CN103476657A - 用于路面摩擦系数的实时估计的方法和装置 - Google Patents

Abstract

公开了用于车辆稳定控制的路面摩擦系数的检测的计算机程序产品，方法和装置。计算机程序产品包括存储的指令，该指令用于：从车辆接收检测的车辆参数；基于检测的车辆参数计算查找值，所述计算包括递归最小二乘估计；通过将计算的查找值与存储在查找表中的路面摩擦系数进行匹配来从查找表检索路面摩擦系数；使用路面摩擦系数计算对车辆的调节；以及向车辆控制系统输出调节以便执行。

Description

用于路面摩擦系数的实时估计的方法和装置

本申请要求于2012年5月21日提交的美国临时申请61/649,434以及于2012年4月18日提交的美国临时申请61/635,122的优先权的权益，两者通过引用将其全部内容并入于此。

技术领域

本公开涉及用于车辆稳定控制的路面摩擦系数的实时估计的方法和装置。

背景技术

尤其对于以高速行进的车辆而言，路面摩擦系数μ是在短时间内可以广泛偏离的时间变化特征。为了优化车辆稳定控制系统，希望知道在车辆操作期间的路面摩擦系数μ。使用该信息，控制系统可以针对不同类型的路面(柏油、沙砾、雪、冰等)改变偏航控制参数，以帮助优化稳定控制系统响应。当前，没有直接测量系数μ的方法；因此其必须使用车辆上可用的传感器信息通过控制系统来估计。

发明内容

本公开提供用于针对车辆稳定控制实时地精确估计路面摩擦系数的计算机程序产品、方法和装置。计算机程序产品包含存储在存储器设备中的程序。程序配置成由处理器处理。程序包含指令以：从车辆接收检测的车辆参数；基于检测的车辆参数计算查找值，所述计算包含递归最小二乘估计；通过将计算出的查找值与存储在查找表中的路面摩擦系数进行匹配从查找表检索路面摩擦系数；使用路面摩擦系数计算对车辆的调节；以及向车辆控制系统输出调节以便执行。

查找值可以是测量偏航率对估计偏航率的偏导数或者前和后轮胎上的归一化横向力对车辆转向角的偏导数。

用于车辆稳定控制的路面摩擦系数的估计的装置包括：包含致动器的车辆稳定控制系统、用于检测车辆参数的传感器、存储用于估计路面摩擦系数的程序的至少一个存储器设备。该程序包括处理器可执行指令以基于车辆参数和递归最小二乘估计来计算查找值、通过将计算出的查找值与路面摩擦系数进行匹配从所存储的查找表检索路面摩擦系数、使用路面摩擦系数计算对车辆的调节以及向车辆控制系统输出调节以便实施。至少一个处理器与传感器和至少一个存储器设备通信。该至少一个处理器配置成接收并执行指令，并接收检测到的车辆参数。

通过上述装置计算的查找值可以是测量偏航率对估计偏航率的偏导数或者是前和后轮胎上的归一化横向力对车辆转向角的偏导数。

使用上述方法和装置，可以实时地精确估计路面摩擦系数。

应当理解，上面的一般描述和下面的详细描述均仅是示例性和解释性的，并且不作为权利要求的限制。

附图说明

结合在本说明书中且构成本说明书的一部分的附图说明若干实施例，且与说明书共同用于解释所公开算法的原理。

图1说明用于车辆稳定控制的路面摩擦系数的实时估计的方法；

图2示出用于在高μ(柏油)上操作的车辆的μ和α的估计值；

图3示出用于与图2相同的车辆的μ和α的估计值，但是该车辆在低μ(雪)表面上而非高μ表面上操作；

图4说明用于车辆稳定控制的路面摩擦系数的实时估计的另一方法；

图5示出用于在高μ(柏油)上操作的车辆的μ和β的估计值；

图6示出用于与图5相同的车辆的μ和β的估计值，然而该车辆在低μ(雪)表面上而非高μ表面上操作。

图7说明用于车辆稳定控制的路面摩擦系数的实时估计的装置；

图8说明用于车辆稳定控制的路面摩擦系数的实时估计的另一装置。

具体实施方式

现在将详细参考本发明的示例性实施例，在附图中示出其示例。

由于很多原因，诸如小型货车、SUV、轿车、皮卡等车辆对于诸如防抱死制动、防侧翻、抗滑控制、燃油经济性等事件被电子监控和控制。全轮驱动(AWD)、后轮驱动(RWD)和前轮驱动(FWD)可以具有可以通过控制基于制动的系统或主动传动系统的转矩分配中的一个或二者动态变化的牵引力和/或稳定控制系统。存在用于传感器和控制的很多硬件装置。

用于监控和控制的数据可以被收集且用于计算其他数据，该其他数据可以包括难以测量数据的现场恢复。难以实时维持路面摩擦系数(μ)的绝对精确检测。我们建议代替μ的直接测量的增益调度。有序算法在收集的数据上进行查看以实时地估计μ。提议的技术可以避免对于预先编程的数据和/或由于路面变化的不再相关的数据的过度依赖。

例如，实时μ估计可以用于当车辆经历滑动或分离μ条件时的牵引力控制。估计可以用于制动压力的ABS(防抱死致动系统)控制或车轮速度的扭矩控制。作为另一示例，估计可以用于经由制动力或扭矩控制的偏航稳定控制，诸如转向过度或转向不足校正。

该方法在收集的数据上仔细地查看并且应用在作出决定过程中使用的统计测量。这样，使用比纯数据提取更多的数据或算术“现场恢复”实时地检测μ。

图1说明用于车辆稳定控制的路面摩擦系数的实时估计的方法。该方法包含步骤S101、S102和S103。如图1所示，在步骤S101，优选地通过适当的车辆传感器实时地检测很多示例性车辆参数(即车辆速度V_x、车辆转向角δ和偏航率r)。

接下来，在步骤S102，检测到的参数用于计算查找值α。值α定义为测量偏航率对估计偏航率的偏导数：

$\mathrm{\α}=\frac{\∂r_{\mathrm{MEAS}}}{\∂r_{\mathrm{EST}}}$    等式(1)

其中r_MEAS代表测量偏航率，且r_EST代表估计偏航率，其使用以下等式计算：

$r_{\mathrm{EST}}=V_x\mathrm{\δ}/(L+\frac{k_{\mathrm{us}}{V}_x^2}{g})$    等式(2)

其中V_x是车辆速度、δ是车辆转向角、L是轴距长度，k_us是车辆转向不足梯度且g是重力常数。转向不足梯度k_us是预定参数，其在校准期间被选择，使得模型给出在车辆操作期间用于偏航率的精确预测。

如果车辆在高μ表面上驾驶，查找值α将近似等于1。对于具有较低μ的表面，车辆在转弯时将开始转向不足，导致α小于1。因而，摩擦系数越低，α将变得越低。

最后的步骤S103使用查找表从α估计μ。查找表基于μ和α之间的关系在实验上预先准备。

为了做出α的精确预测，步骤S102使用最小二乘估计(RLSE)方案。存在用于RLSE的不同导数和表达。下面是以矩阵符号写出的其中的一个。

假设我们使用矢量y和矩阵A的输入信息估计n维矢量x，这遵循下面的关系：

y=Ax+ε

  等式(3)

其中ε是计入在实际观察的y和预测的输出Ax之间的差异的随机变量矢量(误差)，y_i代表矢量y的项，a_ij代表矩阵A的项，且ε_i表示矢量ε的项。从等式(3)我们可以得出以下的最小二乘(LS)估计：

$\hat{x}\left(m\right)={\left(A^{\′}\mathrm{QA}\right)}^{-1}{A}^{\′}\mathrm{Qy}=P_m{A}^{\′}\mathrm{Qy}$

P_m＝(A′QA)^-1                        等式(4-5)

其最小化加权的LS估计代价函数J_m＝(y-Ax)′Q(y-Ax)，其中Q是m×m维加权矩阵，且P_m是估计误差协方差矩阵。接下来，假设伴随着新的更新信息：

$y_{m+1}=[a_{(m+1)l}...a_{(m+1)n}]\left[\begin{array}{c}{x}_1\\ \·\\ \·\\ \·\\ x_n\end{array}\right]+{\mathrm{\ϵ}}_{m+1}=H_{m+}x+{\mathrm{\ϵ}}_{m+1}$

H_m+1＝[a_(m+1)l…a_(m+1)n]            等式(6-7)

其中标量Y_m+1和中间行矢量H_m+1代表更新信息。因为增强信息变成：

$\left[\begin{array}{c}A\\ H_{m+1}\end{array}\right]x+\left[\begin{array}{c}\mathrm{\ϵ}\\ {\mathrm{\ϵ}}_{m+1}\end{array}\right]=\left[\begin{array}{c}y\\ y_{m+1}\end{array}\right]$    等式(8)

新的LS估计可以相应地计算为：

$\begin{array}{c}\hat{x}(m+1)={\left(\left[\begin{array}{cc}{A}^{\′}& {H^{\′}}_{m+1}\end{array}\right]\left[\begin{array}{cc}Q& 0\\ 0& q_{m+1}\end{array}\right]\left[\begin{array}{c}A\\ H_{m+1}\end{array}\right]\right)}^{-1}\left[\begin{array}{cc}{A}^{\′}& {H^{\′}}_{m+1}\end{array}\right]\left[\begin{array}{cc}Q& 0\\ 0& q_{m+1}\end{array}\right]\left[\begin{array}{c}y\\ y_{m+1}\end{array}\right]\\ ={[A^{\′}\mathrm{QA}+{H^{\′}}_{m+1}{q}_{m+1}{H}_{m+1}]}^{-1}[A^{\′}\mathrm{Qy}+{H^{\′}}_{m+1}{q}_{m+1}{y}_{m+1}]\end{array}$    等式(9)

其中q_m+1是用于标量y_m+1和中间行矢量H_m+1的更新信息的权重。为了最小化代价函数

$\begin{array}{c}{J}_{m+1}={(\left[\begin{array}{c}y\\ y_{m+1}\end{array}\right]-\left[\begin{array}{c}A\\ H_{m+1}\end{array}\right]x)}^{\′}\left[\begin{array}{cc}Q& 0\\ 0& q_{m+1}\end{array}\right](\left[\begin{array}{c}y\\ y_{m+1}\end{array}\right]-\left[\begin{array}{c}A\\ H_{m+1}\end{array}\right]x)\\ ={(y-\mathrm{Ax})}^{\′}Q(y-\mathrm{Ax})+{(y_{m+1}-H_{m+1}x)}^{\′}{q}_{m+1}(y_{m+1}-H_{m+1}x)\end{array}$    等式(10)，

等式(9)可以在矩阵求逆引理(其为(A+BCD)^-1=A^-1-A^-1B(C^-1+DA^-1,B)^-1DA^-1)下变换成：

$\begin{array}{c}\hat{x}(m+1)={[A^{\′}\mathrm{QA}+{H^{\′}}_{m+1}{q}_{m+1}{H}_{m+1}]}^{-1}[A^{\′}\mathrm{Qy}+{H^{\′}}_{m+1}{q}_{m+1}{y}_{m+1}]\\ =\hat{x}\left(m\right)+P_m{H^{\′}}_{m+1}{(q_{m+1}^{-1}+H_{m+1}{P}_m{H^{\′}}_{m+1})}^{-1}(y_{m+1}-H_{m+1}\hat{x}\left(m\right))\end{array}$    等式(11)

其中估计误差协方差矩阵是：

$\begin{array}{c}{P}_{m+1}={\left(\left[\begin{array}{cc}{A}^{\′}& {H^{\′}}_{m+1}\end{array}\right]\left[\begin{array}{cc}Q& 0\\ 0& q_{m+1}\end{array}\right]\left[\begin{array}{c}A\\ H_{m+1}\end{array}\right]\right)}^{-1}\\ =P_m-P_m{H^{\′}}_{m+1}{(H_{m+1}{P}_m{H^{\′}}_{m+1}+q_{m+1}^{-1})}^{-1}{H}_{m+1}{\left(A^{\′}\mathrm{QA}\right)}^{-1}\end{array}$    等式(12)

等式(11)和(12)导致下面的RLSE方案：

$\hat{x}(m+1)=\hat{x}\left(m\right)+K_{m+1}(y_{m+1}-H_{m+1}\hat{x}\left(m\right))$

H_m+1=[a_(m+1)l  ...  _a(m+1)n]

$K_{m+1}=P_m{H}_{m+1}^{\′}{(H_{m+1}{P}_m{H}_{m+1}^{\′}+q_{m+1}^{-1})}^{-1}$

P_m+1=[I_n-K_m+1H_m+1]P_m           等式(13-16)

其中I_n是n维单位矩阵，H_m是在时间m的中间行矢量，K_m是在时间m的估计器增益矩阵，且P_m是在时间m的估计误差协方差矩阵。

而且，上面的RLSE方案可以简化为具有指数遗忘因子的方案，使得估计缓慢地遗忘较早的误差(数据)。为此，设置权重矩阵Q如下：

   等式(17)

其中λ是指数遗忘因子(λ＜1)。使用上述权重矩阵，等式(10)的代价函数和等式(13-16)中演示的估计方案分别简化为：

   等式(18)

$\hat{x}(m+1)=\hat{x}\left(m\right)+K_{m+1}(y_{m+1}-H_{m+1}\hat{x}\left(m\right))$

H_m+1=[a_(m+1)l  ...  a_(m+1)n]

K_m+1=P_mH′_m+1(H_m+1P_mH′_m+1+λ)^-1

          等式(19-22)

等式(13-16)和(19-22)是用于RLSE的一般表达。将该一般表达应用于由等式(1)定义的估计α将等式(3)和等式(19-22)简化为：

$\left[\begin{array}{c}{r}_{\mathrm{MEAS},1}\\ .\\ .\\ .\\ r_{\mathrm{MEAS},m}\end{array}\right]=\left[\begin{array}{cc}{r}_{\mathrm{EST},1}& 1\\ .& .\\ .& .\\ .& .\\ r_{\mathrm{EST},m}& 1\end{array}\right]\left[\begin{array}{c}\mathrm{\α}\\ c\end{array}\right]+\left[\begin{array}{c}{\mathrm{\ϵ}}_1\\ .\\ .\\ .\\ {\mathrm{\ϵ}}_m\end{array}\right]$    等式(23)

$\mathrm{\α}(m+1)=\left[\begin{array}{cc}1& 0\end{array}\right]\·(\widehat{\mathrm{\α}}\left(m\right)+K_{m+1}(r_{\mathrm{MEAS},m+1}-H_{m+1}\widehat{\mathrm{\α}}\left(m\right)))$

H_m+1=[δ_m+1  1]

K_m+1=P_mH′_m+1(H_m+1P_mH′_m+1+λ)^-1

          等式(24-27)

在上述等式中，α(m)代表在时间m估计的标量α，c是某一常量，r_MESA,m指示在时间m测量的偏航率，r_SET,m指示在时间m估计的偏航率，

代表在时间m的中间矢量(即，[α c]’)，H_m是在时间m的中间行矢量，K_m是在时间m的估计器增益矩阵，且P_m是在时间m的估计误差协方差矩阵。

在改进逻辑的示例性实现方式中，假设偏移等于零，使得转向角输入是零且等于为零的车辆偏航率。在该实现方式中，c=0且它可以从等式(23)中移除。

等式(24-27)演示了α(m)(在时间m估计的α)可以通过在时间m测量的偏航率r_MEAS,m估计。该方法是递归的，考虑在先前时间(即，在时间1，2，...和(m-1))测量的偏航率；换句话说，该方法考虑先前信息r_MEAS,m，r_MEAS,2，...和r_MEAS,m-1。

同时，r_MEAS的信息越早，由于指数遗忘因子λ，它对于α的估计的影响越小。指数遗忘因子λ的值小于1，且可以取决于r_MEAS的信息将被多快地遗忘来调节。例如，当由于地面变化导致r_MEAS在时间m和时间m+1之间急剧变化时，λ可以调节为比当在时间m和m+1之间的r_MEAS的值处于窄范围内时更快地遗忘r_MEAS。因此，估计还可以包括随着时间比较r_MEAS的值的程序。

优选地，为了改善估计的整体稳定性，仅当满足下面的条件时实现RLSE计算：

V_x，MIN≤V_x≤V_x，MAX

δ_MIN≤δ≤δ_MAX

r_MIN≤r_MEAS≤r_MAX

a_y，MIN≤a_y≤a_y，MAX           等式(28-31)

其中V_x,MIN和V_x,MAX是车辆速度V_x的预定最小值和最大值；δ_MIN和δ_MAX是转向角δ的预定最小值和最大值；r_MIN和r_MAX是偏航率r的预定最小值和最大值；且a_y,MIN和a_y,MAX是横向加速度的预定最小值和最大值。等式(28-31)帮助确保轮胎在线性范围内操作且车辆被充分激励以估计α。

再次参考图1，为了确保仅当满足等式(28-31)的条件时实现RLSE估计的优化操作，通过多个子步骤实施步骤S102。在子步骤S1021，检查车辆速度V_x、车辆转向角δ、测量的偏航率r_MEAS和横向加速度a_y是否满足等式(28-31)。如果满足等式(28-31)，则方法前进到子步骤S1022；否则，方法返回且再次在步骤S101开始。在子步骤S1022，根据等式(2)使用检测的车辆速度V_x和车辆转向角δ计算估计偏航率r_EST。在子步骤S1023，使用RLSE计算查找值α。

在图2和3中分别示出用于在高μ(柏油)和低μ(雪)表面上操作的相同车辆的α和μ的估计值。在高μ表面(图2)上的测试期间，因为车辆模型和测量偏航率被良好地关联，所以α接近于1。实际和估计的μ十分接近，且α十分接近μ。在低μ表面(图3)上，由于导致车辆在转弯时转向不足的较低轮胎／路面摩擦，α≈0.6。估计的递归属性允许α朝向用于μ的精确校正器快速调节。因为递归逻辑使用比批处理类型分析更少的存储器并且因为等式并不需求在计算上解决，所以μ在合理的时间内被极其良好地估计。在上面的示例中，μ在125秒内被极其良好地估计。

图4说明用于车辆稳定控制的路面摩擦系数的实时估计的另一方法。该方法包括步骤S201、S202和S203。如图4所示，在步骤S201，通过适当的车辆传感器优选地实时地检测很多车辆参数，即车辆速度V_x、偏航率r、车辆转向角δ和横向加速度a_y。

接下来，在步骤S202，使用检测值计算查找值β。β定义为前和后轮胎上的归一化横向力对车辆转向角的偏导数，即

$\mathrm{\β}=\frac{\∂\mathrm{\ψ}}{\∂\mathrm{\δ}}$    等式(32)

其中Ψ是归一化横向力：

$\mathrm{\ψ}=\frac{F_f+F_r}{V_x}=\frac{{\mathrm{ma}}_y+V_x\mathrm{mr}}{V_x}$       等式(33)

其中V_x是车辆速度，a_y是车辆的横向加速度，m是车辆的质量，r是车辆偏航率，F_f是前轮胎横向力，且F_r是后轮胎横向力。

如果车辆在高μ表面上行驶，β将较大。对于具有较低μ的表面，车辆将不能在轮胎产生更多的横向力。因而，摩擦系数越低，β变得越低。

类似于上文，可以使用RLSE方案估计β：

$\mathrm{\β}(m+1)=\left[\begin{array}{cc}1& 0\end{array}\right]\·(\widehat{\mathrm{\β}}\left(m\right)+K_{m+1}({\mathrm{\ψ}}_{m+1}-H_{m+1}\widehat{\mathrm{\β}}\left(m\right)))$

H_m+1=[δ_m+1  1]

K_m+1=P_mH′_m+1(H_m+1P_mH′_m+1+λ)^-1

$P_{m+1}=\frac{1}{\mathrm{\λ}}[I_n-K_{m+1}{H}_{m+1}]P_m$       等式(34-37)

其中β(m)代表在时间m估计的标量β，Ψ_m指示在时间m根据等式(32)计算的归一化横向力，δ_m指示在时间m的车辆转向角测量值，代表在时间m的中间矢量，H_m是在时间m的中间行矢量，K_m是在时间m的估计器增益矩阵，且P_m是在时间m的估计误差协方差矩阵。为了改善估计的整体稳定性，仅当满足下面的条件时实现RLSE计算：

V_x，MIN≤V_x≤V_x，MAX

δ_MIN≤δ≤δ_MAX

r_MIN≤r≤r_MAX

a_y，MIN≤a_y≤a_y，MAX       等式(38-41)

其中a_y,MIN和a_y,MAX是横向加速度的预定最小值和最大值，V_x,MIN和V_x,MAX是车辆速度V_x的预定最小值和最大值；δ_MIN和δ_MAX是转向角δ的预定最小值和最大值；且r_MIN和r_MAX是偏航率r的预定最小值和最大值。等式(38-41)帮助确保轮胎在所需线性范围内操作且车辆被充分激励以估计β。

具体而言，如图4所示，通过多个子步骤实施步骤S202。在子步骤S2021，检查车辆速度V_x、车辆转向角δ、测量偏航率r_MEAS和横向加速度a_y是否满足等式(38-41)。如果满足等式(38-41)，则方法前进到子步骤S2022；否则，方法返回且再次在步骤S201开始。在子步骤S2022，根据等式(33)使用检测的车辆速度V_x、偏航率r和横向加速度a_y计算归一化横向力Ψ。在子步骤S2023，使用上述RLSE计算查找值β。

最后的步骤S203用于使用查找表从β估计μ。查找表基于在μ和β之间的关系在实验上预先准备。

在图5和6中分别示出用于在高μ(柏油)和低μ(雪)表面上操作的相同车辆的μ和β的估计值。同上，使用公开的估计，μ在高μ情形中被良好地估计且估计值保持十分接近实际值。对于低μ条件，μ的估计值快速地接近μ的实际值。即，因为递归逻辑使用比批处理类型分析更少的存储器并且因为等式并不需求在计算上解决，所以μ在合理的时间内被极其良好地估计。在上面的示例中，在约125秒内，β良好地关联到实际路面摩擦系数。

上面公开的用于路面摩擦系数的实时估计的过程可以在车辆中实施且可以包括在计算机可读设备的处理指令中。这种车辆可以具有适当地沿着传动系统、燃料系统、动力传输、发动机、车轮或轴分布的传感器和致动器，并且计算机可读设备可以是仪表盘电子系统或其他板上计算机系统的一部分。集成芯片计算系统也是可以预期的。至少设备应当具有以下的至少一个：RAM、ROM、闪存、DIMM或非暂态等同物。并且设备应当兼容于具有至少一个核心的处理器的接入。

尽管某些数据和命令可以沿着诸如数据总线(BUS)的电路或无线地在传感器、CPU和车辆的剩余部件之间传输，但是估计程序和支持数据存储在至少一个有形计算机可读存储器设备中。程序和数据可以从存储器设备读出并且读入到处理器中。数据和算法可以用在处理器中以创建处理结果，该处理结果可以用于进一步处理并用于控制车辆。尤其当程序包括用于应用遗忘因子λ的步骤时，处理结果可以存储在相同或不同的有形存储器设备中。并且，尽管收集的数据可以存储在存储器中，但是它同样可以从检测器流传输到处理器。

图7说明用于车辆稳定控制的路面摩擦系数实时估计的装置。该装置包括检测器301、查找值计算器302和查找303。检测器可以包含用于实时地检测车辆速度、转向角、偏航率和横向加速度的至少一个速度传感器、转向角传感器和偏航率传感器。

传感器例如可以包含链接到油门踏板的压力传感器、链接到轮胎或转向轮的相对运动传感器、车辆框架或车体上的相对角度传感器、燃料管路中的油耗传感器、发动机中的RPM传感器等。偏航和横向加速度可以使用内部测量单元(IMU)感测。车轮速度可以使用安装在车轴的端部上的霍耳效应传感器测量。转向角可以使用安装到测量实际转向车轮角度的转向柱的传感器测量。速度传感器可以包含多个车轮传感器，使得车辆的每个车轮具有其自己的传感器。对于客车或卡车，这意味着4个车轮中的每一个具有一个车轮传感器。每个轴具有多于两个车轮或具有多于两个轴的车辆将需要其它布置。

每个传感器具有适当的电气通信能力以向查找值计算器302发送信号，该查找值计算器可以是板上计算机或如CPU304的芯片的一部分。CPU304可以至少包含电路、存储器和处理器，以用于存储处理收集数据所需的算法并用于存储和访问估计β所需的数据。CPU304可以包含用于车辆稳定控制305的存储器和处理分配或与之通信。即，存储器可以对每个估计或控制功能是共享或排他的，且同样处理器可以是排他或共享的。排他性将需要额外的硬件，而共享将需要适当的分配程序和电路。在任一情况中，存储的数据和算法可以馈送到用于计算处理的处理器。

适当的BUS或其他电路可以与查找303通信，该查找303可以包含存储器中诸如查找表(LUT)的至少计算机数据结构。查找303可以是CPU304的共享存储器和处理器的一部分，或者查找303可以与排他的存储器和处理器相关联。

查找值计算器302计算等式(1)和(2)中如上定义的查找值α。计算器可以包含三个单元，即偏航率估计单元3021、控制单元3022和RLSE单元3023。偏航率估计单元3021连接到检测器301的速度传感器和转向角传感器，并且接收由传感器检测的车辆速度V_x和车辆转向角δ并根据前述等式(2)计算估计的偏航率r_EST。控制单元3022连接到速度传感器、转向角传感器和偏航率传感器并且可以接收由传感器检测的车辆速度V_x、转向角δ、偏航率r和横向加速度a_y。单元3022存储V_x,MIN、V_x,MAX、δ_MIN、δ_MAX、r_MIN、r_MAX，a_y，MIN和a_y，MAX的预定值并且可以分别将V_x，δ、r_MEAS和a_y与这些值进行比较以检查V_x、δ、r_MEAS和a_y是否满足上述等式(28-31)。如果满足等式(28-31)，则控制单元3022向RLSE单元3023发出使能信号以实现RLSE计算。RLSE单元3023连接到偏航率估计单元和控制单元；它可以接收由偏航率估计单元3021计算的估计偏航率r_EST，并且可以接收检测的偏航率r_MEAS以及来自控制单元3022的使能信号。当从控制单元3022接收使能信号时，RLSE单元3023将根据上述等式(24-27)使用RLSE计算查找值α。

查找303使用查找表来从α估计μ。查找表基于在μ和α之间的关系在实验上预先准备。查找表存储在用于与处理器交互的存储器设备中。

一旦μ被估计，μ可以用在车辆稳定控制系统305中，该车辆稳定控制系统配置成计算并且实施诸如偏航控制参数的车辆调节。车辆306可以从车辆稳定控制系统305接收指令以校正偏航。可以针对转向过度、转向不足或ABS(防抱死制动)实施其它校正。

图8说明用于车辆稳定控制的路面摩擦系数实时估计的另一装置。与上文类似，该装置包含检测器401、查找值计算器402和查找403。检测器可以包含用于实时地分别检测车辆的速度、转向角、偏航率和横向加速度的速度传感器、转向角传感器、偏航率传感器和横向加速度传感器。如上文所述，速度传感器可以包含适用于车辆类型的多个车轮传感器。

如上所述，传感器例如可以包含链接到油门踏板的压力传感器、链接到轮胎或转向轮的相对运动传感器、车辆框架或车体上的相对角度传感器、燃料管路中的油耗传感器、发动机的RPM传感器等。作为附加示例，偏航和横向加速度可以使用内部测量单元(IMU)感测；车轮速度可以使用安装在车轴的端部上的霍耳效应传感器测量；并且转向角可以使用安装到测量实际转向车轮角度的转向柱的传感器测量。

每个传感器具有适当的电学通信能力以向查找值计算器402发送信号，该查找值计算器可以是板上计算机或如CPU404的芯片的一部分。CPU404至少可以包含电路、存储器和处理器，以用于存储处理收集的数据所需的算法且用于存储和访问估计β所需的数据。CPU404可以包含用于车轮稳定控制405的存储器和处理分配或与之通信。即，存储器可以对于每个估计或控制功能是共享或排他的，且同样处理器可以是排他或共享的。排他性将需要额外的硬件，而共享将需要适当的分配程序。在任一情况中，存储的数据和算法可以馈送到用于计算处理的处理器。

适当的BUS或其他电路可以与查找403通信，该查找403可以包含在存储器中的诸如查找表(LUT)的计算机数据结构。查找403可以是CPU404的共享存储器和处理器的一部分，或者查找403可以包含排他的存储器和处理器。

查找值计算器402计算等式(32)和(33)中如上定义的查找值β。计算器可以包含三个单元，即归一化横向力估计单元4021、控制单元4022和RLSE单元4023。估计单元4021接收检测器的由传感器检测的车辆的车辆速度V_x、偏航率r_MEAS和横向加速度a_y，并且根据等式(33)计算归一化横向力Ψ。控制单元4022连接到速度传感器、转向角传感器、偏航率传感器和横向加速度传感器，且可以接收由传感器检测的车辆速度V_x、转向角δ、偏航率r_MEAS和横向加速度a_y。单元4022存储V_x,MIN、V_x,MAX、δ_MIN、δ_MAX、r_MIN、r_MAX，a_y,MIN和a_y,MAX的预定值并且可以分别将V_x，δ、r_MEAS和a_y与这些值进行比较以检查V_x，δ、r_MEAS和a_y是否满足上述等式(38-41)。如果满足等式(38-41)，则控制单元4022向RLSE单元4023发出使能信号以实现RLSE计算。RLSE单元4023连接到归一化横向力估计单元4021和控制单元4022，它可以接收由单元4021计算的归一化横向力Ψ，且可以接收检测的转向角δ以及来自控制单元4022的使能信号。当从控制单元4022接收使能信号时，RLSE单元4023可以根据上述等式(34-37)使用RLSE计算查找值β。

查找403使用查找表来从β估计μ。查找表基于在μ和β之间的关系在实验上预先准备。查找表存储在用于与处理器交互的存储器设备中。

一旦β被估计，β可以用在车辆稳定控制系统405中，该车辆稳定控制系统配置成计算并且实施诸如偏航控制参数之类的车辆调节。车辆406可以从车辆稳定控制系统405接收指令以校正偏航。可以针对转向过度、转向不足或ABS(防抱死制动)实施其它校正。

在前面的说明中，参考附图描述了各种教导。然而将显而易见的是可以对其做出各种其他修改和变化，而不偏离下面权利要求的广泛范围。说明书和附图因此被视为是说明性的而非限制的意义。

例如，在如上所述的第一和第二方法中，查找值被分别设置为α(测量偏航率对估计偏航率的偏导数)或β(在前和后轮胎上的归一化横向力对车辆转向角的偏导数)，然而也可以使用其他查找值，例如横向加速度。

考虑此处公开的教导的说明和实践，其它实施例将对于本领域技术人员显而易见。旨在表明说明和示例仅被视为是示例性的，本发明的范围和精神由下面的权利要求指示。

Claims (22)

1.一种计算机程序产品，该计算机程序产品包括存储在存储器设备上的程序，该程序被配置成由处理器处理，所述程序包含指令以用于：

从车辆接收检测的车辆参数；

基于检测的车辆参数计算查找值，所述计算包括递归最小二乘估计；

通过将计算的查找值与存储在查找表中的路面摩擦系数进行匹配从所述查找表检索所述路面摩擦系数；

使用所述路面摩擦系数计算对所述车辆的调节；以及

向车辆控制系统输出所述调节以便执行。

2.如权利要求1所述的计算机程序产品，其中：

所述车辆参数包括车辆速度V_x、车辆转向角δ和偏航率r，并且

所述查找值是测量偏航率对估计偏航率的偏导数，并且根据等式

计算所述估计偏航率r_EST，其中L是轴距长度，k_us是车辆转向不足梯度，并且g是重力常数。

3.如权利要求2所述的计算机程序产品，其中仅在满足以下实现条件时实现所述递归最小二乘估计：

V_x，MIN≤V_x≤V_x，MAX，

δ_MIN≤δ≤δ_MAX，

r_MIN≤r≤r_MAX，以及

a_y，MIN≤a_y≤a_y，MAX，

其中V_x，MIN和V_x，MAX是车辆速度的预定最小值和最大值，δ_MIN和δ_MAX是转向角的预定最小值和最大值，r_MIN和r_MAX是偏航率的预定最小值和最大值，并且a_y，MIN和a_y，MAX是横向加速度的预定最小值和最大值。

4.如权利要求3所述的计算机程序产品，其中所述程序还包括指令以在满足实现条件时计算所述估计偏航率r_EST，否则从车辆重复接收检测的车辆参数。

5.如权利要求2所述的计算机程序产品，其中计算所述查找值还包括指数遗忘因子。

6.如权利要求5所述的计算机程序产品，其中根据以下等式执行计算所述查找值：

$\mathrm{\α}(m+1)=\left[\begin{array}{cc}1& 0\end{array}\right]\·(\widehat{\mathrm{\α}}\left(m\right)+K_{m+1}(r_{\mathrm{MEAS},m+1}-H_{m+1}\widehat{\mathrm{\α}}\left(m\right))),$

H_m+1=[r_EST，m+1  1]，

K_m+1=P_mH′_m+1(H_m+1P_mH′_m+1+λ)^-1，以及

$P_{m+1}=\frac{1}{\mathrm{\λ}}[I_n-K_{m+1}{H}_{m+1}]P_m,$

其中，α(m)代表在时间m估计的α，λ是指数遗忘因子，r_MESA，m指示在时间m测量的偏航率，r_SET，m指示在时间m估计的偏航率，

代表在时间m的中间矢量，H_m是在时间m的中间行矢量，K_m是在时间m的估计器增益矩阵，并且P_m是在时间m的估计误差协方差矩阵。

7.如权利要求1所述的计算机程序产品，其中：

所述车辆参数包括车辆速度V_x、车辆转向角δ、偏航率r和横向加速度a_y，

使用用于计算前和后轮胎上的归一化横向力Ψ对所述车辆转向角的偏导数的指令来计算所述查找值，以及

根据如下等式计算所述归一化横向力Ψ，

$\mathrm{\ψ}=\frac{F_f+F_r}{V_x}=\frac{{\mathrm{ma}}_y+V_x\mathrm{mr}}{V_x},$

其中m是车辆的质量，F_f是前轮胎横向力，而F_r是后轮胎横向力。

8.如权利要求7所述的计算机程序产品，其中仅在满足以下实现条件时实现所述递归最小二乘估计：

V_x，MIN≤V_x≤V_x，MAX，

δ_MIN≤δ≤δ_MAX，

r_MIN≤r≤r_MAX，以及

a_y，MIN≤a_y≤a_y，MAX，

其中V_x，MIN和V_x，MAX是车辆速度的预定最小值和最大值；δ_MIN和δ_MAX是转向角的预定最小值和最大值；r_MIN和r_MAX是偏航率的预定最小值和最大值；并且a_y，MIN和a_y，MAX是横向加速度的预定最小值和最大值。

9.如权利要求8所述的计算机程序产品，其中用于计算所述查找值的程序还包括在满足实现条件时计算所述归一化横向力的指令，否则重复从车辆接收检测的车辆参数。

10.如权利要求7所述的计算机程序产品，其中计算查找值还包括指数遗忘因子。

11.如权利要求10所述的计算机程序产品，其中根据以下等式执行具有指数遗忘因子的所述递归最小二乘估计：

$\mathrm{\β}(m+1)=\left[\begin{array}{cc}1& 0\end{array}\right]\·(\widehat{\mathrm{\β}}\left(m\right)+K_{m+1}({\mathrm{\ψ}}_{m+1}-H_{m+1}\widehat{\mathrm{\β}}\left(m\right))),$

H_m+1=[δ_m+1  1]，

K_m+1=P_mH′_m+1(H_m+1P_mH′_m+1+λ)^-1，以及

$P_{m+1}=\frac{1}{\mathrm{\λ}}[I_n-K_{m+1}{H}_{m+1}]P_m,$

其中β(m)代表在时间m估计的β，λ是指数遗忘因子，Ψ_m指示在时间m计算的归一化横向力，δ_m指示在时间m的车辆转向角测量值，代表在时间m的中间矢量，H_m是在时间m的中间行矢量，K_m是在时间m的估计器增益矩阵，并且P_m是在时间m的估计误差协方差矩阵。

12.一种装置，用于车辆稳定控制的路面摩擦系数的估计，该装置包括：

包括致动器的车辆稳定控制系统；

传感器，用于检测车辆参数；

至少一个存储器设备，该存储器设备存储用于估计路面摩擦系数的程序，所述程序包括处理器可执行指令以用于：

基于所述车辆参数和递归最小二乘估计计算查找值；

通过将计算的查找值与所述路面摩擦系数进行匹配从存储的查找表中检索路面摩擦系数；

使用所述路面摩擦系数计算对车辆的调节；以及

向所述车辆控制系统输出所述调节以便实施；以及

至少一个处理器，与所述传感器和所述至少一个存储器设备通信，所述至少一个处理器被配置成：

接收并且执行所述指令；以及

接收检测的车辆参数。

13.如权利要求12所述的装置，其中所述至少一个存储器和所述至少一个处理器是进一步包括电路的板上计算机或芯片的一部分。

14.如权利要求12所述的装置，其中：

所述传感器包括用于检测车辆速度V_x的至少一个速度传感器、用于检测车辆转向角δ的转向角传感器、用于检测偏航率r的偏航率传感器以及用于检测横向加速度a_y的横向加速度传感器，

利用用于计算测量偏航率对估计偏航率r_EST的偏导数的指令来计算所述查找值，并且

根据如下等式计算所述估计偏航率r_EST，

$r_{\mathrm{EST}}=V_x\mathrm{\δ}(L+\frac{k_{\mathrm{us}}{V}_x^2}{g})$

其中L是轴距长度，k_us是车辆转向不足梯度，并且g是重力常数。

15.如权利要求14所述的装置，还包含偏航率估计单元、控制单元和RLSE单元，

其中所述偏航率估计单元：

连接到所述速度传感器和转向角传感器，

接收由所述传感器检测的所述车辆速度和转向角，并且

根据如下等式计算估计偏航率，

$r_{\mathrm{EST}}=V_x\mathrm{\δ}(L+\frac{k_{\mathrm{us}}{V}_x^2}{g}),$

其中所述控制单元：

连接到所述速度传感器、转向角传感器和偏航率传感器，

接收所述车辆速度V_x、转向角δ和偏航率r_MEAS，

检查是否满足以下实现条件：

V_x，MIN≤V_x≤V_x，MAX，

δ_MIN≤δ≤δ_MAX，

r_MIN≤r≤r_MAX，以及

a_y，MIN≤a_y≤a_y，MAX，

其中V_x，MIN和V_x，MAX是车辆速度的预定最小值和最大值；δ_MIN和δ_MAX是转向角的预定最小值和最大值；r_MIN和r_MAX是偏航率的预定最小值和最大值，并且a_y，MIN和a_y，MAX是横向加速度的预定最小值和最大值，并且

当满足条件时，向所述RLSE单元发出使能信号以实现递归最小二乘估计，并且

其中所述RLSE单元：

连接到所述偏航率估计单元和所述控制单元，

接收由所述偏航率估计单元计算的所述估计偏航率，

从所述控制单元接收所述测量偏航率以及所述使能信号，以及

当从所述控制单元接收使能信号时，所述RLSE单元使用所述递归最小二乘估计计算所述查找值。

16.如权利要求15所述的装置，其中所述RLSE单元还使用指数遗忘因子计算所述查找值。

17.如权利要求16所述的装置，其中根据以下等式使用所述指数遗忘因子执行所述递归最小二乘估计：

$\mathrm{\α}(m+1)=\left[\begin{array}{cc}1& 0\end{array}\right]\·(\widehat{\mathrm{\α}}\left(m\right)+K_{m+1}(r_{\mathrm{MEAS},m+1}-H_{m+1}\widehat{\mathrm{\α}}\left(m\right))),$

H_m+1=[r_EST，m+1  1]，

K_m+1=P_mH′_m+1(H_m+1P_mH′_m+1+λ)^-1，以及

$P_{m+1}=\frac{1}{\mathrm{\λ}}[I_n-K_{m+1}{H}_{m+1}]P_m,$

其中，α(m)代表在时间m估计的α，λ是指数遗忘因子，r_MESA，m指示在时间m测量的偏航率，r_SET，m指示在时间m估计的偏航率，代表在时间m的中间矢量，H_m是在时间m的中间行矢量，K_m是在时间m的估计器增益矩阵，并且P_m是在时间m的估计误差协方差矩阵。

18.如权利要求12所述的装置，其中所述传感器包括用于检测车辆速度V_x的至少一个速度传感器、用于检测车辆转向角δ的转向角传感器、用于检测偏航率r的偏航率传感器以及用于检测横向加速度a_y的横向加速度传感器，

其中利用用于计算在前和后轮胎上的归一化横向力Ψ对车辆转向角的偏导数的指令来计算所述查找值，并且

根据如下等式计算所述归一化横向力Ψ，

$\mathrm{\ψ}=\frac{F_f+F_r}{V_x}=\frac{{\mathrm{ma}}_y+V_x\mathrm{mr}}{V_x},$

其中m是车辆的质量，F_f是前轮胎横向力，并且F_r是后轮胎横向力。

19.如权利要求18所述的装置，其中所述装置还包括归一化横向力估计单元、控制单元和RLSE单元，

其中所述归一化横向力估计单元：

连接到所述速度传感器、偏航率传感器和横向加速度传感器，

接收所述车辆速度、偏航率和横向加速度，以及

根据如下等式计算所述归一化横向力Ψ，

$\mathrm{\ψ}=\frac{F_f+F_r}{V_x}=\frac{{\mathrm{ma}}_y+V_x\mathrm{mr}}{V_x},$

其中所述控制单元：

连接到所述速度传感器、转向角传感器、偏航率传感器和横向加速度传感器，

接收所述车辆速度V_x、转向角δ、偏航率r_MEAS，和横向加速度a_y，并且

检查是否满足以下实现条件：

V_x，MIN≤V_x≤V_x，MAX，

δ_MIN≤δ≤δ_MAX，

r_MIN≤r≤r_MAX，以及

a_y，MIN≤a_y≤a_y，MAx，

其中V_x,MIN和V_x,MAX是车辆速度的预定最小值和最大值；δ_MIN和δ_MAX是转向角的预定最小值和最大值；r_MIN和r_MAX是偏航率的预定最小值和最大值；并且a_y,MIN和a_y,MAX是横向加速度的预定最小值和最大值，并且

当满足实现条件时，向所述RLSE单元发出使能信号以实现递归最小二乘估计，

其中所述RLSE单元：

连接到所述归一化横向力估计单元和所述控制单元，

接收通过所述归一化横向力估计单元计算的所述归一化横向力，并且

从所述控制单元接收所述转向角δ以及所述使能信号，且当从所述控制单元接收使能信号时，所述RLSE单元使用所述递归最小二乘估计来计算所述查找值。

20.如权利要求19所述的装置，其中所述RLSE单元使用所述递归最小二乘估计和指数遗忘因子基于检测的车辆参数来计算所述查找值。

21.如权利要求20所述的装置，其中所述递归最小二乘估计和指数遗忘因子根据以下等式：

$\mathrm{\β}(m+1)=\left[\begin{array}{cc}1& 0\end{array}\right]\·(\widehat{\mathrm{\β}}\left(m\right)+K_{m+1}({\mathrm{\ψ}}_{m+1}-H_{m+1}\widehat{\mathrm{\β}}\left(m\right))),$

H_m+1=[δ_m+1  1],

K_m+1＝P_mH'_m+1(H_m+1P_mH'_m+1+λ)^-1，以及

$P_{m+1}=\frac{1}{\mathrm{\λ}}[I_n-K_{m+1}{H}_{m+1}]P_m,$

其中β(m)代表在时间m估计的β，λ是指数遗忘因子，Ψ_m指示在时间m计算的归一化横向力，δ_m指示在时间m的车辆转向角测量值，代表在时间m的中间矢量，H_m是在时间m的中间行矢量，K_m是在时间m的估计器增益矩阵，并且P_m是在时间m的估计误差协方差矩阵。

22.如权利要求12所述的装置，其中所述传感器包括用于检测车辆速度V_x的至少一个车轮速度传感器。

Images