检测值相应的传感器信号，计算横向速度的微分量，对所述横向速度的微分量进行积分，来估计所述横向速度；

计算单元，基于与所述车速的检测值相应的传感器信号和所述估计值中的任一个、以及与所述横向加速度和横摆角速度的各个检测值相应的传感器信号，计算通过车辆运动的运动方程式而获得的所述横向速度的微分量；以及

漂移量估计单元，使用下述关系来估计与所述横向加速度以及所述横摆角速度的各个检测值相应的传感器信号的传感器漂移量，所述关系是指：当考虑到与所述横向加速度以及所述横摆角速度的各个检测值相应的传感器信号的传感器漂移量时，由所述横向速度估计单元计算的所述横向速度的微分量，与在由所述计算单元计算的所述横向速度的微分量中考虑进了所述传感器漂移量的值相等。

27.如权利要求26所述的传感器漂移量估计装置，其中，

还包括校正单元，该校正单元基于由所述漂移量估计单元估计出的所述传感器漂移量，来校正与所述横向加速度以及所述横摆角速度的各个检测值相应的传感器信号，

所述横向速度估计单元基于由所述校正单元进行了校正的所述传感器信号，来估计所述横向速度。

28.如权利要求26或27所述的传感器漂移量估计装置，其中，

所述漂移量估计单元将经过加权的关系式按照将规定的车速区域分割出的多个车速区域的每一个进行导出，并基于所述导出的所述多个车速区域的每一个的关系式，来估计与所述横向加速度以及横摆角速度的各个检测值相应的传感器信号的传感器漂移量，其中所述关系式表示由所述横向速度估计单元计算的所述横向速度的微分量与由所述计算单元计算的所述横向速度的微分量之间的偏差、车速以及所述传感器漂移量的关系。

29.一种传感器漂移量估计装置，包括：

滑移角估计单元，基于与车速的检测值相应的传感器信号和估计车速的车速估计单元的估计值中的任一个、以及与车辆运动的横向加速度和横摆角速度的各个检测值相应的传感器信号，计算滑移角的微分量，对所述滑移角的微分量进行积分，来估计所述滑移角；

计算单元，基于与所述车速的检测值相应的传感器信号和所述估计值中的任一个、以及与所述横向加速度和横摆角速度的各个检测值相应的传感器信号，计算通过车辆运动的运动方程式而获得的所述滑移角的微分量；以及

漂移量估计单元，使用下述关系来估计与所述横向加速度以及所述横摆角速度的各个检测值相应的传感器信号的传感器漂移量，所述关系是指：当考虑到与所述横向加速度以及所述横摆角速度的各个检测值相应的传感器信号的传感器漂移量时，由所述滑移角估计单元计算的所述滑移角的微分量，与在由所述计算单元计算的所述滑移角的微分量中考虑进了所述传感器漂移量的值相等。

30.如权利要求29所述的传感器漂移量估计装置，其中，

还包括校正单元，该校正单元基于由所述漂移量估计单元估计出的所述传感器漂移量，来校正与所述横向加速度以及所述横摆角速度的各个检测值相应的传感器信号，

所述滑移角估计单元基于由所述校正单元进行了校正的所述传感器信号，来估计所述滑移角。

31.如权利要求29或30所述的传感器漂移量估计装置，其中，

所述漂移量估计单元将经过加权的关系式按照将规定的车速区域分割出的多个车速区域的每一个进行导出，并基于所述导出的所述多个车速区域的每一个的关系式，来估计与所述横向加速度以及横摆角速度的各个检测值相应的传感器信号的传感器漂移量，其中所述关系式表示由所述滑移角估计单元计算的所述滑移角的微分量与由所述计算单元计算的所述滑移角的微分量之间的偏差、车速以及所述传感器漂移量的关系。

32.如权利要求28或31所述的传感器漂移量估计装置，其中，

所述车速的检测值和所述估计值中的任一个被包含在对应的车速区域中的次数越多，则将对所述关系式的加权设定得越大，并且，所述车速的检测值和所述估计值中的任一个没有被包含在对应的车速区域中的次数越多，则将对所述关系式的加权设定得越小。

Images