CN111959516A - 一种车辆状态与路面附着系数联合估计的方法 - Google Patents

一种车辆状态与路面附着系数联合估计的方法 Download PDF

Info

Publication number
CN111959516A
CN111959516A CN202010908003.0A CN202010908003A CN111959516A CN 111959516 A CN111959516 A CN 111959516A CN 202010908003 A CN202010908003 A CN 202010908003A CN 111959516 A CN111959516 A CN 111959516A
Authority
CN
China
Prior art keywords
vehicle
adhesion coefficient
estimation
road adhesion
estimating
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
Application number
CN202010908003.0A
Other languages
English (en)
Other versions
CN111959516B (zh
Inventor
林太东
徐向阳
李光远
张辉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Maxieye Automobile Technology Co ltd
Original Assignee
Shanghai Maxieye Automobile Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Maxieye Automobile Technology Co ltd filed Critical Shanghai Maxieye Automobile Technology Co ltd
Priority to CN202010908003.0A priority Critical patent/CN111959516B/zh
Publication of CN111959516A publication Critical patent/CN111959516A/zh
Application granted granted Critical
Publication of CN111959516B publication Critical patent/CN111959516B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • B60W40/064—Degree of grip
    • 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
    • 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
    • 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
    • B60W2050/0019—Control system elements or transfer functions
    • B60W2050/0028—Mathematical models, e.g. for simulation
    • 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
    • B60W2050/0019—Control system elements or transfer functions
    • B60W2050/0028—Mathematical models, e.g. for simulation
    • B60W2050/0031—Mathematical model of the vehicle
    • B60W2050/0034—Multiple-track, 2D vehicle model, e.g. four-wheel model
    • 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
    • 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
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Human Computer Interaction (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

本发明公开一种车辆状态与路面附着系数联合估计的方法，目的在于为了寻找更为有效的估计车辆状态与路面附着系数的实现方案，其包括如下步骤：基于车辆纵向、横向和横摆向建立非线性三自由度的车辆动力学估计模型；采用鲁棒H‑inf估计器并根据车辆动力学估计模型和量测信息建立估计所需的状态方程与测量方程，并估计得到汽车行驶状态、汽车四轮的纵向力估计值和横向力估计值；采用鲁棒H‑inf估计器并结合Dugoff轮胎模型和汽车四轮的纵向力估计值和横向力估计值构建路面附着系数估计的系统模型，并估计得到设计路面附着系数。本发明采用双鲁棒H‑inf估计器，克服了模型不确定性与系统不确定性，并实现了车辆状态与路面附着系数的联合估计。

Description

一种车辆状态与路面附着系数联合估计的方法
技术领域
本发明涉及汽车控制领域，具体而言，本发明涉及一种车辆状态与路面附着系数联合估计的方法。
背景技术
随着全球化石燃料的消耗，电动汽车的重要性越来越受到人们的重视。电动汽车技术领域方面共分为四个部分，包括电池技术、驱动控制技术、整车技术和能量管理技术，其中，轮胎力分配技术是驱动控制技术的关键。为了实现系统特定功能，譬如电子稳定程序、主动转向系统、主动车身控制等，前提条件就是要准确获取汽车行驶中关键参数,如纵向车速、侧向加速度、横摆角速度、质心侧偏角等，因此，整车行驶状态的实时观测是车辆控制基础。
车轮纵向速度、侧向速度、质心侧偏角是评价汽车安全行驶状态的重要变量，路面状况估计主要是针对轮胎与路面之间附着系数的估计。汽车行驶中这些待估计的状态变量，虽然都可以通过传感器直接测得，但硬件成本较高，测量精度的耐久性差，测量的实时反馈存在时滞。理想的状态估计算法，不但可以减少传感器数量，降低系统成本；也可提高响应速度和可靠性，降低对硬件制造精度和工艺要求。所以，寻求理想的估计算法一直是国内外学者研究的热点。
四轮独立驱动电动汽车由于各轮独立可控，运动状态也是独立的，所以各轮的路面附着系数需要分别估计。另外，车辆运行状态、车轮运行状态与各轮路面附着系数之间都有联系，然而现有的研究很少将这种联系考虑在内，也很少使用精度较高的算法对路面附着系数进行估计，形成有效的联合估计算法。
发明内容
为了寻找更为有效的估计车辆状态与路面附着系数的实现方案，本发明提供了一种车辆状态与路面附着系数联合估计的方法。
提供一种车辆状态与路面附着系数联合估计的方法，其包括如下步骤：
基于车辆纵向、横向和横摆向建立非线性三自由度的车辆动力学估计模型，所述车辆动力学估计模型包括纵向运动方程、横向运动方程和横摆运动方程，其中，所述纵向运动方程为：
Figure BDA0002662191680000021
Figure BDA0002662191680000022
Figure BDA0002662191680000023
Figure BDA0002662191680000024
所述横向运动方程为：
Figure BDA0002662191680000025
Figure BDA0002662191680000026
Figure BDA0002662191680000027
所述横摆运动方程为：
Izrz＝∑Mzi
∑Mzi＝(Fyflsinδfl-Fxflcosδfl)Bf/2-(Fxflsinδfl+Fyflcosδfl)Lf+(Fxfrcosδfr-Fyfrsinδfr)Bf/2-(Fxfrsinδfr+Fyfrcosδfr)Lf+(Fxrr-Fxrl)Bf/2+(Fyrl+Fyrr)Lf
式中，m是汽车质量；Vx即车辆纵向速度；Vy即车辆横向速度；rz是横摆角速度；i＝f，r分别代表前轮后轮；j＝l，r分别代表左轮右轮；Fxij为纵向力；Fyij为横向力；Fw为空气阻力；Ff为滚动阻力；ax为车辆纵向加速度；ay为车辆横向加速度；Cd为空气阻力系数；ρ为空气密度；Af为迎风面积；μ为轮胎路面附着系数；δij为车轮转角；Iz为车辆横摆转动惯量；Mzi为横摆力矩；Bf为前轮距；Lf为前轴距；
采用鲁棒H-inf估计器并根据所述车辆动力学估计模型和量测信息建立估计所需的状态方程与测量方程，并估计得到汽车行驶状态、汽车四轮的纵向力估计值和横向力估计值；
采用鲁棒H-inf估计器并结合Dugoff轮胎模型和所述汽车四轮的纵向力估计值和横向力估计值构建路面附着系数估计的系统模型，并估计得到设计路面附着系数。
优选地，所述采用鲁棒H-inf估计器并根据所述车辆动力学估计模型和量测信息建立估计所需的状态方程与测量方程为
Figure BDA0002662191680000031
离散化后得到：
Figure BDA0002662191680000032
其中，车轮动力学方程为：
Figure BDA0002662191680000041
式中，状态观测向量x(t)＝[Vx,Vy,rz,Bf,Fxij,Fyij]；输入向量u(t)＝[δfl,δfr,ωij]；测量向量z(t)＝[ax,ay,rz]；Iw轮胎转动惯量；Tij为车轮转矩；ωij为车轮角速度；Re为车轮动态半径。
优选地，所述路面附着系数估计的系统模型为：
Figure BDA0002662191680000042
离散化后得到：
Figure BDA0002662191680000043
式中，状态观测向量x(t)＝[μfl,μfr,μrl,μrr]；输入向量u(t)＝[δ,Fxij,Fyij]；测量向量z(t)＝[ax,ay,rz]，其中，输入向量u(t)中的δ为方向盘转角，Fxij和Fyij为汽车四轮的纵向力估计值和横向力估计值。
与现有技术相比，本发明提供了一种车辆状态与路面附着系数联合估计的方法具有如下有益效果：
本发明一种车辆状态与路面附着系数联合估计的方法采用双鲁棒H-inf估计器，克服了模型不确定性与系统不确定性，并实现了车辆状态与路面附着系数的联合估计。
本发明附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为本发明实施例一种车辆状态与路面附着系数联合估计的方法中非线性三自由度方向示意图；
图2为本发明实施例一种车辆状态与路面附着系数联合估计的方法中鲁棒H-inf估计器估计流程示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。
在本发明的说明书和权利要求书及上述附图中的描述的一些流程中，包含了按照特定顺序出现的多个操作，但是应该清楚了解，这些操作可以不按照其在本文中出现的顺序来执行或并行执行，操作的序号如202、204等，仅仅是用于区分开各个不同的操作，序号本身不代表任何的执行顺序。另外，这些流程可以包括更多或更少的操作，并且这些操作可以按顺序执行或并行执行。需要说明的是，本文中的“第一”、“第二”等描述，是用于区分不同的消息、设备、模块等，不代表先后顺序，也不限定“第一”和“第二”是不同的类型。
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，本发明实施例一种车辆状态与路面附着系数联合估计的方法主要应用于如图1所示的分布式电动汽车领域中，其包括如下步骤：
步骤S101：基于车辆纵向、横向和横摆向建立非线性三自由度的车辆动力学估计模型，所述车辆动力学估计模型包括纵向运动方程、横向运动方程和横摆运动方程，其中，所述纵向运动方程为：
Figure BDA0002662191680000061
Figure BDA0002662191680000062
Figure BDA0002662191680000063
Figure BDA0002662191680000064
所述横向运动方程为：
Figure BDA0002662191680000065
Figure BDA0002662191680000066
Figure BDA0002662191680000067
所述横摆运动方程为：
Izrz＝∑Mzi
∑Mzi＝(Fyflsinδfl-Fxflcosδfl)Bf/2-(Fxflsinδfl+Fyflcosδfl)Lf+(Fxfrcosδfr-Fyfrsinδfr)Bf/2-(Fxfrsinδfr+Fyfrcosδfr)Lf+(Fxrr-Fxrl)Bf/2+(Fyrl+Fyrr)Lf
式中，m是汽车质量；Vx即车辆纵向速度；Vy即车辆横向速度；rz是横摆角速度；i＝f，r分别代表前轮后轮；j＝l，r分别代表左轮右轮；Fxij为纵向力；Fyij为横向力；Fw为空气阻力；Ff为滚动阻力；ax为车辆纵向加速度；ay为车辆横向加速度；Cd为空气阻力系数；ρ为空气密度；Af为迎风面积；μ为轮胎路面附着系数；δij为车轮转角；Iz为车辆横摆转动惯量；Mzi为横摆力矩；Bf为前轮距；Lf为前轴距。
需要说明的是，车辆动力学系统是一种具有较强非线性的复杂动力学系统，车辆动力学估计模型的建立应该能较好反映车辆运行过程中的动力学特征。线性二自由度车辆动力学模型虽然从理论上也能基本体现车辆侧向操纵动力学性能，但由于其车辆模型忽略了一些重要的车辆动力学特性存在较大的建模误差，建模的不精确性会直接影响着车辆状态估计的效果，较大的建模误差有时甚至导致滤波发散。为较真实地反映车辆侧向操纵过程的非线性动力学特性，这里建立非线性三自由度车辆动力学估计模型如图1所示，包括车辆纵向、横向和横摆运动。
步骤S103：采用鲁棒H-inf估计器并根据所述车辆动力学估计模型和量测信息建立估计所需的状态方程与测量方程，并估计得到汽车行驶状态、汽车四轮的纵向力估计值和横向力估计值，其中，状态方程与测量方程为
Figure BDA0002662191680000071
离散化后得到：
Figure BDA0002662191680000072
其中，车轮动力学方程为：
Figure BDA0002662191680000081
式中，状态观测向量x(t)＝[Vx,Vy,rz,Bf,Fxij,Fyij]；输入向量u(t)＝[δfl,δfr,ωij]；测量向量z(t)＝[ax,ay,rz]；Iw轮胎转动惯量；Tij为车轮转矩；ωij为车轮角速度；Re为车轮动态半径。
需要注意的是，常用估计算法一般假设噪声的统计特性已知，使得该算法具有一定的保守性。在实际情况下，噪声的统计特性是很难获得的。同时，在建模过程中很难对某一现象或客观事实建立精准的模型。因此，建模过程中的模型误差也会干扰估计的准确性。为了克服卡尔曼滤波的保守性以及建模过程中模型误差的不确定性，提高估计的鲁棒性，本发明使用鲁棒H-inf估计器对车辆状态与路面状况进行估计。
步骤S105：采用鲁棒H-inf估计器并结合Dugoff轮胎模型和所述汽车四轮的纵向力估计值和横向力估计值构建路面附着系数估计的系统模型，并估计得到设计路面附着系数，其中，路面附着系数估计的系统模型为：
Figure BDA0002662191680000082
离散化后得到：
Figure BDA0002662191680000091
式中，状态观测向量x(t)＝[μfl,μfr,μrl,μrr]；输入向量u(t)＝[δ,Fxij,Fyij]；测量向量z(t)＝[ax,ay,rz]，其中，输入向量u(t)中的δ为方向盘转角，Fxij和Fyij为汽车四轮的纵向力估计值和横向力估计值。
Dugoff轮胎模型是一种描述轮胎纵滑侧偏的模型，即假定轮胎与路面的接触区近似为矩形，其结构简单，参数物理意义明确，该模型中，侧向力与纵向力和轮胎—路面附着系数具有明显的直接关联，这对实现车—路之间的附着系数估计提供了重要的途径。
Dugoff轮胎模型的轮胎纵向力、侧向力表达为：
Figure BDA0002662191680000092
Figure BDA0002662191680000093
其中，
Figure BDA0002662191680000094
Figure BDA0002662191680000095
其中，μ为路面附着系数；ε为速度影响因子，与轮胎结构及材料有关，通过它可以修正轮胎滑移速度对计算轮胎力值的影响。
将Dugoff轮胎模型表达为归一化形式：
Figure BDA0002662191680000101
Figure BDA0002662191680000102
其中，
Figure BDA0002662191680000103
与
Figure BDA0002662191680000104
为纵向归一化力和侧向归一化力，其大小与附着系数无关。
对于分布式驱动的电动汽车，轮胎侧向受力情况直接影响着车辆的侧向运动，轮胎侧偏角定义为车轮平面与车轮中心运动方向的夹角，轮胎的侧偏角变化可以一定程度地反映车辆侧向受力情况，根据车辆坐标系下车辆质心处的速度，通过换算可以得到车辆轮胎坐标系下的纵向和横向速度，进一步能得到出轮胎侧偏角：
Figure BDA0002662191680000105
Figure BDA0002662191680000106
Figure BDA0002662191680000107
Figure BDA0002662191680000108
同样的，四个车轮上的轮胎纵向滑移率的表达式也可以得到：
Figure BDA0002662191680000109
Figure BDA00026621916800001010
Figure BDA0002662191680000111
Figure BDA0002662191680000112
在车辆的行驶过程中，车辆的纵向减速度、侧向加速度会导致车轮垂直载荷发生变化。而车辆在转弯运动中的轮胎侧偏特与车轮垂直载荷紧密相关。因此在研究车辆转向运动中不能轻易忽略车轮垂直载荷的变化，考虑轮胎动载荷的影响和静载荷影响，四个车轮上的轮胎垂向力可以由公式求出：
Figure BDA0002662191680000113
Figure BDA0002662191680000114
Figure BDA0002662191680000115
Figure BDA0002662191680000116
其中，h为车辆质心的高度。
在一些实施方式中，鲁棒H-inf估计器估计流程如图2所示，简述如下：
令
Figure BDA0002662191680000117
初始化：k＝0，
Figure BDA0002662191680000118
下一时刻一步预测：
Figure BDA0002662191680000121
其中，Qk为过程噪声；
求解增益：
Figure BDA0002662191680000122
下一时刻后验估计：
Figure BDA0002662191680000123
Figure BDA0002662191680000124
其中，Sk为权重矩阵，是一个正定对称矩阵，一般可选取为单位矩阵；
时间向后，返回下一时刻一步预测，重复过程，直到结束。
与现有技术相比，本发明实施例一种车辆状态与路面附着系数联合估计的方法具有如下有益效果：
本发明实施例一种车辆状态与路面附着系数联合估计的方法采用双鲁棒H-inf估计器，克服了模型不确定性与系统不确定性，并实现了车辆状态与路面附着系数的联合估计。
以上所述仅是本发明的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (3)

1.一种车辆状态与路面附着系数联合估计的方法，其特征在于，该车辆状态与路面附着系数联合估计的方法包括如下步骤：
基于车辆纵向、横向和横摆向建立非线性三自由度的车辆动力学估计模型，所述车辆动力学估计模型包括纵向运动方程、横向运动方程和横摆运动方程，其中，所述纵向运动方程为：
Figure FDA0002662191670000011
Figure FDA0002662191670000012
Figure FDA0002662191670000013
Figure FDA0002662191670000014
所述横向运动方程为：
Figure FDA0002662191670000015
Figure FDA0002662191670000016
Figure FDA0002662191670000017
所述横摆运动方程为：
Izrz＝∑Mzi
∑Mzi＝(Fyflsinδfl-Fxflcosδfl)Bf/2-(Fxflsinδfl+Fyflcosδfl)Lf+(Fxfrcosδfr-Fyfrsinδfr)Bf/2-(Fxfrsinδfr+Fyfrcosδfr)Lf+(Fxrr-Fxrl)Bf/2+(Fyrl+Fyrr)Lf
式中，m是汽车质量；Vx即车辆纵向速度；Vy即车辆横向速度；rz是横摆角速度；i＝f，r分别代表前轮后轮；j＝l，r分别代表左轮右轮；Fxij为纵向力；Fyij为横向力；Fw为空气阻力；Ff为滚动阻力；ax为车辆纵向加速度；ay为车辆横向加速度；Cd为空气阻力系数；ρ为空气密度；Af为迎风面积；μ为轮胎路面附着系数；δij为车轮转角；Iz为车辆横摆转动惯量；Mzi为横摆力矩；Bf为前轮距；Lf为前轴距；
采用鲁棒H-inf估计器并根据所述车辆动力学估计模型和量测信息建立估计所需的状态方程与测量方程，并估计得到汽车行驶状态、汽车四轮的纵向力估计值和横向力估计值；
采用鲁棒H-inf估计器并结合Dugoff轮胎模型和所述汽车四轮的纵向力估计值和横向力估计值构建路面附着系数估计的系统模型，并估计得到设计路面附着系数。
2.如权利要求1所述的车辆状态与路面附着系数联合估计的方法，其特征在于：所述采用鲁棒H-inf估计器并根据所述车辆动力学估计模型和量测信息建立估计所需的状态方程与测量方程为
Figure FDA0002662191670000021
离散化后得到：
Figure FDA0002662191670000022
其中，车轮动力学方程为：
Figure FDA0002662191670000031
式中，状态观测向量x(t)＝[Vx,Vy,rz,Bf,Fxij,Fyij]；输入向量u(t)＝[δfl,δfr,ωij]；测量向量z(t)＝[ax,ay,rz]；Iw轮胎转动惯量；Tij为车轮转矩；ωij为车轮角速度；Re为车轮动态半径。
3.如权利要求2所述的车辆状态与路面附着系数联合估计的方法，其特征在于：所述路面附着系数估计的系统模型为：
Figure FDA0002662191670000032
离散化后得到：
Figure FDA0002662191670000033
式中，状态观测向量x(t)＝[μfl,μfr,μrl,μrr]；输入向量u(t)＝[δ,Fxij,Fyij]；测量向量z(t)＝[ax,ay,rz]，其中，输入向量u(t)中的δ为方向盘转角，Fxij和Fyij为汽车四轮的纵向力估计值和横向力估计值。
CN202010908003.0A 2020-09-02 2020-09-02 一种车辆状态与路面附着系数联合估计的方法 Active CN111959516B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010908003.0A CN111959516B (zh) 2020-09-02 2020-09-02 一种车辆状态与路面附着系数联合估计的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010908003.0A CN111959516B (zh) 2020-09-02 2020-09-02 一种车辆状态与路面附着系数联合估计的方法

Publications (2)

Publication Number Publication Date
CN111959516A true CN111959516A (zh) 2020-11-20
CN111959516B CN111959516B (zh) 2023-08-01

Family

ID=73392331

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010908003.0A Active CN111959516B (zh) 2020-09-02 2020-09-02 一种车辆状态与路面附着系数联合估计的方法

Country Status (1)

Country Link
CN (1) CN111959516B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112644229A (zh) * 2020-12-25 2021-04-13 宜宾凯翼汽车有限公司 一种间接式的轮胎磨损监测方法及esp系统
CN113104040A (zh) * 2021-04-21 2021-07-13 江苏大学 一种考虑观测信息时域衰减的轮胎-路面附着系数获取方法
CN114475624A (zh) * 2021-07-20 2022-05-13 浙江万安科技股份有限公司 考虑不确定性时滞的线控底盘车辆横向状态融合估计方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106671985A (zh) * 2016-10-25 2017-05-17 长春工业大学 电动汽车动力学系统建模方法
CN108909705A (zh) * 2018-08-22 2018-11-30 北京航空航天大学 一种车辆控制方法及装置
CN110901647A (zh) * 2019-11-25 2020-03-24 同济大学 考虑复杂激励条件的车辆路面附着系数自适应估计方法
CN110979302A (zh) * 2019-12-18 2020-04-10 厦门大学 自动驾驶分布式驱动电动汽车横向与侧倾综合控制方法
CN111007722A (zh) * 2019-12-18 2020-04-14 厦门大学 一种四轮转向自动驾驶汽车横向鲁棒容错控制系统及方法
CN111452801A (zh) * 2019-01-21 2020-07-28 上海汽车集团股份有限公司 一种四轮转向汽车的鲁棒自适应控制方法和装置
CN111547059A (zh) * 2020-04-23 2020-08-18 上海大学 一种分布式驱动电动汽车惯性参数估计方法
CN111559380A (zh) * 2020-05-21 2020-08-21 南京晓庄学院 一种车辆主动安全控制方法及装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106671985A (zh) * 2016-10-25 2017-05-17 长春工业大学 电动汽车动力学系统建模方法
CN108909705A (zh) * 2018-08-22 2018-11-30 北京航空航天大学 一种车辆控制方法及装置
CN111452801A (zh) * 2019-01-21 2020-07-28 上海汽车集团股份有限公司 一种四轮转向汽车的鲁棒自适应控制方法和装置
CN110901647A (zh) * 2019-11-25 2020-03-24 同济大学 考虑复杂激励条件的车辆路面附着系数自适应估计方法
CN110979302A (zh) * 2019-12-18 2020-04-10 厦门大学 自动驾驶分布式驱动电动汽车横向与侧倾综合控制方法
CN111007722A (zh) * 2019-12-18 2020-04-14 厦门大学 一种四轮转向自动驾驶汽车横向鲁棒容错控制系统及方法
CN111547059A (zh) * 2020-04-23 2020-08-18 上海大学 一种分布式驱动电动汽车惯性参数估计方法
CN111559380A (zh) * 2020-05-21 2020-08-21 南京晓庄学院 一种车辆主动安全控制方法及装置

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
吴浩;严运兵;方圆;荣锐兵;蔡啸霄;: "汽车防抱死制动系统H_∞控制与PID控制的比较研究", 汽车科技, no. 05 *
孙仁云;李治;: "变路面汽车电控制动系统H_∞控制研究", 西华大学学报(自然科学版), no. 02 *
张志勇;王东涛;黄彩霞;唐磊;: "分布式驱动电动汽车横向稳定性与转矩分配控制", 长沙理工大学学报(自然科学版), no. 02 *
熊超;: "汽车四轮转向鲁棒控制方法研究及仿真", 北京汽车, no. 03 *
谷成;殷;陈辛波;: "摇臂推杆式电磁主动悬架的鲁棒控制与优化", 汽车工程, no. 01 *
金智林;马翠贞;张甲乐;乔建龙;: "采用电控液压制动系统的SUV防侧翻鲁棒控制", 重庆理工大学学报(自然科学), no. 01 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112644229A (zh) * 2020-12-25 2021-04-13 宜宾凯翼汽车有限公司 一种间接式的轮胎磨损监测方法及esp系统
CN112644229B (zh) * 2020-12-25 2022-11-11 宜宾凯翼汽车有限公司 一种间接式的轮胎磨损监测方法及esp系统
CN113104040A (zh) * 2021-04-21 2021-07-13 江苏大学 一种考虑观测信息时域衰减的轮胎-路面附着系数获取方法
CN114475624A (zh) * 2021-07-20 2022-05-13 浙江万安科技股份有限公司 考虑不确定性时滞的线控底盘车辆横向状态融合估计方法

Also Published As

Publication number Publication date
CN111959516B (zh) 2023-08-01

Similar Documents

Publication Publication Date Title
CN108594652B (zh) 一种基于观测器信息迭代的车辆状态融合估计方法
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
CN111959516B (zh) 一种车辆状态与路面附着系数联合估计的方法
Li et al. Comprehensive tire–road friction coefficient estimation based on signal fusion method under complex maneuvering operations
Zhao et al. Design of a nonlinear observer for vehicle velocity estimation and experiments
CN113460056B (zh) 一种基于卡尔曼滤波和最小二乘法的车辆路面附着系数估计方法
CN103909933B (zh) 一种分布式电驱动车辆的前轮侧向力估算方法
CN105946858A (zh) 基于遗传算法的四驱电动汽车状态观测器参数优化方法
CN111547059A (zh) 一种分布式驱动电动汽车惯性参数估计方法
CN106649983A (zh) 用于无人驾驶车辆高速运动规划的车辆动力学模型建模方法
CN105946863B (zh) 一种车辆行驶稳定性区域的确定方法
CN111796522B (zh) 一种车辆状态估计方法
Hsu et al. Vehicle full-state estimation and prediction system using state observers
CN109606378A (zh) 面向非高斯噪声环境的车辆行驶状态估计方法
CN113359457B (zh) 智能车底盘域控制器的高维动力学模型解算装置及方法
CN107016157A (zh) 分布式驱动电动汽车路面自适应纵向车速估计系统及方法
Lin et al. A novel H∞ and EKF joint estimation method for determining the center of gravity position of electric vehicles
CN106515716A (zh) 轮式驱动电动汽车底盘集成控制系统协调控制装置及方法
Zhang et al. An enabling tire-road friction estimation method for four-in-wheel-motor-drive electric vehicles
CN115406446A (zh) 基于神经网络与无迹卡尔曼滤波的多轴特种车状态估计方法
CN108394413B (zh) 一种四轮独立驱动与转向的电动汽车状态与参数校正方法
Li et al. Vehicle velocity estimation for real-time dynamic stability control
Imsland et al. Vehicle velocity estimation using modular nonlinear observers
CN116049608A (zh) 一种非结构性路面下的路面峰值附着系数估计方法及系统
CN113650621B (zh) 面向复杂工况的分布式驱动电动汽车状态参数估计方法

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