CN111231978A - 一种用于四轮独立驱动电动汽车纵横向速度级联估计方法 - Google Patents
一种用于四轮独立驱动电动汽车纵横向速度级联估计方法 Download PDFInfo
- Publication number
- CN111231978A CN111231978A CN202010116580.6A CN202010116580A CN111231978A CN 111231978 A CN111231978 A CN 111231978A CN 202010116580 A CN202010116580 A CN 202010116580A CN 111231978 A CN111231978 A CN 111231978A
- Authority
- CN
- China
- Prior art keywords
- speed
- longitudinal
- transverse
- tire
- vehicle
- 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.)
- Pending
Links
Images
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
- B60W40/10—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 vehicle motion
- B60W40/105—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
- B60W2520/10—Longitudinal speed
- B60W2520/105—Longitudinal acceleration
-
- 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
- B60W2520/12—Lateral speed
- B60W2520/125—Lateral acceleration
-
- 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
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)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明公布了一种用于四轮独立驱动电动汽车纵横向速度级联估计方法,通过利用自适应互补滤波和非线性耦合轮胎逆模型,从先估计纵向速度到后观测横向速度的级联,本发明中的自适应互补滤波器是由具有相同时变滤波参数的高低通滤波器组成,其中时变滤波参数由轮胎纵横向滑移状态决定。一方面,独立驱动的车轮电机能够快速准确地获取电机转矩信号,并通过非线性轮胎逆模型导出车辆相关状态,进行滤波。另一方面,该方法也利用运动学估计来提高车辆系统对于模型匹配误差的鲁棒性。通过实际车辆验证,采用这种估计算法,四轮独立驱动电动汽车的估计速度能够准确地匹配其真实车速,同时车载控制器计算负载小,实时性高,应用成本低。
Description
技术领域
本发明涉及一种四轮独立驱动电动汽车纵横向速度级联估计方法,其目的在于实现四轮独立驱动电动汽车在不同的驾驶条件下低成本准确估计车辆纵向和横向速度,属于汽车应用技术领域。
背景技术
由于装配了四个轮毂电机,四轮独立驱动电动汽车能够提高车辆控制的运动灵活性和操纵稳定性。准确并快速响应的电机力矩可以通过测量电机控制信号或者电机电流信号获得,因此轮胎力可以通过动力学模型计算估计车辆状态,而不是采用成本昂贵的轮胎力传感器等设备进行测量。在实时路径规划和路径跟踪中,纵向速度和横向速度的准确信息决定了车辆运动控制行为。
但是传统基于非驱动轮的纵向速度估计法并不适用于四轮驱动车辆,同时横向速度的准确测量需要昂贵的仪器,限制了其在商用车辆的实际应用范围。在级联滤波框架下,可以避免由额外的状态传播和完整建模产生的能观性问题。这种方式兼具简单易实现、计算复杂程度小和处理时间短的优点。
车速估计方法通常按照模型可分为运动学模型和动力学模型。基于运动学模型的观测算法使用的是轮速信号和加速度积分信号,不用过多的系统模型参数,但严重依赖于传感器测量信号的精度。对于信号偏置和噪声的积分极易导致持续增大的积分累积误差。相比之下,基于动力学的估计策略虽然对传感器要求更少,却需要更准确的系统模型,以至于降低了这种速度估计方法的鲁棒性。在实际车辆应用层面估计车辆纵向速度时,最大/最小轮速法并不总是可靠的,尤其对紧急加速或制动的工况。运动学和动力学相结合的估计手段集合了上述两种方法的优点,但依然存在估计不足和相位滞后的问题。
综上所述,为满足在不同工况下准确估计四轮独立驱动纵横向速度的要求,依靠传统估计方式并不能很好地解决速度估计的各种问题。所以,研究如何实现实时、准确、低成本、无延时的速度估计方法对四轮独立驱动车辆运动控制研究具有重要的实际意义。
发明内容
本发明要解决的技术问题在于:针对上述传统车辆速度估计方法不能同时满足实时、准确、低成本、无延时的要求以及在四轮独立驱动电动汽车上应用的可行性,本发明提供了一种新的用于四轮独立驱动电动汽车纵横向速度级联观测方法,通过级联结构结合纵向速度和横向速度两个自适应互补观测器。
本发明采用以下技术方案:
一种用于四轮独立驱动电动汽车纵横向速度级联观测方法,所述方法将纵向速度的自适应滤波器和横向速度的自适应滤波器级联在一起,避免了传统的并联估计结构可能出现的不可观问题。由于四轮独立驱动/制动电机力矩准确、快速响应的特性,利用动力学模型和非线性耦合轮胎逆模型预估车辆相关状态。这一级联结构采用了先观测纵向速度后估计横向速度。从陀螺仪、加速度计、车轮轮速传感器和电机控制电压获取的信号,分别输入给纵向和横向速度观测器,其中两者都设计了基于运动学的观测部分,在模型匹配误差较大情况下,两者的滤波参数会根据轮胎当前状态适时调节高低通观测权重,以减小系统扰动带来的估计误差,提高两个速度观测器的鲁棒性和准确性。
本发明进一步改进在于:所述纵向速度观测器中低通滤波置信增益的滑移率不是由常用的轮速信号和前一时刻纵向速度估计值的运动学方法计算而得,而是由电机转矩获得的驱动力逆向轮胎模型的动力学方法计算而得。前者的滑移率计算过于依赖轮速信号和先前估计值,容易导致不断累积的误差。同时,滤波参数函数由动力学计算的滑移率决定,该参数数值越大,表明高通滤波估计比重越大
本发明进一步改进在于:横向速度观测器中的低通滤波部分是由耦合轮胎逆模型和轮胎侧偏角反函数组成,并在增益上考虑了车辆簧载质量的载荷偏移。在高通滤波部分中加入了广义侧向轮胎力模型误差补偿项和上述的纵向速度估计值,有利于进一步校正估计偏差。
与现有技术相比,本发明的有益效果在于:
(1)本发明结合了高低通互补滤波器的优势,可以不同工况下依然保持速度估计的准确性。通过计算非线性耦合轮胎模型求逆获取的滑移率和侧偏角的动力学估计值,分别设计纵横向自适应滤波参数,能够在不同驾驶情景下根据车辆状态在高低通滤波器间提供合适的置信权重去互补估计速度。
(2)四轮独立驱动电动汽车的驱动/制动力矩可以实时准确获得,因此四轮力矩能够进一步产生车轮纵向力。通过加速度计和陀螺仪等可以得到车轮垂向载荷,进一步计算出轮胎侧向力。耦合轮胎力的即时计算不仅能够很大程度减小时滞现象,而且兼顾速度估计的准确性。
(3)本发明中两个速度级联的结构能够有效避免传统并联估计方式可能存在的不可观问题,提高了四轮独立驱动电动汽车对不同驾驶指令下的速度估计的鲁棒性。所述方法中涉及测量信号的仪器均为低成本,保证了这种方法在实际应用的可行性和经济性。
附图说明
图1.四轮独立驱动电动汽车平面动力学模型图;
图2.差动转向车轮滚动动力学模型图;
图3.自适应互补滤波的速度级联观测器结构示意图;
图4.四轮独立驱动电动汽车实车测试信号导向示意图。
具体实施方式
下面结合附图1-4所示,对本发明的实施案例进行详细的描述。
为了实现四轮独立驱动电动汽车兼具高精度、无延时和低成本的速度估计方法,以适应在不同工况下的车辆操纵稳定需求,本发明提出了一种结合高低通自适应滤波优势的实时速度级联估计策略,解决以往传统方法因仅依赖非驱动轮,或利用侧向轮胎模型,或迭代含累积误差的纵向速度而导致的准确度不高和相位滞后的问题。通过实验验证了本发明的可行性和实际效果。
一种能够实现差动转向的四轮独立驱动电动汽车平面动力学模型图如图1所示。差动转向车轮滚动动力学模型图如图2所示,其中Fxij表示移动机器人的车轮的纵向驱动力,Fyij表示移动机器人车轮的侧向力,其中下标i=f,r分别表示前后车轮,下标j=l,r分别表示左右车轮。τa为轮胎的回正力矩,τd为转向系统的摩擦力矩,lc为轮距的一半,rσ为主销偏移距,Fxf和Fxr分别为左侧车轮和右侧车轮的驱动力,Tf和Tr分别为左侧车轮和右侧车轮的驱动力矩。车轮(含轮毂电机)的滚动动力学方程为:
Tij=KmVmij,
通过该方程可以获取轮胎纵向力,再利用加速度计和陀螺仪可以计算出载荷转移发生后的轮胎侧向力。
如附图3所示为自适应互补滤波的速度级联观测器结构示意图。
由纵向加速度和轮速与估计速度的反馈误差积分再进行自适应低通滤波。需要注意的是,此处的反馈误差是由耦合轮胎模型求逆得出滑移率估计值再推算的误差,而非直接采用轮速测量值和上一步的估计值。而由纵向加速度、横摆角速度和上一步的侧向速度进行自适应高通滤波,能够增强速度估计系统的鲁棒性。分别通过高低通滤波器的被估纵向速度进行叠加,产生自适应联合估计的纵向速度。再将此纵向速度串联输入到侧向速度估计器的高通滤波环节。在这个环节中引入广义侧向力的误差能够补偿动力学估计误差。而在侧向速度的低通滤波部分,被估横向速度采用了求轮胎侧偏角的反函数依据载荷转移加权的方法,最终得到侧向速度的联合估计值。
如附图4所示为四轮独立驱动电动汽车实车测试信号导向示意图。在实车测试下,测试信号的导向从全球卫星定位系统(GPS)、全球导航卫星系统(GNSS)以及惯性导航系统(INS)开始。
速度级联估计器发送纵向加速度、横向加速度以及横摆角速度。同时通过数据融合系统发给车载控制器,再通过控制轮毂电机电压信号和轮速传感器获得驱动力矩及轮速。输入到非线性耦合轮胎逆模型求解出滑移率和侧偏角动力学估计值,最后输入到估计器。
本发明通过设计了级联纵向速度和横向速度的自适应互补观测器,避免了传统纵横速度并联在某些情况出现的不可观的问题,可以实现准确实时的估计,解决了以往互补观测器中出现的估计不足和相位滞后的问题。同时估计器对抗模型匹配误差的鲁棒性有了很大的提高,能够适应各种不同的驾驶情景。本发明方法兼具准确、无延时,所采用的低成本测量设备使其具备很高的实际价值,具有广阔的应用前景。
Claims (3)
1.一种用于四轮独立驱动电动汽车纵横向速度级联观测方法,其特征在于:利用动力学模型和非线性耦合轮胎逆模型预估车辆相关状态;其中一级联结构采用了先观测纵向速度后估计横向速度;从陀螺仪、加速度计、车轮轮速传感器和电机控制电压获取的信号,分别输入给纵向和横向速度观测器,其中两者都设计了基于运动学的观测部分,在模型匹配误差较大情况下,两者的滤波参数会根据轮胎当前状态适时调节高低通观测权重,以减小系统扰动带来的估计误差,提高两个速度观测器的鲁棒性和准确性。
2.根据权利要求1所述的一种四轮独立驱动电动汽车纵横向速度级联观测方法,其特征在于:纵向速度观测器中低通滤波置信增益的滑移率由电机转矩获得的驱动力逆向轮胎模型的动力学方法计算而得;同时滤波参数函数由动力学计算的滑移率决定,该参数数值越大,表明高通滤波估计比重越大。
3.根据权利要求1所述的一种四轮独立驱动电动汽车纵横向速度级联观测方法,其特征在于:所述横向速度观测器中的低通滤波部分是由耦合轮胎逆模型和轮胎侧偏角反函数组成,并在增益上考虑了车辆簧载质量的载荷偏移;在高通滤波部分中加入了广义侧向轮胎力模型误差补偿项,有利于进一步校正估计偏差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010116580.6A CN111231978A (zh) | 2020-02-25 | 2020-02-25 | 一种用于四轮独立驱动电动汽车纵横向速度级联估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010116580.6A CN111231978A (zh) | 2020-02-25 | 2020-02-25 | 一种用于四轮独立驱动电动汽车纵横向速度级联估计方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111231978A true CN111231978A (zh) | 2020-06-05 |
Family
ID=70876564
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010116580.6A Pending CN111231978A (zh) | 2020-02-25 | 2020-02-25 | 一种用于四轮独立驱动电动汽车纵横向速度级联估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111231978A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2135783A1 (en) * | 2008-06-18 | 2009-12-23 | GM Global Technology Operations, Inc. | Motor vehicle driver assisting method |
JP5316071B2 (ja) * | 2009-02-23 | 2013-10-16 | 日産自動車株式会社 | 車両用操舵制御装置および車両用操舵制御方法 |
CN103661398A (zh) * | 2013-12-24 | 2014-03-26 | 东南大学 | 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 |
CN105835721A (zh) * | 2016-03-31 | 2016-08-10 | 电子科技大学 | 一种四轮轮毂电动汽车车速控制方法 |
CN108128308A (zh) * | 2017-12-27 | 2018-06-08 | 长沙理工大学 | 一种分布式驱动电动汽车的车辆状态估计系统及方法 |
WO2018105399A1 (ja) * | 2016-12-09 | 2018-06-14 | 日立オートモティブシステムズ株式会社 | 車両運動状態推定装置 |
CN110562263A (zh) * | 2019-09-19 | 2019-12-13 | 中国人民解放军陆军装甲兵学院 | 一种基于多模型融合的轮毂电机驱动车辆车速估计方法 |
-
2020
- 2020-02-25 CN CN202010116580.6A patent/CN111231978A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2135783A1 (en) * | 2008-06-18 | 2009-12-23 | GM Global Technology Operations, Inc. | Motor vehicle driver assisting method |
JP5316071B2 (ja) * | 2009-02-23 | 2013-10-16 | 日産自動車株式会社 | 車両用操舵制御装置および車両用操舵制御方法 |
CN103661398A (zh) * | 2013-12-24 | 2014-03-26 | 东南大学 | 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 |
CN105835721A (zh) * | 2016-03-31 | 2016-08-10 | 电子科技大学 | 一种四轮轮毂电动汽车车速控制方法 |
WO2018105399A1 (ja) * | 2016-12-09 | 2018-06-14 | 日立オートモティブシステムズ株式会社 | 車両運動状態推定装置 |
CN108128308A (zh) * | 2017-12-27 | 2018-06-08 | 长沙理工大学 | 一种分布式驱动电动汽车的车辆状态估计系统及方法 |
CN110562263A (zh) * | 2019-09-19 | 2019-12-13 | 中国人民解放军陆军装甲兵学院 | 一种基于多模型融合的轮毂电机驱动车辆车速估计方法 |
Non-Patent Citations (1)
Title |
---|
MINGCONG CAO等: "Cascaded Velocity Estimation with Adaptive Complementary Filtering:Implementation on a FIAIWM EGV", 《2019 IEEE CONFERENCE ON CONTROL TECHNOLOGY AND APPLICATIONS》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102673569B (zh) | 车辆状态测算装置、方法及使用该装置的车辆 | |
CN111845775B (zh) | 一种分布式驱动电动汽车行驶状态与惯性参数联合估计方法 | |
Cho et al. | Estimation of tire forces for application to vehicle stability control | |
CN109466558B (zh) | 一种基于ekf和bp神经网络的路面附着系数估计方法 | |
CN107839749B (zh) | 电动轮汽车转向路感及整车稳定性控制方法 | |
CN102582626B (zh) | 重型半挂车状态估计方法 | |
CN108819950B (zh) | 汽车稳定性控制系统的车速估计方法及系统 | |
Zhang et al. | Real-time estimation of vehicle mass and road grade based on multi-sensor data fusion | |
CN111796522B (zh) | 一种车辆状态估计方法 | |
CN104554271A (zh) | 一种基于参数估计误差的路面坡度和汽车状态参数联合估计方法 | |
CN114379583A (zh) | 一种基于神经网络动力学模型的自动驾驶车辆轨迹跟踪系统及方法 | |
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 | |
CN104590253A (zh) | 一种四轮独立驱动电动汽车的横摆角速度控制方法 | |
CN111845755B (zh) | 一种车辆纵向车速估计方法 | |
CN111959516B (zh) | 一种车辆状态与路面附着系数联合估计的方法 | |
CN116552550A (zh) | 基于参数不确定性和横摆稳定性的车辆轨迹跟踪控制系统 | |
CN111497866B (zh) | 一种基于改进马氏距离的转向盘转角传感器故障诊断方法 | |
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 | |
CN114148403B (zh) | 一种线控转向系统多工况稳定性控制方法 | |
CN111231976B (zh) | 一种基于变步长的车辆状态估计方法 | |
CN111361571B (zh) | 一种基于gpi的同时估计车辆质心侧偏角和扰动的方法 | |
CN111231978A (zh) | 一种用于四轮独立驱动电动汽车纵横向速度级联估计方法 | |
CN115422837A (zh) | 一种基于深度高斯过程的智能汽车动力学预测模型、训练数据获取方法、以及训练方法 | |
Lin et al. | Sideslip angle and tire-road friction coefficient estimation simultaneously for autonomous vehicle | |
Kang et al. | Skid steering based maneuvering of robotic vehicle with articulated suspension |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200605 |