CN112660136B - 汽车底盘动力学域控制器的路面附着系数辨识方法及装置 - Google Patents
汽车底盘动力学域控制器的路面附着系数辨识方法及装置 Download PDFInfo
- Publication number
- CN112660136B CN112660136B CN202011619023.2A CN202011619023A CN112660136B CN 112660136 B CN112660136 B CN 112660136B CN 202011619023 A CN202011619023 A CN 202011619023A CN 112660136 B CN112660136 B CN 112660136B
- Authority
- CN
- China
- Prior art keywords
- road surface
- wheel
- value
- forgetting factor
- coefficient
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 230000008859 change Effects 0.000 claims abstract description 34
- 238000001914 filtration Methods 0.000 claims description 14
- 230000001133 acceleration Effects 0.000 claims description 9
- 238000013507 mapping Methods 0.000 claims description 9
- 101000802640 Homo sapiens Lactosylceramide 4-alpha-galactosyltransferase Proteins 0.000 claims description 6
- 102100035838 Lactosylceramide 4-alpha-galactosyltransferase Human genes 0.000 claims description 6
- 230000002596 correlated effect Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 abstract description 14
- 230000006870 function Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Landscapes
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本发明公开了一种汽车底盘动力学域控制器的路面附着系数辨识方法及装置,该方法充分考虑了在路面附着系数发生变化时的算法估计值收敛时间的问题,不将遗忘因子设定成固定值,而是通过设计一个指示路面附着系数变化的指示器,让遗忘因子随路面附着系数的变化而变化,该方法能够及时并高精度地估计路面附着系数的变化,并有效提高了在路面附着系数发生变化时的辨识收敛速度,进而保障了智能汽车在危险工况下的安全稳定运行。
Description
技术领域
本发明涉及智能控制技术领域,特别涉及一种汽车底盘动力学域控制器的路面附着系数辨识方法及装置。
背景技术
智能汽车在复杂交通状况下需要实时量化车辆的稳定运行边界,并将其实时传递给智能决策算法,对线控底盘驱动、转向、制动控制量进行明确界定,以保证智能驾驶安全稳定运行。而车辆的稳定运行边界的确定很大程度上依赖于路面附着系数的辨识结果,作为一种衡量路面与轮胎相互作用特性的参数,其精准、快速的辨识对于智能汽车安全稳定运行至关重要。
现存的路面附着系数辨识方法一般分为两类,一类为基于试验的辨识方法,例如基于声音传感器、高精度的视觉或者位置传感器,对路面附着系数进行观测,但是昂贵的设备提高了整车制造的成本,且实际使用时,辨识效果受环境的影响较大,鲁棒性较差;第二类为基于模型的方法,由于其仅仅依赖于商品车辆已有的传感器,不需要加入额外的购置传感器的成本,因此被广泛的运用于车辆的路面附着系数辨识中。
但由于车辆动力学特性的复杂性、外界噪声干扰以及行驶工况的不确定性,导致现有基于模型的算法很难对路面附着系数进行精准快速的辨识,特别是在路面附着系数发生较大变化时,现有算法很难快速的将之前路面的附着系数辨识结果收敛到新的路面附着系数辨识结果之上,进而导致智能汽车相关执行器控制量的稳定边界的获得的滞后,使得相关执行器在危险情况下无法及时的保障车辆安全稳定运行。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。
为此,本发明的一个目的在于提出一种汽车底盘动力学域控制器的路面附着系数辨识方法,该方法能够及时并高精度地估计路面附着系数的变化,并有效提高了在路面附着系数发生变化时的辨识收敛速度,进而保障了智能汽车在危险工况下的安全稳定运行。
本发明的另一个目的在于提出一种汽车底盘动力学域控制器的路面附着系数辨识装置。
为达到上述目的,本发明一方面实施例提出了一种汽车底盘动力学域控制器的路面附着系数辨识方法,包括:
建立路面附着系数与轮胎动力学特性相互关联的轮胎模型,根据所述轮胎模型求解车轮的纵向受力和车轮的垂向载荷;
根据所述车轮的纵向受力和所述车轮的垂向载荷求解路面利用附着系数参考值,并通过置信参量对所述路面利用附着系数参考值进行修正得到路面峰值附着系数参考值;
建立反映路面峰值附着系数变化情况的指示器,通过模糊推理建立所述指示器的值与遗忘因子间的映射,将模糊推理后的输出值进行滤波,滤波后的值为所述遗忘因子的取值,根据所述遗忘因子,利用递归最小二乘法对所述路面峰值附着系数进行辨识;
将所述遗忘因子的值与遗忘因子阈值进行比较,根据比较结果输出所述路面峰值附着系数。
本发明实施例的汽车底盘动力学域控制器的路面附着系数辨识方法,充分的考虑了在路面附着系数发生变化时的算法估计值收敛时间的问题,不将遗忘因子设定成固定值,而是通过设计一个指示路面附着系数变化的指示器,让遗忘因子随路面附着系数的变化而变化,因此相比于其他现有路面附着系数估计算法,该方法能够及时并高精度地估计路面附着系数的变化,并有效提高了在路面附着系数发生变化时的辨识收敛速度,进而保障了智能汽车在危险工况下的安全稳定运行。
另外,根据本发明上述实施例的汽车底盘动力学域控制器的路面附着系数辨识方法还可以具有以下附加的技术特征:
进一步地,在本发明的一个实施例中,所述轮胎模型Fx,i为:
其中,
ki为车辆的第i个车轮的滑移率,αi为车辆的第i个车轮的侧偏角,C为轮胎的刚度系数,μ为路面附着系数,Vx与Vy为车辆的横向速度与纵向速度,r为横摆角速度,Ri为第i个车轮的有效半径,ωi为第i个车轮的转速,δi为第i个车轮的偏向角,Fx,i为四个车轮的纵向受力,Fz,i为车轮的垂向载荷,lf与lr分别为车辆质心到前后轴的距离,i=1,2,3,4分别表示车辆的左前轮、右前轮、左后轮、右后轮。
进一步地,在本发明的一个实施例中,所述车轮的纵向受力为:
其中,Iw为车轮的转动惯量,Td为轮胎受到的驱动力矩,Tb为轮胎受到的制动力矩,ω为轮胎的角速度,R为车轮有效半径。
进一步地,在本发明的一个实施例中,所述车轮的垂向载荷Fzfl、Fzfr、Fzrl、Fzrr为:
其中,Fzfl,Fzfr,Fzrl,Fzrr分别表示左前轮,右前轮,左后轮,右后轮的垂向力,m为整车质量,hg为质心离地高度,ax为汽车纵向加速度,ay为汽车侧向加速度,d为左右两侧轮间距。
进一步地,在本发明的一个实施例中,所述路面利用附着系数参考值为:
其中,Fx(k)为车轮的纵向受力,Fz(k)为车轮的垂向载荷;
所述路面峰值附着系数参考值为:
其中,CX为置信参量。
进一步地,在本发明的一个实施例中,所述指示器为:
其中,e(k)为路面附着系数变化的指示值,为第k时刻通过最小二乘法辨识出的路面峰值附着系数,/>为路面峰值附着系数参考值,Fx(k)为第k时刻估计的车轮纵向力,Fz(k)为第k时刻估计的车轮的垂向载荷,CX为置信参量。
进一步地,在本发明的一个实施例中,所述将模糊推理后的所述指示器的输出值进行滤波的滤波器为:
λ(k)=λ0λ(k-1)+λ1θ(k)
其中,λ(k)为第k时刻的遗忘因子,λ0与λ1为两个常数,θ(k)为通过模糊推理后指示器的输出值。
进一步地,在本发明的一个实施例中,所述利用递归最小二乘法对所述路面峰值附着系数进行辨识,包括:
根据所述轮胎模型对车轮纵向受力表示为:
设,Z(k)=Fi(k),车轮纵向受力表示为:
Z(k)=Φ(k)θT(k)
定义损失函数:
在所述损失函数最小时,θ(k)的取值为:
其中:
L(k)=P(k)Φ(k)=P(k-1)Φ(k)(λ+ΦT(k)P(k-1)Φ(k))-1
P(k)=(I-L(k)ΦT(k))λ-1P(k-1)
其中,λ为遗忘因子;
设θ(k)中辨识出的三个参数为a1=C、a2=C2/μ、a3=C3/μ2,路面附着系数表示为:
进一步地,在本发明的一个实施例中,所述将所述遗忘因子的值与遗忘因子阈值进行比较,根据比较结果输出所述路面峰值附着系数,包括:
若所述遗忘因子的值小于所述遗忘因子阈值,则对辨识后的路面峰值附着系数进行一阶惯性滤波后再进行输出,反之,则直接输出所述辨识后的路面峰值附着系数。
为达到上述目的,本发明另一方面实施例提出了一种汽车底盘动力学域控制器的路面附着系数辨识装置,包括:
建模模块,用于建立路面附着系数与轮胎动力学特性相互关联的轮胎模型,根据所述轮胎模型求解车轮的纵向受力和车轮的垂向载荷;
计算模块,用于根据所述车轮的纵向受力和所述车轮的垂向载荷求解路面利用附着系数参考值,并通过置信参量对所述路面利用附着系数参考值进行修正得到路面峰值附着系数参考值;
辨识模块,用于建立反映路面峰值附着系数变化情况的指示器,通过模糊推理建立所述指示器的值与遗忘因子间的映射,将模糊推理后的输出值进行滤波,滤波后的值为所述遗忘因子的取值,根据所述遗忘因子,利用递归最小二乘法对所述路面峰值附着系数进行辨识;
输出模块,用于将所述遗忘因子的值与遗忘因子阈值进行比较,根据比较结果输出所述路面峰值附着系数。
本发明实施例的汽车底盘动力学域控制器的路面附着系数辨识装置,充分的考虑了在路面附着系数发生变化时的算法估计值收敛时间的问题,不将遗忘因子设定成固定值,而是通过设计一个指示路面附着系数变化的指示器,让遗忘因子随路面附着系数的变化而变化,因此相比于其他现有路面附着系数估计算法,该方法能够及时并高精度地估计路面附着系数的变化,并有效提高了在路面附着系数发生变化时的辨识收敛速度,进而保障了智能汽车在危险工况下的安全稳定运行。
本发明附加的方面和优点将在下面的描述中部分给出,部分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为根据本发明一个实施例的汽车底盘动力学域控制器的路面附着系数辨识方法流程图;
图2为根据本发明一个实施例的轮胎动力学模型示意图;
图3为根据本发明一个实施例的参数λslip与CX之间的对应关系示意图;
图4为根据本发明一个实施例的指示器的隶属度函数示意图;
图5为根据本发明一个实施例的模糊推理输出量的隶属度函数示意图;
图6为根据本发明一个实施例的路面附着系数在线估计流程图;
图7根据本发明一个实施例的汽车底盘动力学域控制器的路面附着系数辨识装置结构示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
下面参照附图描述根据本发明实施例提出的汽车底盘动力学域控制器的路面附着系数辨识方法及装置。
首先将参照附图描述根据本发明实施例提出的汽车底盘动力学域控制器的路面附着系数辨识方法。
图1为根据本明一个实施例的汽车底盘动力学域控制器的路面附着系数辨识方法流程图。
如图1所示,该汽车底盘动力学域控制器的路面附着系数辨识方法包括以下步骤:
步骤S1,建立路面附着系数与轮胎动力学特性相互关联的轮胎模型,根据轮胎模型求解车轮的纵向受力和车轮的垂向载荷。
在本发明的实施例中,辨识方法包括两部分,第一部分为建立轮胎模型,第二部分是构建路面附着系数算法。
首先,对轮胎进行建模,在本发明的实施例中选择刷子模型将路面附着系数与轮胎的动力学特性相互关联,轮胎模型如下所示:
其中:
公式(1)-(5)中,ki与αi为车辆的第i个车轮的滑移率以及侧偏角,C为轮胎的刚度系数,μ为路面附着系数,Vx与Vy为车辆的横向速度与纵向速度,r为横摆角速度,Ri为第i个车轮的有效半径,ωi为第i个车轮的转速,δi为第i个车轮的偏向角,Fx,i为四个车轮的纵向受力,Fz,i为车轮的垂向载荷,lf与lr分别为车辆质心到前后轴的距离。i=1,2,3,4分别表示车辆的左前轮、右前轮、左后轮、右后轮。
为了得到轮胎模型中的轮胎纵向力,需要建立车轮动力学模型,如图2所示:
四驱车辆各轮胎的动力学均满足如下公式:
其中,Iw为车轮的转动惯量;Fx为车轮所受到的纵向力;Td为轮胎受到的驱动力矩;Tb为轮胎受到的制动力矩;ω为轮胎的角速度;R为车轮有效半径。
四个车轮的垂向载荷为Fzfl、Fzfr、Fzrl、Fzrr,可以分别用如下公式近似表示:
式中:Fzfl为左前轮,Fzfr为右前轮,Fzrl为左后轮,Fzrr为右后轮,m为整车质量、hg为质心离地高度、ax为汽车纵向加速度、ay为汽车侧向加速度、d为左右两侧轮间距,其中车辆横纵向加速度可以通过车载IMU获得。
首先对轮胎纵向受力进行在线估计,根据式(6)可知单个车轮纵向受力表达式:
其中,发动机传递的驱动扭矩Td可以通过发动机输出扭矩,经传动系统计算获得;制动力矩Tb可以通过制动轮缸压力乘以其与制动力矩的比例系数来获得;轮胎的转动惯量Iw已知。车轮的角加速度由如下公式近似表示:
其中,为车轮的角加速度,k为采样时刻,ω(k)为k时刻车轮轮速传感器得到的车轮角速度,Δt为采样周期。
步骤S2,根据车轮的纵向受力和车轮的垂向载荷求解路面利用附着系数参考值,并通过置信参量对路面利用附着系数参考值进行修正得到路面峰值附着系数参考值。
接下来对构建路面利用附着系数参考值辨识算法。可以使用如下方法对路面附着系数进行快速辨识。路面利用附着系数参考值可以通过如下公式求得:
为了获得路面峰值附着系数参考值引入置信参量CX,对路面利用附着系数参考值进行修正:
为经过修正得到的路面峰值附着系数参考值。为得到置信参量CX,依据仿真实验以及相关实车实验,通过3段线性函数建立λslip与CX之间的关系,如3所示。
尽管由式(14)可快速获得路面峰值附着系数μpeak的估计值,但误差较大。因此,本发明的实施例中提出一种基于可变遗忘因子的递归最小二乘法来对路面峰值附着系数进行辨识。
根据轮胎刷子模型,轮胎纵向受力公式(1)可表示成如下形式:
设,Z(k)=Fi(k),公式(15)可以表示成如下形式:
Z(k)=Φ(k)θT(k) (16)
因此,公式(16)中的θ(k)可以通过最小二乘法辨识得到。定义损失函数:
通过选择合适的参数,损失函数可以被最小化,此时θ(k)的取值为:
其中:
L(k)=P(k)Φ(k)=P(k-1)Φ(k)(λ+ΦT(k)P(k-1)Φ(k))-1 (19)
P(k)=(I-L(k)ΦT(k))λ-1P(k-1) (20)
其中,λ为遗忘因子。设θ(k)中辨识出的三个参数为a1=C、a2=C2/μ、a3=C3/μ2,路面附着系数可以表示为:
步骤S3,建立反映路面峰值附着系数变化情况的指示器,通过模糊推理建立指示器的值与遗忘因子间的映射,将模糊推理后的输出值进行滤波,滤波后的值为遗忘因子的取值,根据遗忘因子,利用递归最小二乘法对路面峰值附着系数进行辨识。
实际的实验中,发现当路面附着系数发生变化时,若遗忘因子设定较大,则可能导致收敛速度缓慢,若设定值较小,则可能导致辨识结果不稳定。为解决上述问题,本发明的实施例中引入模糊自适应遗忘因子:当路面附着系数未发生较大变化时,通过模糊系统使遗忘因子趋于较大值,使数据遗忘速度减慢,从而保证附着系数辨识结果稳定;当发现路面附着系数存在突变时,通过模糊系统将遗忘因子调节至较小值,使数据遗忘速度加快,以此加快附着系数辨识的收敛速度。
因此,需要一个指示器来反映路面附着系数的变化情况,为遗忘因子的变化提供依据。虽然由式(14)估计μpeak的误差较大,但可快速反映μpeak的变化,因此可用的变化指示路面附着系数的变化。
基于公式(14),本文设计如下指示器:
其中,e(k)为路面附着系数变化的指示值,取值范围为[-1.5,1.5],为第k时刻通过最小二乘法辨识出的路面附着系数,Fx(k)为第k时刻估计的车轮纵向力,Fz(k)为第k时刻估计的车轮支持力。
选择公式(22)作为指示器的原因是,虽然通过Fx(k)/(Fz(k)CX)估计路面峰值附着系数可能存在不精确等问题,但是Fx(k)/(Fz(k)CX)的值可以在一定程度上反应车轮与路面之间的附着系数的变化,并且随路面附着系数变化而变化的速度较快。当路面附着系数发生变化时,Fx(k)/(Fz(k)CX)的值可以迅速做出反应,因此将与Fx(k)/(Fz(k)CX)相减表示当前的路面附着系数辨识值与真实的路面附着系数的近似差值。当此差值的绝对值过大时,表明辨识结果与真实的路面附着系数差异较大,应当降低遗忘因子,使辨识结果快速反应路面附着系数的变化;当差值较小时,表明辨识结果与真实路面附着系数较为接近,应当提高遗忘因子的值,保证辨识结果稳定。
为了将遗忘因子的取值与路面附着系数的变化联系起来,需要将公式(22)中的e(k)通过某种映射关系得到遗忘因子的取值。由于其中的关系比较复杂,不易通过机理模型建立,因此采用模糊推理的方式来构建e(k)与遗忘因子λ(k)之间的关系。
通过选择5种模糊语言来描述输入量e(k),分别为:NL、NS、ZO、PS、PL。输入量e(k)的隶属度函数如图4所示。
选择3种模糊语言来描述模糊系统输出量θ(k),分别为:N、Z、P。输出量θ(k)的隶属度函数如图5所示。
采用最大隶属度平均值法去模糊化,模糊规则设计由表1所示。
表1模糊逻辑规则表
由于在公式(22)中e(k)的实际计算过程中,可能出现一定的波动,因此会导致此时遗忘因子的取值同样发生较大的波动,进而影响辨识效果。因此不直接将模糊推理后的输出值作为遗忘因子的取值,而是将模糊推理后的值进行滤波,并对模糊规则以及隶属度函数做一定修改,以减小遗忘因子不必要的波动,提升辨识效果。所设计的滤波器如下所示:
λ(k)=λ0λ(k-1)+λ1θ(k) (23)
其中λ(k)为第k时刻的遗忘因子,λ0与λ1为两个常数。
步骤S4,将遗忘因子的值与遗忘因子阈值进行比较,根据比较结果输出路面峰值附着系数。
进一步地,在本发明的一个实施例中,将遗忘因子的值与遗忘因子阈值进行比较,根据比较结果输出路面峰值附着系数,包括:
若遗忘因子的值小于遗忘因子阈值,则对辨识后的路面峰值附着系数进行一阶惯性滤波后再进行输出,反之,则直接输出辨识后的路面峰值附着系数。
当遗忘因子较小时,虽然能够加快路面附着系数的收敛速度,但对噪声更加灵敏,参数辨识过程中容易高频震荡。因此需要对辨识出的路面附着系数进行滤波处理。本文采用一阶系统对辨识出的路面附着系数进行滤波。当遗忘因子小于一定阈值时时,对最终辨识结果进行滤波,而在其它情况下,直接输出最终辨识结果。经过滤波处理后的路面附着系数估计值为滤波器的脉冲传递函数如下所示:
其中,Ts为采样时间,T为时间常数。
如图6所示,为本发明实施例的路面附着系数在线估计流程图。本发明的实施例提出了带模糊自适应遗忘因子的递归最小二乘法,并使用该算法对路面附着系数进行快速、精确的辨识,进而为确定执行器控制量的稳定边界提供了支持。与其他现有的路面附着系数辨识算法不同的是,提本发明实施例的算法充分的考虑了在路面附着系数发生变化时的算法估计值收敛时间的问题,不将遗忘因子设定成固定值,而是通过设计一个指示路面附着系数变化的指示器,让遗忘因子随路面附着系数的变化而变化。
根据本发明实施例提出的汽车底盘动力学域控制器的路面附着系数辨识方法,通过建立路面附着系数与轮胎动力学特性相互关联的轮胎模型,根据轮胎模型求解车轮的纵向受力和车轮的垂向载荷;根据车轮的纵向受力和车轮的垂向载荷求解路面利用附着系数参考值,并通过置信参量对路面利用附着系数参考值进行修正得到路面峰值附着系数参考值;建立反映路面峰值附着系数变化情况的指示器,通过模糊推理建立指示器的值与遗忘因子间的映射,将模糊推理后的指示器的输出值进行滤波,滤波后的值为遗忘因子的取值,根据遗忘因子,利用递归最小二乘法对路面峰值附着系数进行辨识;将遗忘因子的值与遗忘因子阈值进行比较,根据比较结果输出路面峰值附着系数。相比于其他现有路面附着系数估计算法,该方法能够及时并高精度地估计路面附着系数的变化,并有效提高了在路面附着系数发生变化时的辨识收敛速度,进而保障了智能汽车在危险工况下的安全稳定运行。
其次参照附图描述根据本发明实施例提出的汽车底盘动力学域控制器的路面附着系数辨识装置。
图7为根据本发明一个实施例的汽车底盘动力学域控制器的路面附着系数辨识装置结构示意图。
如图7示,该汽车底盘动力学域控制器的路面附着系数辨识装置包括:建模模块701、计算模块702、辨识模块703和输出模块704。
建模模块701,用于建立路面附着系数与轮胎动力学特性相互关联的轮胎模型,根据轮胎模型求解车轮的纵向受力和车轮的垂向载荷。
计算模块702,用于根据车轮的纵向受力和车轮的垂向载荷求解路面利用附着系数参考值,并通过置信参量对路面利用附着系数参考值进行修正得到路面峰值附着系数参考值。
辨识模块703,用于建立反映路面峰值附着系数变化情况的指示器,通过模糊推理建立指示器的值与遗忘因子间的映射,将模糊推理后的输出值进行滤波,滤波后的值为遗忘因子的取值,根据遗忘因子,利用递归最小二乘法对路面峰值附着系数进行辨识。
输出模块704,用于将遗忘因子的值与遗忘因子阈值进行比较,根据比较结果输出路面峰值附着系数。
需要说明的是,前述对方法实施例的解释说明也适用于该实施例的装置,此处不再赘述。
根据本发明实施例提出的汽车底盘动力学域控制器的路面附着系数辨识装置,通过建立路面附着系数与轮胎动力学特性相互关联的轮胎模型,根据轮胎模型求解车轮的纵向受力和车轮的垂向载荷;根据车轮的纵向受力和车轮的垂向载荷求解路面利用附着系数参考值,并通过置信参量对路面利用附着系数参考值进行修正得到路面峰值附着系数参考值;建立反映路面峰值附着系数变化情况的指示器,通过模糊推理建立指示器的值与遗忘因子间的映射,将模糊推理后的指示器的输出值进行滤波,滤波后的值为遗忘因子的取值,根据遗忘因子,利用递归最小二乘法对路面峰值附着系数进行辨识;将遗忘因子的值与遗忘因子阈值进行比较,根据比较结果输出路面峰值附着系数。相比于其他现有路面附着系数估计算法,该方法能够及时并高精度地估计路面附着系数的变化,并有效提高了在路面附着系数发生变化时的辨识收敛速度,进而保障了智能汽车在危险工况下的安全稳定运行。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (8)
1.一种汽车底盘动力学域控制器的路面附着系数辨识方法,其特征在于,包括以下步骤:
建立路面附着系数与轮胎动力学特性相互关联的轮胎模型,根据所述轮胎模型求解车轮的纵向受力和车轮的垂向载荷;
根据所述车轮的纵向受力和所述车轮的垂向载荷求解路面利用附着系数参考值,并通过置信参量对所述路面利用附着系数参考值进行修正得到路面峰值附着系数参考值;
建立反映路面峰值附着系数变化情况的指示器,通过模糊推理建立所述指示器的值与遗忘因子间的映射,将模糊推理后的输出值进行滤波,滤波后的值为所述遗忘因子的取值,根据所述遗忘因子,利用递归最小二乘法对所述路面峰值附着系数进行辨识;
将所述遗忘因子的值与遗忘因子阈值进行比较,根据比较结果输出所述路面峰值附着系数;
所述指示器为:
其中,e(k)为路面附着系数变化的指示值,为第k时刻通过最小二乘法辨识出的路面峰值附着系数,/>为路面峰值附着系数参考值,Fx(k)为第k时刻估计的车轮纵向力,Fz(k)为第k时刻估计的车轮的垂向载荷,CX为置信参量;
所述将模糊推理后的所述指示器的输出值进行滤波的滤波器为:
λ(k)=λ0λ(k-1)+λ1θ(k)
其中,λ(k)为第k时刻的遗忘因子,λ0与λ1为两个常数,θ(k)为通过模糊推理后指示器的输出值。
2.根据权利要求1所述的方法,其特征在于,所述轮胎模型Fx,i为:
其中,
ki为车辆的第i个车轮的滑移率,αi为车辆的第i个车轮的侧偏角,C为轮胎的刚度系数,μ为路面附着系数,Vx与Vy为车辆的横向速度与纵向速度,r为横摆角速度,Ri为第i个车轮的有效半径,ωi为第i个车轮的转速,δi为第i个车轮的偏向角,Fx,i为四个车轮的纵向受力,Fz,i为车轮的垂向载荷,lf与lr分别为车辆质心到前后轴的距离,i=1,2,3,4分别表示车辆的左前轮、右前轮、左后轮、右后轮。
3.根据权利要求2所述的方法,其特征在于,所述车轮的纵向受力为:
其中,Iw为车轮的转动惯量,Td为轮胎受到的驱动力矩,Tb为轮胎受到的制动力矩,ω为轮胎的角速度,R为车轮有效半径。
4.根据权利要求2所述的方法,其特征在于,所述车轮的垂向载荷Fzfl、Fzfr、Fzrl、Fzrr为:
其中,Fzfl,Fzfr,Fzrl,Fzrr分别表示左前轮,右前轮,左后轮,右后轮的垂向力,m为整车质量,hg为质心离地高度,ax为汽车纵向加速度,ay为汽车侧向加速度,d为左右两侧轮间距。
5.根据权利要求4所述的方法,其特征在于,所述路面利用附着系数参考值为:
其中,Fx(k)为车轮的纵向受力,Fz(k)为车轮的垂向载荷;
所述路面峰值附着系数参考值为:
其中,CX为置信参量。
6.根据权利要求2所述的方法,其特征在于,所述利用递归最小二乘法对所述路面峰值附着系数进行辨识,包括:
根据所述轮胎模型对车轮纵向受力表示为:
设,Z(k)=Fi(k),车轮纵向受力表示为:
Z(k)=Φ(k)θT(k)
定义损失函数:
在所述损失函数最小时,θ(k)的取值为:
其中:
L(k)=P(k)Φ(k)=P(k-1)Φ(k)(λ+ΦT(k)P(k-1)Φ(k))-1
P(k)=(I-L(k)ΦT(k))λ-1P(k-1)
其中,λ为遗忘因子;
设θ(k)中辨识出的三个参数为a1=C、a2=C2/μ、a3=C3/μ2,路面峰值附着系数表示为:
7.根据权利要求1所述的方法,其特征在于,所述将所述遗忘因子的值与遗忘因子阈值进行比较,根据比较结果输出所述路面峰值附着系数,包括:
若所述遗忘因子的值小于所述遗忘因子阈值,则对辨识后的路面峰值附着系数进行一阶惯性滤波后再进行输出,反之,则直接输出所述辨识后的路面峰值附着系数。
8.一种汽车底盘动力学域控制器的路面附着系数辨识装置,其特征在于,包括:
建模模块,用于建立路面附着系数与轮胎动力学特性相互关联的轮胎模型,根据所述轮胎模型求解车轮的纵向受力和车轮的垂向载荷;
计算模块,用于根据所述车轮的纵向受力和所述车轮的垂向载荷求解路面利用附着系数参考值,并通过置信参量对所述路面利用附着系数参考值进行修正得到路面峰值附着系数参考值;
辨识模块,用于建立反映路面峰值附着系数变化情况的指示器,通过模糊推理建立所述指示器的值与遗忘因子间的映射,将模糊推理后的输出值进行滤波,滤波后的值为所述遗忘因子的取值,根据所述遗忘因子,利用递归最小二乘法对所述路面峰值附着系数进行辨识;
输出模块,用于将所述遗忘因子的值与遗忘因子阈值进行比较,根据比较结果输出所述路面峰值附着系数;
所述指示器为:
其中,e(k)为路面附着系数变化的指示值,为第k时刻通过最小二乘法辨识出的路面峰值附着系数,/>为路面峰值附着系数参考值,Fx(k)为第k时刻估计的车轮纵向力,Fz(k)为第k时刻估计的车轮的垂向载荷,CX为置信参量;
所述将模糊推理后的所述指示器的输出值进行滤波的滤波器为:
λ(k)=λ0λ(k-1)+λ1θ(k)
其中,λ(k)为第k时刻的遗忘因子,λ0与λ1为两个常数,θ(k)为通过模糊推理后指示器的输出值。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011565039 | 2020-12-25 | ||
CN202011565039X | 2020-12-25 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112660136A CN112660136A (zh) | 2021-04-16 |
CN112660136B true CN112660136B (zh) | 2024-05-07 |
Family
ID=75411572
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011619023.2A Active CN112660136B (zh) | 2020-12-25 | 2020-12-31 | 汽车底盘动力学域控制器的路面附着系数辨识方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112660136B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113359457B (zh) * | 2021-06-21 | 2022-11-11 | 清华大学 | 智能车底盘域控制器的高维动力学模型解算装置及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101581659A (zh) * | 2009-06-05 | 2009-11-18 | 清华大学 | 一种轮胎-路面最大附着系数测试方法 |
CN103245610A (zh) * | 2013-05-17 | 2013-08-14 | 清华大学 | 一种分布式驱动电动汽车的路面峰值附着系数估算方法 |
CN103407451A (zh) * | 2013-09-03 | 2013-11-27 | 东南大学 | 一种道路纵向附着系数估计方法 |
CN107985285A (zh) * | 2017-11-27 | 2018-05-04 | 清华大学 | 一种获取车用气压制动参数的方法及装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5678350B2 (ja) * | 2012-04-18 | 2015-03-04 | イートン コーポレーションEaton Corporation | 路面摩擦係数のリアルタイム推定方法及び装置 |
US9751533B2 (en) * | 2014-04-03 | 2017-09-05 | The Goodyear Tire & Rubber Company | Road surface friction and surface type estimation system and method |
-
2020
- 2020-12-31 CN CN202011619023.2A patent/CN112660136B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101581659A (zh) * | 2009-06-05 | 2009-11-18 | 清华大学 | 一种轮胎-路面最大附着系数测试方法 |
CN103245610A (zh) * | 2013-05-17 | 2013-08-14 | 清华大学 | 一种分布式驱动电动汽车的路面峰值附着系数估算方法 |
CN103407451A (zh) * | 2013-09-03 | 2013-11-27 | 东南大学 | 一种道路纵向附着系数估计方法 |
CN107985285A (zh) * | 2017-11-27 | 2018-05-04 | 清华大学 | 一种获取车用气压制动参数的方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112660136A (zh) | 2021-04-16 |
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 | |
EP3115765B1 (en) | Tire sensor-based vehicle state estimation system and method | |
US6015192A (en) | System for estimating vehicle body speed and road surface friction coefficient | |
US6816799B2 (en) | Vehicle operating parameter determination system and method | |
US6611781B1 (en) | Method and device for determining a speed value | |
EP2777999B1 (en) | Dynamic tire slip angle estimation system and method | |
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 | |
US20090177346A1 (en) | Dynamic estimation of vehicle inertial parameters and tire forces from tire sensors | |
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 | |
CN107415939A (zh) | 一种分布式驱动电动汽车转向稳定性控制方法 | |
CN109606378A (zh) | 面向非高斯噪声环境的车辆行驶状态估计方法 | |
CN111645698B (zh) | 一种重载车辆侧翻阈值自适应估计方法 | |
CN113165614B (zh) | 轮胎刚度估计和道路摩擦力估计 | |
Pi et al. | Design and evaluation of sideslip angle observer for vehicle stability control | |
GB2400358A (en) | Steering rack disturbance force rejection | |
CN114792478B (zh) | 一种基于事件触发的智能网联汽车编队控制方法 | |
CN114670855A (zh) | 一种确定车辆质量方法、装置、设备及介质 | |
CN112660136B (zh) | 汽车底盘动力学域控制器的路面附着系数辨识方法及装置 | |
CN116674571A (zh) | 一种基于数据置信度因子的汽车质量与坡度实时估计方法 | |
EP4197821A1 (en) | Tire stiffness estimation system and method | |
CN111062088A (zh) | 一种四轮独立驱动电动汽车参考车速容错自适应估计方法 | |
CN113147772B (zh) | 一种半挂汽车列车全工况铰接角度状态估计方法 | |
CN111703429B (zh) | 一种轮毂电机驱动车辆纵向速度估算方法 | |
CN112985843B (zh) | 车轮定位失调的检测方法、检测装置及终端 | |
Walz et al. | Shaft torque and backlash estimation for longitudinal motion control of all-wheel-drive vehicles |
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 |