CN108482379B - 轮毂电机驱动车辆路面附着系数及路面坡度同步实时估算系统及方法 - Google Patents
轮毂电机驱动车辆路面附着系数及路面坡度同步实时估算系统及方法 Download PDFInfo
- Publication number
- CN108482379B CN108482379B CN201810220199.7A CN201810220199A CN108482379B CN 108482379 B CN108482379 B CN 108482379B CN 201810220199 A CN201810220199 A CN 201810220199A CN 108482379 B CN108482379 B CN 108482379B
- Authority
- CN
- China
- Prior art keywords
- wheel
- vehicle
- longitudinal
- force
- formula
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
- B60W40/06—Road conditions
- B60W40/064—Degree of grip
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
- B60W40/06—Road conditions
- B60W40/076—Slope angle of the road
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/28—Wheel speed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2540/00—Input parameters relating to occupants
- B60W2540/18—Steering angle
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Mathematical Physics (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本发明提供一种轮毂电机驱动车辆路面附着系数及路面坡度同步实时估算系统,它包括车轮滑转率计算模块、车轮侧偏角计算模块、车轮垂向力计算模块、变形处理的Dugoff轮胎模型模块、空气阻力计算模块、渐消记忆UKF参数估计算法模块、车轮纵侧向力计算模块、车轮旋转动力学模块和纵向力反馈修正模块。本方法通过对传统UKF算法的渐消记忆加权处理,使得算法及时舍去陈旧测量数据,增加新近测量数据的权重,从而提高参数的估计精度;充分结合轮毂电机驱动车辆各车轮转矩可精确测得的优点,利用车轮旋转动力学模型求得的准确的车轮纵向力信息,对Dugoff轮胎模型求得的车轮纵向力信息进行修正,保证纵向归一化力的准确性,从而间接提高路面附着系数的估计精度。
Description
技术领域
本发明属于分布式驱动电动汽车的路面识别技术领域,具体涉及一种轮毂电机驱动车辆路面附着系数及路面坡度同步实时估算系统及方法。
背景技术
路面附着系数:指车轮与地面之间的作用力与车轮法向力的比值。目前对于路面附着系数识别的方法,根据得到最终识别结果方式通常可以分为两种:一种是基于硬件设备,通过传感器对路面进行直接检测的方法;另外一种是基于车辆动力学模型进行参数估算的路面识别方法。第一种方法主要是使用硬件设备,通过分析影响路面附着系数的物理因素,并依据已有的经验模型直接进行识别,该方法使用的传感器设备较多,相关实验仪器成本较高且结构复杂,对使用条件要求严苛,估算的准确性较依赖于已有的经验,难以在实车中得以应用。第二种方法采用低成本传感器,通过建立的车辆动力学模型,根据路面附着系数变化在车轮或车体产生的运动响应来间接识别出路面的附着系数,多数学者在基于μ-s曲线估计路面附着系数方面已经作了大量研究,但是这类方法需要大量的数据进行曲线拟合,存在响应慢、实时性不强等问题,且识别结果的准确性过于依赖模型精度。
路面坡度:指坡面的铅直高度与水平长度的比值。目前对于路面坡度的识别主要有最小二乘法及扩展卡尔曼滤波方法(EKF),诸如此类算法在计算的过程中通常忽略了非线性高阶项,精度有限,且估计的参数较为单一,只有路面坡度这一个变量,算法利用率较低。
从参数估计算法的角度分析,对于路面附着系数的估计,多数学者通常使用标准卡尔曼滤波(KF)、扩展卡尔曼滤波及无迹卡尔曼滤波(UKF)来解决一些少数典型工况的路面附着系数估计。前两种滤波算法形式简单,但是不适用于车辆这种强非线性系统,无迹卡尔曼滤波虽然考虑了非线性因素的影响,但是无法获知系统噪声特性,亦不能根据传感器测量数据对系统状态变量进行实时修正,容易产生误差累积,进而导致估计结果误差较大。另外,根据算法进行路面附着系数实时估算的算法利用率通常也较为单一。
发明内容
本发明要解决的技术问题是:提供一种轮毂电机驱动车辆路面附着系数及路面坡度同步实时估算系统及方法,能够实时准确估计不同工况下的路面情况。
本发明为解决上述技术问题所采取的技术方案为:一种轮毂电机驱动车辆路面附着系数及路面坡度同步实时估算系统,其特征在于:它包括:
车轮滑转率计算模块,用于根据各车轮转速、转向盘的转角、车辆的纵侧向车速和车身横摆角速度,计算各车轮的滑转率;
车轮侧偏角计算模块,用于根据转向盘的转角、车辆的纵侧向车速和车身横摆角速度,计算各车轮的侧偏角;
车轮垂向力计算模块,用于根据车辆纵向加速度和侧向加速度,结合路面坡度给定值,计算各车轮的垂向力;
变形处理的Dugoff轮胎模型模块,用于根据各车轮的滑转率、侧偏角和垂向力,利用变形处理的Dugoff轮胎模型,求得各车轮纵侧向归一化力;
空气阻力计算模块,用于根据车辆纵向车速计算空气阻力;
渐消记忆UKF参数估计算法模块,用于根据各车轮纵侧向归一化力、空气阻力、车辆纵向加速度、车辆侧向加速度、车身横摆角速度及各车轮纵向力之和的初始信息,通过估计算法得到路面附着系数μ及第一路面坡度信息θ1和第二路面坡度信息θ2,其中将θ1和θ2分别反解后得的值进行平均值处理得到所述的车轮垂向力计算模块中的路面坡度给定值θ;
车轮纵侧向力计算模块,用于根据各车轮纵侧向归一化力和路面附着系数,采用车轮纵侧向力计算模型计算各车轮的纵向力和侧向力;
车轮旋转动力学模块,用于根据各车轮驱动力矩Tdi,结合各车轮转速及垂向力,基于车轮旋转动力学模型计算各车轮的纵向力;
纵向力反馈修正模块,用于将车轮纵侧向力计算模块得到的各车轮的纵向力,与车轮旋转动力学模块得到的各车轮的纵向力进行比较,得到纵向力修正量,反馈到所述的经变形处理的Dugoff轮胎模型中对Dugoff轮胎模型纵向力信息进行修正。
按上述方案,所述的变形处理的Dugoff轮胎模型模块具体用于按以下方法计算:
式中,Fxi 0和Fyi 0分别为各车轮的纵向归一化力和侧向归一化力;Fzi为各车轮的垂向力;Cxi、Cyi分别为各车轮的纵向刚度和侧偏刚度;Si为各车轮的滑转率;Li表示车轮工作区间的边界值,Li>1时表示车轮处于线性区间,Li≤1时表示车轮处于非线性区间;αi为车轮的侧偏角;ε为速度影响因子,用于修正车轮的滑移速度对车轮力的影响;i=fl、fr、rl、rr,代表4个车轮;vx为车辆的纵向车速。
按上述方案,所述的渐消记忆UKF参数估计算法模块具体用于按以下方法计算:
1)离散化的系统状态空间方程确定:
i)建立过程方程:
式中,μfl、μfr、μrl和μrr分为4个车轮与路面之间的附着系数,ax_d为车辆纵向行驶加速度;θ1为基于运动学方法得到的第一路面坡度信息,θ2为基于动力学方法得到的第二路面坡度信息;g为重力加速度;m为车辆的质量;Fw为空气阻力;wk为符合高斯分布的过程噪声;k表示滤波时刻;Fx为初始各车轮纵向力之和信息;
基于动力学的坡度估算公式如下:
Fx=max_d+Fw+mg(sinθ+fcosθ)
式中,f为滚动阻力系数,基于运动学的坡度估算公式中ax_d与传感器测量信息ax存在如下关系:
令θ1=sinθ+fcosθ,θ2=sinθ,θ为路面坡度给定值,对θ1和θ2分别反解后的值进行简单的平均值处理即可得到θ;
ii)建立量测方程:
式中,ax和ay分别为车辆纵向加速度和侧向加速度;r为横摆角速度;δ为前轮转角信息;vk为符合高斯分布的量测噪声;
式中,Iz为车辆绕垂直轴的横摆转动惯量;a为车辆质心至前轴距离;b为车辆质心至后轴距离;tf、tr分别为前后轮距;
2)含渐消记忆因子UKF估算方法设计如下:
i)滤波初始化:
ii)根据UT变换获得Sigma采样点:
iii)采样点相应的权值确定:
式中:n为状态变量的维数;λ=α2(n+κ)-n,10-4≤α≤1;κ为比例系数,n+κ=7;β是一个非负的权系数,用于合并高阶项的动态误差;
iv)根据Sigma采样点计算均值和方差预测:
式中,λk为渐消记忆因子,常数0<ρ<1;
v)将Sigma点集代入观测方程,得到预测的观测值:
vi)计算系统预测的均值及协方差:
vii)计算Kalman滤波增益:
viii)计算系统的状态更新和协方差更新:
以上所列式中,xk为k时刻的状态矢量,zk为k时刻的输出矢量,uk为输入矢量,Q为wk的协方差矩阵,R为vk的协方差矩阵,为互协方差矩阵,为自协方差矩阵,Pk为方差,Kk为k时刻的Kalman增益。
按上述方案,所述的第一路面坡度信息θ1和第二路面坡度信息θ2,θ1和θ2通过以下方法进行平均值处理,得到路面坡度给定值θ:
按上述方案,所述的车轮旋转动力学模块得到的各车轮的纵向力Fxi’的计算方法为:
式中,Jw为车轮转动惯量,Rt为车轮滚动半径,Tdi为各车轮的驱动力矩。
按上述方案,所述的纵向力反馈修正模块具体通过以下方法计算:
式中,代表修正之后的Dugoff轮胎模型纵向力,Fxi代表未修正之前的Dugoff轮胎模型计算出的各车轮的纵向力,ΔFxi为纵向力修正量,Fxi’表示根据车轮旋转动力学模型计算出的各车轮的纵向力,ζ为反馈修正系数。
一种轮毂电机驱动车辆路面附着系数及路面坡度同步实时估算方法,其特征在于:它包括以下步骤:
通过以下设备获取测量参数:设置在驱动控制系统上的驱动力矩传感器,用于获取各车轮驱动力矩;设置在车轮上的轮速传感器,用于获取各车轮转速;设置在转向柱管处的转向盘转角传感器,用于获取转向盘的转角;设置在车顶位置的车速传感器,用于获取车辆的纵向车速和侧向车速;设置在车辆质心处的陀螺仪传感器,用于获取车身摆角速度、车辆纵向加速度和侧向加速度;
根据各车轮转速、转向盘的转角、车辆的纵侧向车速和车身横摆角速度,计算各车轮的滑转率;
根据转向盘的转角、车辆的纵侧向车速和车身横摆角速度,计算各车轮的侧偏角;
根据车辆纵向加速度和侧向加速度,结合路面坡度给定值,计算各车轮的垂向力;
根据各车轮的滑转率、侧偏角和垂向力,利用变形处理的Dugoff轮胎模型,求得各车轮纵侧向归一化力;
根据车辆纵向车速计算空气阻力;
根据各车轮纵侧向归一化力、空气阻力、车辆纵向加速度、车辆侧向加速度、车身横摆角速度及各车轮的纵向力之和的初始信息,通过估计算法可以得到路面附着系数μ及第一路面坡度信息θ1和第二路面坡度信息θ2,其中将θ1和θ2分别反解后的值进行平均值处理得到所述的车轮垂向力计算模块中的路面坡度给定值θ;
根据各车轮纵侧向归一化力和路面附着系数,采用车轮纵侧向力计算模型计算各车轮的纵向力和侧向力;
根据各车轮驱动力矩Tdi,结合各车轮转速及垂向力,基于车轮旋转动力学模型计算各车轮的纵向力;
将车轮纵侧向力计算模块得到的各车轮的纵向力,与车轮旋转动力学模块得到的各车轮的纵向力进行比较,得到纵向力修正量,反馈到所述的经变形处理的Dugoff轮胎模型中对轮胎模型纵向力信息进行修正。
各车轮的滑转率Si、侧偏角αi、垂向力Fzi及车辆的空气阻力Fw的计算方法为:
首先将转向盘的转角ωsw,经转向系统传统比换算到前轮转向两前轮转角δ;
根据各车轮的轮速ωi、纵向车速vx和侧向车速vy、前轮转角信息δ和横摆角速度信息r计算各车轮的滑转率Si:
式中,Rt为车轮滚动半径;vi为各车轮中心速度,表达式如下:
式中,a为车辆质心至前轴距离,tf、tr分别为前后轮距;
根据纵向车速vx和侧向车速vy、前轮转角信息δ和横摆角速度信息r计算侧偏角αi:
式中,b为车辆质心至后轴距离;
根据纵向车速vx和侧向车速vy、路面坡度信息θ计算车轮的垂向力Fzi:
式中,m为整车质量,g为重力加速度,L为车辆前轴至后轴的距离,H为车辆质心高度;
根据纵向车速信息vx计算空气阻力Fw:
式中,Cd为空气阻力系数,Af为车辆纵向迎风面积。
本发明的有益效果为:本发明采取实时计算的方法,通过车辆动力学模型分别对各车轮滑转率、侧偏角及垂向力信息进行实时计算;而后将这些参数信息发送至经变形处理的Dugoff轮胎模型,计算得到各车轮纵侧向归一化力;然后结合前轮转角信息、车辆各车轮初始纵向力之和信息、空气阻力信息、纵侧向加速度信息及横摆角速度信息,一起发送至一种含渐消记忆因子的UKF估计算法,从而求得路面附着系数及路面坡度信息。本方法一方面通过对传统UKF算法的渐消记忆加权处理,使得算法及时舍去陈旧测量数据,增加新近测量数据的权重,从而提高参数的估计精度;另一方面,充分结合轮毂电机驱动车辆各车轮转矩可精确测得的优点,利用车轮旋转动力学模型求得的准确的车轮纵向力信息,对Dugoff轮胎模型求得的车轮纵向力信息进行修正,保证纵向归一化力信息的准确性,从而间接提高路面附着系数的估计精度。另外,本发明使用一种算法即可同步估计出路面附着系数及路面坡度等信息,且路面坡度的估计方法使用的是运动学与动力学两种方法的融合,不仅能够提高路面坡度的估计精度,也提高了算法的利用率。整个算法参数估计的技术路线比较明朗,由于提高了算法的利用率,使得求解过程简单,运算量小,收敛时间短,且具有适用条件宽、应用方位广及估计参数多等优点。
附图说明
图1为本发明一实施例的系统框图。
图2为本发明的车辆动力学模型示意图。
具体实施方式
下面结合具体实例和附图对本发明做进一步说明。
根据对路面附着系数与路面坡度估计方法的分析总结,从提高参数估计结果的精度及算法利用率角度考虑,采用一种含渐消记忆因子的无迹卡尔曼滤波,一方面通过引入渐消记忆因子,实现新旧传感器测量数据权重比例的实时调节,从而提高参数估计精度;另一方面,将路面附着系数与路面坡度两种变量采用一种算法同时实现参数的实时估算,从而提高算法利用率,减少估算模型的复杂度。
从估算路面附着系数所需要使用的轮胎模型角度分析,为保证算法实时性及算法设计的便捷性,采用精度及工况适用性较好的Dugoff轮胎模型,该轮胎模型的表达式可以将路面附着系数这一参数μ单独从纵侧向力计算公式中分离开来,形成具有纵侧向归一化力形式的轮胎模型,这为路面附着系数估计算法的设计带来了极大的便利。
从估算路面坡度所依据的模型角度分析,采用动力学与运动学两种方法,充分利用传感器测量数据,从而提高参数的估计精度。
轮毂电机全轮驱动车辆具有各车轮转矩及转速可精确测得的优点,为充分利用该优点,将根据驱动电机求得的车轮纵向力与根据Dugoff轮胎模型求解的车轮纵向力通过反馈修正模块进行修正,将修正信息输入至变形处理的Dugoff轮胎模型,从而提高车轮纵向归一化力的计算精度,从而进一步间接提高路面附着系数的估计精度。
本发明提供一种轮毂电机驱动车辆路面附着系数及路面坡度同步实时估算系统,如图1所示,其中外部传感器硬件设备包括:设置在驱动控制系统上的驱动力矩传感器,用于获取各车轮驱动力矩;设置在车轮上的轮速传感器,用于获取各车轮转速;设置在转向柱管处的转向盘转角传感器,用于获取转向盘的转角;设置在车顶位置的车速传感器,用于获取车辆的纵向车速和侧向车速;设置在车辆质心处的陀螺仪传感器,用于获取车身摆角速度、车辆纵向加速度和侧向加速度。本系统包括:车轮滑转率计算模块,用于根据各车轮转速、转向盘的转角、车辆的车速和车身横摆角速度,计算各车轮的滑转率。车轮侧偏角计算模块,用于根据转向盘的转角、车辆的车速和车身横摆角速度,计算各车轮的侧偏角。车轮垂向力计算模块,用于根据车辆纵向加速度和侧向加速度,结合路面坡度给定值,计算各车轮的垂向力。变形处理的Dugoff轮胎模型模块,用于根据各车轮的滑转率、侧偏角和垂向力,利用变形处理的Dugoff轮胎模型,求得各车轮纵侧向归一化力。空气阻力计算模块,用于根据车辆纵向车速计算空气阻力。渐消记忆UKF参数估计算法模块,用于根据各车轮纵侧向归一化力、空气阻力、车辆纵向加速度、车辆侧向加速度、车身横摆角速度及各车轮初始纵向力之和信息,通过估计算法可以得到路面附着系数μ及第一路面坡度信息θ1和第二路面坡度信息θ2,其中将θ1和θ2分别反解后的值进行平均值处理得到所述的车轮垂向力计算模块中的路面坡度给定值θ。车轮纵侧向力计算模块,用于根据各车轮纵侧向归一化力和路面附着系数,采用车轮纵侧向力计算模型计算各车轮的纵向力和侧向力。车轮旋转动力学模块,用于根据各车轮驱动力矩Tdi,结合各车轮转速及垂向力,基于车轮旋转动力学模型计算各车轮的纵向力。纵向力反馈修正模块,用于将车轮纵侧向力计算模块得到的各车轮的纵向力,与车轮旋转动力学模块得到的各车轮的纵向力进行比较,得到纵向力修正量,反馈到所述的经变形处理的Dugoff轮胎模型中对轮胎模型纵向力信息进行修正。
1、车辆在运行过程中,分别从转向盘转角传感器测得的转向盘转角信号ωsw,从GPS信号接收器测得的车辆纵侧向车速vx和vy,从轮速传感器测得的各车轮转速ωi,从陀螺仪测得的车身横摆角速度r,发送到基于车辆动力学的车轮滑转率Si和侧偏角αi计算模块;将vx信息发送到空气阻力Fw计算模块;从陀螺仪测得的车辆纵侧向加速度ax和ay,结合路面坡度初始给定值θ0,一起发送到车轮垂向力Fzi计算模块。
首先将转向盘的转角ωsw,经转向系统传统比换算到前轮转向两前轮转角δ;
根据各车轮的轮速ωi、纵向车速vx和侧向车速vy、前轮转角信息δ和横摆角速度信息r计算各车轮的滑转率Si:
式中,Rt为车轮滚动半径;vi为各车轮中心速度,表达式如下:
式中,a为车辆质心至前轴距离,tf、tr分别为前后轮距;
根据纵向车速vx和侧向车速vy、前轮转角信息δ和横摆角速度信息r计算侧偏角αi:
式中,b为车辆质心至后轴距离;
根据纵向车速vx和侧向车速vy、路面坡度信息θ计算车轮的垂向力Fzi:
式中,m为整车质量,g为重力加速度,L为车辆前轴至后轴的距离,H为车辆质心高度;
根据纵向车速信息vx计算空气阻力Fw:
式中,Cd为空气阻力系数,Af为车辆纵向迎风面积。
2、将各车轮的滑转率Si、侧偏角αi及垂向力Fzi计算信息发送到经变形处理的Dugoff轮胎模型,求得各车轮纵侧向归一化力Fxi 0和Fyi 0;将转向盘转角信息ωsw、各车轮纵侧向归一化力Fxi 0和Fyi 0、空气阻力Fw、车辆纵侧向加速度ax和ay、横摆角速度r及车辆各车轮初始纵向力之和信息Fx,发送至渐消记忆UKF参数估计算法模块。
将各车轮滑转率Si、侧偏角αi及垂向力Fzi计算信息发送到经变形处理的Dugoff轮胎模型,求得各车轮纵侧向归一化力Fxi 0和Fyi 0的计算方法为:
式中,Cxi、Cyi分别为各车轮的纵向刚度和侧偏刚度;Li表示车轮工作区间的边界值,Li>1时表示车轮处于线性区间,Li≤1时表示车轮处于非线性区间;ε为速度影响因子,修正了车轮滑移速度对车轮力的影响。
将前轮转角信息δ、各车轮纵侧向归一化力Fxi 0和Fyi 0、空气阻力Fw、车辆纵侧向加速度ax和ay、横摆角速度r及各车轮初始纵向力之和信息Fx,发送至渐消记忆UKF参数估计算法模块的参数估计方法为:
①离散化的系统状态空间方程确定:
i)过程方程建立:
式中,wk为符合高斯分布的过程噪声,k表示滤波时刻;
基于动力学的坡度估算公式如下:
Fx=max_d+Fw+mg(sinθ+f cosθ) (16)
式中,f为滚动阻力系数,ax_d为车辆纵向行驶加速度,基于运动学的坡度估算公式中ax_d与传感器测量信息ax存在如下关系:
为了便于算法求解,令θ1=sinθ+fcosθ,θ2=sinθ,其中θ为路面坡度给定值,对θ1和θ2分别反解后的值进行简单的平均值处理即可得到θ;
ii)量测方程建立:
式中,vk为符合高斯分布的量测噪声;
式中,Iz为车辆绕垂直轴的横摆转动惯量;
②含渐消记忆因子UKF估算方法设计如下:
i)滤波初始化:
ii)根据UT变换获得Sigma采样点:
iii)采样点相应的权值确定:
式中:n为状态变量的维数(n=7);λ=α2(n+κ)-n;α的选取决定了Sigma点的分布状态,通常选取较小的正值((10-4≤α≤1);κ为比例系数,通常n+κ=7;β是一个非负的权系数,它可以合并高阶项的动态误差,对于服从高斯分布的状态变量,β=2是最优的;
iv)根据Sigma采样点计算均值和方差预测:
式中,λk为渐消记忆因子,常数0<ρ<1;
v)将Sigma点集代入观测方程,得到预测的观测值:
vi)计算系统预测的均值及协方差:
vii)计算Kalman滤波增益:
viii)计算系统的状态更新和协方差更新:
以上所列式中,xk为k时刻的状态矢量,zk为k时刻的输出矢量,uk为输入矢量,Q为wk的协方差矩阵,R为vk的协方差矩阵,为互协方差矩阵,为自协方差矩阵,Pk为方差,Kk为k时刻的Kalman增益。
至此,含渐消记忆因子的UKF估计算法建立完毕。算法的输出值即为各车轮与地面之间的路面附着系数及路面坡度。
3、将各车轮纵侧向归一化力Fxi 0和Fyi 0及算法估算的路面附着系数信息μ,发送至车轮纵侧向力计算模块,得到根据Dugoff轮胎模型计算出的车轮纵侧向力信息Fxi和Fyi。
4、将算法估计的基于运动学和动力学两种方法的参数信息θ1和θ2分别反解,然后对其反解值进行平均值处理,即可得到路面坡度θ,而后将θ发送至垂向力模块,用于后续的垂向力Fzi计算。
其中坡度θ的计算方法为:
5、从驱动控制系统测得的各车轮驱动力矩Tdi,结合各车轮轮速信息ωi及垂向力信息Fzi发送至车轮旋转动力学模块,据此求得属于车轮旋转动力学模型的车轮纵向力Fxi’。
Fxi’的计算方法为:
式中,Jw为车轮转动惯量,Rt为车轮滚动半径,Tdi为各车轮的驱动力矩。
6、将根据车轮纵侧向力计算模型计算出的车轮纵向力信息Fxi与根据车轮旋转动力学模型计算出的车轮纵向力信息Fxi’发送至反馈修正模块。
7、将反馈修正模块计算的纵向力修正量ΔFxi发送至经变形处理的Dugoff轮胎模型,实现对Dugoff轮胎模型纵向力信息的修正。
以上,i=fl、fr、rl、rr,代表4个车轮。
将根据车轮纵侧向力计算模型计算出的车轮纵向力信息Fxi与根据车轮旋转动力学模型计算出的车轮纵向力信息Fxi’发送至反馈修正模块,而后将计算的纵向力修正量ΔFxi发送至经变形处理的Dugoff轮胎模型,实现对Dugoff轮胎模型纵向力信息修正的具体方法为;
式中,代表修正之后的Dugoff轮胎模型纵向力,Fxi代表未修正之前的原始Dugoff轮胎模型纵向力,Fxi’表示根据车轮旋转动力学模型精确求解的纵向力,ζ为反馈修正系数。
至此,完成了整个系统的模型建立及具体求解过程。
以上实施例仅用于说明本发明的设计思想和特点,其目的在于使本领域内的技术人员能够了解本发明的内容并据以实施,本发明的保护范围不限于上述实施例。所以,凡依据本发明所揭示的原理、设计思路所作的等同变化或修饰,均在本发明的保护范围之内。
Claims (6)
1.一种轮毂电机驱动车辆路面附着系数及路面坡度同步实时估算系统,其特征在于:它包括:
车轮滑转率计算模块,用于根据各车轮转速、转向盘的转角、车辆的纵侧向车速和车身横摆角速度,计算各车轮的滑转率;
车轮侧偏角计算模块,用于根据转向盘的转角、车辆的纵侧向车速和车身横摆角速度,计算各车轮的侧偏角;
车轮垂向力计算模块,用于根据车辆纵向加速度和侧向加速度,结合路面坡度给定值,计算各车轮的垂向力;
变形处理的Dugoff轮胎模型模块,用于根据各车轮的滑转率、侧偏角和垂向力,利用变形处理的Dugoff轮胎模型,求得各车轮纵侧向归一化力;
空气阻力计算模块,用于根据车辆纵向车速计算空气阻力;
渐消记忆UKF参数估计算法模块,用于根据各车轮纵侧向归一化力、空气阻力、车辆纵向加速度、车辆侧向加速度、车身横摆角速度及各车轮纵向力之和的初始信息,通过估计算法得到路面附着系数μ及第一路面坡度信息θ1和第二路面坡度信息θ2,其中将θ1和θ2分别反解后得的值进行平均值处理得到所述的车轮垂向力计算模块中的路面坡度给定值θ;
车轮纵侧向力计算模块,用于根据各车轮纵侧向归一化力和路面附着系数,采用车轮纵侧向力计算模型计算各车轮的纵向力和侧向力;
车轮旋转动力学模块,用于根据各车轮驱动力矩Tdi,结合各车轮转速及垂向力,基于车轮旋转动力学模型计算各车轮的纵向力;
纵向力反馈修正模块,用于将车轮纵侧向力计算模块得到的各车轮的纵向力,与车轮旋转动力学模块得到的各车轮的纵向力进行比较,得到纵向力修正量,反馈到所述的变形处理的Dugoff轮胎模型中对Dugoff轮胎模型纵向力信息进行修正;
所述的变形处理的Dugoff轮胎模型模块具体用于按以下方法计算:
式中,Fxi 0和Fyi 0分别为各车轮的纵向归一化力和侧向归一化力;Fzi为各车轮的垂向力;Cxi、Cyi分别为各车轮的纵向刚度和侧偏刚度;Si为各车轮的滑转率;Li表示车轮工作区间的边界值,Li>1时表示车轮处于线性区间,Li≤1时表示车轮处于非线性区间;αi为车轮的侧偏角;ε为速度影响因子,用于修正车轮的滑移速度对车轮力的影响;i=fl、fr、rl、rr,代表4个车轮;vx为车辆的纵向车速;
所述的渐消记忆UKF参数估计算法模块具体用于按以下方法计算:
1)离散化的系统状态空间方程确定:
i)建立过程方程:
式中,μfl、μfr、μrl和μrr分为4个车轮与路面之间的附着系数;ax_d为车辆纵向行驶加速度;θ1为基于运动学方法得到的第一路面坡度信息,θ2为基于动力学方法得到的第二路面坡度信息;g为重力加速度;m为车辆的质量;Fw为空气阻力;wk为符合高斯分布的过程噪声;k表示滤波时刻;Fx为初始各车轮纵向力之和信息;
基于动力学的坡度估算公式如下:
Fx=max_d+Fw+mg(sinθ+fcosθ)
式中,f为滚动阻力系数,基于运动学的坡度估算公式中ax_d与传感器测量信息ax存在如下关系:
令θ1=sinθ+fcosθ,θ2=sinθ,θ为路面坡度给定值,对θ1和θ2分别反解后的值进行简单的平均值处理即可得到θ;
ii)建立量测方程:
式中,ax和ay分别为车辆纵向加速度和侧向加速度;r为横摆角速度;δ为前轮转角信息;vk为符合高斯分布的量测噪声;
式中,Iz为车辆绕垂直轴的横摆转动惯量;a为车辆质心至前轴距离;b为车辆质心至后轴距离;tf、tr分别为前后轮距;
2)含渐消记忆因子UKF估算方法设计如下:
i)滤波初始化:
ii)根据UT变换获得Sigma采样点:
iii)采样点相应的权值确定:
式中:n为状态变量的维数;λ=α2(n+κ)-n,10-4≤α≤1;κ为比例系数,n+κ=7;β是一个非负的权系数,用于合并高阶项的动态误差;
iv)根据Sigma采样点计算均值和方差预测:
式中,λk为渐消记忆因子,常数0<ρ<1;
v)将Sigma点集代入观测方程,得到预测的观测值:
vi)计算系统预测的均值及协方差:
vii)计算Kalman滤波增益:
viii)计算系统的状态更新和协方差更新:
以上所列式中,xk为k时刻的状态矢量,zk为k时刻的输出矢量,uk为输入矢量,Q为wk的协方差矩阵,R为vk的协方差矩阵,Pxkzk为互协方差矩阵,Pzkzk为自协方差矩阵,Pk为方差,Kk为k时刻的Kalman增益。
2.根据权利要求1所述的轮毂电机驱动车辆路面附着系数及路面坡度同步实时估算系统,其特征在于:所述的第一路面坡度信息θ1和第二路面坡度信息θ2,θ1和θ2通过以下方法进行平均值处理,得到路面坡度给定值θ:
3.根据权利要求2所述的轮毂电机驱动车辆路面附着系数及路面坡度同步实时估算系统,其特征在于:所述的车轮旋转动力学模块得到的各车轮的纵向力Fxi’的计算方法为:
式中,Jw为车轮转动惯量,Rt为车轮滚动半径,Tdi为各车轮的驱动力矩。
4.根据权利要求3所述的轮毂电机驱动车辆路面附着系数及路面坡度同步实时估算系统,其特征在于:所述的纵向力反馈修正模块具体通过以下方法计算:
式中,代表修正之后的Dugoff轮胎模型纵向力,Fxi代表未修正之前的Dugoff轮胎模型计算出的各车轮的纵向力,ΔFxi为纵向力修正量,Fxi’表示根据车轮旋转动力学模型计算出的各车轮的纵向力,ζ为反馈修正系数。
5.一种轮毂电机驱动车辆路面附着系数及路面坡度同步实时估算方法,其特征在于:它包括以下步骤:
通过以下设备获取测量参数:设置在驱动控制系统上的驱动力矩传感器,用于获取各车轮驱动力矩;设置在车轮上的轮速传感器,用于获取各车轮转速;设置在转向柱管处的转向盘转角传感器,用于获取转向盘的转角;设置在车顶位置的车速传感器,用于获取车辆的纵向车速和侧向车速;设置在车辆质心处的陀螺仪传感器,用于获取车身摆角速度、车辆纵向加速度和侧向加速度;
根据各车轮转速、转向盘的转角、车辆的纵侧向车速和车身横摆角速度,计算各车轮的滑转率;
根据转向盘的转角、车辆的纵侧向车速和车身横摆角速度,计算各车轮的侧偏角;
根据车辆纵向加速度和侧向加速度,结合路面坡度给定值,计算各车轮的垂向力;
根据各车轮的滑转率、侧偏角和垂向力,利用变形处理的Dugoff轮胎模型,求得各车轮侧向归一化力;
根据车辆纵向车速计算空气阻力;
根据各车轮纵侧向归一化力、空气阻力、车辆纵向加速度、车辆侧向加速度、车身横摆角速度及各车轮的纵向力之和的初始信息,通过估计算法可以得到路面附着系数μ及第一路面坡度信息θ1和第二路面坡度信息θ2,其中将θ1和θ2分别反解后的值进行平均值处理得到所述的车轮垂向力计算模块中的路面坡度给定值θ;
根据各车轮侧向归一化力和路面附着系数,采用车轮纵侧向力模型计算各车轮的纵向力和侧向力;
根据各车轮驱动力矩Tdi,结合各车轮转速及垂向力,基于车轮旋转动力学模型计算各车轮的纵向力;
将车轮纵侧向力计算模块得到的各车轮的纵向力,与车轮旋转动力学模块得到的各车轮的纵向力进行比较,得到纵向力修正量,反馈到所述的变形处理的Dugoff轮胎模型中对轮胎模型纵向力信息进行修正;
根据各车轮的滑转率、侧偏角和垂向力,利用变形处理的Dugoff轮胎模型,求得各车轮纵侧向归一化力,具体按以下方法计算:
式中,Fxi 0和Fyi 0分别为各车轮的纵向归一化力和侧向归一化力;Fzi为各车轮的垂向力;Cxi、Cyi分别为各车轮的纵向刚度和侧偏刚度;Si为各车轮的滑转率;Li表示车轮工作区间的边界值,Li>1时表示车轮处于线性区间,Li≤1时表示车轮处于非线性区间;αi为车轮的侧偏角;ε为速度影响因子,用于修正车轮的滑移速度对车轮力的影响;i=fl、fr、rl、rr,代表4个车轮;vx为车辆的纵向车速;
路面附着系数μ及第一路面坡度信息θ1和第二路面坡度信息θ2具体按以下方法计算:
1)离散化的系统状态空间方程确定:
i)建立过程方程:
式中,μfl、μfr、μrl和μrr分为4个车轮与路面之间的附着系数;ax_d为车辆纵向行驶加速度;θ1为基于运动学方法得到的第一路面坡度信息,θ2为基于动力学方法得到的第二路面坡度信息;g为重力加速度;m为车辆的质量;Fw为空气阻力;wk为符合高斯分布的过程噪声;k表示滤波时刻;Fx为初始各车轮纵向力之和信息;
基于动力学的坡度估算公式如下:
Fx=max_d+Fw+mg(sinθ+fcosθ)
式中,f为滚动阻力系数,基于运动学的坡度估算公式中ax_d与传感器测量信息ax存在如下关系:
令θ1=sinθ+fcosθ,θ2=sinθ,θ为路面坡度给定值,对θ1和θ2分别反解后的值进行简单的平均值处理即可得到θ;
ii)建立量测方程:
式中,ax和ay分别为车辆纵向加速度和侧向加速度;r为横摆角速度;δ为前轮转角信息;vk为符合高斯分布的量测噪声;
式中,Iz为车辆绕垂直轴的横摆转动惯量;a为车辆质心至前轴距离;b为车辆质心至后轴距离;tf、tr分别为前后轮距;
2)含渐消记忆因子UKF估算方法设计如下:
i)滤波初始化:
ii)根据UT变换获得Sigma采样点:
iii)采样点相应的权值确定:
式中:n为状态变量的维数;λ=α2(n+κ)-n,10-4≤α≤1;κ为比例系数,n+κ=7;β是一个非负的权系数,用于合并高阶项的动态误差;
iv)根据Sigma采样点计算均值和方差预测:
式中,λk为渐消记忆因子,常数0<ρ<1;
v)将Sigma点集代入观测方程,得到预测的观测值:
vi)计算系统预测的均值及协方差:
vii)计算Kalman滤波增益:
viii)计算系统的状态更新和协方差更新:
以上所列式中,xk为k时刻的状态矢量,zk为k时刻的输出矢量,uk为输入矢量,Q为wk的协方差矩阵,R为vk的协方差矩阵,Pxkzk为互协方差矩阵,Pzkzk为自协方差矩阵,Pk为方差,Kk为k时刻的Kalman增益。
6.根据权利要求5所述的轮毂电机驱动车辆路面附着系数及路面坡度同步实时估算方法,其特征在于:各车轮的滑转率Si、侧偏角αi、垂向力Fzi及车辆的空气阻力Fw的计算方法为:
首先将转向盘的转角ωsw,经转向系统传统比换算到前轮转向两前轮转角δ;
根据各车轮的轮速ωi、纵向车速vx和侧向车速vy、前轮转角信息δ和横摆角速度信息r计算各车轮的滑转率Si:
式中,Rt为车轮滚动半径;vi为各车轮中心速度,表达式如下:
式中,a为车辆质心至前轴距离,tf、tr分别为前后轮距;
根据纵向车速vx和侧向车速vy、前轮转角信息δ和横摆角速度信息r计算侧偏角αi:
式中,b为车辆质心至后轴距离;
根据纵向车速vx和侧向车速vy、路面坡度信息θ计算车轮的垂向力Fzi:
式中,m为整车质量,g为重力加速度,L为车辆前轴至后轴的距离,H为车辆质心高度;根据纵向车速信息vx计算空气阻力Fw:
式中,Cd为空气阻力系数,Af为车辆纵向迎风面积。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810220199.7A CN108482379B (zh) | 2018-03-16 | 2018-03-16 | 轮毂电机驱动车辆路面附着系数及路面坡度同步实时估算系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810220199.7A CN108482379B (zh) | 2018-03-16 | 2018-03-16 | 轮毂电机驱动车辆路面附着系数及路面坡度同步实时估算系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108482379A CN108482379A (zh) | 2018-09-04 |
CN108482379B true CN108482379B (zh) | 2019-11-26 |
Family
ID=63339535
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810220199.7A Active CN108482379B (zh) | 2018-03-16 | 2018-03-16 | 轮毂电机驱动车辆路面附着系数及路面坡度同步实时估算系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108482379B (zh) |
Families Citing this family (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109466558B (zh) * | 2018-10-26 | 2020-08-04 | 重庆邮电大学 | 一种基于ekf和bp神经网络的路面附着系数估计方法 |
CN109522670A (zh) * | 2018-11-29 | 2019-03-26 | 山东理工大学 | 一种轮毂驱动车辆多源激励耦合动力学分析方法 |
CN109910617B (zh) * | 2019-03-27 | 2022-05-06 | 武汉理工大学 | 一种分布式轮毂电机驱动车辆失效故障的诊断方法 |
CN110271534B (zh) * | 2019-06-14 | 2021-05-28 | 百度在线网络技术(北京)有限公司 | 自动驾驶车辆的控制方法、装置、计算机设备和存储介质 |
CN110395259B (zh) * | 2019-07-16 | 2021-08-24 | 启迪云控(北京)科技有限公司 | 一种路面情况的估计方法、装置、设备以及介质 |
CN110435623B (zh) * | 2019-08-28 | 2020-05-12 | 吉林大学 | 一种自动调整的电动车分级自动紧急制动控制系统 |
CN111376906B (zh) * | 2020-03-27 | 2021-03-26 | 清华大学 | 一种用于重型轮毂电机车辆的修正目标防滑控制方法 |
CN111688715B (zh) * | 2020-06-24 | 2021-05-18 | 长春工业大学 | 四轮驱动电动汽车基于融合技术的质心侧偏角观测方法 |
CN111959486B (zh) * | 2020-07-01 | 2021-11-09 | 武汉理工大学 | 电机驱动车辆纵横向耦合控制方法、系统及存储介质 |
CN111845710B (zh) * | 2020-08-03 | 2023-10-03 | 北京理工大学 | 基于路面附着系数识别的整车动态性能控制方法及系统 |
CN112429008B (zh) * | 2020-11-11 | 2022-06-21 | 江苏大学 | 一种轮胎垂向力估算系统及其估算方法 |
CN112590796B (zh) * | 2020-12-24 | 2022-05-31 | 江苏徐工工程机械研究院有限公司 | 一种复合型松软路面识别系统及识别方法 |
CN112660135B (zh) * | 2020-12-25 | 2022-11-15 | 浙江吉利控股集团有限公司 | 一种路面附着系数估算方法及装置 |
CN112721936B (zh) * | 2021-01-18 | 2021-09-28 | 国汽智控(北京)科技有限公司 | 一种路面峰值附着系数检测方法、装置及电子设备 |
CN113341966B (zh) * | 2021-05-31 | 2022-05-17 | 广州文远知行科技有限公司 | 坡道车辆控制方法、装置、车辆及存储介质 |
CN114043986B (zh) * | 2021-08-20 | 2024-04-26 | 东南大学 | 一种考虑质量失配的轮胎路面附着系数多模型融合估计方法 |
CN113830094B (zh) * | 2021-09-16 | 2024-04-30 | 常州工学院 | 一种考虑多源输入信息的车辆质心侧偏角自适应融合与补偿方法 |
CN115402280B (zh) * | 2022-08-30 | 2024-05-24 | 南京航空航天大学 | 一种商用车滑板底盘线控制动系统及其一致性控制方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102202949A (zh) * | 2008-10-29 | 2011-09-28 | 日产自动车株式会社 | 车辆接地面摩擦状态估计设备和方法 |
CN104021310A (zh) * | 2014-06-23 | 2014-09-03 | 清华大学 | 基于UKF与修正Dugoff轮胎模型路面峰值附着系数估算方法 |
CN104354697A (zh) * | 2014-10-08 | 2015-02-18 | 南京航空航天大学 | 一种利用在线修正的汽车状态参数估计路面附着系数的方法 |
US9311761B1 (en) * | 2014-11-21 | 2016-04-12 | Continental Automotive Systems, Inc. | Vehicle load information system to determine road slope and load when trailer is added to vehicle |
CN206171449U (zh) * | 2016-10-14 | 2017-05-17 | 武汉理工大学 | 一种基于车辆状态‑路面情况的车辆速度预警系统 |
CN107719372A (zh) * | 2017-09-30 | 2018-02-23 | 武汉理工大学 | 基于动态控制分配的四驱电动汽车动力学多目标控制系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9043113B2 (en) * | 2012-05-31 | 2015-05-26 | Caterpillar Inc. | Drive system having ongoing pull-slip learning |
US10000214B2 (en) * | 2015-12-21 | 2018-06-19 | Cummins Inc. | Vehicle controls including dynamic vehicle parameter determination |
-
2018
- 2018-03-16 CN CN201810220199.7A patent/CN108482379B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102202949A (zh) * | 2008-10-29 | 2011-09-28 | 日产自动车株式会社 | 车辆接地面摩擦状态估计设备和方法 |
CN104021310A (zh) * | 2014-06-23 | 2014-09-03 | 清华大学 | 基于UKF与修正Dugoff轮胎模型路面峰值附着系数估算方法 |
CN104354697A (zh) * | 2014-10-08 | 2015-02-18 | 南京航空航天大学 | 一种利用在线修正的汽车状态参数估计路面附着系数的方法 |
US9311761B1 (en) * | 2014-11-21 | 2016-04-12 | Continental Automotive Systems, Inc. | Vehicle load information system to determine road slope and load when trailer is added to vehicle |
CN206171449U (zh) * | 2016-10-14 | 2017-05-17 | 武汉理工大学 | 一种基于车辆状态‑路面情况的车辆速度预警系统 |
CN107719372A (zh) * | 2017-09-30 | 2018-02-23 | 武汉理工大学 | 基于动态控制分配的四驱电动汽车动力学多目标控制系统 |
Non-Patent Citations (2)
Title |
---|
四轮独立驱动车辆纵向车速与坡度的联合估计;孙威 等;《武汉理工大学学报》;20170630;第39卷(第6期);第28~33、77页 * |
基于指数加权衰减记忆无迹卡尔曼滤波的路面附着系数估计;付翔 等;《汽车技术》;20180131(第1期);第31~37页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108482379A (zh) | 2018-09-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108482379B (zh) | 轮毂电机驱动车辆路面附着系数及路面坡度同步实时估算系统及方法 | |
CN103407451B (zh) | 一种道路纵向附着系数估计方法 | |
CN102556075B (zh) | 一种基于改进扩展卡尔曼滤波的车辆运行状态估计方法 | |
CN102529976B (zh) | 一种基于滑模观测器的车辆运行状态非线性鲁棒估计方法 | |
CN102673569B (zh) | 车辆状态测算装置、方法及使用该装置的车辆 | |
CN101320047B (zh) | Gps辅助的车辆纵向速度确定 | |
CN102112354B (zh) | 路面摩擦系数估计装置和路面摩擦系数估计方法 | |
CN104061899B (zh) | 一种基于卡尔曼滤波的车辆侧倾角与俯仰角估计方法 | |
CN103434511B (zh) | 一种车速与道路附着系数的联合估计方法 | |
CN109606378A (zh) | 面向非高斯噪声环境的车辆行驶状态估计方法 | |
CN105667520B (zh) | 一种分布式驱动电动车的前轮侧向力估计方法 | |
CN109597308A (zh) | 基于动力学模型的无人驾驶汽车模型预测控制器设计方法 | |
CN107963126A (zh) | 一种多轴转向车辆大曲率自动驾驶转向控制方法 | |
CN106184225B (zh) | 分布式四驱电动车动力学控制的纵向车速估算方法 | |
CN103909933B (zh) | 一种分布式电驱动车辆的前轮侧向力估算方法 | |
CN106250591A (zh) | 一种考虑侧倾影响的汽车行驶状态估计方法 | |
CN109791049A (zh) | 用于确定车辆的姿态的方法 | |
CN110979026B (zh) | 一种基于实时路况的分布式驱动公交车转矩分配方法 | |
CN108216250A (zh) | 基于状态观测器的四驱电动汽车速度与道路坡度估计方法 | |
CN110341714B (zh) | 一种同时估计车辆质心侧偏角和扰动的方法 | |
CN109291932A (zh) | 基于反馈的电动汽车横摆稳定性实时控制装置及方法 | |
CN110530361A (zh) | 一种基于农业机械双天线gnss自动导航系统的转向角度估计器 | |
CN113247004A (zh) | 一种车辆质量与道路横向坡度的联合估计方法 | |
CN102582626A (zh) | 重型半挂车状态估计方法 | |
CN103759733A (zh) | 基于联邦滤波的ins/vkm/vdm车载导航系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20211230 Address after: 100123 107, floor 1, building 2, courtyard 4, Changyi Road, Chaoyang District, Beijing Patentee after: Beijing Zhongchen Ruitong Technology Co.,Ltd. Address before: 430070 Hubei Province, Wuhan city Hongshan District Luoshi Road No. 122 Patentee before: WUHAN University OF TECHNOLOGY |
|
TR01 | Transfer of patent right |