CN111062088A - 一种四轮独立驱动电动汽车参考车速容错自适应估计方法 - Google Patents
一种四轮独立驱动电动汽车参考车速容错自适应估计方法 Download PDFInfo
- Publication number
- CN111062088A CN111062088A CN201911030631.7A CN201911030631A CN111062088A CN 111062088 A CN111062088 A CN 111062088A CN 201911030631 A CN201911030631 A CN 201911030631A CN 111062088 A CN111062088 A CN 111062088A
- Authority
- CN
- China
- Prior art keywords
- vehicle speed
- wheel
- signal
- speed
- estimation
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
- G06F17/12—Simultaneous equations, e.g. systems of linear equations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/72—Electric energy management in electromobility
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- General Engineering & Computer Science (AREA)
- Operations Research (AREA)
- Computing Systems (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明涉及一种四轮独立驱动电动汽车参考车速容错自适应估计方法,选用鲁棒自适应Kalman滤波参考车速估计模块以及基于规则逻辑的参考车速估计模块两种模块进行估计,其中,将基于规则逻辑的参考车速估计模块作为鲁棒自适应Kalman滤波参考车速估计模块的备份,在Kalman滤波发散时,基于规则逻辑的方法可以对Kalman滤波进行替代进行输出;本发明对预设参数依赖性小、估计精度高、工况适应性好、容错能力强,不但能够实现车轮抱死、打滑、坡道行驶、转向行驶等多种复杂工况下的车速估计,而且满足了汽车控制系统软件设计的功能安全要求,可靠性得到有效保证。
Description
技术领域
本发明涉及一种四轮独立驱动电动汽车参考车速容错自适应估计方法,属于新能源汽车设计与制造领域。
背景技术
以轮毂电机为动力单元的四轮独立驱动电动汽车,凭借其简化的底盘结构、快速的扭矩响应以及准确的控制执行成为了业内公认的未来电动汽车发展方向之一;纵向车速是电动汽车底盘控制中的重要状态信息,其对于整车控制器的踏板信号解析、车轮的防滑(防抱死)控制以及转矩分配策略均有重要参考价值,因此汽车行业又将纵向车速称为“参考车速”;受制于制造成本和整车布置等因素,接触式五轮仪、多普勒雷达等能够直接测量车辆参考车速的感知设备无法成为量产汽车的标配传感器。而全球定位系统(GPS)和惯性单元(IMU)构成的组合导航系统尽管已经在自动驾驶车辆中得到应用,但GPS信号受环境影响大且精度不高,系统生成车速信号的更新频率、稳定性和准确性都难以满足车辆底盘的实时控制需求(例如车轮防滑控制);同时组合导航系统成本也十分高昂,难以成为一种通用的解决方案。因此,现有汽车产品通常选择采集非驱动轮的轮速信号来估计参考车速,以避免驱动轮滑移对参考车速估计准确性的影响;对于不存在非驱动轮的四轮独立驱动电动汽车,如何从包含车轮滑移的轮速信号中恢复出准确的车速信号已经成为汽车控制工程师面临的一项严峻挑战。
目前,针对四驱汽车的参考车速估计方法主要有两种思路;以动态斜率法为代表的基于规则的估计方法,其本质属于对问题物理特性进行直观处理的经验性方法,优势在于可靠性高,但估计准确性一般且对测量噪声缺乏有效的应对手段;为了充分利用先验的噪声统计特性实现参考车速的高精度估计,Kalman滤波技术在世界范围内得到了广泛关注。然而,基于经典Kalman滤波设计的参考车速估计方法,对过程噪声和测量噪声的建模准确性要求很高,当车轮打滑或抱死时该方法并不适用,模型失配引发的滤波发散现象使得经典Kalman滤波的工况适应性极为脆弱,难以满足汽车产品的应用需求。基于非线性动力学方程建立的广义车辆状态Kalman滤波观测器,例如扩展Kalman滤波、无迹Kalman滤波等方法依赖车辆动力学和轮胎力的准确建模,而且这类广义估计方法用于计算的矩阵维数通常很高,往往还需要在线求解雅克比矩阵,对车载控制器的计算能力提出了苛刻条件,这些无疑阻碍了该技术的工程应用。
此外,汽车部件在使用过程中不可避免地会出现系统故障,现有技术对传感器失效、信号数值异常和通信错误等情况考虑尚不充分,系统可靠性有待提高;同时必须清醒地认识到,传统四驱车的轮速信息只能通过轮速传感器获取,对于轮毂电机驱动的四轮独立驱动电动汽车,电机控制器反馈的电机转速信息也能够用于参考车速的估计。因此,亟须建立一种能够融合电机转速信息、建模要求不高且对建模误差和环境动态变化适应性较强、具备良好容错性能和系统可靠性的参考车速估计方法。
发明内容
本发明提供一种四轮独立驱动电动汽车参考车速容错自适应估计方法,对预设参数依赖性小、估计精度高、工况适应性好、容错能力强,不但能够实现车轮抱死、打滑、坡道行驶、转向行驶等多种复杂工况下的车速估计,而且满足了汽车控制系统软件设计的功能安全要求,可靠性得到有效保证。
本发明解决其技术问题所采用的技术方案是:
一种四轮独立驱动电动汽车参考车速容错自适应估计方法,包括以下步骤:
第一步:从电动汽车的CAN总线获取电动汽车四个车轮的轮速传感器信号ωwi、四个电动汽车电机反馈的电机转速信号ωmi、整个电动汽车质心处的纵向加速度信号ax、电动汽车方向盘转角信号δsw以及电动汽车四个车轮轮速的信号有效状态ξwi,将上述信号输入信号预处理模块,通过信号的合理性校验并利用置信度函数计算电动汽车四个车轮的等效纵向运动速度Vwi,收集动汽车四个车轮的等效纵向运动速度Vwi、整个电动汽车质心处的纵向加速度信号ax以及上述信号的错位标志位θs,其中,下标i=fl,fr,rl,rr分别表示信号所属的车轮位置为左前轮、右前轮、左后轮和右后轮,下标s表示对应的信号名称;
第二步:将上述由信号预处理模块获取的等效纵向运动速度Vwi、整个电动汽车质心处的纵向加速度信号ax以及错位标志位θs分别输入鲁棒自适应Kalman滤波参考车速估算模块和基于规则逻辑的参考车速估算模块,鲁棒自适应Kalman滤波参考车速估算模块获得输出预估车速Vx,kalman,基于规则逻辑的参考车速估算模块获得输出结果预估车速Vx,rule;将获取的Vx,kalman和Vx,rule输入各自的平滑处理模块进行滤波,得到实际预估车速V* x,kalman和V* x,rule,上标*代表该信号经过了平滑处理;
第三步:将第二步得到的实际预估车速和第一步获取的信号错误标志位输入车速估计容错切换模块,根据车速估计容错切换模块内置的容错切换逻辑确定最终估计车速Vx,est和估计车速有效状态ξvel,形成输出信号并发送至CAN总线或其他控制模块;
作为本发明的进一步优选,前述平滑处理模块的平滑处理函数为:
y(k)=(1-σ)x(k)+σy(k-1) (1)
其中,σ为滤波系数,取值范围是0<σ<1,y表示滤波输出,x表示滤波输入,k表示时刻;
作为本发明的进一步优选,信号预处理模块包含以下步骤:
第11步:对所有输入信号进行合理性校验;首先,通过CAN解析模块获取所有输入信号的数值大小和更新状态,如果信号更新失败,则判定该信号错误,对于更新成功的信号,需要进一步对信号数值正确性进行校验,对电机转速信号ωmi和纵向加速度信号ax的数值大小与信号的正常数值范围做比较,如果超出正常范围则判定为错误信号;对于方向盘转角信号δsw,则要先根据车速查表获取当前车速下的方向盘转角正常取值范围再进行判断,如果超出正常范围则判定为错误信号;当轮速信号有效状态为失效或轮速信号有效状态更新失败时,将对应的轮速信号判定为错误信号;输出各个车轮的轮速ωwi、轮毂电机的转速ωmi、方向盘转角δsw以及这些信号的错误状态θs,其中规定θs=1代表信号正确,θs=0代表信号错误,下标s表示对应的信号名称;
第12步,计算修正车轮转速;首先根据轮速传感器信号ωwi和电机转速信号ωmi以及信号错误标志位θs,使用公式(2)计算修正车轮转速ωi,
ωi=μiωmi+(1-μi)ωwi (2)
其中,μi表示第i个车轮的转速融合置信度函数,μi通过公式(3)进行计算,
其中,f[Vx(k-1)]为标定得到的、以上一时刻车速为输入的查表函数;符号“&&”表示逻辑运算中的“与”;θmi代表电机转速信号的错误标志位,θwi代表轮速信号的错误标志位;根据θmi和θwi标记修正车轮速度的错误标志位θvwi,下标i=fl,fr,rl,rr分别表示信号所属的车轮位置为左前轮、右前轮、左后轮和右后轮,只有当同一个车轮的轮速信号和电机转速信号都失效时才将修正车轮速度标记为错误信号,否则标记为正确信号,规定θs=1代表信号正确,θs=0代表信号错误,下标s表示对应的信号名称;
第13步:计算车轮等效纵向运动速度并形成输出,根据公式(4)计算车轮的等效纵向运动速度Vwi,
其中isw为转向系的传动比,Rw为车轮的滚动半径,δsw为方向盘转角,ωi为修正车轮转速,输出各个车轮的等效纵向运动速度Vwi和纵向加速度ax,以及各个车轮速度有效状态θvwi、纵向加速度有效状态θax和方向盘转角有效状态θsw;
作为本发明的进一步优选,鲁棒自适应Kalman滤波参考车速估算模块包括以下计算步骤:
第211步:通过鲁棒自适应Kalman滤波参考车速估算模块对输入信号进行再处理;将错误的车轮等效纵向运动速度信号置为其信号范围的最大值,将错误的纵向加速度信号置零;
第212步:预估公式为:
Vx(k|k-1)=Vx(k-1)+Tsax(k-1) (5)
其中,ax代表整个电动汽车质心处的纵向加速度信号,Ts表示采样时间,Vx表示估计得到的参考车速,符号X(k|k-1)表示在k-1时刻对k时刻的状态X做预测;
第213步:用于计算带不确定性渐消因子的一步预测误差方差矩阵为:
P(k|k-1)=λ(k-1)P(k-1)+Ts 2Q (6)
其中,P为协方差矩阵,Q为过程噪声方差,λ为不确定性渐消因子,符号X(k|k-1)表示在k-1时刻对k时刻的状态X做预测;其中,不确定性渐消因子λ的计算公式为:
ψ(k)=β(k)-HQHT-l(k)R(k-1) (9)
E(k)=Z(k)-HVx(k) (11)
γ(k)=HP(k-1)HT (13)
其中,tr(·)表示求矩阵的迹,H=[1 1 1 1]T,为观测矩阵,R为测量噪声方差矩阵,Z=[Vwfl Vwfr Vwrl Vwrr]T为测量信号矩阵,ρ为不确定性遗忘因子,取值范围是[0.95,0.99],ψ(k)、γ(k)、β(k)、I(k)、γ(k)为中间值没有特殊的物理含义,只是为了公式推导和表示方便所设计的中间变量;
第214步:协方差矩阵P的求解公式为:
P(k)=[I4×4-K(k)H]P(k|k-1) (16)
其中,K表示滤波增益矩阵,I表示单位矩阵,下标表示矩阵维数,符号X(k|k-1)表示在k-1时刻对k时刻的状态X做预测;
滤波增益矩阵K的求解公式为:
K(k)=P(k|k-1)HT[HP(k|k-1)HT+R(k-1)] (14)
Vx(k)=Vx(k|k-1)+K(k)E(k) (15)
其中,符号X(k|k-1)表示在k-1时刻对k时刻的状态X做预测,H=[1 1 1 1]T,为观测矩阵,HT是一个行向量,上标T表示对矩阵的转置,Vx表示估计得到的参考车速,即为预估车速Vx,kalman;
第215步:获取测量噪声矩阵R的自适应估计公式为:
R(k)=diag[r1(k),r2(k),r3(k),r4(k)] (18)
其中,b为测量噪声遗忘因子,取值范围是(0,1),ri(k)为矩阵R*(k)的对角线上i×i位置的元素(i=1,2,3,4),diag(·)表示对角矩阵,即对角线上的数值与(·)中数据按顺序对应,其他位置均为0;
作为本发明的进一步优选,基于规则逻辑的参考车速估计模块包括以下计算步骤:
第221步:由需求转矩判断当前工况是驱动工况或者是制动工况或者是零扭矩工况;
第222步:调整错误信号;在制动工况和零扭矩工况下,将错误的车轮等效纵向运动速度信号Vwi置零,将错误的纵向加速度信号ax置为信号范围内的最小值;在驱动工况下,将错误的车轮等效纵向运动速度信号Vwi和纵向加速度信号ax全部置为信号范围内的最大值;其中纵向加速度符合与汽车前进方向相同取正,方向相反取负;
第223步:分工况计算直线车速Vx,str
其中,min{·}表示对{·}中的元素取最小值,min{·}表示对{·}中的元素取最大值,θwi为轮速信号的错误标志位,Vwi为车轮的等效纵向运动速度;
第224步:计算转向车速Vx,cor;首先确定前轴轴心速度Vxf和后轴轴心速度Vxr;如果同一根车轴上左右两个车轮的等效纵向运动速度信号均正常,而且速度差在正常范围以内,则计算左右两个车轮的等效纵向运动速度平均值作为该轴的轴心速度;如果同一根轴左右车轮等效纵向速度有一个出现错误信号,或者左右轮等效纵向速度信号均正常但速度差超出正常范围,则要通过选定基准车轮来计算轴心速度;当同一轴上的车轮出现其中一个车轮失效,选择另一个信号正常的车轮为基准车轮;如果两个车轮等效纵向运动速度信号均正常,但速度差在正常范围以外,按照工况判断基准车轮;在驱动工况下,以速度较低一侧车轮为基准车轮,在制动工况和零扭矩工况下以速度较高一侧车轮为基准车轮;根据选定基准车轮的等效纵向运动速度,计算车轴中心处的速度,计算公式如下:
其中,Rv(δsw,Vx)表示汽车的转弯半径,其通过在线查询方向盘转角和车速的二维数据表得到,sign(·)代表符号函数,δsw为方向盘转角,Rv为汽车的转弯半径,其中,方向盘逆时针旋转为正,方向盘顺时针旋转为负,Lw为汽车的轮距,
若两个车轮速度信号均错误,则直接计算两轮速度的平均值作为该轴的轴心速度;
通过公式(20)(21)计算获取的前轴轴心速度Vxf和后轴轴心速度Vxr计算转向车速Vx,cor,计算公式如下
其中,Ts为采样时间,ax为纵向加速度;
第225步:对过渡状态的车速进行平滑处理,通过计算公式获取直线车速和转向车速在最终估计的车速中的占比,计算公式为:
其中,ε表示直线车速和转向车速在最终估计的车速中的占比,若ε=1,估计车速就等于直线车速,ε=0,估计车速等于转弯车速,ε在0~1之间,表明处于过渡工况,直线车速和转弯车速各贡献一部分,分段转折点δsw1和δsw2通过在线查询以车速为输入的数据表确定;最终获取平滑处理后的车速,计算公式如下:
Vx(k)=εVx,str(k)+(1-ε)Vx,cor(k) (23)
其中,Vx,str为直线车速,Vx,cor为转向车速;
作为本发明的进一步优选,车速估计容错切换模块包含以下步骤:
第31步:根据信号错误信息判断当前车速估计是否有效;只有至少一组对角线上的修正车轮速度信号正常时,认为当前车速估计正确,否则不更新估计结果,直接输出上一时刻的车速估计值;无论是否更新估计结果,这种情况下均输出车速估计有效信息ξvx=2,这里规定,ξvx=2表示估计的车速信号有效,ξvx=1表示估计的车速信号不可靠,ξvx=0表示估计的车速信号失效,如果持续N个计算周期车速估计均不正确但加速度信号正常时,则按照下列公式估算车速,
Vx(k)=Vx(k-1)+Tsax(k) (25)
其中,Ts表示采样时间,ax为纵向加速度,如果持续N个计算周期车速估计均不正确且加速度信号处于失效状态,则输出上一时刻的车速估计值,并输出估计车速失效信息ξvx=0;其中,N为可标定参数,表示车速估计的容错时域;
第32步:当估计车速有效时,即ξvx=2,计算鲁棒自适应Kalman滤波的估计车速Vx,kalman和基于规则逻辑的估计车速Vx,rule的差值的绝对值ΔVx;ΔVx在标定的门限值以内,以Kalman滤波的结果作为输出;如果差值的绝对值在标定的门限值以外,则认为滤波发散,切换为基于规则逻辑的估计结果作为输出;
第33步:为了避免信号波动导致的频繁切换以及切换导致的参考车速变化梯度过大问题,根据两种方法估计结果差值的绝对值为基准,按照下述公式进行柔性切换
其中,sign(·)代表符号函数,分段函数转折点ΔVx1代表完全切换为Kalman滤波的估计车速作为输出的门限值,ΔVx2代表完全代表切换为基于规则逻辑的估计车速作为输出的门限值,Vx,est代表参考车速的最终输出值。
通过以上技术方案,相对于现有技术,本发明具有以下有益效果:
1、本发明仅使用纵向加速度信号、轮速信号、方向盘转角信号和电机控制器反馈的转速信号就实现了参考车速的高精度估计;
2、本发明能够实现参考车速高精度估计的信号都是电动汽车中常见的信号,因此本方法具有相当好的通用性,无需额外增加设备成本;
3、本发明在参考车速估计算法层面,设计了带不确定性渐消因子的测量噪声自适应Kalman滤波算法,通过设置不确定性渐消因子抵御模型误差对滤波稳定性的影响,通过设置测量噪声自适应估计过程,实现动态环境下的汽车参考车速高精度实时估计;
4、由于卡尔曼滤波本质上属于模型参考反馈估计方法,为了防止行驶环境恶化导致模型失配从而引发的滤波发散问题,本发明设计了冗余的基于规则的参考车速估计模块进行同步对比,在检测到Kalman滤波发散时,通过设置估计方法切换逻辑及时修正参考车速的估计输出,充分保证了估计结果的可靠性;
5、为了防止传感器失效、CAN节点通信错误以及信号数值异常对参考车速估计的影响,本发明设计了信号预处理模块实现了车速估计的信号容错处理,并通过置信度函数对各轮的电机转速和轮速信号进行异源融合以获取更加精确的车轮转速。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1是本发明的优选实施例估计算法实施总体架构图;
图2是本发明的优选实施例信号预处理模块的程序流程图;
图3是本发明的优选实施例鲁棒自适应Kalman滤波参考车速估计流程图;
图4是本发明的优选实施例基于规则逻辑的参考车速估计方法流程图;
图5是本发明的优选实施例车速估计容错切换模块的流程图。
具体实施方式
现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图,仅以示意方式说明本发明的基本结构,因此其仅显示与本发明有关的构成。
如图1-图5所示,本发明提供一种四轮独立驱动电动汽车参考车速容错自适应估计方法,包括以下步骤:
第一步:从电动汽车的CAN总线获取电动汽车四个车轮的轮速传感器信号ωwi、四个电动汽车电机反馈的电机转速信号ωmi、整个电动汽车质心处的纵向加速度信号ax、电动汽车方向盘转角信号δsw以及电动汽车四个车轮轮速的信号有效状态ξwi,将上述信号输入信号预处理模块,通过信号的合理性校验并利用置信度函数计算电动汽车四个车轮的等效纵向运动速度Vwi,收集动汽车四个车轮的等效纵向运动速度Vwi、整个电动汽车质心处的纵向加速度信号ax以及上述信号的错位标志位θs,其中,下标i=fl,fr,rl,rr分别表示信号所属的车轮位置为左前轮、右前轮、左后轮和右后轮,下标s表示对应的信号名称;
第二步:将上述由信号预处理模块获取的等效纵向运动速度Vwi、整个电动汽车质心处的纵向加速度信号ax以及错位标志位θs分别输入鲁棒自适应Kalman滤波参考车速估算模块和基于规则逻辑的参考车速估算模块,鲁棒自适应Kalman滤波参考车速估算模块获得输出预估车速Vx,kalman,基于规则逻辑的参考车速估算模块获得输出结果预估车速Vx,rule;将获取的Vx,kalman和Vx,rule输入各自的平滑处理模块进行滤波,得到实际预估车速V* x,kalman和V* x,rule,上标*代表该信号经过了平滑处理;
第三步:将第二步得到的实际预估车速和第一步获取的信号错误标志位通水输入车速估计容错切换模块,根据车速估计容错切换模块内置的容错切换逻辑确定最终估计车速Vx,est和估计车速有效状态ξvel,形成输出信号并发送至CAN总线或其他控制模块;
具体的,图1所示,先通过信号预处理模块进行校验,具体的处理过程图2所示,包括以下:
第11步:对所有输入信号进行合理性校验;首先,通过CAN解析模块获取所有输入信号的数值大小和更新状态,如果信号更新失败,则判定该信号错误,对于更新成功的信号,需要进一步对信号数值正确性进行校验,对电机转速信号ωmi和纵向加速度信号ax的数值大小与信号的正常数值范围做比较,如果超出正常范围则判定为错误信号;对于方向盘转角信号δsw,则要先根据车速查表获取当前车速下的方向盘转角正常取值范围再进行判断,如果超出正常范围则判定为错误信号;当轮速信号有效状态为失效或轮速信号有效状态更新失败时,将对应的轮速信号判定为错误信号;输出各个车轮的轮速ωwi、轮毂电机的转速ωmi、方向盘转角δsw以及这些信号的错误状态θs,其中规定θs=1代表信号正确,θs=0代表信号错误,下标s表示对应的信号名称;
第12步,计算修正车轮转速;首先根据轮速传感器信号ωwi和电机转速信号ωmi以及信号错误标志位θs,使用公式(2)计算修正车轮转速ωi,
ωi=μiωmi+(1-μi)ωwi (2)
其中,μi表示第i个车轮的转速融合置信度函数,μi通过公式(3)进行计算,
其中,f[Vx(k-1)]为标定得到的、以上一时刻车速为输入的查表函数;符号“&&”表示逻辑运算中的“与”,θmi代表电机转速信号的错误标志位,θwi代表轮速信号的错误标志位,根据θmi和θwi标记修正车轮速度的错误标志位θvwi,下标i=fl,fr,rl,rr分别表示信号所属的车轮位置为左前轮、右前轮、左后轮和右后轮,只有当同一个车轮的轮速信号和电机转速信号都失效时才将修正车轮速度标记为错误信号,否则标记为正确信号,规定θs=1代表信号正确,θs=0代表信号错误,下标s表示对应的信号名称;
第13步:计算车轮等效纵向运动速度并形成输出,根据公式(4)计算车轮的等效纵向运动速度Vwi,
其中isw为转向系的传动比,Rw为车轮的滚动半径,δsw为方向盘转角,ωi为修正车轮转速,输出各个车轮的等效纵向运动速度Vwi和纵向加速度ax,以及各个车轮速度有效状态θvwi、纵向加速度有效状态θax和方向盘转角有效状态θsw;
接着图3所示,将图2中获取到的信号数据通过鲁棒自适应Kalman滤波参考车速估算模块进行处理,包括以下步骤:
第211步:通过鲁棒自适应Kalman滤波参考车速估算模块对输入信号进行再处理;将错误的车轮等效纵向运动速度信号置为其信号范围的最大值,将错误的纵向加速度信号置零;
第212步:预估公式为:
Vx(k|k-1)=Vx(k-1)+Tsax(k-1) (5)
其中,ax代表整个电动汽车质心处的纵向加速度信号,Ts表示采样时间,Vx表示估计得到的参考车速,符号X(k|k-1)表示在k-1时刻对k时刻的状态X做预测;
第213步:用于计算带不确定性渐消因子的一步预测误差方差矩阵为:
P(k|k-1)=λ(k-1)P(k-1)+Ts 2Q (6)
其中,P为协方差矩阵,Q为过程噪声方差,λ为不确定性渐消因子,符号X(k|k-1)表示在k-1时刻对k时刻的状态X做预测;其中,不确定性渐消因子λ的计算公式为:
ψ(k)=β(k)-HQHT-l(k)R(k-1) (9)
E(k)=Z(k)-HVx(k) (11)
γ(k)=HP(k-1)HT (13)
其中,tr(·)表示求矩阵的迹,H=[1 1 1 1]T,为观测矩阵,R为测量噪声方差矩阵,Z=[Vwfl Vwfr Vwrl Vwrr]T为测量信号矩阵,ρ为不确定性遗忘因子,取值范围是[0.95,0.99],ψ(k)、γ(k)、β(k)、I(k)、γ(k)为中间值没有特殊的物理含义,只是为了公式推导和表示方便所设计的中间变量;
第214步:协方差矩阵P的求解公式为:
P(k)=[I4×4-K(k)H]P(k|k-1) (16)
其中,K表示滤波增益矩阵,I表示单位矩阵,下标表示矩阵维数,符号X(k|k-1)表示在k-1时刻对k时刻的状态X做预测;
滤波增益矩阵K的求解公式为:
K(k)=P(k|k-1)HT[HP(k|k-1)HT+R(k-1)] (14)
Vx(k)=Vx(k|k-1)+K(k)E(k) (15)
其中,符号X(k|k-1)表示在k-1时刻对k时刻的状态X做预测,H=[1 1 1 1]T,为观测矩阵,HT是一个行向量,上标T表示对矩阵的转置,Vx表示估计得到的参考车速,即为预估车速Vx,kalman;
第215步:获取测量噪声矩阵R的自适应估计公式为:
R(k)=diag[r1(k),r2(k),r3(k),r4(k)] (18)
其中,b为测量噪声遗忘因子,取值范围是(0,1),ri(k)为矩阵R*(k)的对角线上i×i位置的元素(i=1,2,3,4),diag(·)表示对角矩阵,即对角线上的数值与(·)中数据按顺序对应,其他位置均为0;在这里需要说明的是,在公式(17)的计算过程中,R*(k)是得到的第一步观测噪声矩阵,从物理含义上来说,R矩阵只有对角线的数值才能表征测量的噪声,而矩阵其他位置的数值因为测量噪声没有耦合因此应该是0,但是在公式(17)计算过程中可能会由于模型失配导致矩阵在非对角线位置上的数值不为0,因此需要把第一步观测噪声矩阵R*(k)的对角线值提取出来,组成真正的观测噪声矩阵R(k),也就是公式(18)完成的事情;所以R*(k)只是一个中间计算步骤,是为了得到R(k)必须有的一步计算过程;
在上述式中,H是一个列向量,HT是一个行向量。
图4所示,基于规则逻辑的参考车速估计模块包括以下计算步骤:
第221步:由需求转矩判断当前工况是驱动工况或者是制动工况或者是零扭矩工况;
第222步:调整错误信号;在制动工况和零扭矩工况下,将错误的车轮等效纵向运动速度信号Vwi置零,将错误的纵向加速度信号ax置为信号范围内的最小值;在驱动工况下,将错误的车轮等效纵向运动速度信号Vwi和纵向加速度信号ax全部置为信号范围内的最大值;其中纵向加速度符合与汽车前进方向相同取正,方向相反取负;
第223步:分工况计算直线车速Vx,str
其中,min{·}表示对{·}中的元素取最小值,min{·}表示对{·}中的元素取最大值,θwi为轮速信号的错误标志位,Vwi为车轮的等效纵向运动速度;
第224步:计算转向车速Vx,cor;首先确定前轴轴心速度Vxf和后轴轴心速度Vxr;如果同一根车轴上左右两个车轮的等效纵向运动速度信号均正常,而且速度差在正常范围以内,则计算左右两个车轮的等效纵向运动速度平均值作为该轴的轴心速度;如果同一根轴左右车轮等效纵向速度有一个出现错误信号,或者左右轮等效纵向速度信号均正常但速度差超出正常范围,则要通过选定基准车轮来计算轴心速度;当同一轴上的车轮出现其中一个车轮失效,选择另一个信号正常的车轮为基准车轮;如果两个车轮等效纵向运动速度信号均正常,但速度差在正常范围以外,按照工况判断基准车轮;在驱动工况下,以速度较低一侧车轮为基准车轮,在制动工况和零扭矩工况下以速度较高一侧车轮为基准车轮;根据选定基准车轮的等效纵向运动速度,计算车轴中心处的速度,计算公式如下:
其中,Rv(δsw,Vx)表示汽车的转弯半径,其通过在线查询方向盘转角和车速的二维数据表得到,sign(·)代表符号函数,δsw为方向盘转角,Rv为汽车的转弯半径,其中,方向盘逆时针旋转为正,方向盘顺时针旋转为负,Lw为汽车的轮距,
需要说明的是,Rv就是表达汽车的转弯半径,有的时候后面加上括号,表示这个变量实际上是一个函数值,是关于括号中变量的函数,当这个函数作为一个数值参与另一个公式的计算时候,可以省去对其变量的描述直接写Rv;
若两个车轮速度信号均错误,则直接计算两轮速度的平均值作为该轴的轴心速度;
通过公式(20)(21)计算获取的前轴轴心速度Vxf和后轴轴心速度Vxr计算转向车速Vx,cor,计算公式如下
其中,Ts为采样时间,ax为纵向加速度;
第225步:对过渡状态的车速进行平滑处理,通过计算公式获取直线车速和转向车速在最终估计的车速中的占比,计算公式为:
其中,ε表示直线车速和转向车速在最终估计的车速中的占比,若ε=1,估计车速就等于直线车速,ε=0,估计车速等于转弯车速,ε在0~1之间,表明处于过渡工况,直线车速和转弯车速各贡献一部分,分段转折点δsw1和δsw2通过在线查询以车速为输入的数据表确定;最终获取平滑处理后的车速,计算公式如下:
Vx(k)=εVx,str(k)+(1-ε)Vx,cor(k) (23)
其中,Vx,str为直线车速,Vx,cor为转向车速;
图3和图4所表达的分别是鲁棒自适应Kalman滤波参考车速估算模块以及基于规则逻辑的参考车速估计模块的表达步骤,两者的区别点在于,前者是不需要判断工况的,因为工况导致的误差已经被考虑在了模型的噪声变动内,通过设计自适应环节进行抑制,而后者是基于规则的方法进行车速估计的,因此需要分工况进行讨论,但是由于后者是根据信号的物理特性通过逻辑设计来获取估计车速,因此可靠性相对较高,但是同时后者没有利用到噪声信息,因此后者估计的准确性不如前者滤波高。
上述“鲁棒自适应Kalman滤波模块”、“基于规则逻辑的参考车速估计模块”得到的估计参考车速分别输入平滑处理模块,但是两者使用到的平滑处理模块在实际应用中应该是两个不同的模块,主要体现在滤波系数的不同,但是平滑处理的计算方式均为如下公式:
y(k)=(1-σ)x(k)+σy(k-1) (1)
其中,σ为滤波系数,取值范围是0<σ<1,y表示滤波输出,x表示滤波输入,k表示时刻;
Kalman滤波的结果可能仍然会存在一定毛刺信号,但是外界对车速信号的需求是较为平滑的信号,因此增加平滑处理模块在Kalman滤波之后,能够起到消除信号毛刺的作用;
图5所示,鲁棒自适应Kalman滤波参考车速估算模块以及基于规则逻辑的参考车速估计模块的信号数据在进入平滑处理模块分别处理后进入车速估计容错切换模块进行处理,
具体的包含以下步骤:
第31步:根据信号错误信息判断当前车速估计是否有效;只有至少一组对角线上的修正车轮速度信号正常时,认为当前车速估计正确,否则不更新估计结果,直接输出上一时刻的车速估计值;无论是否更新估计结果,这种情况下均输出车速估计有效信息ξvx=2,这里规定,ξvx=2表示估计的车速信号有效,ξvx=1表示估计的车速信号不可靠,ξvx=0表示估计的车速信号失效,如果持续N个计算周期车速估计均不正确但加速度信号正常时,则按照下列公式估算车速,
Vx(k)=Vx(k-1)+Tsax(k) (25)
其中,Ts表示采样时间,ax为纵向加速度,如果持续N个计算周期车速估计均不正确且加速度信号处于失效状态,则输出上一时刻的车速估计值,并输出估计车速失效信息ξvx=0;其中,N为可标定参数,表示车速估计的容错时域;
第32步:当估计车速有效时,即ξvx=2,计算鲁棒自适应Kalman滤波的估计车速Vx,kalman和基于规则逻辑的估计车速Vx,rule的差值的绝对值ΔVx;ΔVx在标定的门限值以内,以Kalman滤波的结果作为输出;如果差值的绝对值在标定的门限值以外,则认为滤波发散,切换为基于规则逻辑的估计结果作为输出;
第33步:为了避免信号波动导致的频繁切换以及切换导致的参考车速变化梯度过大问题,根据两种方法估计结果差值的绝对值为基准,按照下述公式进行柔性切换
其中,sign(·)代表符号函数,分段函数转折点ΔVx1代表完全切换为Kalman滤波的估计车速作为输出的门限值,ΔVx2代表完全代表切换为基于规则逻辑的估计车速作为输出的门限值,Vx,est代表参考车速的最终输出值。
车速估计容错切换模块的功能是,根据Kalman滤波和基于规则方法得到的参考车速估计结果,判断Kalman滤波是否发散,如果发散则采用基于规则方法的估计结果作为系统输出,如果不发散则采用Kalman滤波的结果作为输出;为了防止两种状态切换导致的车速突变,设计了公式(26)所示的柔性切换模块。
本申请先设计了一种基于鲁棒自适应Kalman滤波的参考车速强容错估计框架,通过对传统Kalman滤波进行鲁棒性优化和测量噪声自适应改进,实现了大工况范围下的参考车速高精度估计;由于Kalman滤波存在发散的风险,因此还需要一个可靠性高但估计精度不一定很高的估计方法做冗余估计,以满足汽车使用的高可靠性要求和控制软件设计的功能安全要求,接着本申请通过设置基于规则逻辑的参考车速估计模块进行冗余校验,本申请通过柔性切换模块可以实现当Kalman滤波不发散时,就采用Kalman滤波结果作为系统输出,在Kalman滤波发散时就采用基于规则的估计方法作为系统输出,这样就能充分保证整个车速估计系统是可靠并且是高精度的,既发挥了Kalman滤波高精度的估计优势又有效防止了潜在的Kalman滤波发散风险,两种估计方法互为补充,从而保证了估计结果的可靠性。
同时,本发明提出的参考车速估计框架能够方便地与现有技术进行结合;对于已经开发出成熟车速估计算法的企业,仅仅通过替换基于规则逻辑的车速估计方法,能够利用本发明提出的鲁棒自适应Kalman滤波进行升级,达到提升现有算法估计精度的效果。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语)具有与本申请所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样定义,不会用理想化或过于正式的含义来解释。
本申请中所述的“和/或”的含义指的是各自单独存在或两者同时存在的情况均包括在内。
本申请中所述的“连接”的含义可以是部件之间的直接连接也可以是部件间通过其它部件的间接连接。
以上述依据本发明的理想实施例为启示,通过上述的说明内容,相关工作人员完全可以在不偏离本项发明技术思想的范围内,进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容,必须要根据权利要求范围来确定其技术性范围。
Claims (6)
1.一种四轮独立驱动电动汽车参考车速容错自适应估计方法,其特征在于:包括以下步骤:
第一步:从电动汽车的CAN总线获取电动汽车四个车轮的轮速传感器信号ωwi、四个电动汽车电机反馈的电机转速信号ωmi、整个电动汽车质心处的纵向加速度信号ax、电动汽车方向盘转角信号δsw以及电动汽车四个车轮轮速的信号有效状态ξwi,将上述信号输入信号预处理模块,通过信号的合理性校验并利用置信度函数计算电动汽车四个车轮的等效纵向运动速度Vwi,收集电动汽车四个车轮的等效纵向运动速度Vwi、整个电动汽车质心处的纵向加速度信号ax以及上述信号的错位标志位θs,其中,下标i=fl,fr,rl,rr分别表示信号所属的车轮位置为左前轮、右前轮、左后轮和右后轮,下标s表示对应的信号名称;
第二步:将上述由信号预处理模块获取的等效纵向运动速度Vwi、整个电动汽车质心处的纵向加速度信号ax以及错位标志位θs分别输入鲁棒自适应Kalman滤波参考车速估算模块和基于规则逻辑的参考车速估算模块,鲁棒自适应Kalman滤波参考车速估算模块获得输出预估车速Vx,kalman,基于规则逻辑的参考车速估算模块获得输出结果预估车速Vx,rule;将获取的Vx,kalman和Vx,rule输入各自的平滑处理模块进行滤波,得到实际预估车速V* x,kalman和V* x,rule,上标*代表该信号经过了平滑处理;
第三步:将第二步得到的实际预估车速和第一步获取的信号错误标志位输入车速估计容错切换模块,根据车速估计容错切换模块内置的容错切换逻辑确定最终估计车速Vx,est和估计车速有效状态ξvel,形成输出信号并发送至CAN总线或其他控制模块。
2.根据权利要求1所述的四轮独立驱动电动汽车参考车速容错自适应估计方法,其特征在于:前述平滑处理模块的平滑处理函数为:
y(k)=(1-σ)x(k)+σy(k-1) (1)
其中,σ为滤波系数,取值范围是0<σ<1,y表示滤波输出,x表示滤波输入,k表示时刻。
3.根据权利要求2所述的四轮独立驱动电动汽车参考车速容错自适应估计方法,其特征在于:信号预处理模块包含以下步骤:
第11步:对所有输入信号进行合理性校验;首先,通过CAN解析模块获取所有输入信号的数值大小和更新状态,如果信号更新失败,则判定该信号错误,对于更新成功的信号,需要进一步对信号数值正确性进行校验,对电机转速信号ωmi和纵向加速度信号ax的数值大小与信号的正常数值范围做比较,如果超出正常范围则判定为错误信号;对于方向盘转角信号δsw,则要先根据车速查表获取当前车速下的方向盘转角正常取值范围再进行判断,如果超出正常范围则判定为错误信号;当轮速信号有效状态为失效或轮速信号有效状态更新失败时,将对应的轮速信号判定为错误信号;输出各个车轮的轮速ωwi、轮毂电机的转速ωmi、方向盘转角δsw以及这些信号的错误状态θs,其中规定θs=1代表信号正确,θs=0代表信号错误,下标s表示对应的信号名称;
第12步,计算修正车轮转速;首先根据轮速传感器信号ωwi和电机转速信号ωmi以及信号错误标志位θs,使用公式(2)计算修正车轮转速ωi,
ωi=μiωmi+(1-μi)ωwi (2)
其中,μi表示第i个车轮的转速融合置信度函数,μi通过公式(3)进行计算,
其中,f[Vx(k-1)]为标定得到的、以上一时刻车速为输入的查表函数,符号“&&”表示逻辑运算中的“与”,θmi代表电机转速信号的错误标志位,θwi代表轮速信号的错误标志位,根据θmi和θwi标记修正车轮速度的错误标志位θvwi,下标i=fl,fr,rl,rr分别表示信号所属的车轮位置为左前轮、右前轮、左后轮和右后轮,只有当同一个车轮的轮速信号和电机转速信号都失效时才将修正车轮速度标记为错误信号,否则标记为正确信号,规定θs=1代表信号正确,θs=0代表信号错误,下标s表示对应的信号名称;
第13步:计算车轮等效纵向运动速度并形成输出,根据公式(4)计算车轮的等效纵向运动速度Vwi,
其中isw为转向系的传动比,Rw为车轮的滚动半径,δsw为方向盘转角,ωi为修正车轮转速,输出各个车轮的等效纵向运动速度Vwi和纵向加速度ax,以及各个车轮速度有效状态θvwi、纵向加速度有效状态θax和方向盘转角有效状态θsw。
4.根据权利要求3所述的四轮独立驱动电动汽车参考车速容错自适应估计方法,其特征在于:鲁棒自适应Kalman滤波参考车速估算模块包括以下计算步骤:
第211步:通过鲁棒自适应Kalman滤波参考车速估算模块对输入信号进行再处理;将错误的车轮等效纵向运动速度信号置为其信号范围的最大值,将错误的纵向加速度信号置零;
第212步:预估公式为:
Vx(k|k-1)=Vx(k-1)+Tsax(k-1) (5)
其中,ax代表整个电动汽车质心处的纵向加速度信号,Ts表示采样时间,Vx表示估计得到的参考车速,符号X(k|k-1)表示在k-1时刻对k时刻的状态X做预测;
第213步:用于计算带不确定性渐消因子的一步预测误差方差矩阵为:
P(k|k-1)=λ(k-1)P(k-1)+Ts 2Q (6)
其中,P为协方差矩阵,Q为过程噪声方差,λ为不确定性渐消因子,符号X(k|k-1)表示在k-1时刻对k时刻的状态X做预测;其中,不确定性渐消因子λ的计算公式为:
ψ(k)=β(k)-HQHT-l(k)R(k-1) (9)
E(k)=Z(k)-HVx(k) (11)
γ(k)=HP(k-1)HT (13)
其中,tr(·)表示求矩阵的迹,H=[1 1 1 1]T,为观测矩阵,R为测量噪声方差矩阵,Z=[VwflVwfr Vwrl Vwrr]T为测量信号矩阵,ρ为不确定性遗忘因子,取值范围是[0.95,0.99],ψ(k)、γ(k)、β(k)、l(k)、γ(k)为中间值没有特殊的物理含义,只是为了公式推导和表示方便所设计的中间变量;
第214步:协方差矩阵P的求解公式为:
P(k)=[I4×4-K(k)H]P(k|k-1) (16)
其中,K表示滤波增益矩阵,I表示单位矩阵,下标表示矩阵维数,符号X(k|k-1)表示在k-1时刻对k时刻的状态X做预测;
滤波增益矩阵K的求解公式为:
K(k)=P(k|k-1)HT[HP(k|k-1)HT+R(k-1)] (14)
Vx(k)=Vx(k|k-1)+K(k)E(k) (15)
其中,符号X(k|k-1)表示在k-1时刻对k时刻的状态X做预测,H=[1 1 1 1]T,为观测矩阵,HT是一个行向量,上标T表示对矩阵的转置,Vx表示估计得到的参考车速,即为预估车速Vx,kalman;
第215步:获取测量噪声矩阵R的自适应估计公式为:
R(k)=diag[r1(k),r2(k),r3(k),r4(k)] (18)
其中,b为测量噪声遗忘因子,取值范围是(0,1),ri(k)为矩阵R*(k)的对角线上i×i位置的元素(i=1,2,3,4),diag(·)表示对角矩阵,即对角线上的数值与(·)中数据按顺序对应,其他位置均为0。
5.根据权利要求4所述的四轮独立驱动电动汽车参考车速容错自适应估计方法,其特征在于:基于规则逻辑的参考车速估计模块包括以下计算步骤:
第221步:由需求转矩判断当前工况是驱动工况或者是制动工况或者是零扭矩工况;
第222步:调整错误信号;在制动工况和零扭矩工况下,将错误的车轮等效纵向运动速度信号Vwi置零,将错误的纵向加速度信号ax置为信号范围内的最小值;在驱动工况下,将错误的车轮等效纵向运动速度信号Vwi和纵向加速度信号ax全部置为信号范围内的最大值;其中纵向加速度符合与汽车前进方向相同取正,方向相反取负;
第223步:分工况计算直线车速Vx,str
其中,min{·}表示对{·}中的元素取最小值,min{·}表示对{·}中的元素取最大值,θwi为轮速信号的错误标志位,Vwi为车轮的等效纵向运动速度,Ts表示采样时间,;
第224步:计算转向车速Vx,cor;首先确定前轴轴心速度Vxf和后轴轴心速度Vxr;如果同一根车轴上左右两个车轮的等效纵向运动速度信号均正常,而且速度差在正常范围以内,则计算左右两个车轮的等效纵向运动速度平均值作为该轴的轴心速度;如果同一根轴左右车轮等效纵向速度有一个出现错误信号,或者左右轮等效纵向速度信号均正常但速度差超出正常范围,则要通过选定基准车轮来计算轴心速度;当同一轴上的车轮出现其中一个车轮失效,选择另一个信号正常的车轮为基准车轮;如果两个车轮等效纵向运动速度信号均正常,但速度差在正常范围以外,按照工况判断基准车轮;在驱动工况下,以速度较低一侧车轮为基准车轮,在制动工况和零扭矩工况下以速度较高一侧车轮为基准车轮;根据选定基准车轮的等效纵向运动速度,计算车轴中心处的速度,计算公式如下:
其中,Rv(δsw,Vx)表示汽车的转弯半径,其通过在线查询方向盘转角和车速的二维数据表得到,sign(·)代表符号函数,δsw为方向盘转角,Rv为汽车的转弯半径,其中,方向盘逆时针旋转为正,方向盘顺时针旋转为负,Lw为汽车的轮距,
若两个车轮速度信号均错误,则直接计算两轮速度的平均值作为该轴的轴心速度;
通过公式(20)(21)计算获取的前轴轴心速度Vxf和后轴轴心速度Vxr计算转向车速Vx,cor,计算公式如下
其中,Ts为采样时间,ax为纵向加速度;
第225步:对过渡状态的车速进行平滑处理,通过计算公式获取直线车速和转向车速在最终估计的车速中的占比,计算公式为:
其中,ε表示直线车速和转向车速在最终估计的车速中的占比,若ε=1,估计车速就等于直线车速,ε=0,估计车速等于转弯车速,ε在0~1之间,表明处于过渡工况,直线车速和转弯车速各贡献一部分,分段转折点δsw1和δsw2通过在线查询以车速为输入的数据表确定;最终获取平滑处理后的车速,计算公式如下:
Vx(k)=εVx,str(k)+(1-ε)Vx,cor(k) (23)
其中,Vx表示估计得到的参考车速,即为预估车速Vx,rule,Vx,str为直线车速,Vx,cor为转向车速。
6.根据权利要求5所述的四轮独立驱动电动汽车参考车速容错自适应估计方法,其特征在于:车速估计容错切换模块包含以下步骤:
第31步:根据信号错误信息判断当前车速估计是否有效;只有至少一组对角线上的修正车轮速度信号正常时,认为当前车速估计正确,否则不更新估计结果,直接输出上一时刻的车速估计值;无论是否更新估计结果,这种情况下均输出车速估计有效信息ξvx=2,这里规定,ξvx=2表示估计的车速信号有效,ξvx=1表示估计的车速信号不可靠,ξvx=0表示估计的车速信号失效,如果持续N个计算周期车速估计均不正确但加速度信号正常时,则按照下列公式估算车速,
Vx(k)=Vx(k-1)+Tsax(k) (25)
其中,Ts表示采样时间,ax为纵向加速度,如果持续N个计算周期车速估计均不正确且加速度信号处于失效状态,则输出上一时刻的车速估计值,并输出估计车速失效信息ξvx=0;其中,N为可标定参数,表示车速估计的容错时域;
第32步:当估计车速有效时,即ξvx=2,计算鲁棒自适应Kalman滤波的估计车速Vx,kalman和基于规则逻辑的估计车速Vx,rule的差值的绝对值ΔVx;ΔVx在标定的门限值以内,以Kalman滤波的结果作为输出;如果差值的绝对值在标定的门限值以外,则认为滤波发散,切换为基于规则逻辑的估计结果作为输出;
第33步:为了避免信号波动导致的频繁切换以及切换导致的参考车速变化梯度过大问题,根据两种方法估计结果差值的绝对值为基准,按照下述公式进行柔性切换
其中,sign(·)代表符号函数,分段函数转折点ΔVx1代表完全切换为Kalman滤波的估计车速作为输出的门限值,ΔVx2代表完全代表切换为基于规则逻辑的估计车速作为输出的门限值,Vx,est代表参考车速的最终输出值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911030631.7A CN111062088B (zh) | 2019-10-28 | 2019-10-28 | 一种四轮独立驱动电动汽车参考车速容错自适应估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911030631.7A CN111062088B (zh) | 2019-10-28 | 2019-10-28 | 一种四轮独立驱动电动汽车参考车速容错自适应估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111062088A true CN111062088A (zh) | 2020-04-24 |
CN111062088B CN111062088B (zh) | 2022-11-18 |
Family
ID=70297670
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911030631.7A Active CN111062088B (zh) | 2019-10-28 | 2019-10-28 | 一种四轮独立驱动电动汽车参考车速容错自适应估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111062088B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115593510A (zh) * | 2022-11-30 | 2023-01-13 | 禾多科技(北京)有限公司(Cn) | 车辆的控制方法及装置、存储介质及电子装置 |
CN116252763A (zh) * | 2023-05-15 | 2023-06-13 | 广汽埃安新能源汽车股份有限公司 | 一种车辆转向工况参考车速检测方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102009654A (zh) * | 2010-11-12 | 2011-04-13 | 清华大学 | 一种全轮电驱动车辆的纵向车速估计方法 |
CN109910905A (zh) * | 2019-03-01 | 2019-06-21 | 同济大学 | 基于坡度估计修正的分布式驱动汽车多工况车速估计方法 |
-
2019
- 2019-10-28 CN CN201911030631.7A patent/CN111062088B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102009654A (zh) * | 2010-11-12 | 2011-04-13 | 清华大学 | 一种全轮电驱动车辆的纵向车速估计方法 |
CN109910905A (zh) * | 2019-03-01 | 2019-06-21 | 同济大学 | 基于坡度估计修正的分布式驱动汽车多工况车速估计方法 |
Non-Patent Citations (1)
Title |
---|
赵治国等: "分布式驱动HEV自适应无迹卡尔曼车速估计", 《中国科学:技术科学》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115593510A (zh) * | 2022-11-30 | 2023-01-13 | 禾多科技(北京)有限公司(Cn) | 车辆的控制方法及装置、存储介质及电子装置 |
CN116252763A (zh) * | 2023-05-15 | 2023-06-13 | 广汽埃安新能源汽车股份有限公司 | 一种车辆转向工况参考车速检测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111062088B (zh) | 2022-11-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Fault-tolerant control for intelligent electrified vehicles against front wheel steering angle sensor faults during trajectory tracking | |
US9701289B2 (en) | Method for determining a vehicle reference speed and vehicle controller having such a method | |
CN105667577B (zh) | 带有传感器信号容错功能的线控转向系统及控制方法 | |
EP2865572A1 (en) | Road friction estimation system and method | |
Lian et al. | Cornering stiffness and sideslip angle estimation based on simplified lateral dynamic models for four-in-wheel-motor-driven electric vehicles with lateral tire force information | |
JP2019513613A (ja) | 車両を制御する方法、システム、及び非一時的コンピューター可読メモリ | |
CN104487307B (zh) | 用于检测机动车辆行驶方向的方法 | |
US20070078576A1 (en) | System and method for fuzzy-logic based fault diagnosis | |
CN111062088B (zh) | 一种四轮独立驱动电动汽车参考车速容错自适应估计方法 | |
CN114454950B (zh) | 一种双电机线控转向系统及其容错控制方法 | |
CN105164001A (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 | |
Németh et al. | Nonlinear analysis of vehicle control actuations based on controlled invariant sets | |
CN205381303U (zh) | 带有传感器信号容错功能的线控转向系统 | |
EP3825191B1 (en) | Vehicle sideslip angle estimation system and method | |
Solmaz | A novel method for indirect estimation of tire pressure | |
CN111231976A (zh) | 一种基于变步长的车辆状态估计方法 | |
CN112660136B (zh) | 汽车底盘动力学域控制器的路面附着系数辨识方法及装置 | |
Krishnaswami et al. | Model based health monitoring of vehicle steering system using sliding mode observers | |
CN114043986A (zh) | 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 | |
Oudghiri et al. | Control and sensor fault-tolerance of vehicle lateral dynamics | |
Bardawil et al. | Combined fuzzy and nonlinear dynamic observer for vehicle longitudinal velocity and side-slip angle | |
CN111703429A (zh) | 一种轮毂电机驱动车辆纵向速度估算方法 | |
CN113911130B (zh) | 一种车辆横摆角速度估计方法及系统 | |
US20240159609A1 (en) | Method and system for estimating vehicle traction torque using a dual extended kalman filter | |
US11934258B1 (en) | Vehicle data analytics system for multi-layer control software architecture |
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 |