CN111775946A - 一种基于轮速高频信号的路面附着预报方法 - Google Patents
一种基于轮速高频信号的路面附着预报方法 Download PDFInfo
- Publication number
- CN111775946A CN111775946A CN202010640343.XA CN202010640343A CN111775946A CN 111775946 A CN111775946 A CN 111775946A CN 202010640343 A CN202010640343 A CN 202010640343A CN 111775946 A CN111775946 A CN 111775946A
- Authority
- CN
- China
- Prior art keywords
- road
- adhesion
- roughness
- wheel speed
- road surface
- 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
- 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
-
- 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
-
- 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
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Abstract
本发明公开了一种基于轮速高频信号的路面附着预报方法,通过利用车轮的轮速信号和垂向跳动信号,基于路面粗糙程度对路面附着力进行估计,得到第一路面附着力估计值,同时,基于车轮滑移率对路面附着力进行估计,得到第二路面附着力估计值,然后,利用第一路面附着力估计值和第二路面附着力估计值,得到路面附着力预报值。本发明公开的基于轮速高频信号的路面附着预报方法能够在车辆进入失稳状态前提供路面附着力的预报值,可有效提早ABS、TCS、AYC等程序的介入时机,或主动干预防止上述程序进入控制,具有显著提高车辆的稳定性的技术效果,而且无需额外添加传感器,具有成本低的优点。
Description
技术领域
本发明涉及车辆控制技术领域,尤其涉及一种基于轮速高频信号的路面附着预报方法。
背景技术
路面附着力是保障汽车底盘稳定性控制效果的关键信息之一,制动防抱死系统(ABS)、牵引力控制系统(TCS)、横摆稳定性控制系统(AYC)等的控制实现均极大程度依赖路面附着力实现。
目前,路面附着力估计多为基于状态反馈机制,仅当ABS、TCS、AYC等程序介入控制后,基于上述程序的控制指令、车轮或车身的状态进行附着估计。这种附着估计的方式是在车辆出现失稳状态后实现的,导致在车辆出现失稳状态之前无法基于附着信息对车辆进行预干预,以增大车辆的行驶安全。
现有的少量附着预报的方法,例如使用额外添加的红外传感器、摄像头等探测路面信息,进而预报附着,虽然能够有效预报附着但是成本较高。还有利用车轮滑移率估算路面附着力的方法,但该方法问题在于车速计算困难,致使滑移率计算困难,通常需要额外添加GPS或加速度传感器等用于计算车速,设备结构和计算方法较为复杂。
发明内容
为解决现有技术中存在的技术问题,本发明提供了一种基于轮速高频信号的路面附着预报方法,包括:
获取各车轮的轮速信号和垂向跳动信号;
根据同侧任意两个车轮的所述轮速信号获取第一路面粗糙程度,根据任意单个车轮的所述垂向跳动信号获取第二路面粗糙程度;
根据所述第一路面粗糙程度和/或第二路面粗糙程度获得第一路面附着力估计值;
根据同侧车轮的所述轮速信号计算车速和车轮滑移率;
根据所述车轮滑移率获得第二路面附着力估计值;
根据所述第一路面附着力估计值和所述第二路面附着力估计值获得路面附着力预报值。
优选地,所述第一路面粗糙程度为若干个,利用其平均值和/或第二路面粗糙程度获得所述第一路面附着力估计值。
优选地,所述根据所述第一路面粗糙程度和第二路面粗糙程度获得第一路面附着力估计值,包括:
设置所述第一路面粗糙程度和第二路面粗糙程度的权重,利用如下公式计算得到第三路面粗糙程度:
σ=qσ1+(1-q)σ2,
其中,q∈[0,1]为预设的权重系数,σ1为第一路面粗糙程度,σ2为第二路面粗糙程度;
根据所述第三路面粗糙程度获得第一路面附着力估计值。
优选地,所述根据同侧任意两个车轮的所述轮速信号获取第一路面粗糙程度,包括:
截取同侧任意两个车轮在相同时间内的轮速信号ω1和ω2;
对ω1和ω2进行互相关分析,得到相关系数达到最大值的齿数nmax;
重复上述两个步骤,得到nl个最大值的齿数nmax,按照如下公式计算轮速分散程度D:
其中,nmax为第i次对ω1和ω2的相关系数达到最大值的齿数nmax,Nd为理论延迟齿数;
在轮速分散程度与路面粗糙程度的关系曲线中,根据计算得到的所述轮速分散程度D获取第一路面粗糙程度。
优选地,所述根据任意单个车轮的所述垂向跳动信号获取第二路面粗糙程度,包括:
截取车轮在一段时间的垂向跳动信号H0(t);
计算H0(t)的方差D(H0);
在垂向跳动信号方差与路面粗糙程度的关系曲线中,根据计算得到的方差D(H0)获取第二路面粗糙程度。
优选地,根据所述第一路面粗糙程度和/或第二路面粗糙程度获得第一路面附着力估计值,包括:在路面附着力与路面粗糙程度的关系曲线中,根据所述第一路面粗糙程度和/或第二路面粗糙程度获得第一路面附着力估计值。
优选地,所述轮速分散程度与路面粗糙程度的关系曲线,或路面附着力与路面粗糙程度的关系曲线,或垂向跳动信号方差与路面粗糙程度的关系曲线,按照如下方法获得:
重复j次实验得到当前试验条件的测量值a1、a2…aj,其平均值a作为当前试验条件;
在当前实验条件a下,对待测参数b重复i次实验,得到数据点b1、b2…bi,计算得到的数据点的平均值、上限值、下限值;
重复上述两个步骤n次,得到n组数据,将n组数据拟合得到b的平均值、上限值、下限值与a的对应关系曲线;
其中,a为轮速分散程度、b为路面粗糙程度,或a为路面粗糙程度、b为路面附着力,或a为垂向跳动信号方差、b为路面粗糙程度。
优选地,所述计算得到的数据点的平均值、上限值、下限值,包括:
对于与均值偏差大于3倍方差的数据点进行剔除;
对于剔除后的剩余数据点重复上述两个步骤,直至无数据点剔除;
优选地,根据同侧车轮的所述轮速信号计算车速和车轮滑移率,包括:
截取同侧任意两个车轮在定间隔时刻的轮速信号ω1(nΔt)和ω2(nΔt),其中,Δt为采样间隔,n=0,1,2,……;
对ω1(nΔt)和ω2(nΔt)进行互相关分析,得到相关系数达到最大值的时间t0=n0Δt,t0表示同侧任意两个车轮通过同一路面颠簸的间隔时间;
按照如下公式计算车轮的滑移率:
ux=L/t0
其中,ux为车辆速度,L为车轮轴距,ω为车轮的旋转角速度,R为车轮半径,*=l、r,l表示左侧车轮,r表示右侧车轮,i=1,2..n,il表示左侧第一、第二…第n车轮,ir表示右侧第一、第二…第n车轮。
优选地,根据所述第一路面附着力估计值和所述第二路面附着力估计值获得路面附着力预报值,包括:
确定所述第一路面附着力估计值有效区间及其中心点,以及所述第二路面附着力估计值有效区间及其中心点;
计算各有效区间的方差;
按照如下公式计算路面附着力预报值:
本发明的有益效果是:本发明提供的基于轮速高频信号的路面附着预报方法,基于路面粗糙程度对路面附着力进行估计,得到第一路面附着力估计值,同时,基于车轮滑移率对路面附着力进行估计,得到第二路面附着力估计值,然后,利用第一路面附着力估计值和第二路面附着力估计值,得到路面附着力预报值。能够在车辆进入失稳状态前提供路面附着力的预报值,可有效提早ABS、TCS、AYC等程序的介入时机,或主动干预防止上述程序进入控制,显著提高车辆的稳定性,而且无需额外添加传感器,具有成本低的优点。
附图说明
图1为本发明所述基于轮速高频信号的路面附着预报方法的流程示意图;
图2为轮速信号获取装置示意图;
图3为路面附着力与粗糙程度的关系曲线;
图4为车轮纵垂向力比值(Fx/Fz)、滑移率(λ)、路面附着力(μ)的关系曲线;
图5为车轮纵垂向力比值(Fx/Fz)与路面附着力(μ)的关系曲线;
图6为有效区间示意图。
具体实施方式
为了更好的理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术方案做详细的说明。
本发明提供的方法可以在如下的终端环境中实施,该终端可以包括一个或多个如下部件:处理器、存储器和显示屏。其中,存储器中存储有至少一条指令,所述指令由处理器加载并执行以实现下述实施例所述的方法。
处理器可以包括一个或者多个处理核心。处理器利用各种接口和线路连接整个终端内的各个部分,通过运行或执行存储在存储器内的指令、程序、代码集或指令集,以及调用存储在存储器内的数据,执行终端的各种功能和处理数据。
存储器可以包括随机存储器(Random Access Memory,RAM),也可以包括只读存储器(Read-Only Memory)。存储器可用于存储指令、程序、代码、代码集或指令。
显示屏用于显示各个应用程序的用户界面。
除此之外,本领域技术人员可以理解,上述终端的结构并不构成对终端的限定,终端可以包括更多或更少的部件,或者组合某些部件,或者不同的部件布置。比如,终端中还包括射频电路、输入单元、传感器、音频电路、电源等部件,在此不再赘述。
本发明提供了一种利用车辆已有的轮速传感器进行路面附着力预报的方法,该方法能够在车辆进入失稳状态前提供路面附着力的预报值,可有效提早ABS、TCS、AYC等程序的介入时机,或主动干预防止上述程序进入控制,提高车辆的稳定性。
本发明中,采用如下方法实施路面附着力预报,包括:
S101,获取各车轮的轮速信号和垂向跳动信号;
S102,根据同侧任意两个车轮的所述轮速信号获取第一路面粗糙程度,根据任意单个车轮的所述垂向跳动信号获取第二路面粗糙程度;
S103,根据所述第一路面粗糙程度和/或第二路面粗糙程度获得第一路面附着力估计值;
S104,根据同侧车轮的所述轮速信号计算车速和车轮滑移率;
S105,根据所述车轮滑移率获得第二路面附着力估计值;
S106,根据所述第一路面附着力估计值和所述第二路面附着力估计值获得路面附着力预报值。
上述方法中,首先,基于路面粗糙程度对路面附着力进行估计,得到第一路面附着力估计值,同时,基于车轮滑移率对路面附着力进行估计,得到第二路面附着力估计值,然后,利用第一路面附着力估计值和第二路面附着力估计值,得到路面附着力预报值。
如本领域技术人员可以理解的,如果还可以通过其他方法对路面附着力进行估计,得到路面附着力的预测值,亦可综合考虑其他方法得到的路面附着力,得到最终的路面附着力预报值。
本方法不仅能够在车辆进入失稳状态前提供附着的预报值,提高车辆的稳定性,而且无需额外添加传感器,具有成本低的优点。
执行步骤S101,获取各车轮的轮速信号和垂向跳动信号;
通过轮速传感器、齿圈及处理器可获得精确轮速信号,其装置如图2所示。通过处理器能够同时获得两种信号:信号1为车轮旋转角速度与经过传感器累计齿数的关系ω(N),其表示累计第N个齿经过轮速传感器时的得到的车轮旋转角速度;信号2为t(N),其表示累计第N个齿经过轮速传感器时的时间。
对于装配有车轮垂向加速度传感器的车辆(或悬挂位移传感器的车辆),能够通过垂向加速度传感器(或悬挂位移传感器的车辆)测得车轮的垂向跳动信号H(t)。
执行步骤S102-S103,根据同侧任意两个车轮的所述轮速信号获取第一路面粗糙程度,根据任意单个车轮的所述垂向跳动信号获取第二路面粗糙程度;根据所述第一路面粗糙程度和/或第二路面粗糙程度获得第一路面附着力估计值。
本方法中,通过两种方法获取路面粗糙程度,再基于路面粗糙程度估计路面附着力。
其中,可以根据一种方法获取的路面粗糙程度估计路面附着力,也可以综合考虑两种方法获取的路面粗糙程度估计路面附着力。
第一路面粗糙程度可以根据同侧任意两个车轮的所述轮速信号获取。当同侧具有两个或以上的车轮时,根据任意两个车轮的轮速信号即可获得一个第一路面粗糙程度,则可以获得多个第一路面粗糙程度。如果第一路面粗糙程度包括多个,则可以获取其平均值,并利用该平均值估计路面附着力,或者利用该平均值与第二路面粗糙程度综合考虑估计路面附着力,或者利用每个第一路面粗糙程度分别估计路面附着力,得到多个路面附着力信号,并将该多个路面附着力信号与其他方法获取的路面附着力信号综合考虑,得到最终的路面附着力预报值,具体的方法在后文详述。
如果综合考虑第一路面粗糙程度和第二路面粗糙程度估计路面附着力,则可以采用如下方法:
设置所述第一路面粗糙程度和第二路面粗糙程度的权重,利用如下公式计算得到第三路面粗糙程度:
σ=qσ1+(1-q)σ2,
其中,q∈[0,1]为预设的权重系数,σ1为第一路面粗糙程度,σ2为第二路面粗糙程度;
根据所述第三路面粗糙程度获得第一路面附着力估计值。
如本领域技术人员可以理解的,还可以采用其他方法综合考虑第一路面粗糙程度和第二路面粗糙程度得到路面附着力估计值。
本方法中,所述根据同侧任意两个车轮的所述轮速信号获取第一路面粗糙程度,包括:
截取同侧任意两个车轮在相同时间内的轮速信号ω1和ω2;
对ω1和ω2进行互相关分析,得到相关系数达到最大值的齿数nmax;
重复上述两个步骤,得到nl个最大值的齿数nmax,按照如下公式计算轮速分散程度D:
其中,nmax为第i次对ω1和ω2的相关系数达到最大值的齿数nmax,Nd为理论延迟齿数;
在轮速分散程度与路面粗糙程度的关系曲线中,根据计算得到的所述轮速分散程度D获取第一路面粗糙程度。
由于车辆在通过颠簸路面时,路面不平度会激发轮速传感器齿圈抖动,进而在同一侧任意两个车轮处产生相似的轮速信号噪声(下称路面噪声),两相似信号的理论延迟时间车轮在自由滚动条件下两相似信号的理论延迟齿数为(抱死、过度转滑条件下不满足),其中N0为齿圈齿数,L为车辆轴距,R为车轮半径,v为车速。除了路面粗糙程度引发的轮速信号噪声外(下称其他噪声),亦含有轮速信号采集、齿圈机械误差等带来的轮速误差,因而其在完全光滑的路面上亦含有轮速噪声,该噪声呈现信号随机、最大幅值固定的特点。因而,路面粗糙程度越大将导致与路面相关的噪声越明显,因而前后轮在理论延迟齿数或理论延迟时间处的相关性也越大。
互相关函数Rxy(n)是指将信号y平移n个信号点后与信号x比较,计算其相关程度。互相关函数在n=n0处达到最大值表示将信号y平移n0个信号点后与信号x有最大的相关度。
对于只含有路面噪声的轮速信号,其互相关函数应在处达到最大值。而对于仅含有其他噪声的轮速信号,其互相关函数达到最大值的位置是随机的。正常行驶的车辆包含路面和其他噪声,若路面噪声越大,其互相关函数达到最大值的位置n应越接近因而通过判断轮速信号与的接近程度即可判断路面粗糙程度。
上述方法中,截取同侧任意两个车轮在相同时间内的轮速信号ω1和ω2,具体可以为:
在前轮处截取信号固定时长NL的信号ω1(N),以截取后信号开始的齿轮数做为N=0处,当前时刻下的后轮信号亦作为N=0处,得到后轮信号ω2(N)。
可使用如下的互相关分析原理对ω1和ω2进行互相关分析。
离散信号x与y的互相关函数为Rxy(n),其含义为y信号延时n个信号点后与x信号的相关程度,在n=n0处互相关函数值越大表示y信号延时n0个信号点后与x信号的相关程度越大。
其中,x=ω1,y=ω2,m=0…N-1,n为延时信号点数,N为信号总长度。
本方法中,通过实验获取轮速分散程度与路面粗糙程度的关系曲线,具体方法为:
重复j次实验得到当前试验条件的测量值a1、a2…aj,其平均值a作为当前试验条件;
在当前实验条件a下,对待测参数b重复i次实验,得到数据点b1、b2…bi,计算b1、b2…bi的标准差σ,并计算b1、b2…bi的均值对于与均值偏差大于3倍方差的数据点进行剔除;对于剔除后的剩余数据点重复上述两个步骤,直至无数据点剔除;计算得到剩余数据点的标准差和均值分别为σf和则数据点b1、b2…bi的平均值表示为上限值表示为下限值表示为其中,离散信号的标准差σ(x),按照如下公式进行计算:
重复上述两个步骤n次,得到n组数据,将n组数据拟合得到b的平均值、上限值、下限值与a的对应关系曲线;
其中,a为轮速分散程度、b为路面粗糙程度。
在本发明的一个实施例中,根据任意单个车轮的所述垂向跳动信号获取第二路面粗糙程度,包括:
截取车轮在一段时间的垂向跳动信号H0(t),其可以在采集的原始垂向跳动信号中截取;
计算H0(t)的方差D(H0),信号H0(t)的方差表示信号的分散程度,方差越大表示信号越分散。离散信号x的方差D(x),可以按照如下公式进行计算:
在垂向跳动信号方差与路面粗糙程度的关系曲线中,根据计算得到的方差D(H0)获取第二路面粗糙程度。
其中,垂向跳动信号方差与路面粗糙程度的关系曲线可通过实验获取,具体的获取方法可参见轮速分散程度与路面粗糙程度的关系曲线的获取方法,此时,a为垂向跳动信号方差、b为路面粗糙程度。
在本发明提供的方法中,基于轮速信号获取第一路面粗糙程度或基于垂向跳动信号获取第二路面粗糙程度后,可在路面附着力与路面粗糙程度的关系曲线中,根据第一路面粗糙程度和/或第二路面粗糙程度获得第一路面附着力估计值。
其中,路面附着力与路面粗糙程度的关系曲线可通过实验获取,具体的获取方法可参见轮速分散程度与路面粗糙程度的关系曲线的获取方法,此时,a为路面粗糙程度、b为路面附着力。
路面附着力与路面粗糙程度的关系曲线可参见图3所示。
路面粗糙程度与路面附着存在一定关系,但并非一一对应的。例如平直的沥青路面粗糙程度较小,附着较高,而结冰路面粗糙程度也较小,但附着却较低。图3中,实线部分为通过实验获得的平均值,虚线部分为通过实验获得的上限值和下限值。
通过计算得到的路面粗糙程度σ后,可在如图3所示的路面附着力与路面粗糙程度的关系曲线中,得到路面附着μ的可能取值范围[μσ1,μσ2],[μσ3,μσ4]。
执行步骤S104-S105,根据同侧车轮的所述轮速信号计算车速和车轮滑移率。具体采用如下方法进行实施:
经过轮速传感器得到信号ω(N)和t(N),进而可以得到ω与t的关系,但由于仅在有齿经过轮速传感器时记录时刻和计算轮速,因而时间t是离散的,且两时刻间隔不为定值。利用如下线性插值的方法可以得到定间隔时刻的轮速信号ω(nΔt),n=0,1,2,……:
其中tl为nΔt左侧最近一个时刻,tr为nΔt右侧最近一个时刻,Δt为采样间隔。
截取同侧任意两个车轮在定间隔时刻的轮速信号ω(nΔt),得到ω1(nΔt)和ω2(nΔt)。
对ω1(nΔt)和ω2(nΔt)进行互相关分析,得到相关系数达到最大值的时间t0=n0Δt,t0表示同侧任意两个车轮通过同一路面颠簸的间隔时间;具体的互相关分析方法可参见上文所述,在此不再赘述。
按照如下公式计算车轮的滑移率:
ux=L/t0
其中,ux为车辆速度,L为车轮轴距,ω为车轮的旋转角速度,R为车轮半径,*=l、r,l表示左侧车轮,r表示右侧车轮,i=1,2..n,il表示左侧第一、第二…第n车轮,ir表示右侧第一、第二…第n车轮。
执行步骤S105,根据所述车轮滑移率获得第二路面附着力估计值,具体的,在纵垂向力比值Fx/Fz、路面附着力u、车轮滑移率λ的关系曲线(如图4所示)中,根据计算得到的λ,即可通过实验得到Fx/Fz与u的关系曲线(如图5所示),图4可以通过多种方法获取,例如轮胎厂提供,图5的具体获取方法可参见轮速分散程度与路面粗糙程度的关系曲线的获取方法,此时,a为纵垂向力比值Fx/Fz、b为路面附着力u。
图5中,实线部分为通过实验获得的平均值,虚线部分为通过实验获得的上限值和下限值。通过计算滑移率为λ0时的纵垂向力比值(Fx/Fz),再查图5即可获得当前条件下的路面附着力预报值。
执行步骤S106,根据所述第一路面附着力估计值和所述第二路面附着力估计值获得路面附着力预报值,具体可以采用如下方法进行实施:
确定所述第一路面附着力估计值有效区间及其中心点,以及所述第二路面附着力估计值有效区间及其中心点;
计算各有效区间的方差;
按照如下公式计算路面附着力预报值:
本方法中,综合考虑基于粗糙程度和滑移率得到的附着力,最后得到路面附着力的预报值。作为一个实施例,比如,利用滑移率法得到的路面附着力区间为[μλ1,μλ2],利用粗糙程度法得到的路面附着力区间为[μσ1,μσ2],[μσ3,μσ4](这里以粗糙程度得到的附着区间为两个为例,实际上可能为1个或多个)。
比较[μσ1,μσ2],[μσ3,μσ4]的中心点与[μλ1,μλ2]中心点之间的距离,将距离中心点最近的中心点所在区间作为有效区间。以图6为例,与之间的距离最近,所以,有效区间为[μσ3,μσ4]和[μλ1,μλ2]。
将路面附着力在有效区间[a,b]内的分布看作均匀分布,则有效区间的方差d=(a-b)2/12,利用其计算[μσ3,μσ4]和[μλ1,μλ2]有效区间方差dλ和dσ。
最后,将有效区间的中点值按dσ和dλ为权重合成路面附着力预报值。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种基于轮速高频信号的路面附着预报方法,其特征在于,包括:
获取各车轮的轮速信号和垂向跳动信号;
根据同侧任意两个车轮的所述轮速信号获取第一路面粗糙程度,根据任意单个车轮的所述垂向跳动信号获取第二路面粗糙程度;
根据所述第一路面粗糙程度和/或第二路面粗糙程度获得第一路面附着力估计值;
根据同侧车轮的所述轮速信号计算车速和车轮滑移率;
根据所述车轮滑移率获得第二路面附着力估计值;
根据所述第一路面附着力估计值和所述第二路面附着力估计值获得路面附着力预报值。
2.如权利要求1所述的基于轮速高频信号的路面附着预报方法,其特征在于,所述第一路面粗糙程度为若干个,利用其平均值和/或第二路面粗糙程度获得所述第一路面附着力估计值。
3.如权利要求1所述的基于轮速高频信号的路面附着预报方法,其特征在于,所述根据所述第一路面粗糙程度和第二路面粗糙程度获得第一路面附着力估计值,包括:
设置所述第一路面粗糙程度和第二路面粗糙程度的权重,利用如下公式计算得到第三路面粗糙程度:
σ=qσ1+(1-q)σ2,
其中,q∈[0,1]为预设的权重系数,σ1为第一路面粗糙程度,σ2为第二路面粗糙程度;
根据所述第三路面粗糙程度获得第一路面附着力估计值。
5.如权利要求1所述的基于轮速高频信号的路面附着预报方法,其特征在于,所述根据任意单个车轮的所述垂向跳动信号获取第二路面粗糙程度,包括:
截取车轮在一段时间的垂向跳动信号H0(t);
计算H0(t)的方差D(H0);
在垂向跳动信号方差与路面粗糙程度的关系曲线中,根据计算得到的方差D(H0)获取第二路面粗糙程度。
6.如权利要求1所述的基于轮速高频信号的路面附着预报方法,其特征在于,根据所述第一路面粗糙程度和/或第二路面粗糙程度获得第一路面附着力估计值,包括:在路面附着力与路面粗糙程度的关系曲线中,根据所述第一路面粗糙程度和/或第二路面粗糙程度获得第一路面附着力估计值。
7.如权利要求4-6中任一项所述的基于轮速高频信号的路面附着预报方法,其特征在于,所述轮速分散程度与路面粗糙程度的关系曲线,或路面附着力与路面粗糙程度的关系曲线,或垂向跳动信号方差与路面粗糙程度的关系曲线,按照如下方法获得:
重复j次实验得到当前试验条件的测量值a1、a2…aj,其平均值a作为当前试验条件;
在当前实验条件a下,对待测参数b重复i次实验,得到数据点b1、b2…bi,计算得到的数据点的平均值、上限值、下限值;
重复上述两个步骤n次,得到n组数据,将n组数据拟合得到b的平均值、上限值、下限值与a的对应关系曲线;
其中,a为轮速分散程度、b为路面粗糙程度,或a为路面粗糙程度、b为路面附着力,或a为垂向跳动信号方差、b为路面粗糙程度。
9.如权利要求1所述的基于轮速高频信号的路面附着预报方法,其特征在于,根据同侧车轮的所述轮速信号计算车速和车轮滑移率,包括:
截取同侧任意两个车轮在定间隔时刻的轮速信号ω1(nΔt)和ω2(nΔt),其中,Δt为采样间隔,n=0,1,2,……;
对ω1(nΔt)和ω2(nΔt)进行互相关分析,得到相关系数达到最大值的时间t0=n0Δt,t0表示同侧任意两个车轮通过同一路面颠簸的间隔时间;
按照如下公式计算车轮的滑移率:
ux=L/t0
其中,ux为车辆速度,L为车轮轴距,ω为车轮的旋转角速度,R为车轮半径,*=l、r,l表示左侧车轮,r表示右侧车轮,i=1,2..n,il表示左侧第一、第二…第n车轮,ir表示右侧第一、第二…第n车轮。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010640343.XA CN111775946B (zh) | 2020-07-06 | 2020-07-06 | 一种基于轮速高频信号的路面附着预报方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010640343.XA CN111775946B (zh) | 2020-07-06 | 2020-07-06 | 一种基于轮速高频信号的路面附着预报方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111775946A true CN111775946A (zh) | 2020-10-16 |
CN111775946B CN111775946B (zh) | 2022-04-12 |
Family
ID=72759627
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010640343.XA Active CN111775946B (zh) | 2020-07-06 | 2020-07-06 | 一种基于轮速高频信号的路面附着预报方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111775946B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113449247A (zh) * | 2021-08-31 | 2021-09-28 | 武汉元丰汽车电控系统股份有限公司 | 路面粗糙程度计算方法、装置、电子设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101480946A (zh) * | 2009-02-16 | 2009-07-15 | 华南理工大学 | 一种基于轮载式智能传感车轮制动性能监测方法 |
CN103279675A (zh) * | 2013-06-04 | 2013-09-04 | 上海理工大学 | 轮胎-路面附着系数与轮胎侧偏角的估计方法 |
CN103407450A (zh) * | 2013-08-28 | 2013-11-27 | 江苏理工学院 | 轮胎与地面附着系数实时检测方法及装置 |
CN103434511A (zh) * | 2013-09-17 | 2013-12-11 | 东南大学 | 一种车速与道路附着系数的联合估计方法 |
CN104325980A (zh) * | 2014-10-16 | 2015-02-04 | 北京汽车股份有限公司 | 附着系数估计方法及装置 |
CN105691403A (zh) * | 2014-11-27 | 2016-06-22 | 沈阳工业大学 | 四轮全驱电动汽车路面附着系数估计方法 |
-
2020
- 2020-07-06 CN CN202010640343.XA patent/CN111775946B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101480946A (zh) * | 2009-02-16 | 2009-07-15 | 华南理工大学 | 一种基于轮载式智能传感车轮制动性能监测方法 |
CN103279675A (zh) * | 2013-06-04 | 2013-09-04 | 上海理工大学 | 轮胎-路面附着系数与轮胎侧偏角的估计方法 |
CN103407450A (zh) * | 2013-08-28 | 2013-11-27 | 江苏理工学院 | 轮胎与地面附着系数实时检测方法及装置 |
CN103434511A (zh) * | 2013-09-17 | 2013-12-11 | 东南大学 | 一种车速与道路附着系数的联合估计方法 |
CN104325980A (zh) * | 2014-10-16 | 2015-02-04 | 北京汽车股份有限公司 | 附着系数估计方法及装置 |
CN105691403A (zh) * | 2014-11-27 | 2016-06-22 | 沈阳工业大学 | 四轮全驱电动汽车路面附着系数估计方法 |
Non-Patent Citations (3)
Title |
---|
SHUO CHENG等: "Adaptive Unified Monitoring System Design for Tire-Road Information", 《JOURNAL OF DYNAMIC SYSTEMS, MEASUREMENT, AND CONTROL》 * |
平先尧等: "四轮独立驱动汽车多工况路面附着系数识别研究", 《机械工程学报》 * |
李亮等: "用于汽车稳定性控制的路面附着识别算法", 《机械工程学报》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113449247A (zh) * | 2021-08-31 | 2021-09-28 | 武汉元丰汽车电控系统股份有限公司 | 路面粗糙程度计算方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111775946B (zh) | 2022-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6122916B2 (ja) | タイヤ摩耗を決定するためのシステムおよび方法 | |
US6351694B1 (en) | Method for robust estimation of road bank angle | |
EP0803386B1 (en) | System and method for dynamically determining an operating state of a motor vehicle | |
KR101543156B1 (ko) | 차량 속도 추정 장치 및 방법 | |
CN111315593B (zh) | 用于确定轮胎花纹的花纹深度的方法、控制装置和系统 | |
US20110015906A1 (en) | Method and device for determining a coefficient of friction | |
US9037376B2 (en) | Road-surface condition estimating device | |
US20140114547A1 (en) | Method and apparatus for real time estimation of road surface friction coefficient | |
JP2003531066A (ja) | 自動車用のドライビングダイナミクス量をオンラインで決定する方法 | |
JPH1035443A (ja) | 車体速および路面摩擦係数推定装置 | |
JP3158038B2 (ja) | タイヤ空気圧低下検出装置 | |
US8340881B2 (en) | Method and system for assessing vehicle movement | |
JP3236003B1 (ja) | 車両の路面摩擦係数推定装置 | |
CN113165614A (zh) | 轮胎刚度估计和道路摩擦力估计 | |
CN111775946B (zh) | 一种基于轮速高频信号的路面附着预报方法 | |
JP3619388B2 (ja) | 車両の重心高さの推定演算装置 | |
US20190389473A1 (en) | Method and apparatus for accelerometer based tire normal force estimation | |
JP2000074727A (ja) | 車両の質量推定装置 | |
WO2003022651A1 (en) | Advanced wheel slip detection using suspension system information | |
JP3748334B2 (ja) | 車両の姿勢制御装置 | |
US20080021626A1 (en) | System and method for determining when to update a surface estimation value indicative of a condition of a roadway surface | |
US20130261875A1 (en) | Control Module for a Vehicle System, the Vehicle System and a Vehicle Having this Vehicle System | |
JPH11115720A (ja) | 路面摩擦係数の推定装置 | |
JP2002116080A (ja) | 車両質量の推定演算装置 | |
JP2007210463A (ja) | 車両状態量検出装置 |
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 |