CN113359457A

CN113359457A - 智能车底盘域控制器的高维动力学模型解算装置及方法

Info

Publication number: CN113359457A
Application number: CN202110686150.2A
Authority: CN
Inventors: 黄悦峰; 单天石; 刘子俊; 李亮; 程硕
Original assignee: Tsinghua University
Current assignee: Tsinghua University
Priority date: 2021-06-21
Filing date: 2021-06-21
Publication date: 2021-09-07
Anticipated expiration: 2041-06-21
Also published as: CN113359457B

Abstract

本发明公开了一种智能车底盘域控制器的高维动力学模型解算装置及方法，驱动‑制动‑转向输入模块获取加速信号指令、制动信号指令和/或转向信号指令；动力总成模块由获取的指令确定输入参量，结合车辆的轮速信号、动力传动系统的系统参数、轮加速度、动力输出转矩获取作用于每个驱动轮的驱动力矩；轮胎纵向和垂向模块根据驱动力矩计算每个驱动轮的轮胎纵向和垂向动力学状态参数；车身高维动力学模块利用智能车底盘域控制器中的高维模型，并基于每个驱动轮的轮胎纵向和垂向动力学状态参数，获取车辆15自由度车辆实时状态参数，并用于底盘域控制器协调控制模块的决策和执行。实现智能车整车运动状态精确化、线控底盘数字化、智驾域和底盘域协同化。

Description

智能车底盘域控制器的高维动力学模型解算装置及方法

技术领域

本发明涉及车辆技术领域，特别涉及一种智能车底盘域控制器的高维动力学模型解算装置及方法。

背景技术

现有汽车动力学模型主要分为两类，即特定用途的简化模型(如2自由度自行车模型等)和更为全面的高维模型。简化模型的复杂性不足、场景适应性不强，如果研究场景不满足模型假设，则计算准确性难以保证；高维模型虽然完整性、通用性和准确性均明显增强，但相较于简化模型其复杂性显著提升，且需要大量车辆固有参数信息(如悬架系统参数)。因此，选取车辆模型自由度的原则是：相关度高的应留尽留，相关度低的能舍则舍。汽车在行驶过程中，非线性动力学现象广泛存在，这些非线性因素主要蕴含在轮胎、悬架和座椅等部位。在一定强度的激励下，汽车极其容易表现出非线性特征。

在传统汽车电子稳定性控制(Electronic Stability Control，ESC)中，制动防抱死系统(Anti-lock Brake System，ABS)、牵引力控制系统(Traction Control System，TCS)及主动横摆力偶矩控制系统(Active Yaw Moment Control，AYC)几乎是相互独立地具有整套传感器、控制器及执行器架构，并独立地进行纵向或横向动力学控制功能开发。因此一般情况下，8自由度及以下的简化模型即可准确反映车辆实时运动状态的基本特征。但是，由于底盘动力学域控制器架构旨在实现汽车底盘的“全局数字化”和“自我量化认知”，因此必须将整车纵向、横向、垂向、横摆、侧倾及俯仰等动力学控制问题协调融合起来，才能获得底盘数字化描述、多矢量运动控制所需要的基本动力学参数信息。所以针对驱动-制动-转向-悬架协同控制的问题，采用15自由度智能车动力学模型来观测、预瞄智能车运动状态是一种更合理的方案。

同时，随着人们对传统车辆平顺性、舒适性和安全性等关键性能的要求逐渐提高，各大车企纷纷投入大量研发经费以满足市场需求。而对于智能车，从前的驾驶员从身份上更多转变为乘客，除了车辆动力性之外，其对稳定性、平顺性和安全性的要求势必愈来愈高，因此对于智能车底盘动力学域控制的研究，不能够将整车垂向动力学状态进行简化，而应当尽可能充分考虑车身垂向运动、悬架弹簧阻尼特性、车轮垂向振动对动力学稳定性和平顺性带来的影响，这也要求研究者选取15自由度车辆模型。

所以，为了对智能车状态参数进行全面准确的观测，智能车底盘域内应集成轮速传感器、转向盘转角传感器、轮缸压力传感器、发动机扭矩传感器、侧向加速度传感器、横摆角加速度传感器、侧倾角加速度传感器、俯仰角加速度传感器中一种或多种必要的传感器，各路信道(可以是CAN、CAN FD、FlexRay等)传输至域控制器硬件接收端口的传感器信号，首先由域控制器的信号融合处理单元进行阶梯型滤波、多源融合，再根据域控制器内不同计算模块实际需要的信号进行选择性输入，各模块获取相应输入信号后，调用模块内存程序进行信号再处理及再滤波、在线实时解算高维车辆动力学参数并作校验诊断，解算结果中的可信部分通过各模块的信号输出通路与其他子模块或整车通信网络进行交互传输。高维动力学模型的解算逻辑架构设计需要考虑的因素有：1)智能车域控制器搭载的车规级计算平台算力及内存容量；2)车身纵向、横向、垂向、横摆、俯仰和侧倾动力学，以及轮胎旋转和垂向振动动力学等各自由度的解算状态流；3)智能车高维动力学模型所需外部输入信号的传感器精度及与其相适应的解算模块分类。

对于一般的智能车动力学研究，多数情况下使用的是低维车辆动力学模型，其选择的依据在于：1)所选择的车辆动力学模型只需要能够满足某一辅助驾驶或自动驾驶场景涉及的主要动力学维度即可；2)车辆动力学模型的计算精度能够满足所设计的基本控制功能逻辑需求即可。例如，在自动驾驶路径规划及轨迹跟踪控制的研究中，智能车2自由度的低维模型较为常用，这是因为当前智能车的感知、决策及控制算法研究仍限于低车速、高附着、小道路曲率等场景；这是趋于理想化的研究模型，是在忽略智能车作为高速、易失稳的出行交通工具的本质后所简化形成的结果。又如，7自由度车辆操纵稳定性模型包括车辆纵向运动、侧向运动、横摆运动以及四个车轮的旋转运动，能够满足轮胎滑移率或滑转率的仿真需求，能够反映智能车转向过程中的横摆角速度响应效果，可用于平顺路面、大转向半径等常规工况下的车辆操纵稳定性研究，但其并未考虑地面的不平度激励引起的车身的垂向运动对平顺性的影响，也没有考虑与悬架KC特性有关的侧倾、俯仰动力学对各轮垂向载荷转移产生的影响。由此可见，低维汽车动力学模型对汽车行驶场景的要求较高、限制较多、多工况适应性较差，尽管模型较为简单、对控制器硬件算力的要求较低，但同时也牺牲了一部分计算精度导致模型失准，严重的甚至可能引起控制失配，进而危及汽车高速行驶时的稳定安全性能和应对紧急或复杂情况时的灵活机动性。

在整车电气电子架构由分布式向多域集中式发展的过程中，底盘电气电子架构中各分布式控制架构和策略将整合重构，其信息传输通路布局将重新定义形成底盘动力学域控制架构。底盘域内各传感器信号校验诊断后统一输入到域控制器中，由整车高维动力学模型解算模块接收需要的有效信号并实现统一解算，由域控制器将解算结果选择性地协调分配到相应执行器的信号接收通路，并由分布在各关键汽车零部件处的执行器进行作动，以实现底盘域的动力学协同控制。此域控制架构的最大优势在于，打破了过去各底盘电控子功能模块相互独立观测、计算、控制、执行的割裂架构，实现了多源传感器信号的统一接收、校验和处理，并基于此进行整车动力学全状态数字量化，并将处理和解算得到的车辆动力学状态参数及域控制器决策控制模块的控制信号协调分配至各执行器信号输入端口，进而实现各执行器的协同作动以实现相应的电控功能。所述协同作动是指：在分布式底盘电控策略中，汽车的过多转向、不足转向通常由直接AYC来实现补偿，通过发动机降扭及双侧车轮差动制动分级实现，并不涉及转向、悬架的协同控制；而在底盘域控制架构中，汽车的转向特性补偿不仅能通过驱动、制动系统的执行器实现，而且还能通过联合转向系、传动系和主动悬架系统等的执行器实现协同作动和适时补偿，进而共同达到横摆力偶矩控制的目的。

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智能车底盘域控制器的高维动力学模型解算装置，该装置可以进行多维度架构解算，保障车辆行驶安全。

本发明的另一个目的在于提出一种智能车底盘域控制器的高维动力学模型解算方法。

为达到上述目的，本发明一方面实施例提出了一种智能车底盘域控制器的高维动力学模型解算装置，包括：

驱动-制动-转向输入模块，用于获取加速信号指令、制动信号指令和/或转向信号指令；

动力总成模块，用于由所述加速信号指令、制动信号指令和/或转向信号指令确定输入参量，结合车辆的轮速信号、动力传动系统的系统参数、轮加速度、动力输出转矩获取作用于每个驱动轮的驱动力矩；

轮胎纵向模块，用于根据所述驱动力矩计算所述每个驱动轮的轮胎纵向动力学状态参数；

轮胎垂向模块，用于根据所述驱动力矩计算所述每个驱动轮的轮胎垂向动力学状态参数；以及

车身高维动力学模块，用于利用智能车底盘域控制器中的高维模型，并基于所述每个驱动轮的轮胎纵向动力学状态参数和所述轮胎垂向动力学状态参数，获取所述车辆的15自由度车辆实时状态参数，其中，所述15自由度车辆实时状态参数包括前轮转向角输入、整车横向运动状态、纵向运动状态、垂向运动状态、俯仰运动状态、侧倾运动状态、横摆运动状态，以及四个簧下质量的旋转运动状态和垂向振动运动状态。

为达到上述目的，本发明另一方面实施例提出了一种智能车底盘域控制器的高维动力学模型解算方法，包括：

获取加速信号指令、制动信号指令和/或转向信号指令；

由所述加速信号指令、制动信号指令和/或转向信号指令确定输入参量，结合车辆的轮速信号、动力传动系统的系统参数、轮加速度、动力输出转矩获取作用于每个驱动轮的驱动力矩；

根据所述驱动力矩计算所述每个驱动轮的轮胎纵向动力学状态参数；

根据所述驱动力矩计算所述每个驱动轮的轮胎垂向动力学状态参数；

利用智能车底盘域控制器中的高维模型，并基于所述每个驱动轮的轮胎纵向动力学状态参数和所述轮胎垂向动力学状态参数，获取所述车辆的15自由度车辆实时状态参数，其中，所述15自由度车辆实时状态参数包括前轮转向角输入、整车横向运动状态、纵向运动状态、垂向运动状态、俯仰运动状态、侧倾运动状态、横摆运动状态，以及四个簧下质量的旋转运动状态和垂向振动运动状态。

本发明实施例的智能车底盘域控制器的高维动力学模型解算装置及方法，通过基于智能车底盘动力学域控制体系架构，建立在线解算实时性更强、包含车辆全时状态参数信息更广的动力学模型，进而实现对整车实时行驶动力学行为和底盘动力学特性的量化观测，不仅有利于车载控制器经过通讯网路在人机交互界面为驾驶员(存在于辅助驾驶、部分自动驾驶、高度自动驾驶阶段等)提供驾驶预警和车辆状态信息，同时有利于智能车全面掌握整车及底盘动力学的量化信息，为底盘域控制器协调控制各子执行部件提供了强有力的信息数据支持，还可据此对车载传感器进行冗余校验，实现软硬件层面的冗余安全保护机制，进而保证高速、紧急情况下的智能车动力学行为处于稳定或临界稳定的范围内，保障极端情况下智能车行驶安全。由此，实现智能车整车运动状态精确化、线控底盘数字化、智驾域和底盘域协同化。

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智能车底盘域控制器的高维动力学模型解算装置结构示意图；

图2为根据本发明一个实施例的智能车底盘域控制器的高维动力学模型解算装置结构框架图；

图3为根据本发明一个实施例的智能车底盘域控制器的动力总成模块解算逻辑架构示意图；

图4为根据本发明一个实施例的智能车底盘域控制器的轮胎纵向及垂向模块解算逻辑架构示意图；

图5为根据本发明一个实施例的智能车底盘域控制器的车身高维动力学模块解算逻辑架构示意图；

图6为根据本发明一个实施例的智能车底盘域控制器的15自由度动力学模型双向补偿估计逻辑架构示意图；

图7为根据本发明一个实施例的智能车底盘域控制器的高维动力学模型解算方法流程图。

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智能车底盘域控制器的高维动力学模型解算装置及方法。

首先将参照附图描述根据本发明实施例提出的智能车底盘域控制器的高维动力学模型解算装置。

图1为根据本发明一个实施例的智能车底盘域控制器的高维动力学模型解算装置结构示意图。

如图1所示，该智能车底盘域控制器的高维动力学模型解算装置10包括：驱动-制动-转向输入模块100，动力总成模块200，轮胎纵向模块300，轮胎垂向模块400，和车身高维动力学模块500。

具体地，驱动-制动-转向输入模块100，用于获取加速信号指令、制动信号指令和/或转向信号指令。

动力总成模块200，用于由加速信号指令、制动信号指令和/或转向信号指令确定输入参量，结合车辆的轮速信号、动力传动系统的系统参数、轮加速度、动力输出转矩获取作用于每个驱动轮的驱动力矩。

轮胎纵向模块300，用于根据驱动力矩计算每个驱动轮的轮胎纵向动力学状态参数。

轮胎垂向模块400，用于根据驱动力矩计算每个驱动轮的轮胎垂向动力学状态参数。

车身高维动力学模块500，用于利用智能车底盘域控制器中的高维模型，并基于智能车底盘域控制器的高维动力学模型解算每个驱动轮的轮胎纵向动力学状态参数和智能车底盘域控制器的高维动力学模型解算轮胎垂向动力学状态参数，获取智能车底盘域控制器的高维动力学模型解算车辆的15自由度车辆实时状态参数，其中，智能车底盘域控制器的高维动力学模型解算15自由度车辆实时状态参数包括前轮转向角输入、整车横向运动状态、纵向运动状态、垂向运动状态、俯仰运动状态、侧倾运动状态、横摆运动状态，以及四个簧下质量的旋转运动状态和垂向振动运动状态。

本发明的实施例针对智能汽车底盘动力学域控制器中模型解算模块涉及的高维车辆动力学模型构建了一种状态参数观测解算逻辑架构。具体地，本发明的实施例基于智能汽车底盘域控制器采用的15自由度车辆动力学模型(车身的纵向、横向、垂向、横摆、俯仰、侧倾动力学，四个车轮的旋转和垂向动力学，以及前轮转向角输入自由度)，该逻辑架构的基本解算状态流为：多源传感器测得的信号输入至模型解算整体逻辑架构中，求解计算得到与汽车性能相关的各个变量值并与目标状态参量值进行对比、校验、存储和应用，进而为实车实施控制的过程提供理论指导和数据支持，最终使汽车动力学性能在各工况下均可达到最优或次优。

如图2所示，展示了基于智能汽车底盘域控制器的15自由度车辆动力学模型解算逻辑架构。从图2可以看出，针对智能汽车底盘域控制器的15自由度高维智能车汽车动力学模型，分为驱动-制动-转向输入模块、动力总成模块、轮胎纵向模块、轮胎垂向模块及车身高维动力学模块等主要部分，具体地，包括前轮转向角输入自由度δ、车身纵向、横向和垂向三个平动自由度x、y、z，和绕此三个平动轴的侧倾、俯仰及横摆转动自由度ψ、θ、

以及各轮胎的垂向自由度z_ij及其转动自由度ω。在整个智能汽车底盘动力学域控制器的汽车高维动力学模型解算逻辑架构中，以前轮转角δ、加速踏板行程k_t(或作用于车轮的驱动力矩T_t)和轮缸压力p(或作用于车轮的制动力矩T_b)作为输入参量，由该逻辑架构在线解算得到的车辆实时状态参数存储于域控制器的记忆存储单元内，供位于车载通讯网路上的其他执行作动器的电子控制单元在有需要的时候调用。该模型中动力学结构参数数据库主要包含：整装整备质量M，簧上质量m_s，簧下质量m_u；整车轴距l，整车质心距两轴的距离a、b，整车质心的距地高度h_g，整车质心至整车侧倾轴的正交高度h₀，整车质心至整车俯仰轴的正交高度f₀；整车轮距D，单轴悬架间距E，轮胎有效滚动半径r_eff，整车关于纵向平动轴线、侧向平动轴线及垂向平动轴线转动的惯量J_x、J_y及J_z。另外，可结合所研究车型的悬架结构(如非独立悬架、单横臂独立悬架、双横臂独立悬架、Macpherson独立悬架等)，通过测试标定的方式确定其悬架KC特性曲线以获得各悬架的独立及整体刚度阻尼系数，进而最终获得车身的侧倾角刚度等其他复杂结构参数；类似地，轮胎的力特性曲线同样可以通过测试标定得到，进而结合轮胎纵向、垂向模块及车身纵向、横向、侧倾、垂向等动力学模块进一步解算得到轮胎纵向力、侧向力及车身与轮胎之间的悬架力。其中，由轮胎纵向动力学模块计算得到轮胎纵向力，结合侧向加速度传感器、横摆角加速度传感器的实时信号，车身纵向、横向动力学子模块可根据横摆动力学方程估算得到整车纵向加速度，从而进一步解算参考车速、滑移率、垂向载荷变化等关键车辆状态参数。下面将对各关键子模块的解算依据和架构进行详细说明。

如图3所示，动力总成模块的上下游模块主要有驱动输入模块和轮胎纵向模块。在辅助驾驶或低级别自动驾驶阶段，驾驶员是驱动输入模块的主要执行者；在高级别自动驾驶或无人驾驶阶段，线控执行机构起到了替代驾驶员输入的作用。由驱动输入模块给出加速信号，作为动力总成模块的输入参量。由发动机的MAP性能曲线(燃油汽车)或电机的外特性曲线(电动汽车)计算得出发动机或电机的输出扭矩；由各车轮轮速传感平台测量得到轮速信号，经过滤波、离散型式微分处理可获得相应的轮加速度信号。动力传动系统的内置参数包括主减速比、变速比、传动机械效率等(均存储于智能车底盘及车身动力学结构参数数据库中)，结合轮加速度和动力输出转矩两路信号，动力传动系统即解算得到作用于每个驱动轮的驱动力矩，实现起步、加速等需要动力提升的驾驶行为。

如图4所示，轮胎纵向模块主要完成轮胎纵向力基础值的解算。由轮缸压力传感器量测的轮缸压力转换为作用于车轮的制动力矩，联合作用于车轮的驱动力矩及实时轮加速度共同作为轮胎纵向模块的输入，进而解算得到轮胎纵向力的输出值。轮胎纵向模块、车身侧倾动力学子模块、车身横向动力学子模块、车身横摆动力学子模块等联合解算可得到轮胎滑移率和路面附着的观测系数。路面峰值附着系数和随机道路环境条件(包括路面不平度激励、随机道路曲率及路面颠簸程度等)作为轮胎垂向模块的输入，根据轮胎-悬架-车身的垂向耦合动力学特性及轮胎等效KC工作特性曲线，可解算得轮胎垂向动力学状态参数。

如图5所示，车身纵向及横向动力学子模块的解算逻辑架构及状态流如下：模块的输入信号包括各轮胎的解算纵向力、侧向加速度传感器的量测值、横摆角加速度传感器的量测值、前轮转角及动力学结构参数等。将以上各输入量代入如下表达式，即可计算得到轮胎与地面的纵向接触力之和：

根据纵向、横向动力学的力矩平衡方程，纵向加速度基础值的表达式为：

考虑不可量测量或随机因素导致的纵向加速度解算误差，引入纵向加速度偏置项修正：

a_x＝a_xmodel-a_xOff

将所计算得到的纵向加速度、量测滤波得到的横向加速度，以及悬架结构参数等作为侧倾动力学子模块的输入，并与车身垂向动力学、车身俯仰动力学子模块相结合，来解算轮胎垂向载荷转移的变化量及悬架弹簧阻尼力的变化量。其中，悬架力的可行计算方法如下：

各轮胎作用的垂向载荷变化量估算方法为：

基于智能车静止或匀速运动时的静态垂向载荷，可由以下经验公式对各轮胎的利用附着系数进行估算：

由此，可利用自由滚动轮速的经验公式进行计算：

将各轮自由滚动轮速计算值向后周中心转移分别得到相应的自由滚动纵向车速，分为两种情况：1)当部分车轮滑移率或滑转率较高时，可采用回归分析方法(例如线性回归、最小二乘回归、岭回归等)分析各自由滚动纵向车速信号之间的偏差，剔除不可信信号后利用其余几个互相关系数较高的信号进行参考车速的估计，或确定车辆驱动型式后采用非驱动轮换算的自由滚动纵向车速信号来估计车速；2)当四驱车全部车轮均出现较大滑移率或滑转率时，采用滑转或滑移前相邻时刻的纵向车速估计值和同时刻纵向加速度的解算值，按运动学公式计算更接近实际车速的参考车速值，注意此时不能再采用四个车轮的轮速信号来估计参考车速。参考车速的估计表达式为：

或

v_x(k)＝v_x(k-1)+a_x·T

获取纵向参考车速后，即可再以后轴中心为基准作轮速转移计算各车轮的轮心速度，将轮心速度与量测轮速代入滑移率或滑转率计算公式即可得到滑移率或滑转率的解算结果。由智能车运动学关系式，结合纵向参考车速、侧向加速度量测值及横摆角速度量测值并进行离散型积分即可得到横向车速的估计值。因此，结合纵向、横向车速估计值，以及横摆角速度、前轮转角信号、整车结构参数即可获得车身侧偏角观测值、前轴侧偏角估计值及后轴侧偏角估计值。结合整车侧向加速度量测值、纵向力计算值及法向力估计值，参考附着椭圆的基本思想，即可简单地获得路面峰值附着系数的估计值，其表达式如下：

另外，在智能车底盘动力学域控制器的车身垂向动力学、侧倾动力学及俯仰动力学解算逻辑架构中，由前轮转角输入值、其他子模块解算获得的地面轮胎纵向接触力和横向接触力，以及悬架弹簧阻尼力等解算值或结构参数，能进一步解算得到车身垂向加速度

等状态参数，与前文互为补充的动力学模型如下：

至此，基于智能车底盘动力学域控制的智能车底盘域控制器的高维动力学模型解算架构状态流已构建完成，本发明以底盘域控制器采用的15自由度模型为阐述逻辑架构时的主要依托，但实际上该架构还可拓展至更高维的、针对底盘动力学域控制器的复杂智能车模型解算方案中。从以上关于整体逻辑架构的论述可以看出，尽管整体15自由度模型解算逻辑架构较为复杂，但实际上它呈现的是一类双向补偿估计的框架结构，如图6所示。

图6所示的解算逻辑架构中，车辆内部参数包括加速信号、制动信号、转向信号、轮胎纵向及侧向力、悬架耦合弹簧阻尼力等，通过以上内部参数输入车辆运动学和动力学状态解算模块后可获取15自由度车辆实时状态参数，包括前轮转向角输入、整车横向运动状态、纵向运动状态、垂向运动状态、俯仰运动状态、侧倾运动状态、横摆运动状态，以及四个簧下质量的旋转运动状态和垂向振动运动状态。由该智能车底盘域控制器的高维动力学模型解算逻辑架构获得的车辆状态，结合外部输入参数共同用于对内部参数中横向力、纵向力及悬架力的解算和观测；同时在车辆状态观测中，整车横向运动及横摆运动对纵向运动的估计和观测有明显影响，纵向运动及横摆运动对横向运动的估测也存在直接的影响。

根据本发明实施例提出的智能车底盘域控制器的高维动力学模型解算装置，通过基于智能车底盘动力学域控制体系架构，建立在线解算实时性更强、包含车辆全时状态参数信息更广的动力学模型，进而实现对整车实时行驶动力学行为和底盘动力学特性的量化观测，不仅有利于车载控制器经过通讯网路在人机交互界面为驾驶员(存在于辅助驾驶、部分自动驾驶、高度自动驾驶阶段等)提供驾驶预警和车辆状态信息，同时有利于智能车全面掌握整车及底盘动力学的量化信息，为底盘域控制器协调控制各子执行部件提供了强有力的信息数据支持，还可据此对车载传感器进行冗余校验，实现软硬件层面的冗余安全保护机制，进而保证高速、紧急情况下的智能车动力学行为处于稳定或临界稳定的范围内，保障极端情况下智能车行驶安全，由此，实现智能车整车运动状态精确化、线控底盘数字化、智驾域和底盘域协同化。

其次参照附图描述根据本发明实施例提出的智能车底盘域控制器的高维动力学模型解算方法。

如图7所示，该智能车底盘域控制器的高维动力学模型解算方法包括：

S1，获取加速信号指令、制动信号指令和/或转向信号指令。

S2，由加速信号指令、制动信号指令和/或转向信号指令确定输入参量，结合车辆的轮速信号、动力传动系统的系统参数、轮加速度、动力输出转矩获取作用于每个驱动轮的驱动力矩。

S3，根据驱动力矩计算每个驱动轮的轮胎纵向动力学状态参数。

S4，根据驱动力矩计算每个驱动轮的轮胎垂向动力学状态参数。

S5，利用智能车底盘域控制器中的高维模型，并基于智能车底盘域控制器的高维动力学模型解算每个驱动轮的轮胎纵向动力学状态参数和智能车底盘域控制器的高维动力学模型解算轮胎垂向动力学状态参数，获取智能车底盘域控制器的高维动力学模型解算车辆的15自由度车辆实时状态参数，其中，智能车底盘域控制器的高维动力学模型解算15自由度车辆实时状态参数包括前轮转向角输入、整车横向运动状态、纵向运动状态、垂向运动状态、俯仰运动状态、侧倾运动状态、横摆运动状态，以及四个簧下质量的旋转运动状态和垂向振动运动状态。

可选地，在本发明的一个实施例中，系统参数包括主减速比、变速比、传动机械效率中的一项或多项。

可选地，在本发明的一个实施例中，轮胎纵向模块具体用于根据车辆的制动力矩、每个驱动轮的驱动力矩及实际加速度计算轮胎纵向力，并获取轮胎滑移率和路面附着的观测系数，得到轮胎纵向动力学状态参数。

可选地，在本发明的一个实施例中，轮胎纵向模块具体用于结合路面峰值附着系数和随机道路环境条件，根据轮胎-悬架-车身的垂向耦合动力学特性及轮胎等效KC工作特性曲线解算得到轮胎垂向动力学状态参数。

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智能车底盘域控制器的高维动力学模型解算方法，通过基于智能车底盘动力学域控制体系架构，建立在线解算实时性更强、包含车辆全时状态参数信息更广的动力学模型，进而实现对整车实时行驶动力学行为和底盘动力学特性的量化观测，不仅有利于车载控制器经过通讯网路在人机交互界面为驾驶员(存在于辅助驾驶、部分自动驾驶、高度自动驾驶阶段等)提供驾驶预警和车辆状态信息，同时有利于智能车全面掌握整车及底盘动力学的量化信息，为底盘域控制器协调控制各子执行部件提供了强有力的信息数据支持，还可据此对车载传感器进行冗余校验，实现软硬件层面的冗余安全保护机制，进而保证高速、紧急情况下的智能车动力学行为处于稳定或临界稳定的范围内，保障极端情况下智能车行驶安全，由此，实现智能车整车运动状态精确化、线控底盘数字化、智驾域和底盘域协同化。

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

1.一种智能车底盘域控制器的高维动力学模型解算装置，其特征在于，包括：

2.根据权利要求1所述的装置，其特征在于，所述系统参数包括主减速比、变速比、传动机械效率中的一项或多项。

3.根据权利要求1所述的装置，其特征在于，所述轮胎纵向模块具体用于根据所述车辆的制动力矩、所述每个驱动轮的驱动力矩及实际加速度计算轮胎纵向力，并获取轮胎滑移率和路面附着的观测系数，得到所述轮胎纵向动力学状态参数。

4.根据权利要求1所述的装置，其特征在于，所述轮胎纵向模块具体用于结合路面峰值附着系数和随机道路环境条件，根据轮胎-悬架-车身的垂向耦合动力学特性及轮胎等效KC工作特性曲线解算得到所述轮胎垂向动力学状态参数。

5.根据权利要求1所述的装置，其特征在于，所述车身高维动力学模块进一步用于基于智能车静止或匀速运动时的静态垂向载荷，利用以下估算公式计算所述每个驱动轮的利用附着系数，所述估算公式为：

其中，μ_i为驱动轮i的利用附着系数，F_xi为由轮胎纵向模块估算的驱动轮i的地面纵向作用力，F_ni为由轮胎垂向模块估算的驱动轮i的动态垂向载荷，F_ni，static为车辆处于静止或平衡态时驱动轮i的垂向载荷。

6.根据权利要求1所述的装置，其特征在于，所述身高维动力学模块进一步用于利用自由滚动轮速的经验公式计算所述每个驱动轮的自由滚动轮速，所述经验公式为：

其中，v_i,roll为车轮i的自由滚动轮速，ω_i为来自轮速传感器的车轮i的轮速滤波信号，r_i,eff为车轮i的有效滚动半径，k_i为小滑移情况下车轮i的侧偏刚度系数，μ_i为车轮i的利用附着系数估算值。

7.一种智能车底盘域控制器的高维动力学模型解算方法，其特征在于，包括：

获取加速信号指令、制动信号指令和/或转向信号指令；

8.根据权利要求7所述的方法，其特征在于，所述系统参数包括主减速比、变速比、传动机械效率中的一项或多项。

9.根据权利要求7所述的方法，其特征在于，所述轮胎纵向模块具体用于根据所述车辆的制动力矩、所述每个驱动轮的驱动力矩及实际加速度计算轮胎纵向力，并获取轮胎滑移率和路面附着的观测系数，得到所述轮胎纵向动力学状态参数。

10.根据权利要求7所述的方法，其特征在于，所述轮胎纵向模块具体用于结合路面峰值附着系数和随机道路环境条件，根据轮胎-悬架-车身的垂向耦合动力学特性及轮胎等效KC工作特性曲线解算得到所述轮胎垂向动力学状态参数。