CN111959516B - 一种车辆状态与路面附着系数联合估计的方法 - Google Patents

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：

所述横向运动方程为：

所述横摆运动方程为：

I_zr_z＝∑M_zi

∑M_zi＝(F_yflsinδ_fl-F_xflcosδ_fl)B_f/2-(F_xflsinδ_fl+F_yflcosδ_fl)L_f+(F_xfrcosδ_fr-F_yfrsinδ_fr)B_f/2-(F_xfrsinδ_fr+F_yfrcosδ_fr)L_f+(F_xrr-F_xrl)B_f/2+(F_yrl+F_yrr)L_f

式中，m是汽车质量；V_x即车辆纵向速度；V_y即车辆横向速度；r_z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；F_xij为纵向力；F_yij为横向力；F_w为空气阻力；F_f为滚动阻力；a_x为车辆纵向加速度；a_y为车辆横向加速度；C_d为空气阻力系数；ρ为空气密度；A_f为迎风面积；μ为轮胎路面附着系数；δ_ij为车轮转角；I_z为车辆横摆转动惯量；M_zi为横摆力矩；B_f为前轮距；L_f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

离散化后得到：

其中，车轮动力学方程为：

式中，状态观测向量x(t)＝[V_x,V_y,r_z,B_f,F_xij,F_yij]；输入向量u(t)＝[δ_fl,δ_fr,ω_ij]；测量向量z(t)＝[a_x,a_y,r_z]；I_w轮胎转动惯量；Tij为车轮转矩；ωij为车轮角速度；R_e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：

离散化后得到：

式中，状态观测向量x(t)＝[μ_fl,μ_fr,μ_rl,μ_rr]；输入向量u(t)＝[δ,F_xij,F_yij]；测量向量z(t)＝[a_x,a_y,r_z]，其中，输入向量u(t)中的δ为方向盘转角，F_xij和F_yij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：

所述横向运动方程为：

所述横摆运动方程为：

I_zr_z＝∑M_zi

∑M_zi＝(F_yflsinδ_fl-F_xflcosδ_fl)B_f/2-(F_xflsinδ_fl+F_yflcosδ_fl)L_f+(F_xfrcosδ_fr-F_yfrsinδ_fr)B_f/2-(F_xfrsinδ_fr+F_yfrcosδ_fr)L_f+(F_xrr-F_xrl)B_f/2+(F_yrl+F_yrr)L_f

式中，m是汽车质量；V_x即车辆纵向速度；V_y即车辆横向速度；r_z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；F_xij为纵向力；F_yij为横向力；F_w为空气阻力；F_f为滚动阻力；a_x为车辆纵向加速度；a_y为车辆横向加速度；C_d为空气阻力系数；ρ为空气密度；A_f为迎风面积；μ为轮胎路面附着系数；δ_ij为车轮转角；I_z为车辆横摆转动惯量；M_zi为横摆力矩；B_f为前轮距；L_f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

离散化后得到：

其中，车轮动力学方程为：

式中，状态观测向量x(t)＝[V_x,V_y,r_z,B_f,F_xij,F_yij]；输入向量u(t)＝[δ_fl,δ_fr,ω_ij]；测量向量z(t)＝[a_x,a_y,r_z]；I_w轮胎转动惯量；Tij为车轮转矩；ωij为车轮角速度；R_e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：

离散化后得到：

式中，状态观测向量x(t)＝[μ_fl,μ_fr,μ_rl,μ_rr]；输入向量u(t)＝[δ,F_xij,F_yij]；测量向量z(t)＝[a_x,a_y,r_z]，其中，输入向量u(t)中的δ为方向盘转角，F_xij和F_yij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：

其中，

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：

其中，与/>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：

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：

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：

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

初始化：k＝0，

下一时刻一步预测：其中，Q_k为过程噪声；

求解增益：

下一时刻后验估计：

其中，S_k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：

所述横向运动方程为：

所述横摆运动方程为：

I_zr_z＝∑M_zi

∑M_zi＝(F_yflsinδ_fl-F_xflcosδ_fl)B_f/2-(F_xflsinδ_fl+F_yflcosδ_fl)L_f+(F_xfrcosδ_fr-F_yfrsinδ_fr)B_f/2-(F_xfrsinδ_fr+F_yfrcosδ_fr)L_f+(F_xrr-F_xrl)B_f/2+(F_yrl+F_yrr)L_f

式中，m是汽车质量；V_x即车辆纵向速度；V_y即车辆横向速度；r_z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；F_xij为纵向力；F_yij为横向力；F_w为空气阻力；F_f为滚动阻力；a_x为车辆纵向加速度；a_y为车辆横向加速度；C_d为空气阻力系数；ρ为空气密度；A_f为迎风面积；μ为轮胎路面附着系数；δ_ij为车轮转角；I_z为车辆横摆转动惯量；M_zi为横摆力矩；B_f为前轮距；L_f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

离散化后得到：

其中，车轮动力学方程为：

式中，状态观测向量x(t)＝[V_x,V_y,r_z,B_f,F_xij,F_yij]；输入向量u(t)＝[δ_fl,δ_fr,ω_ij]；测量向量z(t)＝[a_x,a_y,r_z]；I_w轮胎转动惯量；Tij为车轮转矩；ω_ij为车轮角速度；R_e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：

离散化后得到：

式中，状态观测向量x(t)＝[μ_fl,μ_fr,μ_rl,μ_rr]；输入向量u(t)＝[δ,F_xij,F_yij]；测量向量z(t)＝[a_x,a_y,r_z]，其中，输入向量u(t)中的δ为方向盘转角，F_xij和F_yij为汽车四轮的纵向力估计值和横向力估计值。