CN111965390B - 一种轮速传感器故障检测方法 - Google Patents

一种轮速传感器故障检测方法 Download PDF

Info

Publication number
CN111965390B
CN111965390B CN202010669483.XA CN202010669483A CN111965390B CN 111965390 B CN111965390 B CN 111965390B CN 202010669483 A CN202010669483 A CN 202010669483A CN 111965390 B CN111965390 B CN 111965390B
Authority
CN
China
Prior art keywords
wheel
state
front wheel
rear wheel
speed
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.)
Active
Application number
CN202010669483.XA
Other languages
English (en)
Other versions
CN111965390A (zh
Inventor
马世典
方伟锋
江浩斌
江中旭
李玥
韩牟
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.)
Hefei Wisdom Dragon Machinery Design Co ltd
Original Assignee
Jiangsu University
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 Jiangsu University filed Critical Jiangsu University
Priority to CN202010669483.XA priority Critical patent/CN111965390B/zh
Publication of CN111965390A publication Critical patent/CN111965390A/zh
Application granted granted Critical
Publication of CN111965390B publication Critical patent/CN111965390B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P21/00—Testing or calibrating of apparatus or devices covered by the preceding groups
    • G01P21/02—Testing or calibrating of apparatus or devices covered by the preceding groups of speedometers
    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Algebra (AREA)
  • Evolutionary Biology (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Regulating Braking Force (AREA)

Abstract

本发明属于车用传感器故障检测领域，尤其涉及一种轮速传感器故障检测方法，该方法通过构建车辆坐标系，构造四个车轮的状态空间模型包括车轮状态方程和车轮观测方程，计算系统状态最优估计值，对每个车轮状态最优估计值进行归一化处理，计算四个车轮归一化处理结果的平均值，将每个车轮状态最优估计值归一化处理结果值与四个车轮归一化处理结果的平均值作差值，与设定的差值有效阈值进行比较，判断轮速传感器是否异常，从而为相应的容错控制提供精确的数据信息。本发明对于判断发生故障的轮速传感器具有较高的准确度，同时具有简单、高效的特点。

Description

一种轮速传感器故障检测方法
技术领域
本发明属于车用传感器故障检测领域，尤其涉及一种轮速传感器故障检测方法。
背景技术
随着车辆主动安全技术和高精度制造业的进步，车载传感器朝着小型化、多样化和冗余化方向发展，比如常用的车载传感器——加速度计、陀螺仪、轮速传感器等，但是其可靠性问题也随之而来。车辆的轮速传感器是车辆上的重要部件一方面，由于轮速传感器的寿命有限，所以发生故障是不可避免的，尤其当汽车处于极端的环境下，发生故障的可能性会增加；另一方面，如果不能及时地对发生故障的轮速传感器采取相应的措施，可能会导致ABS和ESP错误启动和错误操作。当前故障检测主要是基于相应的轮速传感器信号本身,即通过处理各个车轮上的轮速传感器的输出信号并将其与某一阈值相比来检测故障。当车轮涉水发生过大的滑转率时,检测系统会存在误判现象。这样，就会存在阈值设定问题。太高的阈值可能使得无法探测到真实故障；太低的阈值又会产生误判。此外，现有技术中用于车速传感器的故障检测方法，主要是根据发动机转速、发动机转矩及换挡类型检测轮速传感器故障，但这种方法同样存在误判现象，同时对于工况的敏感性比较差，因此，迫切需要提高对轮速传感器的故障检测的准确度以及对驾驶工况的适应度。
发明内容
针对上述存在的问题，本发明提出一种轮速传感器故障检测方法，用于精确地检测到发生故障的轮速传感器，从而为车辆主动安全容错领域提供准确的数据信息。
为实现上述目的，本发明具体技术方案如下：一种轮速传感器故障检测方法，包括如下步骤：
1)构建车辆坐标系，车辆坐标系的坐标原点为车辆的质心，水平向前为x轴正向，水平向左为y轴正向，垂直水平面向上为z轴正向，且所有的回转角和力矩均以水平面内的逆时针方向为正；
2)构建左前车轮、左后车轮、右前车轮和右后车轮的状态空间模型，所述车轮的状态空间模型包括车轮状态方程和车轮观测方程；
3)以车轮状态空间模型为基础，初始化系统状态初值x0和误差协方差初值P0，计算k时刻系统状态最优估计值
Figure GDA0003568824590000011
4)对每个车轮的状态最优估计值中的纵向速度最优估计值进行归一化处理，得到每个车轮纵向速度估计值的归一化处理结果λfl，λfr，λrl，λrr，其中，λfl为左前轮纵向速度最优估计值的归一化处理结果，λfr为右前轮纵向速度最优估计值的归一化处理结果，λrl为左后轮纵向速度最优估计值的归一化处理结果，λrr为右后轮纵向速度最优估计值的归一化处理结果；
5)计算四个车轮归一化处理结果的平均值
Figure GDA0003568824590000021
公式如下：
Figure GDA0003568824590000022
6)计算各车轮纵向速度估计值的归一化处理结果与四个车轮归一化处理结果的平均值
Figure GDA0003568824590000025
之间的距离，公式如下：
Figure GDA0003568824590000023
其中，dfl为左前轮纵向速度估计值的归一化处理结果与四个车轮归一化处理结果的平均值的差值；dfr为右前轮纵向速度估计值的归一化处理结果与四个车轮归一化处理结果的平均值的差值；drl为左后轮纵向速度估计值的归一化处理结果与四个车轮归一化处理结果的平均值的差值；drr为右后轮纵向速度估计值的归一化处理结果与四个车轮归一化处理结果的平均值的差值。
7)如果dfl＞d0时，则表明左前轮轮速传感器发生故障。如果dfr＞d0时，则表明右前轮轮速传感器发生故障。如果drl＞d0时，则表明左后轮轮速传感器发生故障。如果drr＞d0时，则表明右后轮轮速传感器发生故障。其中d0为车轮纵向速度估计值的归一化处理结果与四个车轮归一化处理结果的平均值的差值有效阈值。
进一步地，上述步骤2)中，左前轮状态方程如下：
Figure GDA0003568824590000024
其中
vxfl为车辆左前轮纵向速度，vyfl为车辆左前轮侧向速度，ax、ay分别为车辆质心处的纵向加速度和侧向加速度，Tdfl为左前轮驱动力矩，ωfl为左前轮转速，δ为前轮转角，lF为前轴中心距离车辆质心的距离，bF为前轴轮距，Iw为轮胎的转动惯量，r为车辆的横摆角速度，Reff为轮胎的有效转动半径，wfl1、wfl2、wfl3为左前轮状态方程组噪声；a1、a2为方程参数,lR为后轴中心距离车辆质心的距离，m为车辆质量，h为车辆质心；
所述左前轮观测方程如下：
y＝ωfl+vfl
其中，ωfl为左前轮轮速传感器实际输出值，vfl为左前轮轮速传感器测量噪声；
所述右前轮状态方程如下：
Figure GDA0003568824590000031
其中，vxfr为车辆右前轮纵向速度，vyfr为车辆右前轮侧向速度，Tdfr为右前轮驱动力矩，ωfr为右前轮转速，wfr1、wfr2、wfrl3为右前轮状态方程组噪声；
所述右前轮观测方程如下：
y＝ωfr+vfr
其中，ωfr为右前轮轮速传感器实际输出值，vfr为右前轮轮速传感器测量噪声；
所述左后轮状态方程如下：
Figure GDA0003568824590000032
其中，vxrl为车辆左后轮纵向速度，vyrl为车辆左后轮侧向速度，Tdrl为左后轮驱动力矩，ωrl为左后轮转速，wrl1、wrl2、wrl3为左后轮状态方程组噪声，bR为后轴轮距；
所述左后轮观测方程如下：
y＝ωrl+vrl
其中，ωrl为左后轮轮速传感器实际输出值，vrl为左后轮轮速传感器测量噪声；
所述右后轮状态方程如下：
Figure GDA0003568824590000041
其中，vxrr为车辆右后轮纵向速度，vyrr为车辆右后轮侧向速度，Tdrr为右后轮驱动力矩，ωrr为右后轮转速，wrr1、wrr2、wrr3为右后轮状态方程组噪声；
所述右后轮观测方程如下：
y＝ωrr+vrr
其中，ωrr为右后轮轮速传感器实际输出值，vrr为右后轮轮速传感器测量噪声。
进一步地，上述步骤3)中，系统状态最优估计值
Figure GDA0003568824590000042
计算方法包括如下步骤：
3.1)取状态量x＝[vx vy ω]T，控制量u＝[Td δ ax ay r]T，观测量y＝ω构造离散非线性系统模型，其中，vx为车轮纵向速度，vy为车轮的侧向速度，ω为轮速传感器实际输出值；由状态方程和观测方程得到离散非线性系统模型为：
Figure GDA0003568824590000043
3.2)进行时间更新，初始化系统状态初值x0和误差协方差初值P0，计算当前时刻的状态预测值和当前时刻的状态误差协方差预测，其中，状态预测公式如下：
Figure GDA0003568824590000044
Figure GDA0003568824590000045
为纵向速度估计器k时刻的状态预测，xk|k-1表示估计器从k–1时刻的状态利用状态方程传递到k时刻的预测状态，uk-1为估计器k–1时刻的控制量；
状态误差协方差预测公式如下：
Figure GDA0003568824590000046
Qk为估计过程的噪声协方差，
Figure GDA0003568824590000047
为估计器状态量k–1时刻的最优协方差，Pk|k-1为估计器状态量k时刻的预测协方差，Φk-1为离散化非线性状方程f()对状态变量求一阶偏导的雅克比矩阵；
3.3)进行测量更新得到最优估计值，即通过卡尔曼增益、状态更新和误差协方差矩阵更新，进行递推更新获取最优估计值；卡尔曼增益公式如下：
Kk＝Pk|k-1Hk T(HkPk|k-1Hk T+Rk)-1
Rk为观测噪声误差协方差矩阵，Hk为观测方程y()对状态量求一阶偏导的雅克比矩阵；
状态更新公式如下：
Figure GDA0003568824590000051
Figure GDA0003568824590000052
为k时刻系统状态最优估计值；
误差协方差矩阵更新公式如下：
Pk|k＝(I-KkH)Pk|k-1。
进一步地，上述步骤4)中，4个车轮的状态最优估计值中的纵向速度最优估计值归一化处理的公式如下：
Figure GDA0003568824590000053
其中
Figure GDA0003568824590000054
为每个车轮纵向速度最优估计值，λfl，λfr，λrl，λrr为每个车轮纵向速度估计值的归一化处理结果。
与现有技术相比，本发明对于判断发生故障的轮速传感器具有较高的准确度，同时具有简单、高效的特点。
附图说明
图1为轮速传感器故障检测流程图。
图2为系统状态更新迭代示意图。
具体实施方式
下面结合附图以及具体实施例对本发明作进一步的说明，需要指出的是，下面仅以一种最优化的技术方案对本发明的技术方案以及设计原理进行详细阐述，但本发明的保护范围并不限于此。
所述实施例为本发明的优选的实施方式，但本发明并不限于上述实施方式，在不背离本发明的实质内容的情况下，本领域技术人员能够做出的任何显而易见的改进、替换或变型均属于本发明的保护范围。
如图1所示，一种轮速传感器故障检测方法，包括如下步骤：
1)构建车辆坐标系，车辆坐标系的坐标原点为车辆的质心，水平向前为x轴正向，水平向左为y轴正向，垂直水平面向上为z轴正向，且所有的回转角和力矩均以水平面内的逆时针方向为正；作为本发明的优选实施例，车辆采用前轮驱动方式，使用线性轮胎模型；
2)构建4个车轮的状态空间模型，车轮的状态空间模型包括车轮状态方程和车轮观测方程；作为本发明的优选实施例，左前轮状态方程组公式如下：
Figure GDA0003568824590000061
其中，vxfl为车辆左前轮纵向速度，vyfl为车辆左前轮侧向速度，ax、ay分别为车辆质心处的纵向加速度和侧向加速度，Tdfl为左前轮驱动力矩，ωfl为左前轮转速，δ为前轮转角，lF为前轴中心距离车辆质心的距离，bF为前轴轮距，Iw为轮胎的转动惯量，r为车辆的横摆角速度，Reff为轮胎的有效转动半径，wfl1、wfl2、wfl3为左前轮状态方程组噪声。a1、a2为方程参数,lR为后轴中心距离车辆质心的距离，m为车辆质量，h为车辆质心。
作为本发明的优选实施例，左前轮观测方程如下：
y＝ωfl+vfl
其中，ωfl为左前轮轮速传感器实际输出值，vfl为左前轮轮速传感器测量噪声。
作为本发明的优选实施例，右前轮状态方程组公式如下：
Figure GDA0003568824590000062
其中，vxfr为车辆右前轮纵向速度，vyfr为车辆右前轮侧向速度，Tdfr为右前轮驱动力矩，ωfr为右前轮转速，wfr1、wfr2、wfrl3为右前轮状态方程组噪声。
作为本发明的优选实施例，右前轮观测方程如下：
y＝ωfr+vfr
其中，ωfr为右前轮轮速传感器实际输出值，vfr为右前轮轮速传感器测量噪声。
作为本发明的优选实施例，左后轮状态方程组公式如下：
Figure GDA0003568824590000071
其中，vxrl为车辆左后轮纵向速度，vyrl为车辆左后轮侧向速度，Tdrl为左后轮驱动力矩，ωrl为左后轮转速，wrl1、wrl2、wrl3为左后轮状态方程组噪声，bR为后轴轮距。
作为本发明的优选实施例，左后轮观测方程如下：
y＝ωrl+vrl
其中，ωrl为左后轮轮速传感器实际输出值，vrl为左后轮轮速传感器测量噪声。
作为本发明的优选实施例，右后轮状态方程组公式如下：
Figure GDA0003568824590000072
其中，vxrr为车辆右后轮纵向速度，vyrr为车辆右后轮侧向速度，Tdrr为右后轮驱动力矩，ωrr为右后轮转速，wrr1、wrr2、wrr3为右后轮状态方程组噪声。
作为本发明的优选实施例，右后轮观测方程如下：
y＝ωrr+vrr
其中，ωrr为右后轮轮速传感器实际输出值，vrr为右后轮轮速传感器测量噪声。
3)以车轮状态空间模型为基础，如图2所示，初始化系统状态初值x0和误差协方差初值P0，计算系统状态最优估计值
Figure GDA0003568824590000073
为k时刻系统状态最优估计值；
作为本发明的优选实施例，系统状态最优估计值
Figure GDA0003568824590000074
计算方法包括如下步骤：
3.1)利用状态量、控制量和观测量构造离散非线性系统模型，作为本发明的优选实施例，状态量x＝[vx vy ω]T，控制量u＝[Td δ ax ay r]T，观测量y＝ω构造离散非线性系统模型，其中，vx为车轮纵向速度，vy为车轮的侧向速度，ω为轮速传感器实际输出值；由状态方程和观测方程得到离散非线性系统模型为：
Figure GDA0003568824590000075
3.2)进行时间更新，计算当前时刻的状态预测值和当前时刻的状态误差协方差预测，其中，状态预测公式如下：
Figure GDA0003568824590000081
Figure GDA0003568824590000082
为纵向速度估计器k时刻的状态预测，xk|k-1表示估计器从k–1时刻的状态利用状态方程传递到k时刻的预测状态，uk-1为估计器k–1时刻的控制量；
状态误差协方差预测公式如下：
Figure GDA0003568824590000083
Qk为估计过程的噪声协方差，
Figure GDA0003568824590000084
为估计器状态量k–1时刻的最优协方差，Pk|k-1为估计器状态量k时刻的预测协方差，Φk-1为离散化非线性状方程f()对状态变量求一阶偏导的雅克比矩阵。
3.3)进行测量更新得到最优估计值，即通过卡尔曼增益、状态更新和误差协方差矩阵更新，进行递推更新获取最优估计值；其中卡尔曼增益公式如下：
Kk＝Pk|k-1Hk T(HkPk|k-1Hk T+Rk)-1
其中，Rk为观测噪声误差协方差矩阵，Hk为观测方程y()对状态量求一阶偏导的雅克比矩阵。
状态更新公式如下：
Figure GDA0003568824590000085
其中，
Figure GDA0003568824590000086
为k时刻系统状态最优估计值。
误差协方差矩阵更新公式如下：
Pk|k＝(I-KkH)Pk|k-1
作为本发明的优选实施例，考虑到卡尔曼滤波对噪声特性的处理仅限于高斯分布，在选取噪声协方差初始值时，需要综合参考所建立的状态方程的准确程度和传感器的精度等级。
4)对每个车轮的状态最优估计值中的纵向速度最优估计值进行归一化处理，
作为本发明的优选实施例，4个车轮的状态最优估计值中的纵向速度最优估计值归一化处理的公式如下：
Figure GDA0003568824590000091
其中
Figure GDA0003568824590000092
为每个车轮纵向速度最优估计值，λfl，λfr，λrl，λrr为每个车轮纵向速度估计值的归一化处理结果,其中，λfl为左前轮纵向速度最优估计值的归一化处理结果，λfr为右前轮纵向速度最优估计值的归一化处理结果，λrl为左后轮纵向速度最优估计值的归一化处理结果，λrr为右后轮纵向速度最优估计值的归一化处理结果；
5)计算四个车轮归一化处理结果的平均值,公式如下：
Figure GDA0003568824590000093
6)计算各车轮纵向速度估计值的归一化处理结果λ与四个车轮归一化处理结果的平均值
Figure GDA0003568824590000095
之间的距离d，公式如下：
Figure GDA0003568824590000094
其中，dfl为左前轮纵向速度估计值的归一化处理结果与四个车轮归一化处理结果的平均值的差值；dfr为右前轮纵向速度估计值的归一化处理结果与四个车轮归一化处理结果的平均值的差值；drl为左后轮纵向速度估计值的归一化处理结果与四个车轮归一化处理结果的平均值的差值；drr为右后轮纵向速度估计值的归一化处理结果与四个车轮归一化处理结果的平均值的差值。
7)如果dfl＞d0时，则表明左前轮轮速传感器发生故障。如果dfr＞d0时，则表明右前轮轮速传感器发生故障。如果drl＞d0时，则表明左后轮轮速传感器发生故障。如果drr＞d0时，则表明右后轮轮速传感器发生故障。其中d0为车轮纵向速度估计值的归一化处理结果与四个车轮归一化处理结果的平均值的差值有效阈值。作为本发明的优选实施例，d0取0.8。

Claims (4)

1.一种轮速传感器故障检测方法，其特征在于，包括如下步骤：
1）构建车辆坐标系，车辆坐标系的坐标原点为车辆的质心，水平向前为x轴正向，水平向左为y轴正向，垂直水平面向上为z轴正向，且所有的回转角和力矩均以水平面内的逆时针方向为正；
2）构建左前车轮、左后车轮、右前车轮和右后车轮的状态空间模型，所述车轮的状态空间模型包括车轮状态方程和车轮观测方程；
3）以车轮状态空间模型为基础，初始化系统状态初值
Figure 33322DEST_PATH_IMAGE001
和误差协方差初值
Figure 281288DEST_PATH_IMAGE002
,计算k时刻系统状态最优估计值
Figure 529867DEST_PATH_IMAGE003
；
4）对每个车轮的状态最优估计值中的纵向速度最优估计值进行归一化处理，得到每个车轮纵向速度估计值的归一化处理结果
Figure 252972DEST_PATH_IMAGE004
，
Figure 660819DEST_PATH_IMAGE005
，
Figure 952124DEST_PATH_IMAGE006
，
Figure 547053DEST_PATH_IMAGE007
，其中，
Figure 214795DEST_PATH_IMAGE004
为左前轮纵向速度最优估计值的归一化处理结果，
Figure 211569DEST_PATH_IMAGE005
为右前轮纵向速度最优估计值的归一化处理结果，
Figure 798409DEST_PATH_IMAGE006
为左后轮纵向速度最优估计值的归一化处理结果，
Figure 756000DEST_PATH_IMAGE007
为右后轮纵向速度最优估计值的归一化处理结果；
5)计算四个车轮归一化处理结果的平均值
Figure 86488DEST_PATH_IMAGE008
,公式如下：
Figure 78714DEST_PATH_IMAGE009
；
6）计算各车轮纵向速度估计值的归一化处理结果与四个车轮归一化处理结果的平均值
Figure 102034DEST_PATH_IMAGE008
之间的距离
Figure 812501DEST_PATH_IMAGE010
，公式如下：
Figure 418450DEST_PATH_IMAGE011
其中，
Figure 655397DEST_PATH_IMAGE012
为左前轮纵向速度估计值的归一化处理结果与四个车轮归一化处理结果的平均值的差值；
Figure 459405DEST_PATH_IMAGE013
为右前轮纵向速度估计值的归一化处理结果与四个车轮归一化处理结果的平均值的差值；
Figure 781802DEST_PATH_IMAGE014
为左后轮纵向速度估计值的归一化处理结果与四个车轮归一化处理结果的平均值的差值；
Figure 329458DEST_PATH_IMAGE015
为右后轮纵向速度估计值的归一化处理结果与四个车轮归一化处理结果的平均值的差值；
7）如果
Figure 155331DEST_PATH_IMAGE016
时，则表明左前轮轮速传感器发生故障；如果
Figure 254874DEST_PATH_IMAGE017
时，则表明右前轮轮速传感器发生故障；如果
Figure 674354DEST_PATH_IMAGE018
时，则表明左后轮轮速传感器发生故障；如果
Figure 150335DEST_PATH_IMAGE019
时，则表明右后轮轮速传感器发生故障；其中
Figure 971660DEST_PATH_IMAGE020
为车轮纵向速度估计值的归一化处理结果与四个车轮归一化处理结果的平均值的差值有效阈值。
2.如权利要求1所述的轮速传感器故障检测方法，其特征在于，所述步骤2）中，所述左前轮状态方程如下：
Figure 242105DEST_PATH_IMAGE022
其中，
Figure 148881DEST_PATH_IMAGE023
为左前轮纵向加速度，
Figure 162973DEST_PATH_IMAGE024
为左前轮侧向加速度，
Figure 104384DEST_PATH_IMAGE025
为左前轮转加速度，
Figure 536941DEST_PATH_IMAGE026
为车辆左前轮纵向速度，
Figure 55647DEST_PATH_IMAGE027
为车辆左前轮侧向速度，
Figure 748796DEST_PATH_IMAGE028
、
Figure 403769DEST_PATH_IMAGE029
分别为车辆质心处的纵向加速度和侧向加速度，
Figure 891382DEST_PATH_IMAGE030
为左前轮驱动力矩，
Figure 897384DEST_PATH_IMAGE031
为左前轮转速，
Figure 394224DEST_PATH_IMAGE032
为前轮转角，
Figure 169282DEST_PATH_IMAGE033
为前轴中心距离车辆质心的距离，
Figure 827797DEST_PATH_IMAGE034
为前轴轮距，
Figure 55516DEST_PATH_IMAGE035
为轮胎的转动惯量，
Figure 215102DEST_PATH_IMAGE036
为车辆的横摆角速度，
Figure 985612DEST_PATH_IMAGE037
为轮胎的有效转动半径，
Figure 939661DEST_PATH_IMAGE038
、
Figure 530042DEST_PATH_IMAGE039
、
Figure 496249DEST_PATH_IMAGE040
为左前轮状态方程组噪声；
Figure 855686DEST_PATH_IMAGE041
、
Figure 980637DEST_PATH_IMAGE042
为方程参数,
Figure 182948DEST_PATH_IMAGE043
为后轴中心距离车辆质心的距离，m为车辆质量，h为车辆质心；
所述左前轮观测方程如下：
Figure 825282DEST_PATH_IMAGE044
其中，
Figure 429439DEST_PATH_IMAGE031
为左前轮轮速传感器实际输出值，
Figure 866236DEST_PATH_IMAGE045
为左前轮轮速传感器测量噪声；
所述右前轮状态方程如下：
Figure 290264DEST_PATH_IMAGE046
其中，
Figure 470710DEST_PATH_IMAGE047
为右前轮纵向加速度，
Figure 929373DEST_PATH_IMAGE048
为右前轮侧向加速度，
Figure 537072DEST_PATH_IMAGE049
为右前轮转加速度，
Figure 713975DEST_PATH_IMAGE050
为车辆右前轮纵向速度，
Figure 432533DEST_PATH_IMAGE051
为车辆右前轮侧向速度，
Figure 745702DEST_PATH_IMAGE052
为右前轮驱动力矩，
Figure 651866DEST_PATH_IMAGE053
为右前轮转速，
Figure 191432DEST_PATH_IMAGE054
、
Figure 838314DEST_PATH_IMAGE055
、
Figure 881356DEST_PATH_IMAGE056
为右前轮状态方程组噪声；
所述右前轮观测方程如下：
Figure 955491DEST_PATH_IMAGE057
其中，
Figure 716774DEST_PATH_IMAGE053
为右前轮轮速传感器实际输出值，
Figure 167347DEST_PATH_IMAGE058
为右前轮轮速传感器测量噪声；
所述左后轮状态方程如下：
Figure 330475DEST_PATH_IMAGE059
其中，
Figure 575512DEST_PATH_IMAGE060
为左后轮纵向加速度，
Figure 89670DEST_PATH_IMAGE061
为左后轮侧向加速度，
Figure 812775DEST_PATH_IMAGE062
为左后轮转加速度，
Figure 955043DEST_PATH_IMAGE063
为车辆左后轮纵向速度，
Figure 511927DEST_PATH_IMAGE064
为车辆左后轮侧向速度，
Figure 372435DEST_PATH_IMAGE065
为左后轮驱动力矩，
Figure 40177DEST_PATH_IMAGE066
为左后轮转速，
Figure 39881DEST_PATH_IMAGE067
、
Figure 502087DEST_PATH_IMAGE068
、
Figure 849891DEST_PATH_IMAGE069
为左后轮状态方程组噪声，
Figure 55745DEST_PATH_IMAGE070
为后轴轮距；
所述左后轮观测方程如下：
Figure 172605DEST_PATH_IMAGE071
其中，
Figure 930346DEST_PATH_IMAGE066
为左后轮轮速传感器实际输出值，
Figure 375234DEST_PATH_IMAGE072
为左后轮轮速传感器测量噪声；
所述右后轮状态方程如下：
Figure 509412DEST_PATH_IMAGE073
其中，
Figure 621724DEST_PATH_IMAGE074
为右后轮纵向加速度，
Figure 550366DEST_PATH_IMAGE075
为右后轮侧向加速度，
Figure 482550DEST_PATH_IMAGE076
为右后轮转加速度，
Figure 154840DEST_PATH_IMAGE077
为车辆右后轮纵向速度，
Figure 121659DEST_PATH_IMAGE078
为车辆右后轮侧向速度，
Figure 221202DEST_PATH_IMAGE079
为右后轮驱动力矩，
Figure 906261DEST_PATH_IMAGE080
为右后轮转速，
Figure 131311DEST_PATH_IMAGE081
、
Figure 77270DEST_PATH_IMAGE082
、
Figure 488660DEST_PATH_IMAGE083
为右后轮状态方程组噪声；
所述右后轮观测方程如下：
Figure 254491DEST_PATH_IMAGE084
其中，
Figure 409528DEST_PATH_IMAGE080
为右后轮轮速传感器实际输出值，
Figure 209994DEST_PATH_IMAGE085
为右后轮轮速传感器测量噪声。
3.如权利要求1所述的轮速传感器故障检测方法，其特征在于，所述步骤3）中，系统状态最优估计值
Figure 526706DEST_PATH_IMAGE003
计算方法包括如下步骤：
3.1）取状态量
Figure 45412DEST_PATH_IMAGE086
，控制量
Figure 738562DEST_PATH_IMAGE087
，观测量
Figure 393534DEST_PATH_IMAGE088
构造离散非线性系统模型，其中，
Figure 271360DEST_PATH_IMAGE089
为车轮纵向速度，
Figure 152728DEST_PATH_IMAGE090
为车轮的侧向速度，
Figure 649569DEST_PATH_IMAGE091
为轮速传感器实际输出值；由状态方程和观测方程得到离散非线性系统模型为：
Figure 159048DEST_PATH_IMAGE092
；
3.2) 初始化系统状态初值
Figure 210705DEST_PATH_IMAGE001
和误差协方差初值
Figure 579369DEST_PATH_IMAGE002
,进行时间更新，计算当前时刻的状态预测值和当前时刻的状态误差协方差预测，其中，状态预测公式如下：
Figure 738955DEST_PATH_IMAGE093
Figure 243886DEST_PATH_IMAGE094
为纵向速度估计器k时刻的状态预测，
Figure 463514DEST_PATH_IMAGE095
表示估计器从k–1时刻的状态利用状态方程传递到k时刻的预测状态，
Figure 319475DEST_PATH_IMAGE096
为估计器k–1时刻的控制量；
状态误差协方差预测公式如下：
Figure 17173DEST_PATH_IMAGE097
Figure 376610DEST_PATH_IMAGE098
为估计过程的噪声协方差，
Figure 767140DEST_PATH_IMAGE099
为估计器状态量k–1时刻的最优协方差，
Figure 844817DEST_PATH_IMAGE100
为估计器状态量k时刻的预测协方差，
Figure 611785DEST_PATH_IMAGE101
为离散化非线性状方程f（ ）对状态变量求一阶偏导的雅克比矩阵；
3.3）进行测量更新得到最优估计值，即通过卡尔曼增益、状态更新和误差协方差矩阵更新，进行递推更新获取最优估计值；所述卡尔曼增益公式如下：
Figure 91308DEST_PATH_IMAGE102
Figure 652739DEST_PATH_IMAGE103
为观测噪声误差协方差矩阵，
Figure 217713DEST_PATH_IMAGE104
为观测方程y()对状态量求一阶偏导的雅克比矩阵；
所述状态更新公式如下：
Figure 991634DEST_PATH_IMAGE105
Figure 718806DEST_PATH_IMAGE003
为k时刻系统状态最优估计值；
所述误差协方差矩阵更新公式如下：
Figure 326505DEST_PATH_IMAGE106
。
4.如权利要求1所述的轮速传感器故障检测方法，其特征在于，所述步骤4）中，4个车轮的状态最优估计值中的纵向速度最优估计值归一化处理的公式如下：
Figure 503408DEST_PATH_IMAGE107
其中
Figure 221965DEST_PATH_IMAGE108
为每个车轮纵向速度最优估计值，
Figure 800714DEST_PATH_IMAGE109
，
Figure 579314DEST_PATH_IMAGE110
，
Figure 977935DEST_PATH_IMAGE111
，
Figure 500183DEST_PATH_IMAGE112
为每个车轮纵向速度估计值的归一化处理结果。
CN202010669483.XA 2020-07-13 2020-07-13 一种轮速传感器故障检测方法 Active CN111965390B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010669483.XA CN111965390B (zh) 2020-07-13 2020-07-13 一种轮速传感器故障检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010669483.XA CN111965390B (zh) 2020-07-13 2020-07-13 一种轮速传感器故障检测方法

Publications (2)

Publication Number Publication Date
CN111965390A CN111965390A (zh) 2020-11-20
CN111965390B true CN111965390B (zh) 2022-06-21

Family

ID=73361693

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010669483.XA Active CN111965390B (zh) 2020-07-13 2020-07-13 一种轮速传感器故障检测方法

Country Status (1)

Country Link
CN (1) CN111965390B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112622862B (zh) * 2020-12-24 2021-11-30 北京理工大学前沿技术研究院 一种自动驾驶汽车制动异常/攻击在线监测方法及系统
CN113447673A (zh) * 2021-07-30 2021-09-28 奇瑞汽车股份有限公司 轮速传感器及其控制方法和汽车
CN113434967B (zh) * 2021-08-27 2021-10-29 天津所托瑞安汽车科技有限公司 车辆轮速的估计方法、装置、控制方法、设备和存储介质
CN114368385B (zh) * 2022-03-21 2022-07-15 北京宏景智驾科技有限公司 巡航控制方法和装置、电子设备和存储介质
CN114734975B (zh) * 2022-04-28 2023-05-09 清智汽车科技(苏州)有限公司 同轴车轮速传感器接线识别方法和装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE4235672A1 (de) * 1991-10-25 1993-04-29 Honda Motor Co Ltd Vorrichtung zur antriebskraftsteuerung eines kraftfahrzeugs
JP2007076541A (ja) * 2005-09-15 2007-03-29 Advics:Kk 車輪速度センサの故障検出装置
CN101339203A (zh) * 2007-11-20 2009-01-07 北京金万安汽车电子技术研发有限公司 汽车轮速传感器故障监测方法
CN103808964A (zh) * 2012-11-13 2014-05-21 博世汽车部件(苏州)有限公司 车辆的轮速传感器的故障诊断方法、相应的控制器及车辆
CN107782917A (zh) * 2016-08-24 2018-03-09 联合汽车电子有限公司 车速传感器的故障诊断及处理方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8285438B2 (en) * 2009-11-16 2012-10-09 Honeywell International Inc. Methods systems and apparatus for analyzing complex systems via prognostic reasoning
US9558157B2 (en) * 2011-10-24 2017-01-31 Continental Teves Ag & Co. Ohg Sensor system for independently evaluating the accuracy of the data of the sensor system
JP7136548B2 (ja) * 2017-10-30 2022-09-13 トヨタ自動車株式会社 車輪速度推定装置
CN111231976B (zh) * 2020-02-19 2021-07-20 江苏大学 一种基于变步长的车辆状态估计方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE4235672A1 (de) * 1991-10-25 1993-04-29 Honda Motor Co Ltd Vorrichtung zur antriebskraftsteuerung eines kraftfahrzeugs
JP2007076541A (ja) * 2005-09-15 2007-03-29 Advics:Kk 車輪速度センサの故障検出装置
CN101339203A (zh) * 2007-11-20 2009-01-07 北京金万安汽车电子技术研发有限公司 汽车轮速传感器故障监测方法
CN103808964A (zh) * 2012-11-13 2014-05-21 博世汽车部件(苏州)有限公司 车辆的轮速传感器的故障诊断方法、相应的控制器及车辆
CN107782917A (zh) * 2016-08-24 2018-03-09 联合汽车电子有限公司 车速传感器的故障诊断及处理方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于结构分析法的汽车ABS故障诊断和识别系统设计与校验;陈奇 等;《汽车工程》;20181130;第40卷(第11期);第1354-1363页 *

Also Published As

Publication number Publication date
CN111965390A (zh) 2020-11-20

Similar Documents

Publication Publication Date Title
CN111965390B (zh) 一种轮速传感器故障检测方法
CN103434511B (zh) 一种车速与道路附着系数的联合估计方法
CN108819950B (zh) 汽车稳定性控制系统的车速估计方法及系统
JP2001519285A (ja) 自動車の状態変数を決定する方法
US20140371990A1 (en) Sensor system comprising a vehicle model unit
CN101655504B (zh) 一种机动车辆自适应巡航系统的车速估计方法
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
CN105034988A (zh) 汽车电子稳定控制系统传感器故障诊断和容错控制方法
US20090128315A1 (en) Method for determining absolute tire rolling circumferences and tire pressure control system
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
CN107933562B (zh) 用于计算道路摩擦力估算的方法和系统
JPH06273187A (ja) 車体重心スリップ角計測装置
JP2002145037A (ja) 車両の路面摩擦係数推定装置
CN109297486B (zh) 惯性与多里程计信息辅助的车体运动状态判定方法及系统
CN111801564B (zh) 用于轮胎故障检测的装置、方法和计算机可读存储介质
CN113247004A (zh) 一种车辆质量与道路横向坡度的联合估计方法
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
Wang et al. A review of dynamic state estimation for the neighborhood system of connected vehicles
Singh et al. Integrated state and parameter estimation for vehicle dynamics control
CN112278072B (zh) 一种智能车转向安全控制系统及控制方法
CN112550294A (zh) 基于车辆故障信号隔离的路径跟踪控制方法
JP3271956B2 (ja) 車両の路面摩擦係数推定装置
CN115366889A (zh) 一种基于粒子滤波的多工况路面附着系数估计方法及系统
CN117163033A (zh) 用于基于数据融合来估计车辆速度的系统
CN112985843B (zh) 车轮定位失调的检测方法、检测装置及终端

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
TR01 Transfer of patent right

Effective date of registration: 20240722

Address after: 230000 b-1018, Woye Garden commercial office building, 81 Ganquan Road, Shushan District, Hefei City, Anhui Province

Patentee after: HEFEI WISDOM DRAGON MACHINERY DESIGN Co.,Ltd.

Country or region after: China

Address before: 212013 No. 301, Xuefu Road, Zhenjiang, Jiangsu

Patentee before: JIANGSU University

Country or region before: China

TR01 Transfer of patent right