CN112577516A - 一种用于车辆轮速误差识别和补偿的方法和系统 - Google Patents

一种用于车辆轮速误差识别和补偿的方法和系统 Download PDF

Info

Publication number
CN112577516A
CN112577516A CN202011251491.9A CN202011251491A CN112577516A CN 112577516 A CN112577516 A CN 112577516A CN 202011251491 A CN202011251491 A CN 202011251491A CN 112577516 A CN112577516 A CN 112577516A
Authority
CN
China
Prior art keywords
vehicle
wheel speed
rear wheels
right rear
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.)
Granted
Application number
CN202011251491.9A
Other languages
English (en)
Other versions
CN112577516B (zh
Inventor
郭晋峰
姚明江
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.)
SAIC Volkswagen Automotive Co Ltd
Original Assignee
SAIC Volkswagen Automotive 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 SAIC Volkswagen Automotive Co Ltd filed Critical SAIC Volkswagen Automotive Co Ltd
Priority to CN202011251491.9A priority Critical patent/CN112577516B/zh
Publication of CN112577516A publication Critical patent/CN112577516A/zh
Application granted granted Critical
Publication of CN112577516B publication Critical patent/CN112577516B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
    • G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
    • G01C25/005—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass initial alignment, calibration or starting-up of inertial devices
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
    • G01S19/47—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement the supplementary measurement being an inertial measurement, e.g. tightly coupled inertial
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/52—Determining velocity

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Manufacturing & Machinery (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Automation & Control Theory (AREA)
  • Navigation (AREA)

Abstract

本发明公开了一种用于车辆轮速误差识别和补偿的方法，其包括步骤：100：车辆的CAN总线向卡尔曼滤波器输入车辆的左、右后轮的轮速测量值；惯导/卫星组合导航系统向卡尔曼滤波器输入车辆后轴中心速度和航向角速度；200：卡尔曼滤波器基于输入的车辆的左、右后轮的轮速测量值以及输入的车辆后轴中心速度和航向角速度，对车辆的左、右后轮的半径误差进行识别，并输出识别结果；300：基于识别结果对车辆的CAN总线输出的车辆的左、右后轮的轮速测量值进行修正。该方法可以在线或离线运行，利用补偿后的汽车轮速，可以得到更准确的汽车前进速度和航向角速度，具有十分重要的意义。相应地，本发明还公开了一种用于车辆轮速误差识别和补偿的系统。

Description

一种用于车辆轮速误差识别和补偿的方法和系统
技术领域
本发明涉及一种用于车辆自动驾驶的方法和系统，尤其涉及一种车辆轮速的识别和补偿方法和系统。
背景技术
众所周知，车辆的轮速信息是一项十分重要的信息，其对于汽车的控制、定位均是不可或缺的。在车辆行驶过程中，常需要对车辆的轮速信息进行检测，以供车辆其他系统分析和使用。
汽车轮速检测的实现原理是：通过传感器检测车轮转过的角度，再由角度乘以车轮名义半径得到车辆移动的距离或轮速。
但需要注意的是，由于车轮名义半径与实际半径之间存在误差，从CAN总线输出的汽车轮速信息也就同样包含了较大的误差。因此，若能采用某种方法将汽车轮速误差辨识出来并去除，便可有效得到更准确的轮速信息，具有十分重要的意义。
基于此，本发明期望获得一种用于车辆轮速误差识别和补偿的方法和系统，其能够以汽车CAN总线输出的左、右后轮轮速和惯导/卫星(INS/GNSS)组合导航系统输出的车辆速度和航向角速度作为输入，采用卡尔曼滤波技术对汽车两后轮半径误差进行辨识。辨识结果可以用于对CAN总线输出的轮速信息进行修正，从而得到更准确的轮速信息。
发明内容
本发明的目的之一在于提供一种用于车辆轮速误差识别和补偿的方法，该用于车辆轮速误差识别和补偿的方法能够以汽车CAN总线输出的左、右后轮轮速和惯导/卫星组合导航系统输出的车辆速度和航向角速度作为输入，采用卡尔曼滤波技术对汽车左、右后轮半径误差进行辨识，其辨识结果可以用于对CAN总线输出的轮速信息进行修正，从而得到更准确的轮速信息。
为了实现上述目的，本发明提出了一种用于车辆轮速误差识别和补偿的方法，其包括步骤：
100：车辆的CAN总线向卡尔曼滤波器输入车辆的左、右后轮的轮速测量值；惯导/卫星组合导航系统向卡尔曼滤波器输入车辆后轴中心速度和航向角速度；
200：卡尔曼滤波器基于输入的车辆的左、右后轮的轮速测量值以及输入的车辆后轴中心速度和航向角速度，对车辆的左、右后轮的半径误差进行识别，并输出识别结果；
300：基于识别结果对车辆的CAN总线输出的车辆的左、右后轮的轮速测量值进行修正。
本发明所述的用于车辆轮速误差识别和补偿的方法通过分析CAN总线输出轮速信息的测量原理，给出了CAN总线输出的轮速信息的误差方程，并在此基础上成功利用了卡尔曼滤波器进行轮速误差的在线辨识和补偿。
此外，本发明所述的用于车辆轮速误差识别和补偿的方法可以有效辨识车辆左、右后轮的轮径误差，而不是只辨识一个总体的误差。经本发明所述方法补偿后的左、右后轮轮速能够用来得到更准确的车辆航向角度信息。
进一步地，在本发明所述的用于车辆轮速误差识别和补偿的方法中，在步骤200中，所述卡尔曼滤波器执行下列步骤：
201：状态预测：Xk+1|k＝Xk；其中X表示作为状态变量的车辆的左、右后轮的相对半径误差，
Figure BDA0002771730880000021
δRL、δRR分别表示车辆左、右后轮半径误差，R表示车轮名义半径，下角标k+1和k分别表示tk时刻和tk+1时刻的对应参数。
202：协方差预测：Pk+1|k＝Pk；其中P表示协方差矩阵；
203：基于下式求tk时刻的观测量Zk：
Figure BDA0002771730880000022
式中，Vcan表示车辆速度，其由公式
Figure BDA0002771730880000023
计算获得，ωcan表示车辆的航向角速度，其由公式
Figure BDA0002771730880000031
计算获得，其中
Figure BDA0002771730880000032
Figure BDA0002771730880000033
分别为车辆的CAN总线向卡尔曼滤波器输入的车辆的左、右后轮的轮速测量值，W表示车辆左右后轮的轮距；Vins/gnss和ωins/gnss分别表示惯导/卫星组合导航系统向卡尔曼滤波器输入车辆后轴中心速度和航向角速度；
基于下式求取卡尔曼增益：
Figure BDA0002771730880000034
其中，
Figure BDA0002771730880000035
表示Hk的转置，Hk为观测矩阵，
Figure BDA0002771730880000036
Rk为设置的观测噪声协方差矩阵；
204：求tk+1时刻的状态估计：Xk+1＝Xk+1|k+Kk(Zk-HkXk+1|k)；
205：求tk+1时刻的状态协方差矩阵估计：Pk+1＝(I-KkHk)Pk+1|k；其中是I单位阵；
206：返回步骤201开始下一次循环；
所述循环进行若干次后，输出X。
进一步地，在本发明所述的用于车辆轮速误差识别和补偿的方法中，在步骤200中：首先设状态变量初值为
Figure BDA0002771730880000037
相应的协方差矩阵初值为
Figure BDA0002771730880000038
然后进行步骤201。
进一步地，在本发明所述的用于车辆轮速误差识别和补偿的方法中，在步骤300中，基于下式对车辆的左、右后轮的轮速测量值进行修正：
Figure BDA0002771730880000039
式中，
Figure BDA00027717308800000310
和
Figure BDA00027717308800000311
为卡尔曼滤波器输出的识别结果，VL和VR分别为经过修正的车辆的左、右后轮的轮速。
进一步地，在本发明所述的用于车辆轮速误差识别和补偿的方法中，所述循环进行100-200次。
相应地，本发明的另一目的在于提供一种用于车辆轮速误差识别和补偿的系统，该用于车辆轮速误差识别和补偿的系统可以用于实施本发明上述的用于车辆轮速误差识别和补偿的方法。
为了实现上述目的，本发明提出了一种用于车辆轮速误差识别和补偿的系统，其包括：
车辆的CAN总线，其采集并输出车辆左、右后轮的轮速测量值；
惯导/卫星组合导航系统，其采集并输出车辆后轴中心速度和航向角速度；
卡尔曼滤波器，其基于输入其中的车辆的左、右后轮的轮速测量值以及输入的车辆后轴中心速度和航向角速度，对车辆的左、右后轮的半径误差进行识别，并输出识别结果；
修正模块，其基于识别结果对车辆的CAN总线输出的车辆的左、右后轮的轮速测量值进行修正。
进一步地，在本发明所述的用于车辆轮速误差识别和补偿的方法中，所述卡尔曼滤波器执行下列步骤：
201：状态预测：Xk+1|k＝Xk；其中X表示作为状态变量的车辆的左、右后轮的相对半径误差，
Figure BDA0002771730880000041
δRL、δRR分别表示车辆左、右后轮半径误差，R表示车轮名义半径，下角标k+1和k分别表示tk时刻和tk+1时刻的对应参数；
202：协方差预测：Pk+1|k＝Pk；其中P表示协方差矩阵；
203：基于下式求tk时刻的观测量Zk：
Figure BDA0002771730880000042
式中，Vcan表示车辆速度，其由公式
Figure BDA0002771730880000043
计算获得，ωcan表示车辆的航向角速度，其由公式
Figure BDA0002771730880000044
计算获得，其中
Figure BDA0002771730880000045
Figure BDA0002771730880000046
分别为车辆的CAN总线向卡尔曼滤波器输入的车辆的左、右后轮的轮速测量值，W表示车辆左右后轮的轮距；Vins/gnss和ωins/gnss分别表示惯导/卫星组合导航系统向卡尔曼滤波器输入车辆后轴中心速度和航向角速度；
基于下式求取卡尔曼增益：
Figure BDA0002771730880000051
其中，
Figure BDA0002771730880000052
表示Hk的转置，Hk为观测矩阵，
Figure BDA0002771730880000053
Rk为设置的观测噪声协方差矩阵；
204：求tk+1时刻的状态估计：Xk+1＝Xk+1|k+Kk(Zk-HkXk+1|k)；
205：求tk+1时刻的状态协方差矩阵估计：Pk+1＝(I-KkHk)Pk+1|k；其中是I单位阵；
206：返回步骤201开始下一次循环；
所述循环进行若干次后，输出X。
进一步地，在本发明所述的用于车辆轮速误差识别和补偿的系统中，所述卡尔曼滤波器首先设状态变量初值为
Figure BDA0002771730880000054
相应的协方差矩阵初值为
Figure BDA0002771730880000055
然后进行步骤201。
进一步地，在本发明所述的用于车辆轮速误差识别和补偿的系统中，所述修正模块基于下式对车辆的左、右后轮的轮速测量值进行修正：
Figure BDA0002771730880000056
式中，
Figure BDA0002771730880000057
和
Figure BDA0002771730880000058
为卡尔曼滤波器输出的识别结果，VL和VR分别为经过修正的车辆的左、右后轮的轮速。
进一步地，在本发明所述的用于车辆轮速误差识别和补偿的系统中，所述卡尔曼滤波器进行100-200次循环。
本发明所述的用于车辆轮速误差识别和补偿的方法和系统相较于现有技术具有如下所述的优点和有益效果：
本发明所述的用于车辆轮速误差识别和补偿的方法通过分析CAN总线输出轮速信息的测量原理，给出了CAN总线输出的轮速信息的误差方程，并在此基础上成功利用了卡尔曼滤波器进行轮速误差的在线辨识和补偿。
此外，本发明所述的用于车辆轮速误差识别和补偿的方法可以有效辨识车辆左右后轮的轮径误差，而不是只辨识一个总体的误差。经本发明所述方法补偿后的左右后轮轮速能够用来得到更准确的车辆航向角度信息。
相应地，本发明所述的用于车辆轮速误差识别和补偿的系统可以用于实施本发明上述方法，其同样具有上述的优点以及有益效果。
附图说明
图1示意性地显示了本发明所述的用于车辆轮速误差识别和补偿的方法在一种实施方式下的步骤流程图。
具体实施方式
下面将结合说明书附图和具体的实施例对本发明所述的用于车辆轮速误差识别和补偿的方法和系统做进一步的解释和说明，然而该解释和说明并不对本发明的技术方案构成不当限定。
在本发明中，本发明公开了一种用于车辆轮速误差识别和补偿的方法和系统。在本发明所述用于车辆轮速误差识别和补偿的系统中，其可以包括：车辆的CAN总线、惯导/卫星组合导航系统、卡尔曼滤波器和修正模块。
其中，车辆的CAN总线能够用于采集并输出车辆左、右后轮的轮速测量值数据；惯导/卫星组合导航系统能够用于采集并输出车辆后轴中心速度和航向角速度；卡尔曼滤波器可以基于输入其中的车辆的左、右后轮的轮速测量值以及输入的车辆后轴中心速度和航向角速度，对车辆的左、右后轮的半径误差进行识别，并输出识别结果；修正模块能够基于识别结果对车辆的CAN总线输出的车辆的左、右后轮的轮速测量值进行修正。
需要说明的是，本发明所述的用于车辆轮速误差识别和补偿的系统可以用于实施本发明用于车辆轮速误差识别和补偿的方法，其具体步骤，如图1所示。
图1示意性地显示了本发明所述的用于车辆轮速误差识别和补偿的方法在一种实施方式下的步骤流程图。
如图1所示，在本实施方式中，本发明所述的用于车辆轮速误差识别和补偿的方法可以包括以下步骤：
100：车辆的CAN总线向卡尔曼滤波器输入车辆的左、右后轮的轮速测量值；惯导/卫星组合导航系统向卡尔曼滤波器输入车辆后轴中心速度和航向角速度；
200：卡尔曼滤波器基于输入的车辆的左、右后轮的轮速测量值以及输入的车辆后轴中心速度和航向角速度，对车辆的左、右后轮的半径误差进行识别，并输出识别结果；
300：基于识别结果对车辆的CAN总线输出的车辆的左、右后轮的轮速测量值进行修正。
在本发明中，车辆的CAN总线信息中包含了车辆四个车轮的轮速，但是考虑到左、右前轮容易发生打滑现象，因此，在本发明所述的方法中的步骤100中，车辆的CAN总线仅向卡尔曼滤波器输入车辆的左、右后轮的轮速测量值
Figure BDA0002771730880000071
和
Figure BDA0002771730880000072
由车辆的左、右后轮的轮速测量值
Figure BDA0002771730880000073
和
Figure BDA0002771730880000074
可以计算得到车辆的速度和航向角速度：
Figure BDA0002771730880000075
其中，Vcan表示车辆速度，ωcan表示车辆的航向角速度，其W表示车辆左右后轮的轮距，可以由车型参数得到。
在本发明中，一般是通过测出车轮旋转的角度增量，然后与车轮名义半径R相乘从而得到轮速。其中，车轮旋转角度的检测可以认为精度较高，但车辆实际车轮半径一般来说与车轮名义半径R不相等。
需要说明的是，车辆实际半径是一个由多种因素影响的变量，这些因素可以包括：胎压、车内乘员的数量、环境温度、外界气压等等。而且车辆左、右后轮的实际半径也不会绝对相同，如果想通过使用惯导/卫星组合导航系统输入的车辆后轴中心速度和航向角速度对CAN总线输出的轮速误差进行标定。在本技术方案中，CAN轮速误差的数学模型如下：
Figure BDA0002771730880000076
其中，δV、δω分别表示为车辆的速度误差和航向角速度误差；δRL、δRR分别表示车辆左、右后轮的半径误差；R表示车轮名义半径。
将车辆左、右后轮的相对半径误差作为状态变量，即可得到公式(3)：
Figure BDA0002771730880000081
由于车轮半径误差在相当长的时间段内可以认为是常数，因此状态方程可以转变为：
Figure BDA0002771730880000082
此外，需要说明的是，为了便于处理，可以将上述公式(4)的状态方程进行离散化，假设采样周期为ΔT＝tk+1-tk，则从时刻tk到tk+1的状态转移方程可以为：
Xk+1＝Xk+Qk (5)
在上述公式(5)中，Qk为系统噪声协方差矩阵，车轮半径的相对误差在相当长的时间段内可以认为是常数，因此可以将Qk设为很小的值，例如：
Figure BDA0002771730880000083
假设tk时刻的观测量为Zk，则可以基于公式(7)求tk时刻的观测量Zk：
Figure BDA0002771730880000084
在上述公式(7)中，Vins/gnss和ωins/gnss分别表示惯导/卫星组合导航系统向卡尔曼滤波器输入车辆后轴中心速度和航向角速度。
相应地，tk时刻的观测方程可以为：
Zk＝HkXk+Rk (8)
在上述公式(8)中，Hk为观测矩阵：
Figure BDA0002771730880000085
相应地，公式(8)中的Rk为观测噪声的协方差矩阵，其可以根据惯导/卫星组合导航系统的性能设置。例如：
Figure BDA0002771730880000086
在已知tk时刻的观测量Zk，tk时刻的观测矩阵Hk和tk时刻的观测噪声协方差矩阵Rk时，可以由上述公式(8)，计算求得tk时刻的车辆左、右后轮的相对半径误差Xk。
综上所述可以看出，上述公式(1)-公式(10)的这些计算和操作均可以卡尔曼滤波器中完成。因此，本发明所述的用于车辆轮速误差识别和补偿的方法中，在上述步骤200中，卡尔曼滤波器能被用于执行下列步骤：
201：状态预测：Xk+1|k＝Xk；
其中X表示作为状态变量的车辆的左、右后轮的相对半径误差，
Figure BDA0002771730880000091
δRL、δRR分别表示车辆左、右后轮半径误差，R表示车轮名义半径，下角标k+1和k分别表示tk时刻和tk+1时刻的对应参数；
202：协方差预测：Pk+1|k＝Pk；其中P表示协方差矩阵；
203：基于下式求tk时刻的观测量Zk：
Figure BDA0002771730880000092
式中，Vcan表示车辆速度，其由公式
Figure BDA0002771730880000093
计算获得，ωcan表示车辆的航向角速度，其由公式
Figure BDA0002771730880000094
计算获得，其中
Figure BDA0002771730880000095
Figure BDA0002771730880000096
分别为车辆的CAN总线向卡尔曼滤波器输入的车辆的左、右后轮的轮速测量值，W表示车辆左、右后轮的轮距；Vins/gnss和ωins/gnss分别表示惯导/卫星组合导航系统向卡尔曼滤波器输入车辆后轴中心速度和航向角速度；
基于下式求取卡尔曼增益：
Figure BDA0002771730880000097
其中，
Figure BDA0002771730880000098
表示Hk的转置，Hk为观测矩阵，
Figure BDA0002771730880000099
Rk为设置的观测噪声协方差矩阵；
204：求tk+1时刻的状态估计：
Xk+1＝Xk+1|k+Kk(Zk-HkXk+1|k) (12)；
205：求tk+1时刻的状态协方差矩阵估计：
Pk+1＝(I-KkHk)Pk+1|k (13)；
其中I是单位阵；
206：返回步骤201开始下一次循环；
所述循环进行若干次后，输出X。
综上所述，在本发明所述用于车辆轮速误差识别和补偿的方法的步骤200中，卡尔曼滤波器可以基于输入的车辆的左、右后轮的轮速测量值以及输入的车辆后轴中心速度和航向角速度，循环进行多次卡尔曼滤波处理，从而对车辆的左、右后轮的半径误差进行识别，并输出识别结果X。
需要说明的是，在某些实施方式中，在上述步骤200的步骤中，可以首先设状态变量初值为
Figure BDA0002771730880000101
相应的协方差矩阵初值为
Figure BDA0002771730880000102
然后再进行步骤201。在该实施方式中，循环进行100-200次步骤201-206过程后，得到的识别结果X就趋于稳定了。
相应地，在本发明所述的用于车辆轮速误差识别和补偿的方法的步骤300中，基于卡尔曼滤波器辨识出作为状态变量的车辆的左、右后轮的相对半径误差X，可以利用下式计算得到修正后的车辆左、右后轮的轮速VL和VR：
Figure BDA0002771730880000103
在上述公式(14)中，
Figure BDA0002771730880000104
和
Figure BDA0002771730880000105
表示为卡尔曼滤波器输出的识别结果，VL和VR分别为经过修正的车辆的左、右后轮的轮速。
得到修正后的车辆左、右后轮的轮速VL和VR后，可以将VL和VR代入到本发明所述的公式(1)中，VL和VR分别取代公式(1)中的
Figure BDA0002771730880000106
和
Figure BDA0002771730880000107
即可计算求得修正后的更为准确的车辆速度和车辆航向角速度。
综上所述可以看出，本发明所述的用于车辆轮速误差识别和补偿的方法通过分析CAN总线输出轮速信息的测量原理，给出了CAN总线输出的轮速信息的误差方程，并在此基础上成功利用了卡尔曼滤波器进行轮速误差的在线辨识和补偿。
此外，本发明所述的用于车辆轮速误差识别和补偿的方法可以有效辨识车辆左、右后轮的轮径误差，而不是只辨识一个总体的误差。经本发明所述方法补偿后的左、右后轮轮速能够用来得到更准确的车辆航向角度信息。
相应地，本发明所述的用于车辆轮速误差识别和补偿的系统可以用于实施本发明上述方法，其同样具有上述的优点以及有益效果。
需要说明的是，本发明保护范围中现有技术部分并不局限于本申请文件所给出的实施例，所有不与本发明的方案相矛盾的现有技术，包括但不局限于在先专利文献、在先公开出版物，在先公开使用等等，都可纳入本发明的保护范围。
此外，本案中各技术特征的组合方式并不限本案权利要求中所记载的组合方式或是具体实施例所记载的组合方式，本案记载的所有技术特征可以以任何方式进行自由组合或结合，除非相互之间产生矛盾。
还需要注意的是，以上所列举的实施例仅为本发明具体实施例。显然本发明不局限于以上实施例，随之做出的类似变化或变形是本领域技术人员能从本发明公开的内容直接得出或者很容易便联想到的，均应属于本发明的保护范围。

Claims (10)

1.一种用于车辆轮速误差识别和补偿的方法，其特征在于，包括步骤：
100：车辆的CAN总线向卡尔曼滤波器输入车辆的左、右后轮的轮速测量值；惯导/卫星组合导航系统向卡尔曼滤波器输入车辆后轴中心速度和航向角速度；
200：卡尔曼滤波器基于输入的车辆的左、右后轮的轮速测量值以及输入的车辆后轴中心速度和航向角速度，对车辆的左、右后轮的半径误差进行识别，并输出识别结果；
300：基于识别结果对车辆的CAN总线输出的车辆的左、右后轮的轮速测量值进行修正。
2.如权利要求1所述的用于车辆轮速误差识别和补偿的方法，其特征在于，在步骤200中，所述卡尔曼滤波器执行下列步骤：
201：状态预测：Xk+1|k＝Xk；其中X表示作为状态变量的车辆的左、右后轮的相对半径误差，
Figure FDA0002771730870000011
δRL、δRR分别表示车辆左、右后轮半径误差，R表示车轮名义半径，下角标k+1和k分别表示tk时刻和tk+1时刻的对应参数；
202：协方差预测：Pk+1|k＝Pk；其中P表示协方差矩阵；
203：基于下式求tk时刻的观测量Zk：
Figure FDA0002771730870000012
式中，Vcan表示车辆速度，其由公式
Figure FDA0002771730870000013
计算获得，
ωcan表示车辆的航向角速度，其由公式
Figure FDA0002771730870000014
计算获得，其中
Figure FDA0002771730870000015
分别为车辆的CAN总线向卡尔曼滤波器输入的车辆的左、右后轮的轮速测量值，W表示车辆左右后轮的轮距；Vins/gnss和ωins/gnss分别表示惯导/卫星组合导航系统向卡尔曼滤波器输入车辆后轴中心速度和航向角速度；
基于下式求取卡尔曼增益：
Figure FDA0002771730870000021
其中，
Figure FDA0002771730870000022
表示Hk的转置，Hk为观测矩阵，
Figure FDA0002771730870000023
Rk为设置的观测噪声协方差矩阵；
204：求tk+1时刻的状态估计：Xk+1＝Xk+1|k+Kk(Zk-HkXk+1|k)；
205：求tk+1时刻的状态协方差矩阵估计：Pk+1＝(I-KkHk)Pk+1|k；
其中I是单位阵；
206：返回步骤201开始下一次循环；
所述循环进行若干次后，输出X。
3.如权利要求2所述的用于车辆轮速误差识别和补偿的方法，其特征在于，在步骤200中：首先设状态变量初值为
Figure FDA0002771730870000024
相应的协方差矩阵初值为
Figure FDA0002771730870000025
然后进行步骤201。
4.如权利要求1所述的用于车辆轮速误差识别和补偿的方法，其特征在于，在步骤300中，基于下式对车辆的左、右后轮的轮速测量值进行修正：
Figure FDA0002771730870000026
式中，
Figure FDA0002771730870000027
和
Figure FDA0002771730870000028
为卡尔曼滤波器输出的识别结果，VL和VR分别为经过修正的车辆的左、右后轮的轮速。
5.如权利要求2所述的用于车辆轮速误差识别和补偿的方法，其特征在于，所述循环进行100-200次。
6.一种用于车辆轮速误差识别和补偿的系统，其特征在于，包括：
车辆的CAN总线，其采集并输出车辆左、右后轮的轮速测量值；
惯导/卫星组合导航系统，其采集并输出车辆后轴中心速度和航向角速度；
卡尔曼滤波器，其基于输入其中的车辆的左、右后轮的轮速测量值以及输入的车辆后轴中心速度和航向角速度，对车辆的左、右后轮的半径误差进行识别，并输出识别结果；
修正模块，其基于识别结果对车辆的CAN总线输出的车辆的左、右后轮的轮速测量值进行修正。
7.如权利要求6所述的用于车辆轮速误差识别和补偿的系统，其特征在于，所述卡尔曼滤波器执行下列步骤：
201：状态预测：Xk+1|k＝Xk；其中X表示作为状态变量的车辆的左、右后轮的相对半径误差，
Figure FDA0002771730870000031
δRL、δRR分别表示车辆左、右后轮半径误差，R表示车轮名义半径，下角标k+1和k分别表示tk时刻和tk+1时刻的对应参数；
202：协方差预测：Pk+1|k＝Pk；其中P表示协方差矩阵；
203：基于下式求tk时刻的观测量Zk：
Figure FDA0002771730870000032
式中，Vcan表示车辆速度，其由公式
Figure FDA0002771730870000033
计算获得，ωcan表示车辆的航向角速度，其由公式
Figure FDA0002771730870000034
计算获得，其中
Figure FDA0002771730870000035
分别为车辆的CAN总线向卡尔曼滤波器输入的车辆的左、右后轮的轮速测量值，W表示车辆左右后轮的轮距；Vins/gnss和ωins/gnss分别表示惯导/卫星组合导航系统向卡尔曼滤波器输入车辆后轴中心速度和航向角速度；
基于下式求取卡尔曼增益：
Figure FDA0002771730870000041
其中，
Figure FDA0002771730870000042
表示Hk的转置，Hk为观测矩阵，
Figure FDA0002771730870000043
Rk为设置的观测噪声协方差矩阵；
204：求tk+1时刻的状态估计：Xk+1＝Xk+1|k+Kk(Zk-HkXk+1|k)；
205：求tk+1时刻的状态协方差矩阵估计：Pk+1＝(I-KkHk)Pk+1|k；其中I是单位阵；
206：返回步骤201开始下一次循环；
所述循环进行若干次后，输出X。
8.如权利要求7所述的用于车辆轮速误差识别和补偿的系统，其特征在于，所述卡尔曼滤波器首先设状态变量初值为
Figure FDA0002771730870000044
相应的协方差矩阵初值为
Figure FDA0002771730870000045
然后进行步骤201。
9.如权利要求6所述的用于车辆轮速误差识别和补偿的系统，其特征在于，所述修正模块基于下式对车辆的左、右后轮的轮速测量值进行修正：
Figure FDA0002771730870000046
式中，
Figure FDA0002771730870000047
和
Figure FDA0002771730870000048
为卡尔曼滤波器输出的识别结果，VL和VR分别为经过修正的车辆的左、右后轮的轮速。
10.如权利要求7所述的用于车辆轮速误差识别和补偿的系统，其特征在于，所述卡尔曼滤波器进行100-200次循环。
CN202011251491.9A 2020-11-11 2020-11-11 一种用于车辆轮速误差识别和补偿的方法和系统 Active CN112577516B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011251491.9A CN112577516B (zh) 2020-11-11 2020-11-11 一种用于车辆轮速误差识别和补偿的方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011251491.9A CN112577516B (zh) 2020-11-11 2020-11-11 一种用于车辆轮速误差识别和补偿的方法和系统

Publications (2)

Publication Number Publication Date
CN112577516A true CN112577516A (zh) 2021-03-30
CN112577516B CN112577516B (zh) 2022-07-08

Family

ID=75122420

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011251491.9A Active CN112577516B (zh) 2020-11-11 2020-11-11 一种用于车辆轮速误差识别和补偿的方法和系统

Country Status (1)

Country Link
CN (1) CN112577516B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113434967A (zh) * 2021-08-27 2021-09-24 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
CN113671517A (zh) * 2021-08-19 2021-11-19 安徽江淮汽车集团股份有限公司 基于轮速脉冲的车辆定位校验方法
US20220326394A1 (en) * 2021-03-30 2022-10-13 Mitsubishi Electric Research Laboratories, Inc. Probabilistic state tracking with multi-head measurement model
CN116990536A (zh) * 2023-09-26 2023-11-03 毫厘智能科技(江苏)有限公司 一种轮速误差估计方法、装置及可读介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101413799A (zh) * 2008-11-26 2009-04-22 大连理工大学 一种用于室外移动目标的组合导航系统
US20130035855A1 (en) * 2011-08-03 2013-02-07 Koba Natroshvili Vehicle navigation on the basis of satellite positioning data and vehicle sensor data
CN102928816A (zh) * 2012-11-07 2013-02-13 东南大学 一种面向隧道环境的车辆高可靠组合定位方法
EP2944526A1 (en) * 2014-05-13 2015-11-18 Yamaha Hatsudoki Kabushiki Kaisha STABILITY CONTROL SYSTEM, SADDLED VEHICLE HAVING STABILITY CONTROL SYSTEM, & xA;METHOD, AND COMPUTER PROGRAM
CN105764714A (zh) * 2013-08-01 2016-07-13 大众汽车有限公司 确定车辆轮胎的理论胎压与实际胎压之间的压力偏差以及车轮载荷的方法和系统
CN109343095A (zh) * 2018-11-15 2019-02-15 众泰新能源汽车有限公司 一种车载导航车辆组合定位装置及其组合定位方法
CN110083890A (zh) * 2019-04-10 2019-08-02 同济大学 基于级联卡尔曼滤波的智能汽车轮胎半径自适应估计方法
CN110095793A (zh) * 2019-04-10 2019-08-06 同济大学 一种基于轮胎半径自适应的自动驾驶低速清扫车定位方法
CN110095801A (zh) * 2019-04-10 2019-08-06 同济大学 考虑车辆轮加速度的多模型轮胎半径自适应方法及系统

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101413799A (zh) * 2008-11-26 2009-04-22 大连理工大学 一种用于室外移动目标的组合导航系统
US20130035855A1 (en) * 2011-08-03 2013-02-07 Koba Natroshvili Vehicle navigation on the basis of satellite positioning data and vehicle sensor data
CN102928816A (zh) * 2012-11-07 2013-02-13 东南大学 一种面向隧道环境的车辆高可靠组合定位方法
CN105764714A (zh) * 2013-08-01 2016-07-13 大众汽车有限公司 确定车辆轮胎的理论胎压与实际胎压之间的压力偏差以及车轮载荷的方法和系统
EP2944526A1 (en) * 2014-05-13 2015-11-18 Yamaha Hatsudoki Kabushiki Kaisha STABILITY CONTROL SYSTEM, SADDLED VEHICLE HAVING STABILITY CONTROL SYSTEM, & xA;METHOD, AND COMPUTER PROGRAM
CN109343095A (zh) * 2018-11-15 2019-02-15 众泰新能源汽车有限公司 一种车载导航车辆组合定位装置及其组合定位方法
CN110083890A (zh) * 2019-04-10 2019-08-02 同济大学 基于级联卡尔曼滤波的智能汽车轮胎半径自适应估计方法
CN110095793A (zh) * 2019-04-10 2019-08-06 同济大学 一种基于轮胎半径自适应的自动驾驶低速清扫车定位方法
CN110095801A (zh) * 2019-04-10 2019-08-06 同济大学 考虑车辆轮加速度的多模型轮胎半径自适应方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
M. SPANGENBERG∗等: "FUSION OF GPS, INS AND ODOMETRIC DATA FOR AUTOMOTIVE NAVIGATION", 《15TH EUROPEAN SIGNAL PROCESSING CONFERENCE (EUSIPCO 2007)》 *
达兴鹏，等: "移动机器人里程计系统误差及激光雷达安装误差在线标定", 《机器人》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220326394A1 (en) * 2021-03-30 2022-10-13 Mitsubishi Electric Research Laboratories, Inc. Probabilistic state tracking with multi-head measurement model
US11644579B2 (en) * 2021-03-30 2023-05-09 Mitsubishi Electric Research Laboratories, Inc. Probabilistic state tracking with multi-head measurement model
CN113671517A (zh) * 2021-08-19 2021-11-19 安徽江淮汽车集团股份有限公司 基于轮速脉冲的车辆定位校验方法
CN113671517B (zh) * 2021-08-19 2024-04-12 安徽江淮汽车集团股份有限公司 基于轮速脉冲的车辆定位校验方法
CN113434967A (zh) * 2021-08-27 2021-09-24 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
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
CN116990536A (zh) * 2023-09-26 2023-11-03 毫厘智能科技(江苏)有限公司 一种轮速误差估计方法、装置及可读介质
CN116990536B (zh) * 2023-09-26 2023-12-15 毫厘智能科技(江苏)有限公司 一种轮速误差估计方法、装置及可读介质

Also Published As

Publication number Publication date
CN112577516B (zh) 2022-07-08

Similar Documents

Publication Publication Date Title
CN112577516B (zh) 一种用于车辆轮速误差识别和补偿的方法和系统
EP2519803B1 (en) Technique for calibrating dead reckoning positioning data
CN107000755B (zh) 用于估计影响车辆动力学变量的方法和对应的虚拟传感器
US20020128764A1 (en) Method and device for estimating a transverse acceleration at an axle of a semitrailer or a trailer of a vehicle combination
JP5029442B2 (ja) 車両姿勢角推定装置及びプログラム
JPH06273187A (ja) 車体重心スリップ角計測装置
US8108103B2 (en) Nonlinear frequency dependent filtering for vehicle ride/stability control
CN110987470A (zh) 一种基于模型迭代的汽车质量在线估计方法
CN111949036B (zh) 一种轨迹跟踪控制方法、系统及两轮差速移动机器人
CN109684677A (zh) 一种基于卡尔曼滤波算法的坡度估算方法
CN111189454A (zh) 基于秩卡尔曼滤波的无人车slam导航方法
CN111751857A (zh) 一种车辆位姿的估算方法、装置、存储介质及系统
CN111623779A (zh) 一种适用于噪声特性未知的时变系统自适应级联滤波方法
CN114475581B (zh) 基于轮速脉冲和imu卡尔曼滤波融合的自动泊车定位方法
US20210396864A1 (en) Method for determining a movement vector of a motor vehicle, method for determining a speed of the vehicle and associated vehicle
CN112577512A (zh) 一种基于轮速融合的状态量误差确定方法及车载终端
CN116338719A (zh) 基于b样条函数的激光雷达-惯性-车辆融合定位方法
CN115238454A (zh) 数据校正的方法和装置
CN114735011A (zh) 车辆轨迹预测方法及相关设备
JP3022167B2 (ja) 車両の運動状態量推定方法
CN114932909A (zh) 一种基于互补滤波实现加速度校正的坡度估算方法
CN113932815A (zh) 稳健性优化的Kalman滤波方法、装置、电子设备和存储介质
Fazekas et al. Wheel Odometry Model Calibration with Input Compensation by Optimal Control
JPH0695733A (ja) 自走台車の絶対位置検出方法
Fazekas et al. Odometry Model Calibration for Self-Driving Vehicles with Noise Correction

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