CN108819950A - 汽车稳定性控制系统的车速估计方法及系统 - Google Patents
汽车稳定性控制系统的车速估计方法及系统 Download PDFInfo
- Publication number
- CN108819950A CN108819950A CN201810831292.1A CN201810831292A CN108819950A CN 108819950 A CN108819950 A CN 108819950A CN 201810831292 A CN201810831292 A CN 201810831292A CN 108819950 A CN108819950 A CN 108819950A
- Authority
- CN
- China
- Prior art keywords
- speed
- vehicle
- wheel speed
- wheel
- signal
- 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.)
- Granted
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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/0098—Details of control systems ensuring comfort, safety or stability not otherwise provided for
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0043—Signal treatments, identification of variables or parameters, parameter estimation or state estimation
- B60W2050/0052—Filtering, filters
Abstract
本发明公开了一种汽车稳定性控制系统的车速估计方法,包括:识别车辆行驶状态,并计算各行驶状态下的基准轮速;分别构造基于运动学模型的容积卡尔曼滤波器和基于动力学模型的容积卡尔曼滤波器,通过置信度系数,将两者融合构成双层架构的容积卡尔曼滤波器,进行车速估计。构建了一个双层架构的容积卡尔曼滤波器,提高了车速估计的精度及适用性。不依赖大量实车试验、计算量小、可靠性高的特点。
Description
技术领域
本发明涉及一种车速估计方法,具体地涉及一种两轮驱动机动车辆的汽车稳定性控制系统的车速估计方法及系统。
背景技术
两轮驱动机动车辆的汽车稳定性控制系统(Dynamic Stability Control,DSC),该系统集成了制动防抱死系统(Anti-lock Braking System,ABS)、牵引力控制系统(Traction Control System,TCS)以及主动横摆控制(Active Yaw Control,AYC)三个子系统,能够根据紧急制动、部分制动、滑行、驱动、转向等各种不同工况,对应其各自的汽车动力学运动模式,通过控制纵向力和横向力的分布和大小,提高车辆的主动安全性能。
制动防抱死系统ABS、牵引力控制系统TCS以及汽车动力学稳定性控制系统DSC等车辆主动安全的系统要实现对车辆的精确控制,其前提是已知车辆的真实车速。但汽车仪表盘上显示的车速并非车辆的真实车速,而是车轮的平均速度(即四个轮速传感器测量得到的车轮转速乘以轮胎的滚动半径的平均值)。车辆纵向实际速度的准确估计,对于优化ABS、TSC以及DSC的控制效果有非常重要的意义,且对于某个车轮发生了抱死或滑转的车辆尤为重要。
迄今为止已有多项关于车速估计方法的公开专利,如CN10165504B、CN102009654B、CN104742888B、CN106926845A。但在这些专利中,均未考虑车辆行驶状态变化对车速估计的影响,在车速估计算法方面仍存在缺陷。目前国内所采用的车速估计方法大多存在实时性与精确度两者不兼顾、适用性差的问题。
发明内容
为了解决上述存在的技术问题,本发明提供了一种汽车稳定性控制系统的车速估计方法及系统,构建了一个双层架构的容积卡尔曼滤波器,提高了车速估计的精度及适用性。不依赖大量实车试验、计算量小、可靠性高的特点。
本发明的技术方案是:
一种汽车稳定性控制系统的车速估计方法,包括以下步骤:
S01:识别车辆行驶状态,并计算各行驶状态下的基准轮速;
S02:分别构造基于运动学模型的容积卡尔曼滤波器和基于动力学模型的容积卡尔曼滤波器,通过置信度系数,将两者融合构成双层架构的容积卡尔曼滤波器,进行车速估计。
优选的技术方案中,所述步骤S01中,根据轮速传感器信号、方向盘转角信号、纵向加速度信号以及横摆角速度信号识别车辆行驶状态,根据横摆角速度以及方向盘转角信号判断车辆处于转弯或直线状态,利用四轮轮速信号、纵向加速度信号以及制动开关信号判断车辆处于匀速、加速或者减速状态。
优选的技术方案中,所述步骤S01中,在计算基准轮速前,对轮速及纵向加速度信号进行修正,所述轮速修正包括滤波及转弯修正,所述纵向加速度修正包括滤波、零点漂移修正及坡度修正。
优选的技术方案中,轮速传感器根据本周期与上周期最后一个上升沿和下降沿发生时刻及其之间所产生的脉冲数,计算得到上升沿轮速Vu和下降沿轮速Vd,并将二者平均作为本周期轮速。
优选的技术方案中,所述双层架构的容积卡尔曼滤波器的车速估计为:
其中,vref为双层架构算法的参考车速,为基于车辆动力学模型的参考车速,为基于车辆运动学模型的参考车速,kd为基于车辆动力学模型的参考车速的置信度,kk为基于车辆运动学模型的参考车速的置信度。
本发明还公开了一种汽车稳定性控制系统的车速估计系统,包括,
基准轮速计算单元,识别车辆行驶状态,并计算各行驶状态下的基准轮速;
车速估计单元,分别构造基于运动学模型的容积卡尔曼滤波器和基于动力学模型的容积卡尔曼滤波器,通过置信度系数,将两者融合构成双层架构的容积卡尔曼滤波器,进行车速估计。
优选的技术方案中,所述基准轮速计算单元还包括车辆行驶状态识别单元,根据轮速传感器信号、方向盘转角信号、纵向加速度信号以及横摆角速度信号识别车辆行驶状态,根据横摆角速度以及方向盘转角信号判断车辆处于转弯或直线状态,利用四轮轮速信号、纵向加速度信号以及制动开关信号判断车辆处于匀速、加速或者减速状态。
优选的技术方案中,所述基准轮速计算单元还包括修正单元,在计算基准轮速前,对轮速及纵向加速度信号进行修正,所述轮速修正包括滤波及转弯修正,所述纵向加速度修正包括滤波、零点漂移修正及坡度修正。
优选的技术方案中,轮速传感器根据本周期与上周期最后一个上升沿和下降沿发生时刻及其之间所产生的脉冲数,计算得到上升沿轮速Vu和下降沿轮速Vd,并将二者平均作为本周期轮速。
优选的技术方案中,所述双层架构的容积卡尔曼滤波器的车速估计为:
其中,vref为双层架构算法的参考车速,为基于车辆动力学模型的参考车速,为基于车辆运动学模型的参考车速,kd为基于车辆动力学模型的参考车速的置信度,kk为基于车辆运动学模型的参考车速的置信度。
与现有技术相比,本发明的优点是:
对车辆行驶状态进行识别,并对各个行驶状态下的基准轮速进行选取和计算,以容积卡尔曼滤波算法为基础,分别构造基于运动学模型的容积卡尔曼滤波器和基于动力学模型的容积卡尔曼滤波器,通过置信度系数,将两种方法进行结合,构建了一个双层架构的容积卡尔曼滤波器,提高了车速估计的精度及适用性。本发明具有不依赖大量实车试验、计算量小、可靠性高的特点。
附图说明
下面结合附图及实施例对本发明作进一步描述:
图1为本发明汽车稳定性控制系统的车速估计系统的框图;
图2为本发明汽车稳定性控制系统的车速估计方法的流程图;
图3为本发明轮速计算方法示意图;
图4为本发明车辆行驶状态识别流程图;
图5为本发明四轮三自由度汽车模型示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明了,下面结合具体实施方式并参照附图,对本发明进一步详细说明。应该理解,这些描述只是示例性的,而并非要限制本发明的范围。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本发明的概念。
实施例:
下面结合附图,对本发明的较佳实施例作进一步说明。
为了提高车速估计方法的精度,增强算法在众多工况下的适用性,如图1所示,本发明的汽车稳定性控制系统的车速估计系统包括传感器信号处理单元、车辆行驶状态识别单元、传感器信号修正单元和车速估计单元。利用车辆上已有的轮速、方向盘转角、纵向加速度、横摆角速度、制动开关信号等信息对车辆行驶状态进行识别,并针对不同的行驶状态对轮速和纵向加速度进行修正,最后采用双层架构的容积卡尔曼滤波器对车速进行估计,如图2所示,具体步骤如下:
步骤一、通过传感器信号处理单元对车辆的轮速、方向盘转角、纵向加速度、横摆角速度、制动开关信号等信息进行处理。
一、轮速传感器
为提高轮速计算的精度和实时性,采用基于上升沿、下降沿同时采样的轮速计算方法,如图3所示。分别利用本周期与上周期最后一个上升沿和下降沿发生时刻及其之间所产生的脉冲数,计算得到上升沿轮速Vu和下降沿轮速Vd,并将二者平均作为本周期轮速。提高了计算精度和实时性,使得低速计算的准确性得到了提高。
二、方向盘转角传感器
转向盘转角一般根据光电编码来确定,通过安装在转向管柱上的编码盘得到转动方向、转角等信息。
三、其他传感器
除轮速传感器和方向盘转角传感器外,DSC系统还有横摆角速度传感器和纵向加速度传感器等。这些传感器的输出信号都是模拟信号,对这些模拟信号进行平移和比例放大后即可得到车辆的横摆角速度和纵向加速度。
步骤二、通过车辆行驶状态识别单元识别车辆的行驶状态。
通过车载CAN总线读取所需的各个传感器信息,并将所需数据:左前轮、右前轮、左后轮和右后轮轮速信号(v11、v12、v21和v22);横摆角速度信号ω;方向盘转角信息δ;纵向加速度信息a;制动开关信息σ储存在数据矩阵M中。数据矩阵M为8×10阶矩阵,即矩阵M只保留最新的10组数据。
利用横摆角速度以及方向盘转角信号来判断车辆处于转弯还是直线状态,利用四轮轮速信号、纵向加速度信号以及制动开关信号判断车辆处于匀速、加速或者减速状态。其流程图如图4所示,图中的ε1,ε2,ε3,ε4,ε5均为逻辑门限的阈值,其值由试验标定所得。
步骤三、通过传感器信号修正单元进行修正,并计算基准轮速。
1、轮速修正,轮速修正包括滤波及转弯修正。
1)滤波
本发明使用下式所示的低通滤波器,该滤波器形式简单且计算量小,可以滤去大部分噪声且不损失重要信息,并且滤波造成的延时要小。
2)转弯修正
汽车在转弯时,本发明利用方向盘转角信号得到前轮转角,再根据前轮转角,以最内侧的非驱动轮轮速为参考轮速,修正其余车轮轮速。
规定前轮转角向左为正,以正的前轮转角为例,前轮转角计算如下式所示:
其中,δ为方向盘转角,d1,d2,d3,c2,c3为由试验确定的常数。
以前驱车为例,当车辆处于左转弯时,其修正方法如下式所示:
其中,b为质心至后轴的距离。
2、纵向加速度修正包括滤波、零点漂移修正及坡度修正。
1)滤波:使用的是轮速信号所用的低通滤波器,只是滤波系数略有不同;
2)零点漂移修正:当确认车辆处于匀速运动状态后,将该阶段的加速度信号的采样平均值作为零点补偿;
3)坡度修正。
纵向加速度传感器所测得的纵向加速度asen实际为车辆纵向加速度与重力加速度沿坡度方向的分量gθ之和。公式如下:
由上式可得到坡度的角度θ,从而利用估计出的路面坡度实现纵向车速估计的坡度自适应。
3、基准轮速的计算
由四个轮轮速结合步骤二所识别出的车辆行驶状态进行基准轮速的计算:
步骤四、利用处理后的信号,分别基于运动学模型和基于动力学模型构造容积卡尔曼滤波器的车速估计,并引入置信度系数,建立了一个双层架构的自适应容积卡尔曼滤波器。
本发明采用容积卡尔曼滤波器采用三阶容积原则,并利用运动学模型和动力学模型得到系统的状态和测量方程,通过时间更新和量测更新迭代得到车速估计值。
1、基于运动学模型:
将车辆的实际速度vt和实际加速度at作为系统的状态变量,即x=[vt,at]T,将车辆的测量加速度am和偏移率λ作为系统的测量输出量,即y=[am,λ]T。
则车辆系统的状态方程为:
系统的测量方程为:
其中,状态矩阵
2、基于动力学模型:
将车辆的实际纵向速度vx和横摆角加速度作为系统的状态变量,即将车辆的测量横摆角速度作为系统的测量输出量,即
则车辆系统的状态方程为:
系统的测量方程为:
本发明选用了四轮三自由度车辆模型和魔术公式轮胎模型来描述汽车的运动,如图5所示,由其纵向及横摆方向的动力微分方程可得:
其中,纵向力Fx、侧偏力Fy的计算采用魔术公式轮胎模型得到,m为整车质量,Jv为整车绕Z轴的转动惯量,δw为前轮转角,a为质心至前轴的距离,b为质心至后轴的距离,CF为前轴轮距的一半,CR为后轴轮距的一半。
3、双层架构的容积卡尔曼滤波的车速估计
针对车辆速度估计的双层架构的参考车速算法,引入了置信度系数的概念,有效地结合了前两种方法,通过保持优势和克服两种方法的缺点,提高了性能。置信度系数为不大于1的正数,表示其对应的参考车速可以信任的程度,置信度系数是时变量,按照一定的条件计算得出。双层架构的参考车速的估计模型为:
其中,vref为双层架构算法的参考车速,为基于车辆动力学模型的参考车速,为基于车辆运动学模型的参考车速kd为基于车辆动力学模型的参考车速的置信度,kk为基于车辆运动学模型的参考车速的置信度。
应当理解的是,本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理,而不构成对本发明的限制。因此,在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。此外,本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。
Claims (10)
1.一种汽车稳定性控制系统的车速估计方法,其特征在于,包括以下步骤:
S01:识别车辆行驶状态,并计算各行驶状态下的基准轮速;
S02:分别构造基于运动学模型的容积卡尔曼滤波器和基于动力学模型的容积卡尔曼滤波器,通过置信度系数,将两者融合构成双层架构的容积卡尔曼滤波器,进行车速估计。
2.根据权利要求1所述的汽车稳定性控制系统的车速估计方法,其特征在于,所述步骤S01中,根据轮速传感器信号、方向盘转角信号、纵向加速度信号以及横摆角速度信号识别车辆行驶状态,根据横摆角速度以及方向盘转角信号判断车辆处于转弯或直线状态,利用四轮轮速信号、纵向加速度信号以及制动开关信号判断车辆处于匀速、加速或者减速状态。
3.根据权利要求1所述的汽车稳定性控制系统的车速估计方法,其特征在于,所述步骤S01中,在计算基准轮速前,对轮速及纵向加速度信号进行修正,所述轮速修正包括滤波及转弯修正,所述纵向加速度修正包括滤波、零点漂移修正及坡度修正。
4.根据权利要求2所述的汽车稳定性控制系统的车速估计方法,其特征在于,轮速传感器根据本周期与上周期最后一个上升沿和下降沿发生时刻及其之间所产生的脉冲数,计算得到上升沿轮速Vu和下降沿轮速Vd,并将二者平均作为本周期轮速。
5.根据权利要求1所述的汽车稳定性控制系统的车速估计方法,其特征在于,所述双层架构的容积卡尔曼滤波器的车速估计为:
其中,vref为双层架构算法的参考车速,为基于车辆动力学模型的参考车速,为基于车辆运动学模型的参考车速,kd为基于车辆动力学模型的参考车速的置信度,kk为基于车辆运动学模型的参考车速的置信度。
6.一种汽车稳定性控制系统的车速估计系统,其特征在于,包括,
基准轮速计算单元,识别车辆行驶状态,并计算各行驶状态下的基准轮速;
车速估计单元,分别构造基于运动学模型的容积卡尔曼滤波器和基于动力学模型的容积卡尔曼滤波器,通过置信度系数,将两者融合构成双层架构的容积卡尔曼滤波器,进行车速估计。
7.根据权利要求6所述的汽车稳定性控制系统的车速估计系统,其特征在于,所述基准轮速计算单元还包括车辆行驶状态识别单元,根据轮速传感器信号、方向盘转角信号、纵向加速度信号以及横摆角速度信号识别车辆行驶状态,根据横摆角速度以及方向盘转角信号判断车辆处于转弯或直线状态,利用四轮轮速信号、纵向加速度信号以及制动开关信号判断车辆处于匀速、加速或者减速状态。
8.根据权利要求6所述的汽车稳定性控制系统的车速估计系统,其特征在于,所述基准轮速计算单元还包括修正单元,在计算基准轮速前,对轮速及纵向加速度信号进行修正,所述轮速修正包括滤波及转弯修正,所述纵向加速度修正包括滤波、零点漂移修正及坡度修正。
9.根据权利要求7所述的汽车稳定性控制系统的车速估计系统,其特征在于,轮速传感器根据本周期与上周期最后一个上升沿和下降沿发生时刻及其之间所产生的脉冲数,计算得到上升沿轮速Vu和下降沿轮速Vd,并将二者平均作为本周期轮速。
10.根据权利要求6所述的汽车稳定性控制系统的车速估计系统,其特征在于,所述双层架构的容积卡尔曼滤波器的车速估计为:
其中,vref为双层架构算法的参考车速,为基于车辆动力学模型的参考车速,为基于车辆运动学模型的参考车速,kd为基于车辆动力学模型的参考车速的置信度,kk为基于车辆运动学模型的参考车速的置信度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810831292.1A CN108819950B (zh) | 2018-07-26 | 2018-07-26 | 汽车稳定性控制系统的车速估计方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810831292.1A CN108819950B (zh) | 2018-07-26 | 2018-07-26 | 汽车稳定性控制系统的车速估计方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108819950A true CN108819950A (zh) | 2018-11-16 |
CN108819950B CN108819950B (zh) | 2020-10-27 |
Family
ID=64140497
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810831292.1A Active CN108819950B (zh) | 2018-07-26 | 2018-07-26 | 汽车稳定性控制系统的车速估计方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108819950B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110103981A (zh) * | 2019-05-24 | 2019-08-09 | 河北优控新能源科技有限公司 | 一种四轮毂电机纯电动车辆质心车速计算方法 |
CN110217239A (zh) * | 2019-05-20 | 2019-09-10 | 福瑞泰克智能系统有限公司 | 一种车辆横摆角速度测量方法及设备 |
CN110728769A (zh) * | 2019-09-16 | 2020-01-24 | 东软集团股份有限公司 | 车辆行驶状态识别方法、装置、存储介质及电子设备 |
CN111605558A (zh) * | 2020-04-21 | 2020-09-01 | 宁波吉利汽车研究开发有限公司 | 一种车辆速度的确定方法、装置、电子设备和车辆 |
CN112498356A (zh) * | 2020-12-16 | 2021-03-16 | 中国煤炭科工集团太原研究院有限公司 | 一种矿用电动四驱车控制系统中的车速测算方法 |
CN113203422A (zh) * | 2021-04-14 | 2021-08-03 | 武汉理工大学 | 一种基于尺寸测量装置的货车状态惯性参数联合估计方法 |
CN113771857A (zh) * | 2021-09-24 | 2021-12-10 | 北京易航远智科技有限公司 | 一种用于车辆控制的纵向车速估计方法和系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102673569A (zh) * | 2012-05-25 | 2012-09-19 | 同济大学 | 车辆状态测算装置、方法及使用该装置的车辆 |
CN105722735A (zh) * | 2013-06-03 | 2016-06-29 | E-Aam 传动系统公司 | 用于确定车速参数的系统和方法 |
CN108248600A (zh) * | 2016-12-28 | 2018-07-06 | 长城汽车股份有限公司 | 车辆驾驶模式的控制方法、系统及车辆 |
-
2018
- 2018-07-26 CN CN201810831292.1A patent/CN108819950B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102673569A (zh) * | 2012-05-25 | 2012-09-19 | 同济大学 | 车辆状态测算装置、方法及使用该装置的车辆 |
CN105722735A (zh) * | 2013-06-03 | 2016-06-29 | E-Aam 传动系统公司 | 用于确定车速参数的系统和方法 |
CN108248600A (zh) * | 2016-12-28 | 2018-07-06 | 长城汽车股份有限公司 | 车辆驾驶模式的控制方法、系统及车辆 |
Non-Patent Citations (1)
Title |
---|
戴希: "基于多传感器信息融合的车辆纵向车速估计方法研究", 《中国知网》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110217239A (zh) * | 2019-05-20 | 2019-09-10 | 福瑞泰克智能系统有限公司 | 一种车辆横摆角速度测量方法及设备 |
CN110217239B (zh) * | 2019-05-20 | 2023-09-01 | 福瑞泰克智能系统有限公司 | 一种车辆横摆角速度测量方法及设备 |
CN110103981A (zh) * | 2019-05-24 | 2019-08-09 | 河北优控新能源科技有限公司 | 一种四轮毂电机纯电动车辆质心车速计算方法 |
CN110728769A (zh) * | 2019-09-16 | 2020-01-24 | 东软集团股份有限公司 | 车辆行驶状态识别方法、装置、存储介质及电子设备 |
CN110728769B (zh) * | 2019-09-16 | 2021-08-27 | 东软集团股份有限公司 | 车辆行驶状态识别方法、装置、存储介质及电子设备 |
CN111605558A (zh) * | 2020-04-21 | 2020-09-01 | 宁波吉利汽车研究开发有限公司 | 一种车辆速度的确定方法、装置、电子设备和车辆 |
CN111605558B (zh) * | 2020-04-21 | 2022-07-19 | 浙江吉利控股集团有限公司 | 一种车辆速度的确定方法、装置、电子设备和车辆 |
CN112498356A (zh) * | 2020-12-16 | 2021-03-16 | 中国煤炭科工集团太原研究院有限公司 | 一种矿用电动四驱车控制系统中的车速测算方法 |
CN113203422A (zh) * | 2021-04-14 | 2021-08-03 | 武汉理工大学 | 一种基于尺寸测量装置的货车状态惯性参数联合估计方法 |
CN113771857A (zh) * | 2021-09-24 | 2021-12-10 | 北京易航远智科技有限公司 | 一种用于车辆控制的纵向车速估计方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN108819950B (zh) | 2020-10-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108819950A (zh) | 汽车稳定性控制系统的车速估计方法及系统 | |
CN103434511B (zh) | 一种车速与道路附着系数的联合估计方法 | |
CN103407451B (zh) | 一种道路纵向附着系数估计方法 | |
CN111806449A (zh) | 一种纯电动车的整车质量和路面坡度的估算方法 | |
CN102165300B (zh) | 用于求出汽车重心的方法和设备 | |
CN107933563B (zh) | 用于确定地面与车辆轮胎之间摩擦的方法和系统 | |
CN110001657B (zh) | 基于轮胎状态信息的车辆安全控制方法及车辆 | |
US6904351B1 (en) | Operating a vehicle control system | |
CN109466561A (zh) | 车辆总质量计算方法和系统 | |
CN104354700A (zh) | 一种基于无迹卡尔曼滤波的车辆参数在线估计方法 | |
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 | |
Li et al. | A variable structure adaptive extended Kalman filter for vehicle slip angle estimation | |
CN106809207A (zh) | 一种电动车辆载重和坡度自适应控制方法及其车辆 | |
Kim et al. | Development of estimation algorithms for vehicle’s mass and road grade | |
CN106184225A (zh) | 分布式四驱电动车动力学控制的纵向车速估算方法 | |
Jeong et al. | Estimation of tire load and vehicle parameters using intelligent tires combined with vehicle dynamics | |
CN103661398A (zh) | 一种基于滑模观测器的车辆非转向左后轮线速度估计方法 | |
WO2022134929A1 (zh) | 一种确定车辆质量方法、装置、设备及介质 | |
CN105774458A (zh) | 用于控制悬架系统的方法 | |
CN110053431A (zh) | 一种测量车辆轮胎压力的误差补偿方法与装置 | |
CN113247004A (zh) | 一种车辆质量与道路横向坡度的联合估计方法 | |
CN111006884B (zh) | 基于傅立叶变换的车轮车轴侧偏角与侧偏刚度的测量方法 | |
Tian et al. | Vehicle state estimation based on multidimensional information fusion | |
CN105579824B (zh) | 用于模拟转弯行驶的方法 | |
Heidfeld et al. | Experimental validation of a GPS-aided model-based UKF vehicle state estimator |
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 |