CN102514560A - 一种防滑控制系统中获取车辆纵向行驶速度信息的方法 - Google Patents

Abstract

本发明公开了一种防滑控制系统中获取车辆纵向行驶速度信息的方法，考虑了车身加速度突变工况下对估计方法的修正，将车辆纵向行驶速度估计过程划分为多个阶段，如“轮速滤波阶段”、“自适应卡尔曼滤波估计阶段”和“斜率估计阶段”。使用本发明能够提高突变工况下控制系统对车轮滑移率/滑转率的计算精度，提高汽车控制系统的可靠性，具有高灵敏性和适应性，可在路面条件突变的场合实现车速的准确估计。

Description

一种防滑控制系统中获取车辆纵向行驶速度信息的方法

技术领域

本发明涉及汽车控制技术，具体涉及一种防滑控制系统中获取车辆纵向行驶速度信息的方法。

背景技术

汽车发展已有100多年的历史，安全性是汽车最基本也是最重要的性能，制动防抱死系统(Anti-lock Braking System，简称ABS)和驱动防滑转系统(Anti-Slip Regulation，简称ASR，也称为Traction Control System，简称TCS)这两项汽车防滑控制技术作为汽车主动安全控制系统的核心内容，对保障汽车在极限行驶工况下的安全性能起到了显著的作用，已得到非常广泛的应用。ABS能够在汽车的制动过程中避免车轮的抱死，不仅可以使汽车的制动距离缩短，还可以使汽车在制动过程中的方向稳定性和转向操纵性得到改善，可在较大程度上避免汽车制动事故的发生。ASR作用于汽车的起步和加速过程，通过控制驱动轮的滑转率，利用路面的附着性能，改善和提高汽车在驱动过程中的转向操纵性、方向稳定性和加速性。

滑移率/滑转率是ABS/ASR控制系统中非常重要的参数，是系统准确控制的基础，计算车轮滑移率/滑转率时需要用到车辆纵向行驶速度信息。但是，由于ABS/ASR系统的成本和技术等的限制，其不另加装车身速度信号传感器，因此车辆纵向行驶速度信息无法直接获得，只能在车辆行驶控制过程中间接获得。对于前轮或后轮驱动车辆ASR系统来说，非驱动车轮的速度较接近车身速度，在此情况下可以用其作为车身速度的估计值。但是，对于四轮驱动车辆，车辆的全部车轮均处于滑转状态时，车轮转速信号与车身速度相差较大，不能用其作为参考车速信号，因此在四轮驱动车辆ASR系统中确定参考车速，即车辆纵向行驶速度信息，是本领域的重要技术难点。现有的汽车控制系统中车辆纵向行驶速度信息的获取技术主要存在以下问题：

(1)除轮速传感器外，需要额外增加传感器，成本较高。

如需要在四个轮毂处加装加速度传感器，或者在车辆质心位置处加装两个加速度传感器，加装一个横摆陀螺仪和一个转向轮转角传感器。

(2)车辆纵向行驶速度估计精度较差。

仅基于轮速信息进行车辆纵向行驶速度的估计方法，目前公开的有最大(最小)轮速、递推法、斜率法、季节调整法等。但是这些方法均是在轮速基础上根据经验进行分析处理，估计精度较差，且算法移植性较差，在不同的车辆上需要单独进行参数调整。

(3)系统可靠性和自适应性较差。

由于汽车行驶工况复杂多变，如行驶路面可能为干水泥路面、雪路面、冰路面等，也有可能是对开路面、对接路面(如高附着-低附着、低附着-高附着)，因此要求车速的估计方法需具有较高的可靠性和自适应性能。如Jiang Fang-jun采用的是一种自适应非线性滤波方法，但其在线试验结果不能满足要求，受轮速噪声信号的影响，方法计算结果与实际车速偏离较大，可靠性较差。齐志权等研究了防滑控制系统的估计方法，所提出的自适应卡尔曼滤波方法在汽车干路面、冰雪路面等单一路面行驶工况取得了较好的估计结果，但是在存在工况突变的对接路面上不能同时满足估计精度和快速响应需要。

发明内容

鉴于此，本发明提供了一种防滑控制系统中获取车辆纵向行驶速度信息的方法，能够在工况突变的情况下准确地获取车辆纵向行驶速度信息。

本发明的方法包括：在车辆行驶过程中对四个车轮的轮速进行等时间间隔采样，并对采样值进行滤波处理，所述滤波处理的方法为：基于车辆的性能预先设置该车辆的加速度最小值a_min，选择每一采样时刻的最大轮速进行滤波，若以当前时刻最大轮速与上一时刻最大轮速确定的加速度小于a_min，则将以上一时刻最大轮速和a_min计算得到的速度值作为当前时刻的轮速；所述车辆纵向行驶速度信息包括车辆行驶过程中的车身纵向行驶速度值和车身纵向行驶速度估计值，获取方法为：以多个经滤波处理的最大轮速作为车身纵向行驶速度值；以所述车身纵向行驶速度值为量测量，利用自适应卡尔曼滤波方法实时获取车身纵向行驶速度估计值；当连续多个时刻的车身纵向行驶速度估计值与对应时刻的经滤波处理的最大轮速的差值均大于一阈值时，利用斜率法获取车身纵向行驶速度估计值，其中所述斜率法为：对当前时刻之前的多个时刻的车身纵向行驶速度估计值进行线性拟合以得到一行驶加速度，基于所述行驶加速度计算当前时刻的车身纵向行驶速度估计值；当计算得到的车身纵向行驶速度估计值小于或等于对应时刻的经滤波处理的最大轮速时，返回①；其中，若未出现所述连续多个时刻的车身纵向行驶速度估计值与对应时刻的经滤波处理的最大轮速的差值均大于一阈值的情况，则始终以自适应卡尔曼滤波方法实时获取车身纵向行驶速度估计值；若未出现所述计算得到的车身纵向行驶速度估计值小于或等于对应时刻的经滤波处理的最大轮速的情况，则仍采样斜率法获取车身纵向行驶速度估计值。

有益效果：

本发明公开了一种基于车轮转速信息实时估计车辆纵向行驶速度的分段综合的方法，该方法考虑了车身速度突变工况下对估计方法的修正，因此具有高灵敏性和适应性，可在路面条件突变的场合实现车速的准确估计，从而提高突变工况下控制系统对车轮滑移率/滑转率的计算精度，提高汽车控制系统的可靠性。本发明可应用于两通道、三通道和四通道ABS控制系统，前轮驱动、后轮驱动、四轮驱动ASR控制系统，以及装备ABS/ASR系统车辆的控制系统。

附图说明

图1为制动过程中基于车轮转速信息的分段综合方法示意图。

图2为制动过程中最大轮速滤波方法框图。

图3为驱动过程中最小轮速滤波方法框图。

具体实施方式

在汽车控制领域中，自适应卡尔曼滤波估计方法可用于根据四轮驱动车辆的车轮转速信息估计车身纵向行驶速度，该方法利用经滤波的四个车轮的最大(或最小)轮速作为车辆纵向行驶速度的量测量，通过车辆前一阶段的经滤波的最大(或最小)轮速实时更新噪声量均值和量测噪声协方差，实现纵向行驶速度的实时估计，估计精度高。

根据防滑控制系统的特征，需要在各种行驶工况下，实时控制车轮的滑转率/滑移率，为提高对接路面等突变状况车轮滑转率/滑移率的估计精度及实时性能，本发明将车辆纵向行驶速度估计过程划分为多个阶段，如“轮速滤波阶段”、“自适应卡尔曼滤波估计阶段”和“斜率估计阶段”。其中，由于在四轮驱动车轮行驶过程中，与车身实际速度最接近的是四个车轮轮速中的最大值(制动过程)或最小值(驱动过程)，因此，要对车身纵向行驶速度进行估计，首先需要对四个车轮轮速的最大值(或最小值)进行最大减速度(或最大加速度)滤波，此过程在“轮速滤波阶段”完成。另一方面，斜率估计是在已知前一时刻的车身纵向行驶速度v和加速度(即斜率)的情况下，采用递推方法得到当前时刻的车身纵向行驶速度估计值，此过程在“斜率估计阶段”完成。

具体来讲，本发明的方法包括：轮速滤波阶段(阶段1)、自适应卡尔曼滤波估计阶段(阶段2)、斜率估计阶段(阶段3)、轮速滤波阶段(阶段4)和自适应卡尔曼滤波估计阶段(阶段5)。以下以制动过程为例，详细描述本发明的方法。

图1为在由高附着突变到低附着的制动过程中，基于车轮轮速信息分段综合估计车身纵向行驶速度的方法示意图，其中以数字1-5代表上述的阶段1-5，a指向的曲线为车轮轮速最大值的集合，b指向的曲线为估计达到的车身纵向行驶速度值的集合。

为基于a得到b，需在车辆行驶的整个过程中对四个车轮的轮速进行等时间间隔采样，并对采样值进行滤波处理。在制动过程中，所述滤波处理的方法为：基于车辆的性能预先设置该车辆的加速度最小值a_min，选择每一采样时刻下的最大轮速u_max进行滤波，若以当前时刻最大轮速与上一时刻最大轮速确定的加速度小于a_min，则将以上一时刻最大轮速和a_min，计算得到的速度值作为当前时刻的轮速，如图2所示。

阶段1-5的具体步骤为：

阶段1轮速滤波阶段

本阶段是制动的初始阶段，选取一定数量的经滤波处理的车轮最大轮速作为本阶段的车身纵向行驶速度值。考虑到响应速度和估计精度的要求，优选地选取20个时刻的经滤波处理的车轮最大轮速作为本阶段的车身纵向行驶速度值。选取的时刻过多导致响应迟滞，选取的时刻过少导致估计精度低。

在阶段1结束之后，进入阶段2。

阶段2自适应卡尔曼滤波估计阶段

本阶段采用自适应卡尔曼滤波方法实时估计阶段2的行驶过程中各时刻的车身纵向行驶速度值。以阶段1的车身纵向行驶速度值作为本阶段自适应卡尔曼滤波方法中的量测量，并基于该量测量实时调整系统噪声量均值和量测噪声协方差，根据系统的状态空间模型和量测模型定义所需的系统参量，利用自适应卡尔曼滤波方法可实时地获取车身纵向行驶速度估计值。

在阶段2过程中，对各个时刻的车身纵向行驶速度估计值和经滤波处理的车轮最大轮速进行考查，当连续m个时刻的车身纵向行驶速度估计值与经滤波处理的车轮最大轮速的差值均大于一个定值时，表明车辆已遇到由高附着突变到低附着的对接路面，(在图1中以“过渡区”表示，进入过渡区后a与b的差值增幅较大)，达到上述“跳转条件”时结束阶段2，进入阶段3。

这是因为，由于遇到对接路面，工况突变，车辆的速度变化很大，而自适应卡尔曼滤波方法所固有的递推估计方法不能对速度突变及时响应，导致估计得到的车身纵向行驶速度与实际值偏差过大，继续以阶段2的自适应卡尔曼滤波方法进行速度估计将降低估计的准确性，因此结束阶段2，进入阶段3。

在上述过程中，m的选取是基于对估计方法的响应能力的要求，m越小(即考查时刻越少)，响应越迅速，m越大，响应越滞后，本发明实施例m优选地取5、6、7或8。

在上述过程中，所述定值是阈值，用于判断车辆的速度变化是否足够大，当连续m个时刻的所述差值小于或等于该阈值时，认为汽车仍行驶在单一路面上，当连续m个时刻的所述差值大于该阈值时，认为汽车已遇到工况突变的对接路面，需结束阶段2，进入阶段3。本发明实施例所述阈值优选地取介于3-5之间的任意值，单位为km/h。

阶段3斜率估计阶段

与阶段2的自适应卡尔曼滤波估计方法不同，阶段3利用斜率法获取车身纵向行驶速度估计值。

对于当前的k时刻(位于阶段3)，其之前的n个时刻的车身纵向速度估计值为已知量，记作v_k-1、v_k-2、v_k-3、...、v_k-n，对其进行线性拟合：

v_k-i＝a(n-i)+b，(i＝1，2，…，n)

于是k时刻的车身纵向速度估计值v_k为：

v_k＝a·Δt+v_k-1

上式中a为加速度(即速度变化的斜率)，Δt为时间间隔，n可取20。

在阶段3过程中，当某一时刻的车身纵向行驶速度估计值小于或等于经滤波处理的车轮最大轮速时，表明车轮轮缸制动压力已处于较低水平，轮速得到充分回升，车辆行驶状态已处于低附着工况，此时结束阶段3并进入阶段4。

阶段4轮速滤波阶段

与阶段1类似，选取一定数量的经滤波处理的车轮最大轮速作为阶段4的车身纵向行驶速度值，优选地选取20个时刻。

阶段4结束后进入阶段5。

阶段5自适应卡尔曼滤波估计阶段

与阶段2类似，采用自适应卡尔曼滤波方法实时估计阶段5的行驶过程中各时刻的车身纵向行驶速度值，以阶段4的车身纵向行驶速度值作为本阶段自适应卡尔曼滤波方法中的量测量。当满足跳转条件时结束阶段5，进入下一阶段(与阶段3类似)。

如果车辆行驶过程中未出现从阶段2转至阶段3的跳转条件，则始终以阶段2的方法估计车身纵向行驶速度；如果从阶段2转至阶段3后，未出现从阶段3转至阶段4的跳转条件，则持续以阶段4的方法估计车身纵向行驶速度。

关于上述阶段1-5，阶段4与阶段1的不同之处仅在于采样时刻不同，即阶段4与阶段1所对应的时间段不同；阶段5与阶段2的不同之处在于对应的时间段不同以及计算使用的量测量不同，而计算方法相同。因此，本发明的方法可认为是阶段1至阶段3的循环过程。

以上实施例为由高附着突变到低附着的制动过程，由高附着突变到低附着的驱动过程与制动过程相似，区别在于：

1)阶段1-5中，选择每一采样时刻下的最小轮速u_min进行滤波处理。

2)在阶段1中，驱动过程中的滤波处理的方法为：基于车辆的性能预先设置该车辆的加速度最大值a_max，选择每一采样时刻下的最小轮速u_min进行滤波，若以当前时刻最小轮速与上一时刻最小轮速确定的加速度大于a_max，则将以上一时刻最小轮速和a_max计算得到的速度值作为当前时刻的轮速，如图3所示。

3)在阶段3中，考查车身纵向行驶速度估计值是否大于经滤波处理的车轮最小轮速，以判断是否由阶段3进入阶段4。

对于由低附着工况突变到高附着工况的情况，由于在该情况下不会出现连续m个时刻估计得到的车身纵向行驶速度与以阶段1所述的方法滤波后的对应时刻的轮速的差值均大于阈值，即车速的变化始终不会达到由阶段2跳转到阶段3的条件，所以在由低附着工况突变到高附着工况的过程中，本发明的方法不会由阶段2跳转到阶段3，而是始终以阶段2的自适应卡尔曼滤波方法实时估计各个时刻的车身纵向行驶速度。

利用本发明可获得一定时间段内车身纵向行驶速度的集合，即车辆纵向行驶速度信息。在实际应用中，采用本发明方法得到的车辆纵向行驶速度信息与车辆的实际车速符合的很好，结果真实可靠。

综上所述，以上仅为本发明的较佳实施例，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种防滑控制系统中获取制动过程中车辆纵向行驶速度信息的方法，其特征在于，在车辆行驶过程中对四个车轮的轮速进行等时间间隔采样，并对采样值进行滤波处理，所述滤波处理的方法为：基于车辆的性能预先设置该车辆的加速度最小值amin，选择每一采样时刻的最大轮速进行滤波，若以当前时刻最大轮速与上一时刻最大轮速确定的加速度小于amin，则将以上一时刻最大轮速和amin计算得到的速度值作为当前时刻的轮速；

所述车辆纵向行驶速度信息包括车辆行驶过程中的车身纵向行驶速度值和车身纵向行驶速度估计值，获取方法为：

①以多个经滤波处理的最大轮速作为车身纵向行驶速度值；

②以所述车身纵向行驶速度值为量测量，利用自适应卡尔曼滤波方法实时获取车身纵向行驶速度估计值；当连续多个时刻的车身纵向行驶速度估计值与对应时刻的经滤波处理的最大轮速的差值均大于一阈值时，利用斜率法获取车身纵向行驶速度估计值，其中所述斜率法为：对当前时刻之前的多个时刻的车身纵向行驶速度估计值进行线性拟合以得到一行驶加速度，基于所述行驶加速度计算当前时刻的车身纵向行驶速度估计值；当计算得到的车身纵向行驶速度估计值小于或等于对应时刻的经滤波处理的最大轮速时，返回①；

其中，若未出现所述连续多个时刻的车身纵向行驶速度估计值与对应时刻的经滤波处理的最大轮速的差值均大于一阈值的情况，则始终以自适应卡尔曼滤波方法实时获取车身纵向行驶速度估计值；若未出现所述计算得到的车身纵向行驶速度估计值小于或等于对应时刻的经滤波处理的最大轮速的情况，则仍采样斜率法获取车身纵向行驶速度估计值。

2.如权利要求1所述的方法，其特征在于，所述当前时刻之前的多个时刻为20个时刻。

3.如权利要求1所述的方法，其特征在于，所述多个经滤波处理的最大轮速为20个。

4.如权利要求1所述的方法，其特征在于，在阶段2中，所述连续多个时刻为5、6、7或8个时刻。

5.如权利要求1所述的方法，其特征在于，所述阈值为介于3-5之间的任意常数，单位为km/h。

6.一种防滑控制系统中获取驱动过程中车辆纵向行驶速度信息的方法，其特征在于，在车辆行驶过程中对四个车轮的轮速进行等时间间隔采样，并对采样值进行滤波处理，所述滤波处理的方法为：基于车辆的性能预先设置该车辆的加速度最小值a_max，选择每一采样时刻的最小轮速进行滤波，若以当前时刻最小轮速与上一时刻最小轮速确定的加速度大于a_max，则将以上一时刻最小轮速和a_max计算得到的速度值作为当前时刻的轮速；

所述车辆纵向行驶速度信息包括车辆行驶过程中的车身纵向行驶速度值和车身纵向行驶速度估计值，获取方法为：

③以多个经滤波处理的最小轮速作为车身纵向行驶速度值；

④以所述车身纵向行驶速度值为量测量，利用自适应卡尔曼滤波方法实时获取车身纵向行驶速度估计值；当连续多个时刻的车身纵向行驶速度估计值与对应时刻的经滤波处理的最小轮速的差值均大于一阈值时，利用斜率法获取车身纵向行驶速度估计值，其中所述斜率法为：对当前时刻之前的多个时刻的车身纵向行驶速度估计值进行线性拟合以得到一行驶加速度，基于所述行驶加速度计算当前时刻的车身纵向行驶速度估计值；当计算得到的车身纵向行驶速度估计值大于或等于对应时刻的经滤波处理的最小轮速时，返回①；

其中，若未出现所述连续多个时刻的车身纵向行驶速度估计值与对应时刻的经滤波处理的最小轮速的差值均大于一阈值的情况，则始终以自适应卡尔曼滤波方法实时获取车身纵向行驶速度估计值；若未出现所述计算得到的车身纵向行驶速度估计值大于或等于对应时刻的经滤波处理的最小轮速的情况，则仍采样斜率法获取车身纵向行驶速度估计值。

Images