CN110816654A - 一种信号估计方法、装置、车辆和存储介质 - Google Patents
一种信号估计方法、装置、车辆和存储介质 Download PDFInfo
- Publication number
- CN110816654A CN110816654A CN201910730415.7A CN201910730415A CN110816654A CN 110816654 A CN110816654 A CN 110816654A CN 201910730415 A CN201910730415 A CN 201910730415A CN 110816654 A CN110816654 A CN 110816654A
- Authority
- CN
- China
- Prior art keywords
- estimation
- measure
- signal
- target parameter
- target
- 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
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
- B62D—MOTOR VEHICLES; TRAILERS
- B62D6/00—Arrangements for automatically controlling steering depending on driving conditions sensed and responded to, e.g. control circuits
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
- B62D—MOTOR VEHICLES; TRAILERS
- B62D15/00—Steering not otherwise provided for
- B62D15/02—Steering position indicators ; Steering position determination; Steering aids
- B62D15/021—Determination of steering angle
- B62D15/024—Other means for determination of steering angle without directly measuring it, e.g. deriving from wheel speeds on different sides of the car
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
- B62D—MOTOR VEHICLES; TRAILERS
- B62D6/00—Arrangements for automatically controlling steering depending on driving conditions sensed and responded to, e.g. control circuits
- B62D6/002—Arrangements for automatically controlling steering depending on driving conditions sensed and responded to, e.g. control circuits computing target steering angles for front or rear wheels
Abstract
本发明公开了一种信号估计方法、装置、车辆和存储介质,该方法包括:获取目标车辆的当前运行参数;基于当前运行参数的测量结果,分别通过预先创建的信号估计模型对目标参数进行估计,得到对应的目标参数中间估计结果,目标参数为转向盘转角、侧向加速度和横摆角速度;根据目标参数中间估计结果确定对应的信号相关系数;根据信号相关系数和目标参数中间估计结果确定目标参数最终估计结果。本发明实施例实现了在驱动打滑或转向非线性区等不同行驶工况下,在保证系统可靠性的同时,降低了车辆成本。
Description
技术领域
本发明实施例涉及车辆控制技术,尤其涉及一种信号估计方法、装置、车辆和存储介质。
背景技术
线控转向作为未来智能汽车的核心技术之一,是自动驾驶主流的转向系统配备。线控转向系统取消了转向盘与转向轮之间的机械连接,完全由电能控制车轮转动,摆脱了传统转向系统的各种约束。比如,可以自由设计汽车转向的力传递特性和角传递特性,轻易地实现主动转向功能;可以获得比电动助力转向更快的响应速度;可以模拟路感,轻易地滤除路面激震信号;降低了碰撞时管柱侵入的可能性,安全性得到提高。因此,线控转向是汽车转向系统的重大革新。
线控转向系统取消转向柱,可以通过转角控制信号控制汽车转向,通过侧向加速度和车速信号标定转向比,以及通过横摆角速度跟踪实现主动前轮转向。显然,线控转向系统的功能安全依赖于车辆状态的准确反馈,以便获得期望特性,即线控转向系统与传统机械转向系统相比,可靠性大为降低。为了提高可靠性,可通过布置多个传感器采集控制信号(比如,转角控制信号、侧向加速度信号和横摆角速度信号),以提高信号冗余度,但相应的,车辆硬件冗余造成车辆系统的硬件成本增加,即系统性价比降低,不适于经济车型量产;若通过复杂滤波算法实现信号估计,并未考虑系统自身的负载率及实时性,以及并未考虑不同估算方法在驱动打滑或转向非线性区等不同行驶工况下的适用性。
发明内容
有鉴于此,本发明提供一种信号估计方法、装置、车辆和存储介质,实现了在驱动打滑或转向非线性区等不同行驶工况下,在保证系统可靠性的同时,降低了车辆成本。
第一方面,本发明实施例提供了一种信号估计方法,包括:
获取目标车辆的当前运行参数;
基于所述当前运行参数的测量结果,分别通过预先创建的信号估计模型对目标参数进行估计,得到对应的目标参数中间估计结果,所述目标参数为转向盘转角、侧向加速度和横摆角速度;
根据所述目标参数中间估计结果确定每个所述目标参数的信号相关系数;
根据所述信号相关系数和所述目标参数中间估计结果确定所述目标参数最终估计结果。
第二方面,本发明实施例还提供了一种信号估计装置,包括:
获取模块,用于获取目标车辆的当前运行参数;
估计模块,用于基于所述当前运行参数的测量结果,分别通过预先创建的多个信号估计模型对目标参数进行估计,得到对应的目标参数中间估计结果,所述目标参数为转向盘转角、侧向加速度和横摆角速度;
第一确定模块,用于根据所述目标参数中间估计结果确定每个所述目标参数的信号相关系数;
第二确定模块,用于根据所述信号相关系数和所述目标参数中间估计结果确定所述目标参数最终估计结果。
第三方面,本发明实施例还提供了一种车辆,包括:
一个或多个整车控制器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个整车控制器执行,使得所述一个或多个整车控制器实现如权利要求1-7中任一所述的信号估计方法。
第四方面,一种计算机可读存储介质,其上存储有计算机程序,该程序被整车控制器执行时实现如上述任一所述的信号估计方法。
本发明实施例基于当前运行参数的测量结果构建多个不同的信号估计模型,并通过不同的信号估计模型对转向盘转角、侧向加速度和横摆角速度进行估计,得到对应的目标参数中间估计结果,并通过目标参数中间估计结果得到每个目标参数的信号相关系数,以确定各目标参数的估计可信度,并根据信号相关系数和目标参数中间估计结果综合估计得到目标参数最终估计结果,实现了在驱动打滑或转向非线性区等不同行驶工况下,在保证系统可靠性的同时,降低了车辆成本。
附图说明
图1是本发明实施例提供的一种信号估计方法的流程图;
图2是本发明实施例提供的另一种信号估计方法的流程图;
图3是本发明实施例提供的又一种信号估计方法的流程图;
图4是本发明实施例提供的一种信号估计系统的结构框图;
图5是本发明实施例提供的一种信号估计装置的结构框图;
图6是本发明实施例提供的一种车辆的硬件结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
图1是本发明实施例提供的一种信号估计方法的流程图,本实施例可适用于在驱动打滑或转向非线性区等不同行驶工况下,如何保证系统可靠性的情况,该方法可以由信号估计装置来执行,其中,该方法可由硬件和/或软件的方式实现,并一般可集成在车辆的主控制器中。如图1所示,该方法具体包括如下步骤:
S110、获取目标车辆的当前运行参数。
其中,当前运行参数至少包括下述:左前轮速、右前轮速、左后轮速、右后轮速、转向盘转角、侧向加速度、横摆角速度、轴距、车速、转向比、前轮距、后轮距。需要说明的是,利用传感器信号处理模块对底盘控制器局域网络(Controller Area Network,CAN)报文进行解析,可得到当前运行参数所对应的模拟信号。为了保证当前运行参数所对应模拟信号的稳定性,可利用滤波器对当前运行参数的模拟信号进行滤波处理,以得到当前运行参数对应的数字信号。
S120、基于当前运行参数的测量结果,分别通过预先创建的信号估计模型对目标参数进行估计,得到对应的目标参数中间估计结果。
其中,目标参数为转向盘转角、侧向加速度和横摆角速度。需要说明的是,通过转向盘转角可以控制汽车转向,通过侧向加速度和车速信号可以标定转向比,以及通过横摆角速度跟踪可以实现主动前轮转向。为了在目标车辆进入驱动打滑或转向非线性区等不同行驶工况下,也可保证目标车辆主动转向的准确性,在实施例中,将转向盘转角、侧向加速度和横摆角速度设置为目标参数。然后,对这三个目标参数进行估计,在目标车辆进入驱动打滑或转向非线性区等不同行驶工况下,目标车辆也可按照目标参数的最终估计结果实现准确地主动转向。
需要理解的是,由于目标车辆在不同行驶工况下,可造成当前运行参数的一个或多个不同的参数出现误差。比如,目标车辆在行驶工况1,可造成当前运行参数中左前轮速的测量结果和右前轮速的测量结果出现误差;又如,目标车辆在行驶工况2,可造成当前运行参数中侧向加速度的测量结果出现误差。为了保证目标参数中间估计结果的准确性,可创建多个信号估计模型,并且,每个信号估计模型中的参数是有区别的,从而可适用于不同的行驶工况。在目标车辆因当前行驶工况的影响,导致其中一个信号估计模型估计得到的目标参数中间估计结果出现误差的情况下,也可依据其它信号估计模型估计得到的目标参数中间估计结果对目标参数进行估计,以得到目标参数最终估计结果。其中,目标参数中间估计结果指的是转向盘转角、侧向加速度或横摆角速度的冗余估计值。
S130、根据目标参数中间估计结果确定对应的信号相关系数。
其中,信号相关系数用来表征在当前信号估计模型输出的目标参数中间估计结果与其它信号估计模型输出的对应目标参数中间估计结果之间的相关度。可以理解为,当信号相关系数越大,表明在当前信号估计模型的目标参数与其它信号估计模型中对应目标参数的一致性越好,即稳态误差越小。示例性地,假设目标参数为转向盘转角,并且,创建有4个信号估计模型,分别为信号估计模型1、信号估计模型2、信号估计模型3和信号估计模型4。以信号估计模型1输出的转向盘转角中间估计结果与信号估计模型2、信号估计模型3、信号估计模型4分别输出的转向盘转角中间估计结果的信号相关系数为例,可将信号估计模型1、信号估计模型2、信号估计模型3和信号估计模型4分别输出的转向盘转角中间估计结果进行相加,并将这四个中间估计结果的总和与4之间的比值作为转向盘转角的信号相关系数。然后,对转向盘转角的信号相关系数进行分析,该转向盘转角的信号相关系数越接近1,表明这四个信号估计模型的一致性越好,即稳态误差越小。
S140、根据信号相关系数和目标参数中间估计结果确定目标参数最终估计结果。
在实施例中,利用确定每个当前信号估计模型中转向盘转角和除当前信号估计模型之外的其它信号估计模型中转向盘转角的信号相关系数的方式,确定侧向加速度和横摆角速度对应的信号相关系数,然后根据这三个目标参数的信号相关系数和每个信号估计模型中输出的每个目标参数所对应目标参数中间估计结果,确定每个目标参数对应的目标参数最终估计结果。在目标车辆出现驱动打滑或转向非线性区等不同行驶工况的情况下,目标车辆也可按照每个目标参数对应的目标参数最终估计结果实现自身的主动转向,从而尽可能地保证了目标车辆线控转向系统的可靠性。
本实施例的技术方案,基于当前运行参数的测量结果构建多个不同的信号估计模型,并通过不同的信号估计模型对转向盘转角、侧向加速度和横摆角速度进行估计,得到对应的目标参数中间估计结果,并通过目标参数中间估计结果得到每个目标参数的信号相关系数,以确定各目标参数的估计可信度,并根据信号相关系数和目标参数中间估计结果综合估计得到目标参数最终估计结果,实现了在驱动打滑或转向非线性区等不同行驶工况下,在保证线控转向系统可靠性的同时,降低了车辆成本。
在上述实施例的基础上,为了确定当前信号估计模型中的目标参数与除各信号估计模型之外其它信号估计模型中对应目标参数之间的信号相关系数,需首先创建每个目标参数对应的目标参数样本。可以理解为,在根据目标参数中间估计结果确定对应的信号相关系数之前,还包括:对每个目标参数创建对应的目标参数样本。
其中,目标参数样本指的是由多个信号估计模型输出的同一个目标参数所对应的目标参数中间估计结果组成的集合。在实施例中,利用已创建的每个信号估计模型对转向盘转角、侧向加速度和横摆角速度进行估计,以得到每个信号估计模型输出的转向盘转角中间估计结果、侧向加速度中间估计结果和横摆角速度中间估计结果,然后利用每个信号估计模型输出的转向盘转角中间估计结果创建得到对应的转向盘转角样本,以及利用每个信号估计模型输出的侧向加速度中间估计结果创建得到对应的侧向加速度样本,利用每个信号估计模型输出的横摆角速度中间估计结果创建得到对应的横摆角速度样本。
在上述实施例的基础上,对根据目标参数中间估计结果确定对应的信号相关系数作进一步的说明。图2是本发明实施例提供的另一种信号估计方法的流程图。如图2所示,该方法具体包括如下步骤:
S210、获取目标车辆的当前运行参数。
S220、基于当前运行参数的测量结果,分别通过预先创建的信号估计模型对目标参数进行估计,得到对应的目标参数中间估计结果。
其中,目标参数为转向盘转角、侧向加速度和横摆角速度。
S230、对每个目标参数创建对应的目标参数样本。
S240、确定每个目标参数中间估计结果对应的目标参数估计均值。
其中,目标参数估计均值是对一个目标参数中间估计结果在多个采样点进行平均计算得到的数值。比如,目标参数中间估计结果为从信号估计模型1中输出的侧向加速度对应的侧向加速度中间估计结果,然后得到从0至n个采样点所对应的侧向加速度中间估计结果,然后对这n+1个采样点的侧向加速度中间估计结果进行均值计算,以得到侧向加速度估计均值。可选的,也采用同样的计算方式得到转向盘转角估计均值,以及横摆角速度估计均值,在此不再一一赘述。
S250、根据目标参数估计均值依次确定对应目标参数样本中任意两个目标参数中间估计结果之间的相关度。
在实施例中,根据目标参数中间估计结果和对应的目标参数估计均值计算得到对应目标参数样本中任意两个目标参数中间估计结果之间的相关度。
可选的,利用公式计算得到两个目标参数中间估计结果之间的相关度。其中,和分别表示两个目标参数估计均值。其中,需要说明的是,和所对应的两个目标参数估计均值所对应目标参数为同一个参数。比如,和可均为转向盘转角;又如,和可均为侧向加速度;再如,和可均为横摆角速度。其中,X和Y分别为同一个目标参数样本中的两个不同目标参数中间估计结果。示例性地,X和Y分别为横摆角速度样本中的横摆角速度中间估计结果1和横摆角速度中间估计结果2。其中,横摆角速度中间估计结果1可为信号估计模型1输出的参数,横摆角速度中间估计结果2可为信号估计模型2输出的参数。然后通过相关度ρX,Y的计算公式,计算得到横摆角速度中间估计结果1和横摆角速度中间估计结果2之间的相关度。同样地,对可采用相关度ρX,Y的计算公式对其它目标参数中间估计结果之间的相关度进行计算,以得到同一个目标参数样本中每个目标参数估计中间结果之间的相关度。
S260、根据相关度,确定当前信号估计模型中输出的目标参数中间估计结果与除当前信号估计模型外各信号估计模型中输出的对应目标参数中间估计结果之间的信号相关系数。
在实施例中,在确定同一个目标参数样本中每个目标参数估计中间结果之间的相关度之后,确定当前信号估计模型中输出的目标参数中间估计结果与除当前信号估计模型之外的其它信号估计模型中输出的对应目标参数中间估计结果之间的信号相关系数。示例性地,假设当前信号估计模型为信号估计模型1,其它信号估计模型分别为信号估计模型2、信号估计模型3和信号估计模型4,目标参数为转向盘转角,可利用公式计算得到信号估计模型1输出的转向盘转角中间估计结果与除当前信号估计模型外各信号估计模型(包括:信号估计模型2、信号估计模型3和信号估计模型4)中输出的对应转向盘转角中间估计结果之间的信号相关系数。其中,ε11为信号估计模型1中输出的转向盘转角中间估计结果与其它信号估计模型中输出的转向盘转角中间估计结果之间的信号相关系数,ρsw1,sw为信号估计模型1输出的转向盘转角中间估计结果与转向盘转角之间的相关度,ρsw1,sw2为信号估计模型1输出的转向盘转角中间估计结果与信号估计模型2输出的转向盘转角中间估计结果之间的相关度,ρsw1,sw3为信号估计模型1输出的转向盘转角中间估计结果与信号估计模型3输出的转向盘转角中间估计结果之间的相关度,ρsw1,sw4为信号估计模型1输出的转向盘转角中间估计结果与信号估计模型4输出的转向盘转角中间估计结果之间的相关度。然后计算这四个相关度的均值,并将均值作为信号估计模型1输出的转向盘转角中间估计结果与除当前信号估计模型外各信号估计模型(包括:信号估计模型2、信号估计模型3和信号估计模型4)中输出的对应转向盘转角中间估计结果之间的信号相关系数。
当然,对信号估计模型2、信号估计模型3和信号估计模型4分别与其它信号估计模型两两之间输出的目标参数中间估计结果之间的信号相关系数的计算方式,也可以参考ε11的计算方式进行得到,在此不再一一赘述。
S270、根据信号相关系数和目标参数中间估计结果确定目标参数最终估计结果。
在实施例中,在确定当前信号估计模型中输出的目标参数中间估计结果与除当前信号估计模型外各信号估计模型中输出的对应目标参数中间估计结果之间的信号相关系数之后,将多个信号相关系数组成矩阵,同时将每个信号估计模型输出的多个目标参数中间估计结果组成矩阵,然后将目标参数中间估计结果矩阵的转置矩阵和相关系数矩阵执行乘积操作,以得到目标参数最终估计结果。
本实施例的技术方案,在上述实施例的基础上,通过对多个信号估计模型输出目标参数中间估计结果的信号相关系数的计算,保证了估计得到的目标参数最终估计结果的准确性。
在上述实施例的基础上,对根据信号相关系数和目标参数中间估计结果确定目标参数最终估计结果作进一步的具体说明。图3是本发明实施例提供的又一种信号估计方法的流程图。如图3所示,该方法包括如下步骤:
S310、获取目标车辆的当前运行参数。
S320、基于当前运行参数的测量结果,分别通过预先创建的信号估计模型对目标参数进行估计,得到对应的目标参数中间估计结果。
其中,目标参数为转向盘转角、侧向加速度和横摆角速度。
S330、根据目标参数中间估计结果确定对应的信号相关系数。
S340、根据信号相关系数确定相关系数矩阵。
其中,相关系数矩阵指的是由多个信号相关系数组成的矩阵。其中,信号相关系数为当前信号估计模型输出的目标参数中间估计结果与除当前信号估计模型输出的对应目标参数中间估计结果之间的相关系数。当然,相关系数矩阵的元素个数为目标参数数量与信号估计模型数量之间的乘积。可选的,目标参数为转向盘转角、侧向加速度和横摆角速度,即目标参数数量为3个,信号估计模型为信号估计模型1、信号估计模型2、信号估计模型3和信号估计模型4,即信号估计模型数量为4个,则相关系数矩阵的元素个数为12个。
S350、将相关系数矩阵和目标参数中间估计结果的乘积作为目标参数最终估计结果。
需要理解的是,将目标参数中间估计结果所组成矩阵对应的转置矩阵和相关系数矩阵之间的乘积作为目标参数最终估计结果。其中,目标参数中间估计结果所组成矩阵的元素个数为目标参数数量与信号估计模型数量之间的乘积。可选的,目标参数数量为3个,分别为转向盘转角、侧向加速度和横摆角速度,信号估计模型数量为4个,分别为信号估计模型1、信号估计模型2、信号估计模型3和信号估计模型4。因此,目标参数中间估计结果所组成矩阵的元素个数为12个。
其中,为转向盘转角的中间估计结果,L为轴距的测量值,v为车速的测量值,ist为转向比的测量值,ay为侧向加速度的测量值,r为横摆角速度的测量值,vFL为左前轮速的测量值,vFR为右前轮速的测量值,vRL为左后轮速的测量值,vRR为右后轮速的测量值,bF为前轮距的测量值,bR为后轮距的测量值。
其中,为侧向加速度的中间估计结果,L为轴距的测量值,v为车速的测量值,ist为转向比的测量值,r为横摆角速度的测量值,vFL为左前轮速的测量值,vFR为右前轮速的测量值,vRL为左后轮速的测量值,vRR为右后轮速的测量值,bF为前轮距的测量值,bR为后轮距的测量值,δsw为转向盘转角的测量值。
其中,为横摆角速度的中间估计结果,L为轴距的测量值,v为车速的测量值,ist为转向比的测量值,ay为侧向加速度的测量值,vFL为左前轮速的测量值,vFR为右前轮速的测量值,vRL为左后轮速的测量值,vRR为右后轮速的测量值,bF为前轮距的测量值,bR为后轮距的测量值,δsw为转向盘转角的测量值。
图4是本发明实施例提供的一种信号估计系统的结构框图。本实施例是在上述实施例的基础上,对信号估计方法作具体说明。如图4所示,该信号估计系统包括:传感器信号处理模块410相关系数计算模块420和传感器信号融合模块430。其中,传感器信号处理模块410具备信号解析和信号滤波两部分功能。其中,信号解析是调用公式(1)从底盘CAN报文中解析左前轮速、左后轮速、右前轮速、右后轮速、转向盘转角、侧向加速度、横摆角速度。上述信号均由高位和低位组成,且高低位各占一个字节。
X=(DH·256+DL)·Again+Aoffset (1)
其中,DH和DL分别为信号高位和信号低位,Again为信号增益,Aoffset为信号偏移。
然后,通过传输器信号处理模块420中的信号滤波功能对上述信号进行滤波处理。可选的,信号滤波可采用数字一阶低通滤波器,滤除高频干扰以使信号稳定。其中,一阶低通滤波器的滤波公式为:
Y(n)=αX(n)+(1-α)Y(n-1) (2)
其中,α为滤波系数,其值与滤波截止频率有关,0<α<1;X(n)为本次采样值;Y(n-1)为上次滤波器输出值;Y(n)为本次滤波器输出值;n为采样点。
在得到左前轮速、左后轮速、右前轮速、右后轮速、转向盘转角、侧向加速度、横摆角速度对应的数字信号之后,分别利用信号模型1、信号估计模型2、信号估计模型3和信号估计模型4对转向盘转角、侧向加速度、横摆角速度进行估计,以得到对应的目标参数中间估计值。
其中,L为轴距的测量值,v为当前车速,ist为转向比的测量值,vFR为左前轮速的测量值,vFL为右前轮速的测量值,bF为前轮距的测量值。
其中,vRL和vRR分别为左前轮速的测量值和右前轮速的测量值;bR为后轮距的测量值。
其中,ay为测量加速度的测量值,r为横摆角速度的测量值。
其中,δsw为转向盘转角的测量值。
考虑到目标车辆的行驶工况,若出现驱动打滑情况,则轮速误差较大,从而导致信号估计模型1和信号估计模型2的估计结果误差较大;若目标车辆转向进入非线性区,侧向加速度的测量值会大于横摆角速度的测量值与车速测量值之间的乘积,从而导致信号估计模型3的估计结果误差较大;若车辆转向盘转角传感器失效,信号估计模型4的估计结果误差较大。
为了保证在目标车辆出现上述行驶工况的情况下,也尽可能保证线控转向系统的准确性,可利用相关系数计算模块420提取信号估计模型1、信号估计模型2、信号估计模型3、信号估计模型4输出的转向盘转角中间估计值、侧向加速度中间估计值、横摆角速度中间估计值,分别建立转向盘转角样本、侧向加速度样本和横摆角速度样本。其中,横摆角速度样本侧向加速度样本侧向加速度样本然后调用公式(15)分别计算横摆角速度样本Asw、侧向加速度样本Aay和侧向加速度样本Ar中任意两个目标参数中间估计值(X和Y)的相关度ρX,Y。
可选的,设定ρX,Y为0.6-1.0时为强相关,ρX,Y为0.4-0.6时为中等程度相关,ρX,Y为0-0.2时为弱相关。
以信号估计模型1为例,调用公式(16)、公式(17)和公式(18)分别计算信号估计模型1输出的转向盘转角中间估计值侧向加速度中间估计值横摆角速度中间估计值分别与信号估计模型2、信号估计模型3、信号估计模型4输出同一类目标参数对应的目标参数中间估计值之间的信号相关系数ε11、ε21、ε31。其中,信号相关系数越大,表示其一致性越好,即稳态误差越小。
同样地,可参考公式(16)、公式(17)和公式(18)分别计算信号估计模型2输出的转向盘转角中间估计值侧向加速度中间估计值横摆角速度中间估计值与其它三个信号估计模型(信号估计模型1、信号估计模型3、信号估计模型4)输出同一类目标参数对应的目标参数中间估计值之间的信号相关系数ε12、ε22、ε32;同样地,分别计算得到信号估计模型3输出的转向盘转角中间估计值侧向加速度中间估计值横摆角速度中间估计值与其它信号估计模型(信号估计模型1、信号估计模型2、信号估计模型4)输出同一类目标参数对应的目标参数中间估计值之间的信号相关系数ε13、ε23、ε33;同样地,分别计算得到信号估计模型4输出的转向盘转角中间估计值侧向加速度中间估计值横摆角速度中间估计值与其它信号估计模型(信号估计模型1、信号估计模型2、信号估计模型3)输出同一类目标参数对应的目标参数中间估计值之间的信号相关系数ε14、ε24、ε34。然后利用ε11、ε21、ε31、ε12、ε22、ε32、ε13、ε23、ε33、ε14、ε24、ε34综合得到相关系数矩阵A,如公式(19)所示。
在得到相关系数矩阵A之后,传感器信号融合模块430通过循环更新信号估计模型输出的目标参数中间估计值以及信号相关系数,可利用公式(20),通过二者相乘,综合计算转向盘转角最终估计值侧向加速度最终估计值横摆角速度最终估计值
需要说明的是,上述实施例出现的目标参数中间估计值均为对应的目标参数中间估计结果的一种,比如,转向盘转角中间估计值为转向盘转角中间估计结果的一种,在此不再一一赘述。
本实施例的技术方案,利用目标车辆上的现有硬件,基于前后轮距、车速、轴距、转向比、轮速、侧向加速度和横摆角速度信号,构建信号估计模型1、信号估计模型2、信号估计模型3、信号估计模型4,分别提供转向盘转角中间估计值、侧向计算速度中间估计值、横摆角速度中间估计值,通过各模型输出各中间估计值的信号相关系数,以确定各中间估计值的可信度,并综合估计得到转向盘转角最终估计值、侧向加速度最终估计值和横摆角速度最终估计值。这种通过车辆动力学关系估计线控转向系统传感器信号方法,原理简单,并且便于嵌入式系统实现,在满足线控转向系统可靠性的前提下,降低了目标车辆成本。
图5是本发明实施例提供的一种信号估计装置的结构框图,该装置适用于在驱动打滑或转向非线性区等不同行驶工况下,如何保证系统可靠性的情况,该装置可以由硬件/软件实现,并一般可集成在车辆主控制器中。如图5所示,该装置包括:获取模块510、估计模块520、第一确定模块530和第二确定模块540。
其中,获取模块510,用于获取目标车辆的当前运行参数;
估计模块520,用于基于当前运行参数的测量结果,分别通过预先创建的多个信号估计模型对目标参数进行估计,得到对应的目标参数中间估计结果,目标参数为转向盘转角、侧向加速度和横摆角速度;
第一确定模块530,用于根据目标参数中间估计结果确定对应的信号相关系数;
第二确定模块540,用于根据信号相关系数和目标参数中间估计结果确定目标参数最终估计结果。
本实施例的技术方案,基于当前运行参数的测量结果构建多个不同的信号估计模型,并通过不同的信号估计模型对转向盘转角、侧向加速度和横摆角速度进行估计,得到对应的目标参数中间估计结果,并通过目标参数中间估计结果得到每个目标参数的信号相关系数,以确定各目标参数的估计可信度,并根据信号相关系数和目标参数中间估计结果综合估计得到目标参数最终估计结果,实现了在驱动打滑或转向非线性区等不同行驶工况下,在保证系统可靠性的同时,降低了车辆成本。
在上述实施例的基础上,信号估计装置,还包括:
创建模块,用于在根据目标参数中间估计结果确定对应的信号相关系数之前,对每个目标参数创建对应的目标参数样本。
在上述实施例的基础上,第一确定模块,包括:
第一确定单元,用于确定每个目标参数中间估计结果对应的目标参数估计均值;
第二确定单元,用于根据目标参数估计均值依次确定对应目标参数样本中任意两个目标参数中间估计结果之间的相关度;
第三确定单元,用于根据相关度,确定当前信号估计模型中输出的目标参数中间估计结果与除当前信号估计模型外各信号估计模型中输出的对应目标参数中间估计结果之间的信号相关系数。
在上述实施例的基础上,第二确定模块,包括:
第四确定单元,用于根据信号相关系数确定相关系数矩阵;
第五确定单元,用于将相关系数矩阵和目标参数中间估计结果的乘积作为目标参数最终估计结果。
其中,为转向盘转角的中间估计结果,L为轴距的测量值,v为车速的测量值,ist为转向比的测量值,ay为侧向加速度的测量值,r为横摆角速度的测量值,vFL为左前轮速的测量值,vFR为右前轮速的测量值,vRL为左后轮速的测量值,vRR为右后轮速的测量值,bF为前轮距的测量值,bR为后轮距的测量值。
其中,为侧向加速度的中间估计结果,L为轴距的测量值,v为车速的测量值,ist为转向比的测量值,r为横摆角速度的测量值,vFL为左前轮速的测量值,vFR为右前轮速的测量值,vRL为左后轮速的测量值,vRR为右后轮速的测量值,bF为前轮距的测量值,bR为后轮距的测量值,δsw为转向盘转角的测量值。
其中,为横摆角速度的中间估计结果,L为轴距的测量值,v为车速的测量值,ist为转向比的测量值,ay为侧向加速度的测量值,vFL为左前轮速的测量值,vFR为右前轮速的测量值,vRL为左后轮速的测量值,vRR为右后轮速的测量值,bF为前轮距的测量值,bR为后轮距的测量值,δsw为转向盘转角的测量值。
上述信号估计装置可执行本发明任意实施例所提供的信号估计方法,具备执行方法相应的功能模块和有益效果。
图6是本发明实施例提供的一种车辆的硬件结构示意图。如图6所示,本发明实施例提供的车辆,包括:整车控制器610、存储器620、输入装置630和输出装置640。该车辆中的整车控制器610可以是一个或多个,图6中以一个整车控制器610为例,车辆中的整车控制器610、存储器620、输入装置630和输出装置640可以通过总线或其他方式连接,图6中以通过总线连接为例。
该车辆中的存储器620作为一种计算机可读存储介质,可用于存储一个或多个程序,程序可以是软件程序、计算机可执行程序以及模块,如本发明实施例所提供信号估计方法对应的程序指令/模块(例如,图5所示的信号估计装置中的模块,包括:获取模块510、估计模块520、第一确定模块530和第二确定模块540)。整车控制器610通过运行存储在存储器620中的软件程序、指令以及模块,从而执行车辆的各种功能应用以及数据处理,即实现上述方法实施例中的信号估计方法。
存储器620可包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据车辆中所配置设备的使用所创建的数据等。此外,存储器620可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器620可进一步包括相对于整车控制器610远程设置的存储器,这些远程存储器可以通过网络连接至车辆中所配置的设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置630可用于接收用户输入的数字或字符信息,以产生与车辆的用户设置以及功能控制有关的键信号输入。输出装置640可包括显示屏等显示设备。
并且,当上述车辆所包括一个或者多个程序被一个或者多个整车控制器610执行时,程序进行如下操作:
获取目标车辆的当前运行参数;基于当前运行参数的测量结果,分别通过预先创建的信号估计模型对目标参数进行估计,得到对应的目标参数中间估计结果,目标参数为转向盘转角、侧向加速度和横摆角速度;根据目标参数中间估计结果确定每个目标参数的信号相关系数;根据信号相关系数和目标参数中间估计结果确定目标参数最终估计结果。
上述车辆可执行本发明任意实施例所提供的信号估计方法,具备执行方法相应的功能模块和有益效果。
本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被整车控制器执行时实现本发明实施例提供的信号估计方法,该方法包括:获取目标车辆的当前运行参数;基于当前运行参数的测量结果,分别通过预先创建的信号估计模型对目标参数进行估计,得到对应的目标参数中间估计结果,目标参数为转向盘转角、侧向加速度和横摆角速度;根据目标参数中间估计结果确定每个目标参数的信号相关系数;根据信号相关系数和目标参数中间估计结果确定目标参数最终估计结果。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是,电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合,但对此并不进行限定。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括无线、电线、光缆、RF等等,或者上述的任意合适的组合,但对此并不进行限定。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,程序设计语言包括面向对象的程序设计语言,诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言,诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络可以包括局域网(LAN)或广域网(WAN)连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接),但对此并不进行限定。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种信号估计方法,其特征在于,包括:
获取目标车辆的当前运行参数;
基于所述当前运行参数的测量结果,分别通过预先创建的信号估计模型对目标参数进行估计,得到对应的目标参数中间估计结果,所述目标参数为转向盘转角、侧向加速度和横摆角速度;
根据所述目标参数中间估计结果确定对应的信号相关系数;
根据所述信号相关系数和所述目标参数中间估计结果确定所述目标参数最终估计结果。
2.根据权利要求1所述的方法,其特征在于,在所述根据所述目标参数中间估计结果确定对应的信号相关系数之前,还包括:
对每个所述目标参数创建对应的目标参数样本。
3.根据权利要求2所述的方法,其特征在于,所述根据所述目标参数中间估计结果确定对应的信号相关系数,包括:
确定每个所述目标参数中间估计结果对应的目标参数估计均值;
根据所述目标参数估计均值依次确定对应所述目标参数样本中任意两个目标参数中间估计结果之间的相关度;
根据所述相关度,确定当前信号估计模型中输出的目标参数中间估计结果与除当前信号估计模型外各信号估计模型中输出的对应目标参数中间估计结果之间的信号相关系数。
4.根据权利要求1所述的方法,其特征在于,所述根据所述信号相关系数和所述目标参数中间估计结果确定所述目标参数最终估计结果,包括:
根据所述信号相关系数确定相关系数矩阵;
将所述相关系数矩阵和所述目标参数中间估计结果的乘积作为所述目标参数最终估计结果。
8.一种信号估计装置,其特征在于,包括:
获取模块,用于获取目标车辆的当前运行参数;
估计模块,用于基于所述当前运行参数的测量结果,分别通过预先创建的多个信号估计模型对目标参数进行估计,得到对应的目标参数中间估计结果,所述目标参数为转向盘转角、侧向加速度和横摆角速度;
第一确定模块,用于根据所述目标参数中间估计结果确定每个所述目标参数的信号相关系数;
第二确定模块,用于根据所述信号相关系数和所述目标参数中间估计结果确定所述目标参数最终估计结果。
9.一种车辆,其特征在于,包括:
一个或多个整车控制器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个整车控制器执行,使得所述一个或多个整车控制器实现如权利要求1-7中任一所述的信号估计方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被整车控制器执行时实现如权利要求1-7中任一所述的信号估计方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910730415.7A CN110816654B (zh) | 2019-08-08 | 2019-08-08 | 一种信号估计方法、装置、车辆和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910730415.7A CN110816654B (zh) | 2019-08-08 | 2019-08-08 | 一种信号估计方法、装置、车辆和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110816654A true CN110816654A (zh) | 2020-02-21 |
CN110816654B CN110816654B (zh) | 2021-03-09 |
Family
ID=69547778
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910730415.7A Active CN110816654B (zh) | 2019-08-08 | 2019-08-08 | 一种信号估计方法、装置、车辆和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110816654B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111619667A (zh) * | 2020-06-03 | 2020-09-04 | 中国第一汽车股份有限公司 | 一种车辆控制方法、装置和车辆 |
CN114291163A (zh) * | 2022-01-27 | 2022-04-08 | 中国第一汽车股份有限公司 | 一种后轮转向控制方法、装置、设备和介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050189161A1 (en) * | 2004-02-27 | 2005-09-01 | Visteon Global Technologies, Inc. | Oversteering/understeering compensation with active front steering using steer by wire technology |
CN105667577A (zh) * | 2015-12-30 | 2016-06-15 | 南京航空航天大学 | 带有传感器信号容错功能的线控转向系统及控制方法 |
CN105946858A (zh) * | 2016-06-08 | 2016-09-21 | 吉林大学 | 基于遗传算法的四驱电动汽车状态观测器参数优化方法 |
CN107416021A (zh) * | 2017-06-19 | 2017-12-01 | 北京长城华冠汽车科技股份有限公司 | 车辆的四轮转向控制方法、装置及车辆 |
CN108241773A (zh) * | 2017-12-21 | 2018-07-03 | 江苏大学 | 一种改进的车辆行驶状态估计方法 |
CN108860294A (zh) * | 2018-06-19 | 2018-11-23 | 中国第汽车股份有限公司 | 一种电动助力转向系统主动回正控制方法及其系统 |
CN109159816A (zh) * | 2018-05-28 | 2019-01-08 | 南京航空航天大学 | 一种线控四轮转向汽车及其控制方法 |
CN109664939A (zh) * | 2019-01-08 | 2019-04-23 | 南京航空航天大学 | 一种线控转向系统及其控制方法 |
CN109808764A (zh) * | 2019-02-28 | 2019-05-28 | 中国第一汽车股份有限公司 | 一种具备冗余功能的线控转向装置及控制方法 |
-
2019
- 2019-08-08 CN CN201910730415.7A patent/CN110816654B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050189161A1 (en) * | 2004-02-27 | 2005-09-01 | Visteon Global Technologies, Inc. | Oversteering/understeering compensation with active front steering using steer by wire technology |
CN105667577A (zh) * | 2015-12-30 | 2016-06-15 | 南京航空航天大学 | 带有传感器信号容错功能的线控转向系统及控制方法 |
CN105946858A (zh) * | 2016-06-08 | 2016-09-21 | 吉林大学 | 基于遗传算法的四驱电动汽车状态观测器参数优化方法 |
CN107416021A (zh) * | 2017-06-19 | 2017-12-01 | 北京长城华冠汽车科技股份有限公司 | 车辆的四轮转向控制方法、装置及车辆 |
CN108241773A (zh) * | 2017-12-21 | 2018-07-03 | 江苏大学 | 一种改进的车辆行驶状态估计方法 |
CN109159816A (zh) * | 2018-05-28 | 2019-01-08 | 南京航空航天大学 | 一种线控四轮转向汽车及其控制方法 |
CN108860294A (zh) * | 2018-06-19 | 2018-11-23 | 中国第汽车股份有限公司 | 一种电动助力转向系统主动回正控制方法及其系统 |
CN109664939A (zh) * | 2019-01-08 | 2019-04-23 | 南京航空航天大学 | 一种线控转向系统及其控制方法 |
CN109808764A (zh) * | 2019-02-28 | 2019-05-28 | 中国第一汽车股份有限公司 | 一种具备冗余功能的线控转向装置及控制方法 |
Non-Patent Citations (1)
Title |
---|
罗士军 等: "装载机线控转向的智能控制", 《工程机械》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111619667A (zh) * | 2020-06-03 | 2020-09-04 | 中国第一汽车股份有限公司 | 一种车辆控制方法、装置和车辆 |
CN114291163A (zh) * | 2022-01-27 | 2022-04-08 | 中国第一汽车股份有限公司 | 一种后轮转向控制方法、装置、设备和介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110816654B (zh) | 2021-03-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6884276B2 (ja) | 車両を制御するシステム及び方法 | |
CN111661137B (zh) | 远程驾驶路感模拟方法、装置、系统及存储介质 | |
Zhang et al. | Robust energy-to-peak sideslip angle estimation with applications to ground vehicles | |
CN109606378B (zh) | 面向非高斯噪声环境的车辆行驶状态估计方法 | |
US8457832B2 (en) | Vehicle body speed estimating device | |
CN110816654B (zh) | 一种信号估计方法、装置、车辆和存储介质 | |
CN111873991B (zh) | 一种车辆转向的控制方法、装置、终端及存储介质 | |
CN105164001B (zh) | 确定交通工具的转向柱的转向角度的机动交通工具、系统和方法 | |
Li et al. | Comparative study of vehicle tyre–road friction coefficient estimation with a novel cost-effective method | |
CN101512531A (zh) | 具有横向动力反馈的车辆稳定性控制 | |
US8131424B2 (en) | Methods and systems for calculating yaw gain for use in controlling a vehicle | |
JP3236003B1 (ja) | 車両の路面摩擦係数推定装置 | |
CN115617051B (zh) | 车辆控制方法、装置、设备和计算机可读介质 | |
Hsiao et al. | Robust estimation of the friction forces generated by each tire of a vehicle | |
CN112622876A (zh) | 车辆质心位置确定方法、装置、设备和存储介质 | |
Shu et al. | Improved adaptive lane‐keeping control for four‐wheel steering vehicles without lateral velocity measurements | |
Canale et al. | A DVS-MHE approach to vehicle side-slip angle estimation | |
CN115489335B (zh) | 基于能量回收的扭矩控制方法、装置、设备和介质 | |
CN114987607B (zh) | 一种车辆的转向控制方法、装置、设备及存储介质 | |
US20040153216A1 (en) | Method for estimating a vehicle's velocity | |
CN115257782A (zh) | 车辆横摆角预测方法、装置及计算机可读存储介质 | |
CN114435371A (zh) | 一种道路坡度估计方法和装置 | |
JP3008401B2 (ja) | 車両状態量推定装置 | |
CN113771857A (zh) | 一种用于车辆控制的纵向车速估计方法和系统 | |
CN113771866B (zh) | 横摆角速度补偿计算方法、存储介质和补偿计算系统 |
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 |