CN113060143B - 一种路面附着系数确定系统和方法 - Google Patents

Abstract

本发明涉及一种路面附着系数确定系统和方法。该路面附着系数确定系统，首先通过采用回正力矩估计模块根据包含有转向执行电机电流值、运行速度、航向角、纵向加速度、横向加速度和横摆角速度等的车辆运行参数确定回正力矩，其次采用质心侧偏角估计模块结合车辆运动的几何运动学关系，根据车辆运行参数确定质心侧偏角，然后采用路面附着系数估计模块结合车辆动力学模型和轮胎模型，根据车辆运行参数、回正力矩和质心侧偏角确定路面附着系数，进而解决现有技术中存在的路面附着系数估计器复杂度高、确定精度低等问题。

Description

一种路面附着系数确定系统和方法

技术领域

本发明涉及路面检测技术领域，特别是涉及一种路面附着系数确定系统和方法。

背景技术

车辆的运动状态与所受的轮胎力有关，而轮胎力与路面附着系数密切相关，因此路面附着系数的获得对车辆主动安全控制至关重要。但路面附着系数难以从传感器直接获得，如何快速、准确地估计路面附着系数一直是研究的热点。

从估计的原理分析，目前常用的路面附着系数估计方法可分为基于原因的方法(Cause-based)和基于效果的方法(Effect-based)。Cause-based方法是指通过光学、声学等传感器测量轮胎的材质、花纹和路面的光泽、材料、积水情况等因素进行路面附着系数估计。Effect-based方法是根据对路面激励的响应，设计状态观测器估计路面附着系数。

目前，路面附着系数估计方法存在的问题有：1、轮胎侧偏角与路面附着系数存在耦合，常用非线性轮胎模型表征两者关系，因此估计器的模型复杂，收敛速度慢、鲁棒性差；2、轮胎侧向力与路面附着系数的关系不敏感，估计精度较差。

发明内容

为了解决上述问题，本发明提出一种基于回正力矩和GPS信号的路面附着系数确定系统和方法，以在降低估计器复杂度的同时，提高确定精度。

为实现上述目的，本发明提供了如下方案：

一种路面附着系数确定系统，包括：

数据获取模块，用于获取车辆运行参数；所述车辆运行参数包括：转向执行电机电流值、运行速度、航向角、纵向加速度、横向加速度和横摆角速度；

回正力矩估计模块，与所述数据获取模块连接，用于结合车辆线控转向系统动力学模型，根据所述车辆运行参数确定回正力矩；

质心侧偏角估计模块，与所述数据获取模块连接，用于结合车辆运动的几何运动学关系，根据所述车辆运行参数确定质心侧偏角；

路面附着系数估计模块，分别与所述数据获取模块、所述回正力矩估计模块和所述质心侧偏角估计模块连接，用于结合车辆动力学模型和轮胎模型，根据所述车辆运行参数、所述回正力矩和所述质心侧偏角确定路面附着系数。

优选地，所述数据获取模块包括：

电流传感器，与所述回正力矩估计模块连接，用于获取所述转向执行电机电流值；

GPS定位器，与所述质心侧偏角估计模块连接，用于获取所述运行速度和所述航向角；

惯性传感器，与所述质心侧偏角估计模块连接，用于获取所述横摆角速度；

速度传感器，与所述路面附着系数估计模块连接，用于获取所述纵向加速度和所述横向加速度。

优选地，所述回正力矩估计模块包括：

第一模型获取单元，用于获取车辆线控转向系统动力学模型；

回正力矩确定单元，分别与所述数据获取模块和所述第一模型获取单元连接，用于根据所述车辆线控转向系统动力学模型和所述车辆运行参数确定回正力矩。

优选地，所述质心侧偏角估计模块包括：

卡尔曼滤波器，与所述数据获取模块连接，用于根据所述航向角和所述横摆角速度确定车辆横摆角；

第二模型获取单元，用于获取所述车辆运动的几何运动学关系；

质心侧偏角确定单元，分别与所述卡尔曼滤波器和所述第二模型获取单元连接，用于根据所述车辆的横摆角和所述车辆运动的几何运动学关系确定所述质心侧偏角。

优选地，所述路面附着系数估计模块包括：

第三模型获取单元，用于获取所述车辆动力学模型；

第四模型获取单元，用于获取所述轮胎模型；

路面附着系数确定单元，分别与所述数据获取模块、所述回正力矩估计模块、所述质心侧偏角估计模块、所述第三模型获取单元和第四模型获取单元连接，用于根据所述车辆动力学模型、所述轮胎模型、所述车辆运行参数、所述回正力矩和所述质心侧偏角确定路面附着系数。

优选地，还包括：

路面附着系数更新模块，分别与所述回正力矩估计模块、所述质心侧偏角估计模块和路面附着系数估计模块连接，用于当所述质心侧偏角大于设定值时，结合车辆动力学模型和轮胎模型，根据所述车辆运行参数、所述回正力矩和所述质心侧偏角对路面附着系数进行更新。

根据本发明提供的具体实施例，本发明公开了以下技术效果：

本发明提供的路面附着系数确定系统，首先通过采用回正力矩估计模块根据包含有转向执行电机电流值的车辆运行参数确定回正力矩，其次采用质心侧偏角估计模块结合车辆运动的几何运动学关系，根据含有航向角和横摆角速度等的车辆运行参数确定质心侧偏角，然后采用路面附着系数估计模块结合车辆动力学模型和轮胎模型，根据车辆运行参数、回正力矩和质心侧偏角确定路面附着系数，进而解决现有技术中存在的路面附着系数估计器复杂度高、确定精度低等问题。

对应于上述提供的路面附着系数确定系统，本发明还提供了一种路面附着系数确定方法，具体如下：

一种路面附着系数确定方法，包括：

获取车辆运行参数；所述车辆运行参数包括：转向执行电机电流值、运行速度、航向角、纵向加速度、横向加速度和横摆角速度；

结合车辆线控转向系统动力学模型，根据所述车辆运行参数确定回正力矩；

结合车辆运动的几何运动学关系，根据所述车辆运行参数确定质心侧偏角；

结合车辆动力学模型和轮胎模型，根据所述车辆运行参数、所述回正力矩和所述质心侧偏角确定路面附着系数。

优选地，所述回正力矩的计算公式为：

其中，k_m为转向传动比，τ_m为转向执行电机输出转矩，τ_f为车轮绕主销的回正力矩，τ_fric为转向系统的摩擦阻力矩，δ为前轮转角，J_w为车轮绕主销的转动惯量，B_w为车轮绕主销的粘性阻尼系数。

优选地，所述结合车辆运动的几何运动学关系，根据所述车辆运行参数确定质心侧偏角，具体包括：

采用卡尔曼滤波器根据所述航向角和所述横摆角速度确定车辆横摆角；

结合车辆运动的几何运动学关系，根据所述车辆横摆角确定所述质心侧偏角。

优选地，所述结合车辆动力学模型和轮胎模型，根据所述车辆运行参数、所述回正力矩和所述质心侧偏角确定路面附着系数，具体包括：

获取所述车辆动力学模型和所述轮胎模型；

采用扩展卡尔曼滤波器根据所述车辆动力学模型和所述轮胎模型确定估计器的状态转移矩阵和观测矩阵；

根据所述质心侧偏角、所述横摆角速度、所述路面附着系数形成状态向量；

根据所述回正力矩、所述质心侧偏角、所述横向加速度、所述纵向加速度、所述横摆角速度形成观测向量；

采用所述状态转移矩阵和所述状态向量对所述路面附着系数进行先验估计，得到路面附着系数的预测值；

采用所述观测矩阵和所述观测向量对所述路面附着系数的预测值进行校正，得到路面附着系数。

因本发明提供的路面附着系数确定方法达到的技术效果与上述提供的路面附着系数确定系统相同，故在此不再进行赘述。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明提供的路面附着系数确定系统的结构示意图；

图2为本发明提供的路面附着系数确定方法的流程图；

图3为本发明实施例提供的确定路面附着系数的总体架构图；

图4为本发明实施例提供的车辆转向执行机构的模型图；

图5为本发明实施例提供的卡尔曼滤波器的计算原理图；

图6为本发明实施例提供的二自由度车辆动力型模型的示意图；

图7为本发明实施例提供的路面附着系数估计结果示意图；

图8为本发明实施例提供的GPS信号丢失下的路面附着系数估计结果示意图。

具体实施方式

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，本领域普通技术人员在没有做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。

本发明提出一种基于回正力矩和GPS信号的路面附着系数确定系统和方法，以在降低估计器复杂度的同时，提高确定精度。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

如图1所示，本发明提供的路面附着系数确定系统，包括：数据获取模块1、回正力矩估计模块2、质心侧偏角估计模块3和路面附着系数估计模块4。

其中，数据获取模块1用于获取车辆运行参数。车辆运行参数包括：转向执行电机电流值、运行速度、航向角、纵向加速度、横向加速度和横摆角速度。

回正力矩估计模块2与数据获取模块连接，用于结合车辆线控转向系统动力学模型，根据车辆运行参数确定回正力矩。

质心侧偏角估计模块3与数据获取模块连接，用于结合车辆运动的几何运动学关系，根据车辆运行参数确定质心侧偏角。

路面附着系数估计模块4分别与数据获取模块、回正力矩估计模块和质心侧偏角估计模块连接，用于结合车辆动力学模型和轮胎模型，根据车辆运行参数、回正力矩和质心侧偏角确定路面附着系数。

进一步，为了提高所获取数据的准确性，上述提供的数据获取模块1优选包括：电流传感器、GPS定位器(即全球定位系统)、惯性传感器和速度传感器。

其中，电流传感器与回正力矩估计模块连接，该电流传感器用于获取转向执行电机电流值。

GPS定位器与质心侧偏角估计模块连接，该GPS定位器用于获取运行速度和航向角。

惯性传感器与质心侧偏角估计模块连接，该惯性传感器用于获取横摆角速度。

速度传感器与路面附着系数估计模块连接，该速度传感器用于获取纵向加速度和横向加速度。

基于上述数据获取模块获取的数据通过CAN总线传输至整车控制器VCU。

进一步，为了提高回正力矩估计的准确性，本发明上述提供的回正力矩估计模块2优选包括：第一模型获取单元和回正力矩确定单元。

其中，第一模型获取单元用于获取车辆线控转向系统动力学模型。

回正力矩确定单元分别与数据获取模块和第一模型获取单元连接，该回正力矩确定单元用于根据车辆线控转向系统动力学模型和车辆运行参数确定回正力矩。

基于回正力矩估计模块2的具体结构，其确定回正力矩的具体过程为：

步骤1、构建车辆的线控转向系统动力学模型：

通过构建车辆线控转向系统动力学模型，可获得转向执行电机的电流与前轮绕主销的回正力矩的关系，如图4所示，车辆线控转向系统动力学模型可以表示为：

式中，k_m为转向传动比，τ_m为转向执行电机输出转矩，τ_f为车轮绕主销的回正力矩，τ_fric为转向系统的摩擦阻力矩，δ为前轮转角，J_w为车轮绕主销的转动惯量，B_w为车轮绕主销的粘性阻尼系数。

因上述车辆线控转向系统动力学模型中包含回正力矩，因此可以采用这一模型计算回正力矩。

其中，转向执行电机的简化模型为：

τ_m＝C_mi (2)

式中，C_m为电机的电磁转矩系数，i为电机电流。

步骤2、回正力矩确定单元(即回正力矩估计器)的设计过程为：

根据前轮转角和转向执行电机电流估计主销处的总回正力矩，结合式(1)和式(2)，令状态向量

可得：

输出向量y_c：

将状态方程离散化，令状态误差为

并设计龙贝格观测器：

e(k+1)＝(A_c-LC_c)e(k) (5)

式中，

为状态变量的估计值，L为观测器增益，调整L的数值，使得观测器满足Hurwitz条件，状态误差e可收敛至零，从而估计出前轮绕主销的总回正力矩τ_f。本发明中前轮绕主销的总回正力矩即为上述提到的回正力矩。

进一步，为了提高估计得到的质心侧偏角的准确度，上述提供的质心侧偏角估计模块3优选包括：卡尔曼滤波器、第二模型获取单元和质心侧偏角确定单元。

其中，卡尔曼滤波器与数据获取模块连接，该卡尔曼滤波器用于根据横摆角速度确定车辆横摆角。

第二模型获取单元用于获取车辆运动的几何运动学关系。

质心侧偏角确定单元分别与卡尔曼滤波器和第二模型获取单元连接，该质心侧偏角确定单元用于根据车辆的横摆角和车辆运动的几何运动学关系确定质心侧偏角。

上述确定质心侧偏角的具体过程为：

利用GPS定位器和惯性传感器(IMU)信号融合的方法估计车辆的质心侧偏角，车辆的航向角θ和车速v可由GPS定位器获得，车辆的横摆角速度γ可由IMU获得。令状态向量x_β＝[ψ γ]^T，其中ψ为车辆的横摆角，不能直接由传感器获得，

可设计得到如下卡尔曼滤波器：

其状态转移矩阵为：

其观测矩阵：

式中，T为采样时间。则系统状态方程可表示为：

式中，k为迭代次数，z_β＝[θ γ]^T为观测向量，w_β与v_β是均值为0的高斯白噪声，二者相互独立，其方差分别为Q_β和R_β，概率分布服从于N(0,Q_β)和N(0,R_β)。

卡尔曼滤波器的工作原理包括预测和校正两部分，如图5所示，预测部分根据系统当前时刻的状态变量估计值

和状态转移矩阵A_β为下一时刻的状态变量

和误差协方差

构造先验估计，校正部分则是根据下一时刻的观测值z_β,k+1来对上一步预测的状态变量和误差协方差进行反馈校正，从而不断更新，得到车辆横摆角Ψ的估计值。图5中，上标^-表示基于当前状态的预测值，P_β为协方差矩阵，K_β为卡尔曼增益。

通过卡尔曼滤波器估计出车辆的横摆角Ψ后，由车辆运动的几何运动学关系，可计算得到车辆的质心侧偏角β为：

β＝θ-ψ (9)

为了进一步提高路面附着系数确定的准确性，路面附着系数估计模块4优选包括：第三模型获取单元、第四模型获取单元和路面附着系数确定单元。

其中，第三模型获取单元用于获取车辆动力学模型。

第四模型获取单元用于获取轮胎模型。

路面附着系数确定单元分别与数据获取模块、回正力矩估计模块、质心侧偏角估计模块、第三模型获取单元和第四模型获取单元连接，该路面附着系数确定单元用于根据车辆动力学模型、轮胎模型、车辆运行参数、回正力矩和质心侧偏角确定路面附着系数。

具体的，基于路面附着系数估计模块4的这一结构，路面附着系数的确定过程为：

获取的二自由度车辆动力学模型如图6所示，其可以表示为：

式中，v_x为纵向车速，m为整车质量，I_z为车辆绕质心垂向轴的转动惯量，a和b分别为前后轴距，F_yf和F_yr分别表示前后轮胎侧向力。

通过运动学方法，轮胎侧偏角可近似表示为：

其中，δ为前轮转角，α_f和α_r分别表示前后轮胎侧偏角。

轮胎模型的构建过程为：

为提高轮胎力和回正力矩估计精度，本发明采用魔术轮胎公式，纯侧偏工况下的轮胎魔术公式为：

F_y＝Dsin{Carctan[Bα-E(Bα-arctan(Bα))]} (12)

式中，F_y为轮胎侧向力，B为刚度因子，C为形状因子，D为峰值因子，E为曲率因子。

基于以上构建的车辆动力学模型和轮胎模型设计路面附着系数估计器，具体过程为：

采用扩展卡尔曼滤波器(EKF)进行路面附着系数估计，将EKF估计器采用如下状态方程表示为：

式中，状态向量为x＝[β γ μ]^T，μ为路面附着系数，输入向量为u＝δ，观测向量为z＝[a_y τ_f γ β]^T，τ_f＝τ_self+F_ysin(φ)R_w，τ_self为轮胎的自回正力矩，F_y为轮胎侧向力，Ф为主销后倾角，R_w为轮胎滚动半径，f()和h()分别表示系统状态量的离散模型和观测量的离散模型，w与v是均值为0的高斯白噪声，二者相互独立，其方差分别为Q和R，概率分布服从于N(0,Q)和N(0,R)。

则EKF的预测和校正过程为：

其中，状态转移矩阵A为：

观测矩阵H为：

式中，A和H分别为非线性函数f()和h()对状态向量x的雅克比矩阵，下标数字1,2,3等为f()和h()所对应变量与状态向量x的函数关系，例如，f₁为β，f₂为γ，f₃为μ。

通过当前状态

和状态转移矩阵A对下一时刻的状态变量

和误差协方差

构造先验估计，并通过估计的总回正力矩τ_f、质心侧偏角β以及IMU得到的车辆侧向加速度a_y、横摆角速度γ构成的观测向量z，对估计值进行校正，从而得到路面附着系数μ的估计值。

因轮胎侧偏角较小时，回正力矩和轮胎侧向力对路面附着系数不敏感，路面附着系数估计器会产生较大波动，因此，为了防止这一波动的产生，本发明提供的路面附着系数确定系统还优选包括：路面附着系数更新模块。

该路面附着系数更新模块分别与回正力矩估计模块、质心侧偏角估计模块和路面附着系数估计模块连接，用于当质心侧偏角大于设定值时，结合车辆动力学模型和轮胎模型，根据车辆运行参数、回正力矩和质心侧偏角对路面附着系数进行更新。其中，设定值为0.015rad。

综上，在本发明提供的路面附着系数确定系统中，数据获取模块获得转向执行电机电流传感器、GPS和IMU返回的数据，回正力矩估计模块根据转向执行电机电流估计前轴的总回正力矩，质心侧偏角估计模块基于GPS和IMU融合方法估计车辆的质心侧偏角，路面附着系数估计模块在获取上述两模块的输出信息后，基于扩展卡尔曼滤波(EKF)方法进行估计。估计算法总体架构如图3所示。

基于本发明提供的上述路面附着系数确定系统，采用Carsim和Simulink进行联合仿真，其仿真结果如图7所示，基于该仿真结果可以得到估计得到的路面附着系数的精确度较高。

此外，GPS在高楼密集区域、隧道等遮挡地区可能发生信号丢失的现象，影响上述路面附着系数估计的结果。为提高该估计算法的适用范围，在GPS信号丢失时，本发明改变观测向量为z_lost＝[a_y τ_f γ]^T，相应的观测矩阵为：

仿真结果如图8所示，GPS信号在10～15s范围内丢失。μ估计值1为未考虑GPS信号丢失的估计结果，从图8中可见，在10s后估计结果出现较大的偏差，即使在15s后GPS信号恢复，估计结果偏差仍较大。μ估计值2为考虑GPS信号丢失的估计结果，在10～15s范围内仍保持较好的估计精度。

对应于上述提供的路面附着系数确定系统，本发明还提供了一种路面附着系数确定方法，如图2所示，该方法包括：

步骤100：获取车辆运行参数。车辆运行参数包括：转向执行电机电流值、运行速度、航向角、纵向加速度、横向加速度和横摆角速度。

步骤101：结合车辆线控转向系统动力学模型，根据车辆运行参数确定回正力矩。

步骤102：结合车辆运动的几何运动学关系，根据车辆运行参数确定质心侧偏角。

把步骤103：结合车辆动力学模型和轮胎模型，根据车辆运行参数、回正力矩和质心侧偏角确定路面附着系数。

其中上述确定回正力矩的计算公式为：

其中，k_m为转向传动比，τ_m为转向执行电机输出转矩，τ_f＝τ_self+F_ysin(φ)R_w，τ_f为车轮绕主销的回正力矩，τ_fric为转向系统的摩擦阻力矩，δ为前轮转角，J_w为车轮绕主销的转动惯量，B_w为车轮绕主销的粘性阻尼系数，τ_self为轮胎的自回正力矩，F_y为轮胎侧向力，Ф为主销后倾角，R_w为轮胎滚动半径。

进一步，上述步骤102具体包括：

采用卡尔曼滤波器根据航向角和横摆角速度确定车辆横摆角。

结合车辆运动的几何运动学关系，根据车辆横摆角确定质心侧偏角。

上述步骤103具体包括：

获取车辆动力学模型和轮胎模型；

采用扩展卡尔曼滤波器根据车辆动力学模型和轮胎模型确定估计器的状态转移矩阵和观测矩阵；

根据质心侧偏角、横摆角速度、路面附着系数形成状态向量；

根据回正力矩、质心侧偏角、横向加速度、纵向加速度、横摆角速度形成观测向量；

采用状态转移矩阵和状态向量对路面附着系数进行先验估计，得到路面附着系数的预测值；

采用观测矩阵和观测向量对路面附着系数的预测值进行校正，得到路面附着系数。

基于本发明提供的上述技术方案，本发明利用GPS和IMU估计质心侧偏角，可降低路面附着系数估计器的复杂程度，提高鲁棒性；相比于轮胎侧向力，回正力矩对路面附着系数的变化更加敏感，可提高算法的估计精度。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的方法而言，由于其与实施例公开的系统相对应，所以描述的比较简单，相关之处参见系统部分说明即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种路面附着系数确定系统，其特征在于，包括：

数据获取模块，用于获取车辆运行参数；所述车辆运行参数包括：转向执行电机电流值、运行速度、航向角、纵向加速度、横向加速度和横摆角速度；

回正力矩估计模块，与所述数据获取模块连接，用于结合车辆线控转向系统动力学模型，根据所述车辆运行参数确定回正力矩；

质心侧偏角估计模块，与所述数据获取模块连接，用于结合车辆运动的几何运动学关系，根据所述车辆运行参数确定质心侧偏角；

路面附着系数估计模块，分别与所述数据获取模块、所述回正力矩估计模块和所述质心侧偏角估计模块连接，用于结合车辆动力学模型和轮胎模型，根据所述车辆运行参数、所述回正力矩和所述质心侧偏角确定路面附着系数；

路面附着系数估计模块采用扩展卡尔曼滤波器进行路面附着系数的估计，将扩展卡尔曼滤波器采用状态方程表示为：

式中，状态向量为x＝[β γ μ]^T，μ为路面附着系数，输入向量为u＝δ，观测向量为z＝[a_y τ_f γ β]^T，τ_f＝τ_self+F_ysin(φ)R_w，τ_self为轮胎的自回正力矩，F_y为轮胎侧向力，Ф为主销后倾角，R_w为轮胎滚动半径，f()和h()分别表示系统状态量的离散模型和观测量的离散模型，w与v是均值为0的高斯白噪声，k为迭代次数。

2.根据权利要求1所述的路面附着系数确定系统，其特征在于，所述数据获取模块包括：

电流传感器，与所述回正力矩估计模块连接，用于获取所述转向执行电机电流值；

GPS定位器，与所述质心侧偏角估计模块连接，用于获取所述运行速度和所述航向角；

惯性传感器，与所述质心侧偏角估计模块连接，用于获取所述横摆角速度；

速度传感器，与所述路面附着系数估计模块连接，用于获取所述纵向加速度和所述横向加速度。

3.根据权利要求1所述的路面附着系数确定系统，其特征在于，所述回正力矩估计模块包括：

第一模型获取单元，用于获取车辆线控转向系统动力学模型；

回正力矩确定单元，分别与所述数据获取模块和所述第一模型获取单元连接，用于根据所述车辆线控转向系统动力学模型和所述所述车辆运行参数确定回正力矩。

4.根据权利要求1所述的路面附着系数确定系统，其特征在于，所述质心侧偏角估计模块包括：

卡尔曼滤波器，与所述数据获取模块连接，用于根据所述航向角和所述横摆角速度确定车辆横摆角；

第二模型获取单元，用于获取所述车辆运动的几何运动学关系；

质心侧偏角确定单元，分别与所述卡尔曼滤波器和所述第二模型获取单元连接，用于根据所述车辆的横摆角和所述车辆运动的几何运动学关系确定所述质心侧偏角。

5.根据权利要求1所述的路面附着系数确定系统，其特征在于，所述路面附着系数估计模块包括：

第三模型获取单元，用于获取所述车辆动力学模型；

第四模型获取单元，用于获取所述轮胎模型；

路面附着系数确定单元，分别与所述数据获取模块、所述回正力矩估计模块、所述质心侧偏角估计模块、所述第三模型获取单元和第四模型获取单元连接连接，用于根据所述车辆动力学模型、所述轮胎模型、所述车辆运行参数、所述回正力矩和所述质心侧偏角确定路面附着系数。

6.根据权利要求1所述的路面附着系数确定系统，其特征在于，还包括：

路面附着系数更新模块，分别与所述回正力矩估计模块、所述质心侧偏角估计模块和路面附着系数估计模块连接，用于当所述质心侧偏角大于设定值时，结合车辆动力学模型和轮胎模型，根据所述车辆运行参数、所述回正力矩和所述质心侧偏角对路面附着系数进行更新。

7.一种路面附着系数确定方法，其特征在于，包括：

获取车辆运行参数；所述车辆运行参数包括：转向执行电机电流值、运行速度、航向角、纵向加速度、横向加速度和横摆角速度；

结合车辆线控转向系统动力学模型，根据所述车辆运行参数确定回正力矩；

结合车辆运动的几何运动学关系，根据所述车辆运行参数确定质心侧偏角；

结合车辆动力学模型和轮胎模型，根据所述车辆运行参数、所述回正力矩和所述质心侧偏角确定路面附着系数；

其中，采用扩展卡尔曼滤波器进行路面附着系数估计，将扩展卡尔曼滤波器采用状态方程表示为：

式中，状态向量为x＝[β γ μ]^T，μ为路面附着系数，输入向量为u＝δ，观测向量为z＝[a_y τ_f γ β]^T，τ_f＝τ_self+F_ysin(φ)R_w，τ_self为轮胎的自回正力矩，F_y为轮胎侧向力，Ф为主销后倾角，R_w为轮胎滚动半径，f()和h()分别表示系统状态量的离散模型和观测量的离散模型，w与v是均值为0的高斯白噪声，k为迭代次数。

8.根据权利要求7所述的路面附着系数确定方法，其特征在于，所述回正力矩的计算公式为：

其中，k_m为转向传动比，τ_m为转向执行电机输出转矩，τ_f为车轮绕主销的回正力矩，τ_fric为转向系统的摩擦阻力矩，δ为前轮转角，J_w为车轮绕主销的转动惯量，B_w为车轮绕主销的粘性阻尼系数。

9.根据权利要求7所述的路面附着系数确定方法，其特征在于，所述结合车辆运动的几何运动学关系，根据所述车辆运行参数确定质心侧偏角，具体包括：

采用卡尔曼滤波器根据所述航向角和所述横摆角速度确定车辆横摆角；

结合车辆运动的几何运动学关系，根据所述车辆横摆角确定所述质心侧偏角。

10.根据权利要求7所述的路面附着系数确定方法，其特征在于，所述结合车辆动力学模型和轮胎模型，根据所述车辆运行参数、所述回正力矩和所述质心侧偏角确定路面附着系数，具体包括：

获取所述车辆动力学模型和所述轮胎模型；

采用扩展卡尔曼滤波器根据所述车辆动力学模型和所述轮胎模型确定估计器的状态转移矩阵和观测矩阵；

根据所述质心侧偏角、所述横摆角速度、所述路面附着系数形成状态向量；

根据所述回正力矩、所述质心侧偏角、所述横向加速度、所述纵向加速度、所述横摆角速度形成观测向量；

采用所述状态转移矩阵和所述状态向量对所述路面附着系数进行先验估计，得到路面附着系数的预测值；

采用所述观测矩阵和所述观测向量对所述路面附着系数的预测值进行校正，得到路面附着系数。

Images