CN113165614A - 轮胎刚度估计和道路摩擦力估计 - Google Patents

Abstract

公开了用于估计车辆的车轮的潜在摩擦力值的不确定性的方法、计算机程序产品和装置。所述用于估计车辆的车轮的潜在摩擦力值的不确定性的方法包括获得(72)一系列轮胎模型。所述方法还包括接收(74)指示至少一个实际轮胎相关值的传感器信号。最后，基于所接收的传感器信号和所述一系列轮胎模型来计算(76)摩擦力不确定性值。所述摩擦力不确定性值指示潜在摩擦力的不确定性。

Description

轮胎刚度估计和道路摩擦力估计

技术领域

本发明的公开内容总体涉及估计轮胎和路面之间的摩擦力的领域，以及涉及估计轮式车辆中的轮胎性能的领域。特别地，本发明的内容涉及用于估计潜在摩擦力值的不确定性的方法、系统和计算机程序产品。

背景技术

例如从结冰的道路延伸到干的或湿的道路，道路摩擦力可以突然地变化。这些变化对驾驶员以及他(或她)的安全和舒适性造成重大的挑战。从技术的角度来看，对道路摩擦力的可靠了解对实施车辆控制系统是至关重要的，所述车辆控制系统例如防抱死制动系统(Anti-lock Braking System，ABS)。例如，如果需要进行ABS制动，则可以利用对可用的潜在摩擦力的了解来优化制动距离。另外地或者替选地，摩擦力可以被各种系统中的一个或多个系统使用，所述各种系统包括自动驾驶系统、自适应巡航控制系统、湿滑道路检测系统和连接驾驶系统。

估计或计算道路摩擦力的常规方法可以基于滑距、声音、轮胎胎面变形、道路粗糙度以及润滑剂检测。总体上，已经开发出这些方法来提高估计准确性，例如，通过组合输入测量值的数量或质量来实现。例如，基于滑距的方法通常考虑估计的轮胎刚度以提高准确性。此外，由于使用了整个潜在摩擦力，因此来自ABS、TCS(牵引力控制系统)或ESP(车身稳定控制)干预的估计值也可以提供信息。但是，在实际驾驶过程中，通常必须在对轮胎和操作条件的了解不完整或不精确的情况下进行计算。

常规方法已经适应于估计潜在摩擦力，但不输出不确定性的度量，即其估计值多么可靠。然而，车辆的后续控制的质量(例如确保与前方汽车的距离足够大，以进行完全ABS制动而不会发生碰撞)需要如同决策的基础(例如确定的潜在摩擦力)一样好。

发明内容

发明目的

为了克服已知方法的缺点，特别是上面提及的类型的方法的缺点，本发明的目的是提供一种为估计的摩擦力提供不确定性度量的解决方案。

发明概述

公开了用于估计车辆的车轮的潜在摩擦力值的不确定性的方法、计算机程序产品和装置。

总体上，本发明利用轮胎模型和实际轮胎相关值。轮胎模型应理解为车轮或轮胎的物理行为的表示，并且在给定的工作条件下对于每个轮胎都是唯一的。如此，可以确定或估计相关的物理特性。轮胎模型的输入可以被提供为(一个或多个)实际轮胎相关值，如下文进一步所述。

出于本发明的目的，轮胎模型应至少能够基于给定的输入来确定或估计潜在摩擦力。可以得出关于潜在摩擦力的结论的轮胎模型的一个示例利用车轮速度和其他传感器的测量值。然后可以例如使用该轮胎模型从滑距斜率得出潜在摩擦力。

通常，用于估计车辆的车轮的潜在摩擦力值的不确定性的方法包括获得一系列轮胎模型。一系列轮胎模型包括至少两个轮胎模型。

该方法还包括接收指示至少一个实际轮胎相关值的传感器信号。通常，可以利用各种实际轮胎相关值中的一个或多个来实践当前公开的方法。优选地，轮胎相关值可以用作轮胎模型的输入。提供实际值作为轮胎模型的输入可以限制对轮胎和操作条件的了解的缺乏。

实际轮胎相关值的示例可以选自由以下组成的组：滑距、(标准化)牵引力、环境温度、轮胎温度、轮胎压力、纵向加速度、横向加速度、偏航角速率、车轮速度、车辆速度、引擎速度、引擎扭矩、施加在车轮上的扭矩、ABS标志、方向盘转角、车轮转角、悬架高度、悬架压力、轴高、制动压力、制动温度、制动扭矩、轮胎类型(通过人机界面手动输入)、GPS信息、道路湿度、道路状况、变速箱信号、刮水器速度、从ABS制动估计的潜在摩擦力、从TCS事件估计的潜在摩擦力、从车辆连接接收的估计的潜在摩擦力、来自控制标记寄存器的标志值。

控制标志寄存器的标志的示例包括是否在进行ESC控制的指示、是否在进行ABS制动的指示、是否在进行TCS的指示、是否在进行制动的指示、是否在进行换挡的指示、是否接合离合器踏板的指示、是否接合倒挡的指示、是否连接拖车的指示、或是否接入巡航控制的指示。

车辆总线可以转发信息并提供以上参数中的一个或多个。

最后，该方法包括基于所接收的传感器信号和所述一系列轮胎模型来计算摩擦力不确定性值。摩擦力不确定性值指示潜在摩擦力的不确定性。

优选地，所述一系列轮胎模型包括下界轮胎模型和上界轮胎模型。

在这种情况下，摩擦力不确定性值的计算可以包括估计下界摩擦力值和上界摩擦力值。基于接收到的传感器信号和下界轮胎模型来估计下界摩擦力值，而基于接收到的传感器信号和上界轮胎模型来估计上界摩擦力值。例如，可以基于上界摩擦力值和下界摩擦力值之差来计算摩擦力不确定性值。

在一些示例中，所述一系列轮胎模型不一定由两个离散的边界模型表示，而是由平均模型和模型不确定性表示。在这种情况下，所述获得可以包括获得(或估计)轮胎模型不确定性，该不确定性指示所述一系列轮胎模型的不确定性。此外，基于轮胎模型不确定性值来计算摩擦力不确定性值。

通常，该方法可以与所使用的特定传感器无关地执行，只要该传感器提供指示实际轮胎相关值的信号即可。可以提供实际轮胎相关值作为传感器信号的合适传感器的示例包括以下项中的一者或多者：

轮速传感器、车速传感器、扭矩传感器、压力传感器、一个或多个加速度计、偏航角速率传感器、转向角传感器、温度传感器、扭矩分配设备、GPS传感器、照相机、车辆总线。

在一些实施方式中，可以接收或估计指示实际轮胎相关值的不确定性的测量不确定性值。在这种情况下，可以进一步基于测量不确定性值计算摩擦力不确定性值。

例如，传感器信号和测量不确定性值指示包括一系列实际轮胎相关值的测量范围。实际轮胎相关值的测量范围可以定义为最小测量值与最大测量值之间的连续范围。在其他情况下，可以将实际轮胎相关值的测量范围定义为一组多个离散的值。此外，可以将实际轮胎相关值的测量范围定义为值的分布，其指示值在测量范围内的相对普遍度(prevalence)。

通常，该方法可以包括或可以不包括估计潜在摩擦力值。

在任何情况下，该方法的任何输出都可以被提供给车辆总线，特别是用于主动控制系统中，例如ABS、TCS、ESC等。提供给车辆总线的这种输出可以包括以下项中一者或多者：计算的摩擦力不确定性值、估计的下界摩擦力值和/或上界摩擦力值、估计的潜在摩擦力值。

在一些实施方式中，该方法还可以包括更新所述一系列轮胎模型。例如，当测量值与所获得的一系列轮胎模型不一致时，可以假设该测量值或所述一系列轮胎模型不正确。在一些实施方式中，可以基于测量值来更新所述一系列轮胎模型。例如，如果测得的所使用摩擦力超过使用轮胎模型确定的潜在摩擦力，则所使用的摩擦力的测量值可能与轮胎模型不一致。

所述一系列轮胎模型的更新可以特别地涉及所述一系列轮胎模型的参数的更新。通常，可以更新上述作为轮胎相关值的示例的任何量。

此外，公开了车辆的车轮的潜在摩擦力值的不确定性用于控制车辆的用途，该潜在摩擦力值已经通过根据前述权利要求中任一项所述的方法来估计。

例如，在一个实施方式中，潜在摩擦力的不确定性可以用于使用自适应巡航控制系统来控制车辆。自适应巡航控制系统尤其控制车辆的速度，以确保与要控制的车辆前方的另一车辆的一定距离。可以基于潜在摩擦力的估计来动态地确定所述距离。通过还使用潜在摩擦力的不确定性，可以调节(例如增加)所述距离以应对所述(例如高)不确定性。

此外，公开了一种计算机程序产品，其包括被配置为当在计算设备中执行时执行所公开的方法之一的步骤的程序代码。

最后，公开了一种装置，其包括处理单元。该处理单元被配置为执行本文公开的方法之一的步骤。

附图说明

图1为表示对于具有不同潜在摩擦力的各种路面，典型(标准化)牵引力随着滑距的变化的曲线图。

图2为表示所使用的摩擦力、可用摩擦力、以及潜在摩擦力的曲线图。

图3为根据多个实施方式的方法的流程图。

图4为根据多个实施方式的方法的流程图。

图5为示出根据多个实施方式的方法的示例的曲线图。

图6为示出根据多个实施方式的方法的示例的曲线图。

图7为根据多个实施方式的方法的流程图。

图8为示出根据多个实施方式的方法的示例的曲线图。

图9为根据多个实施方式的装置的框图。

具体实施方式

在下文中，给出一些优选实施方式的描述，其中，出于说明目的，选择滑距作为示例性轮胎相关值。可以替代地或另外地使用其他轮胎相关值。特别地，为了说明，以下描述的方法利用单个轮胎相关值(滑距)，尽管其他实施方式使用两个、三个或任意数量的轮胎相关值。在后一种情况下，轮胎相关值可以以多维量(例如向量)分组或组合。

潜在摩擦力通常定义为滑距曲线的最大值，并且取决于各种变量，例如路面和轮胎特性以及工作条件(压力、温度、垂直载荷、磨损等)。

图1示出了潜在摩擦力对路面的依赖性。该曲线图示出标准化牵引力(纵坐标轴)随着纵向滑距(横坐标轴)的变化。例如可以根据如下关系，基于源自轮速传感器的传感器信号来计算车轮的滑距s：

其中，ω是车轮的旋转频率，r是车轮的半径，v是车辆的平移速度。

例如，可以基于以下关系计算车轮的标准化牵引力μ：

其中，F是牵引力，N是作用在车轮上的法向力。

图1例示了针对三种路面(即冰面、砂砾路面和沥青路面)，标准化牵引力和纵向滑距之间的关系。如所显示的，沥青路面上的潜在摩擦力通常高于砂砾路面上的潜在摩擦力，而砂砾路面上的潜在摩擦力高于冰面上的潜在摩擦力。在图1和本发明的其余部分中，除非另有说明，否则所有的数量和值(特别是滑距)被理解为指纵向方向和/或横向方向。滑距曲线可以划分为多个区域，这多个区域包括在原点周围的近似线性部分，例如图1中的滑距的从-10％到+10％的部分。

下文中描述的方法提供了估计潜在摩擦力值的不确定性的方法。

图2为表示所使用的摩擦力、可用摩擦力、以及潜在摩擦力的曲线图。该曲线图是示出针对给定轮胎模型，滑距与牵引力之间的关系的滑距曲线。

考虑图2，典型的驾驶情况由低滑距处的线性部分中的当前工作点表示。当前滑动和标准化牵引力可以用于估计线性部分中的滑距-μ曲线的斜率(滑距斜率)。

基于该估计，可以推断出轮胎的潜在摩擦力。轮胎的潜在摩擦力对应于曲线的最大值或峰值。相应的滑距被称为临界滑距。给定轮胎在曲线上的当前工作点，横坐标值对应于所使用的摩擦力，而与最大摩擦力(潜在摩擦力)的差值称为可用摩擦力。

图3是用于估计车辆的车轮的潜在摩擦力值的不确定性的方法30的示例性流程图。方法30包括获得32一系列轮胎模型。

方法30还包括接收34传感器信号。传感器信号指示至少一个实际轮胎相关值。在本示例中，传感器信号可以例如指示车轮的滑距。滑距可以例如由轮速传感器信号指示。

然而，如本领域普通技术人员认识到的，本发明不限于将轮速传感器信号作为示例性传感器信号或将滑距作为示例性轮胎相关值。

例如，实际轮胎相关值的其他示例包括牵引力、温度(环境温度、轮胎温度)、轮胎充气压力、纵向加速度、横向加速度、偏航速率、ABS标志、方向盘转角、(一种或多种)制动压力。

轮胎相关值可以用作每个轮胎模型的输入。然后，基于该输入，可以使用每个轮胎模型来估计潜在摩擦力。由此，利用单个实际轮胎相关值，例如单个滑距测量值，方法30允许估计一系列潜在摩擦力值。

最后，该方法包括基于所接收的传感器信号和一系列轮胎模型来计算36摩擦力不确定性值，该摩擦力不确定性值指示潜在摩擦力的不确定性。特别地，可以基于估计的一系列潜在摩擦力值来计算摩擦力不确定性值。

根据本发明，不仅使用单个轮胎模型，而且使用一系列轮胎模型。例如，可以为一系列轮胎模型内的每个轮胎模型估计各自的潜在摩擦力值。在其他示例中，可以针对一系列轮胎模型中的至少两个轮胎模型估计各自的潜在摩擦力值。在这种情况下，潜在摩擦力的不确定性可以被计算为这些潜在摩擦力值之间的差值，如将在下面特别是参考图4进一步详细描述的。

图4是用于估计车辆车轮的潜在摩擦力值的不确定性的另一种方法40的示例性流程图。方法40包括获得42a第一轮胎模型，该第一轮胎模型也称为下界轮胎模型。此外，方法40包括获得42b第二轮胎模型，该第二轮胎模型也称为上界轮胎模型。第一轮胎模型和第二轮胎模型形成一系列轮胎模型。

特别地，可以提供第一轮胎模型和第二轮胎模型作为轮胎如何表现的估计。它们可能是各种轮胎和工作条件(例如从软轮胎到硬轮胎，从高工作温度到低工作温度，从性能轮胎到冬季轮胎)的通用假设。替选地或另外地，这些假设可以根据经验进行精炼，如将在下面进一步描述的。通过经验，一系列轮胎模型可以已经根据通用假设进行了精炼(即缩小)，或者根据通用假设进行了拓宽，或者根据通用假设进行了转移，或者是前述的任意组合。在任何情况下，根据本发明的方法允许量化与对轮胎和工作条件的缺乏了解相对应的潜在摩擦力的不确定性。

优选地，下界轮胎模型是两个轮胎模型中的通常产生较低的潜在摩擦力的一个，即，是两个模型中的更滑的模型。上界轮胎模型则是两个轮胎模式中的通常产生较高的潜在摩擦力的一个，即，是两个模型中的牵引力更大的模型。

方法40还包括接收44传感器信号。传感器信号指示实际轮胎相关值，其可以用作下界轮胎模型和上界轮胎模型两者的输入。

一方面，传感器信号(或至少其中指示的实际轮胎相关值)用于使用第一轮胎模型来估计46a第一摩擦力值，也称为下界摩擦力值。并行地或顺序地，传感器信号或实际轮胎相关值用于使用第二轮胎模型来估计46b第二摩擦力值，也称为上界摩擦力值。

优选地，下界摩擦力值小于上界摩擦力值。

基于下界摩擦力值和上界摩擦力值，可以确定指示潜在摩擦力的不确定性的不确定性值。

总体上，不确定性将取决于所获得的一系列轮胎模型的广泛性。如果轮胎模型的差异很大，即如果对轮胎的实际特性和工作条件知之甚少，则不确定性将比紧密相似的轮胎模型的不确定性大。利用本文公开的方法，可以量化该缺乏了解的广泛性，并将其提供给车辆内部或外部的其他系统。例如，车辆控制系统，例如ABS，可以从对潜在摩擦力的不确定性的量化中获益。

图5是示出“滑距曲线”(即，牵引力对滑距的依赖性)的曲线图50，类似于图2。曲线图50用于示出上面参考图4描述的方法的示例性使用。

首先，获得两个轮胎模型52a、52b。第一轮胎模型52a是下界轮胎模型，而第二轮胎模型52b是上界轮胎模型。

在所示的示例中，在整个滑距范围上，下界轮胎模型52a在上界轮胎模型52b之下。因此，根据下界轮胎模型52a提供的摩擦力小于由上界轮胎模型提供的摩擦力。

下界轮胎模型52a和上界轮胎模型52b之间的差异或面积指示关于轮胎或工作条件的不确定性。例如，下界轮胎模型可以基于车辆正在湿滑的道路或碎石上行驶的假设，而上界轮胎模型52b可以基于车辆正在不太湿滑的道路(如沥青)上行驶的假设。

只要该参数(砂砾或沥青)仍然未知，了解由此产生的潜在摩擦力的不确定性就是有利的。因此，根据本方法，可以如下地计算潜在摩擦力的不确定性。

除了这两个轮胎模型外，还接收传感器信号。传感器信号指示轮胎相关值，即在图5的情况下的滑距。由传感器信号指示的实际滑距值在滑距轴(横坐标轴)上标记为滑距54。

基于测得的滑距54和下界轮胎模型52a，可以估计下界潜在摩擦力58a。然而，该下界潜在摩擦力58a可能不代表实际的潜在摩擦力，这是因为下界轮胎模型被选择或确定为使得其可能低估潜在摩擦力(或至少没有高估潜在摩擦力)。

同样，基于测得的滑距54和上界轮胎模型52b，可以估计上界潜在摩擦力58b。然而，该上界潜在摩擦力58b可能不代表实际的潜在摩擦力，这是因为上界轮胎模型被选择或确定为使得其可能高估潜在摩擦力(或至少没有低估潜在摩擦力)。

由此，将不确定性值确定为上界潜在摩擦力58b和下界潜在摩擦力58a之间的差值。该不确定性值指示潜在摩擦力的不确定性。

图6是示出根据一些实施方式的方法的另一示例的曲线图。特别地，与图5的示例相反，传感器信号不仅仅指示单个测量值。

出于说明的目的，该曲线图提供了轮胎模型的输入(测量值、实际轮胎相关值，例如滑距)和潜在摩擦力(即滑距曲线的最大值，该滑距曲线在图6中未示出)之间的直接关系。

除了指示实际轮胎相关值(例如滑距值)之外，还接收测量不确定性值64以及传感器信号，或者基于传感器信号来估计测量不确定性值64。测量不确定性值指示实际轮胎相关值的不确定性。例如，其指示滑距范围，实际滑距(很可能)位于该滑距范围内。例如，可以基于用于提供传感器信号的传感器的已知误差来确定这种不确定性值。另外地或可替选地，这种不确定性值可以基于多个测量值的统计。

在所示的示例中，测量不确定性在下界测量值66a至上界测量值66b的范围内。如图6所示，可以将测量不确定性设置为单个的连续范围(由下界和上界限定)。另外地或可替选地，测量不确定性可以由一组离散的多个值(例如多个按时间的测量值的序列)或值的分布指示，该值的分布指示每个值在测量范围内的相对普遍度。

此外，可以提供或计算置信度度量，该置信度度量指示实际滑距值位于由测量不确定性值指示的滑距范围内的可能性。示例性置信度度量为1σ、2σ、3σ或5σ。例如，对于实际滑距值在指示的范围内的情况，1σ表示大约68％的可能性。

在图6的情况下，还基于测量不确定性值计算摩擦力不确定性值：假设轮胎模型的输入在测量不确定性范围64内，则基于下界轮胎模型62a，通过确定下界轮胎模型62a的最小潜在摩擦力68a来估计下界潜在摩擦力8a。

类似地，假设轮胎模型的输入在测量不确定性范围64内，则基于上界轮胎模型62b，通过确定上界轮胎模型62b的最大潜在摩擦力68b来估计上界潜在摩擦力68b。

然后可以将不确定性值确定为上界潜在摩擦力68b和下界潜在摩擦力68a之间的差值。考虑到轮胎和工作条件的不确定性(轮胎模型的系列)以及轮胎相关值的测量的不确定性(测量不确定性值)，该不确定性值指示潜在摩擦力的不确定性。

用数学术语，以上可以如下表示：

首先从假设两个轮胎模型为边界开始；一个上界模型和一个下界模型一起围成(box)真正的轮胎模型。实际潜在摩擦力将位于两个摩擦力边界估计值之内，

并且，不确定性值定义为这两个边界估计值所跨越的距离。

然后考虑到测量值Y＝[y₁，...，y_n]，可以使用图6中所示的一般轮胎模型边界函数

和

来计算潜在摩擦力边界

和

测量值Y指示实际轮胎相关值。在图6所示的示例中，测量了单个量，即Y＝y₁。为了说明n维向量Y，将需要n+1维图。

将(一个或多个)测量值Y运行通过上界轮胎模型为估计值给出了上限，将(一个或多个)测量值运行通过下界轮胎模型为估计值给出了下限。这样，轮胎模型的不确定性就会反映在估计的潜在摩擦力中。通过对两个边界模型输入Z∈[Y_low，Y_up]，可以轻松地将测量中的不确定性包括在内，并得出上边界的最大值和下边界的最小值。

考虑图6，该图示出了二维空间中的问题，即Y＝y₁且Z∈[y_1，low，y_1，up]，此处的潜在摩擦力边界由在Z的区间(interval)中找到的点

和

给出。

当Y＝[y₁，...，y_n]且Z∈[Y_low，Y_up]时，相同的方法可以适用于多维空间。轮胎模型方法既不限于测量值范围方法，也可以与单个测量值Z＝E(Y)(如上参考图5所述)或两个替选方法的组合一起使用。

当跨越轮胎模型的数据点很少时，可以对两个边界轮胎模型

和

进行内插或外推。

利用该方法，可以在箱式模型仍涵盖大量轮胎模型的同时给出潜在摩擦力估计值，即它不需要收敛阶段。在实践中，这还意味着摩擦力估计值将始终至少与向其提供的数据一样好。

图7是根据实施方式的方法的流程图。

类似于上述实施方式，用于估计车辆车轮的潜在摩擦力值的不确定性的方法70包括获得72一系列轮胎模型。方法70还包括接收74指示至少一个实际轮胎相关值的传感器信号。最后，该方法包括基于所接收的传感器信号和该系列轮胎模型来计算76摩擦力不确定性值，该摩擦力不确定性值指示潜在摩擦力的不确定性。

另外，方法78包括更新该系列轮胎模型。这可以包括更新该系列轮胎模型中的至少一个轮胎模型中，更新上界轮胎模型和/或下界轮胎模型，和/或更新该系列轮胎模型内的所有轮胎模型。

一个或多个轮胎模型的更新可以特别地涉及各个轮胎模型的参数的更新，该参数描述了轮胎模型。

更新后的轮胎模型可以代替最初获得的轮胎模型，并且可以在该方法的下一次使用中使用，特别是一旦接收到另外的传感器信号(步骤74)并且计算出另外的摩擦力不确定性值(步骤76)时。

这种更新可以允许该系列轮胎模型动态地调整为当前轮胎和工作条件。例如，在轮胎和工作条件稳定收敛的情况下，该系列轮胎模型可以缩小，从而导致关于潜在摩擦力的不确定性减小。另一方面，如果轮胎或工作条件改变，则先前获得的轮胎模型可能不再有效，并且该更新允许鉴于该改变而尽可能扩大轮胎模型的范围，如将参考图8描述的。

图8是示出根据实施方式的方法的示例的曲线图80。

获得下界轮胎模型82a和上界轮胎模型82b。在曲线图80中，这些模型由三维空间中的由滑距斜率、轮胎温度和潜在摩擦力跨越的表面表示。从数学上来说，每个模型都可以例如由一个函数表示，例如μ＝a*T*sqrt(k)，其中T是绝对温度，k是滑距斜率，a是参数，μ是潜在摩擦力。在这样的示例中，下界轮胎模型82a和上界轮胎模型82b的特征在于参数a的相应值，诸如a_low和a_up。

然后，获得指示轮胎相关值(例如滑距斜率和轮胎温度)的信号，并将该信号用作轮胎模型的输入。在所示的示例中，特定轮胎相关值可以是滑距斜率值“53”和轮胎温度值“275K”。

基于这些轮胎相关值，使用下界轮胎模型和所获得的轮胎相关值来确定下界潜在摩擦力。此外，使用上界轮胎模型和所获得的轮胎相关值来确定上界潜在摩擦力。在所示的示例中，下界潜在摩擦力可以为“0.5”，上界潜在摩擦力可以为“0.95”。

如果来自轮胎模型的这些输出(即，潜在摩擦力的值)与所使用的实际摩擦力88(例如，由车辆总线提供或在测量中确定)不一致，则可以更新至少一个轮胎模型。

通常，当测量值与所获得的一系列轮胎模型不一致时，可以假定该测量值或该系列轮胎模型不正确。在此，可以基于测量值来更新该系列轮胎模型。

在所示的示例中，获得所使用的实际摩擦力“0.6”。所使用的该实际摩擦力对应于曲线图80的三维表示中的某个点88。所使用的该实际摩擦力大于根据下界轮胎模型的潜在摩擦力。所使用的摩擦力超过潜在摩擦力表示不一致，从而导致相应轮胎模型的更新。由此，在所示的示例中，下界轮胎模型的参数a_low被更新以确保与由点88表示的所使用的实际摩擦力一致。该更新提供了更新的下界轮胎模型83a，其将在该方法的进一步使用中使用。更新的轮胎模型83a替换了先前的下界轮胎模型82a。

类似地，在存在最大可能的摩擦力低于来自上界轮胎模型的上界潜在摩擦力的指示的情况下，可以更新上界轮胎模型。例如，潜在摩擦力估计值(例如可从ABS制动获得)可以用作最大可能的摩擦力的指示。

在所示的示例中，轮胎模型在轮胎相关值(滑距斜率和温度)的整个范围上进行了更新。然而，在其他实施方式中，该更新可以局部地应用于实际轮胎相关值(例如，在滑距斜率“53”和温度“275K”处)或应用于在这些实际轮胎相关值处及其附近。特别是在没有轮胎模型结构(例如，作为数学函数或参数化)已知的情况下，这可以是基础。

图9描绘了根据一些实施方式的装置的框图。装置90包括处理单元92。处理单元92被配置为估计车辆的车轮的潜在摩擦力值的不确定性。为此，处理单元92被配置为获得一系列轮胎模型。轮胎模型可以由装置90外部或内部的设备提供。例如，它们可以由处理单元92从装置90内部或装置90外部的存储设备(未示出)获得。它们也可以从车辆总线获得。

可替选地，通过处理单元90的获得可以包括获得参数(例如，从车辆总线)并且将这些参数提供给空白轮胎模型以获得一系列轮胎模型。

该装置还被配置为接收34传感器信号。传感器信号指示至少一个实际轮胎相关值。轮胎相关值由车辆传感器94提供。在一些实施方式中，装置90可以包括车辆传感器94。

处理单元92被配置为使用传感器信号(或其中指示的轮胎相关值)作为轮胎模型的输入，并且基于一系列轮胎模型来估计摩擦力不确定性值，如本文所述。

在一些实施方式中，该装置还可以包括连接接口(未示出)，该连接接口适于与车辆外部的实体进行通信，例如进行车辆到车辆通信或车辆到基础设施通信。

术语“车辆连接”应理解为包括与车辆外部的实体的任何通信，例如车辆到车辆通信或车辆到基础设施通信。例如，通过使用通过车辆连接提供的数据，一辆车辆可以将道路相关值或环境相关值(例如温度)(直接或经由诸如服务器或云服务之类的中间实体)转发到车队的其他车辆。车队的其他车辆可以基于转发的(一个或多个)值即时校准其轮胎模型。

Claims (14)

1.一种用于估计车辆的车轮的潜在摩擦力值的不确定性的方法，包括：

-获得一系列轮胎模型，

-接收指示至少一个实际轮胎相关值的传感器信号，

-基于所接收的传感器信号和所述一系列轮胎模型来计算摩擦力不确定性值，所述摩擦力不确定性值指示潜在摩擦力的不确定性。

2.根据前一项权利要求所述的方法，其中，

-所述获得包括获得或估计轮胎模型不确定性，所述轮胎模型不确定性指示所述一系列轮胎模型的不确定性，以及

-基于所述轮胎模型不确定性值计算所述摩擦力不确定性值。

3.根据前述权利要求中任一项所述的方法，其中，所述一系列轮胎模型包括下界轮胎模型和上界轮胎模型。

4.根据前一项权利要求所述的方法，其中，所述计算包括：

-基于所接收的传感器信号和所述下界轮胎模型来估计下界摩擦力值，以及

-基于所接收的传感器信号和所述上界轮胎模型来估计上界摩擦力值，以及

-基于所述上界摩擦力值和所述下界摩擦力值之差来计算所述摩擦力不确定性值。

5.根据前述权利要求中任一项所述的方法，其中，所述至少一个实际轮胎相关值选自由以下组成的组：

滑距、(标准化)牵引力、环境温度、轮胎温度、轮胎压力、纵向加速度、横向加速度、偏航速率、车轮速度、车辆速度、引擎速度、引擎扭矩、施加在车轮上的扭矩、ABS标志、方向盘转角、车轮转角、悬架高度、悬架压力、轴高、制动压力、制动温度、制动扭矩、轮胎类型(通过人机界面手动输入)、GPS信息、道路湿度、道路状况、变速箱信号、刮水器速度、从ABS制动估计的潜在摩擦力、从TCS事件估计的潜在摩擦力、从车辆连接接收的估计的潜在摩擦力、来自控制标记寄存器的标志值。

6.根据前述权利要求中任一项所述的方法，其中，从以下项中的一者或多者接收所述传感器信号：

轮速传感器、车速传感器、扭矩传感器、压力传感器、一个或多个加速度计、偏航角速度传感器、转向角传感器、温度传感器、扭矩分配设备、GPS传感器、照相机、车辆总线。

7.根据前述权利要求中任一项所述的方法，其中，

-所述接收包括接收或估计测量不确定性值，所述测量不确定性值指示所述实际轮胎相关值的不确定性，以及

-基于所述测量不确定性值计算所述摩擦力不确定性值。

8.根据前一项权利要求所述的方法，其中，

-所述传感器信号和所述测量不确定性值指示包括一系列实际轮胎相关值的测量范围。

9.根据前述权利要求中任一项所述的方法，还包括估计潜在摩擦力值。

10.根据前一项权利要求所述的方法，还包括将计算的所述摩擦力不确定性值和/或估计的所述下界摩擦力值和所述上界摩擦力值和/或估计的所述潜在摩擦力值提供到车辆总线，特别是提供到用于在主动控制系统中使用的车辆总线。

11.根据前述权利要求中任一项所述的方法，还包括更新所述一系列轮胎模型，特别是更新所述一系列轮胎模型的参数。

12.车辆的车轮的潜在摩擦力值的不确定性用于控制所述车辆的用途，所述潜在摩擦力值利用根据前述权利要求中任一项所述的方法来估计。

13.一种计算机程序产品，所述计算机程序产品包括被配置为当在计算设备中执行时执行前述权利要求中任一项的步骤的程序代码。

14.一种用于估计潜在摩擦力值的不确定性的装置，所述装置包括处理单元，所述处理单元被配置为执行根据权利要求1至11中任一项所述的方法的步骤。

Images