CN113434967B - 车辆轮速的估计方法、装置、控制方法、设备和存储介质 - Google Patents
车辆轮速的估计方法、装置、控制方法、设备和存储介质 Download PDFInfo
- Publication number
- CN113434967B CN113434967B CN202110991511.4A CN202110991511A CN113434967B CN 113434967 B CN113434967 B CN 113434967B CN 202110991511 A CN202110991511 A CN 202110991511A CN 113434967 B CN113434967 B CN 113434967B
- Authority
- CN
- China
- Prior art keywords
- wheel
- wheel speed
- target
- target wheel
- equation
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P3/00—Measuring linear or angular speed; Measuring differences of linear or angular speeds
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computational Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本申请公开了一种车辆轮速的估计方法、装置、控制方法、设备和存储介质,属于车辆工程的技术领域。车辆轮速的估计方法包括:获取目标车轮的状态参数,并根据状态参数建立针对目标车轮的动力学模型;根据动力学模型,建立针对目标车轮的轮速的状态方程;采用目标车轮的轮速采集值和参考车轮的轮速采集值作为观测向量,建立针对目标车轮的轮速的观测方程;根据状态方程和观测方程,通过卡尔曼滤波器对目标车轮的轮速采集值进行滤波处理,获得目标车轮的轮速估计值;其中,参考车轮包括:目标车轮的同轴车轮和/或同侧车轮。本申请能够提高车辆轮速估计的准确程度。
Description
技术领域
本申请属于车辆工程的技术领域,具体涉及一种车辆轮速的估计方法、装置、控制方法、设备和存储介质。
背景技术
在车辆动力学控制领域,车辆轮速是一个至关重要的状态量,也是车辆制动控制系统、车辆自动驾驶系统的基本输入信号之一。车辆轮速对车轮滑移率、参考车速等关键参数的计算至关重要。
由于在车上安装直接测量车速的传感器成本太高,因此,在实际研究和开发中,车速作为不易直接获取的状态量,通常采用各种估算算法估算获得。相关技术中的估算算法包括最大轮速法、斜率法和综合法等等。然而,上述算法的估算精度不高。随着车辆工程领域智能化的发展趋势,本领域对车辆动力学的集成控制精度要求进一步提高。
此外,车辆控制系统十分复杂,车辆行驶于各种复杂的工况时,作为弱电系统的轮速信号,难免会受到各种干扰的影响。
因此,如何获取准确的车辆轮速估计结果,是本领域技术人员亟待解决的问题,也是对车辆实现安全有效控制的关键。
发明内容
本申请实施例的目的是提供一种估计方法、装置、控制方法、设备和存储介质,能够解决车辆轮速估计结果准确程度低的问题。
第一方面,本申请实施例提供了一种车辆轮速的估计方法,包括:
获取目标车轮的状态参数,并根据状态参数建立针对目标车轮的动力学模型;
根据动力学模型,建立针对目标车轮的轮速的状态方程;
采用目标车轮的轮速采集值和参考车轮的轮速采集值作为观测向量,建立针对目标车轮的轮速的观测方程;
根据状态方程和观测方程,通过卡尔曼滤波器对目标车轮的轮速采集值进行滤波处理,获得目标车轮的轮速估计值;
其中,参考车轮包括:目标车轮的同轴车轮和/或同侧车轮。
另外,根据本申请上述技术方案还可以具有以下技术特征:
上述任一技术方案中,根据状态参数建立针对目标车轮的动力学模型,包括:根据包括目标车轮的转动惯量、驱动力矩、与地面之间作用的地面制动力、有效半径和制动力矩的状态参数,建立针对目标车轮的角加速度的动力学模型。
上述任一技术方案中,根据动力学模型,建立针对目标车轮的轮速的状态方程,包括:
根据动力学模型预测目标车轮的角加速度,并根据角加速度、有效半径和对目标车轮的轮速进行采样的时间间隔,建立针对目标车轮的轮速的状态方程;
其中,状态方程为预测目标车轮当前时刻轮速与下一时刻轮速之间关系的方程;
采用目标车轮的轮速采集值和参考车轮的轮速采集值作为观测向量,建立针对目标车轮的轮速的观测方程,包括:
采用目标车轮的下一时刻轮速采集值、同轴车轮的下一时刻轮速采集值和同侧车轮的下一时刻轮速采集值作为观测向量,建立针对目标车轮的轮速的观测方程;
其中,观测方程为表征轮速采集值、观测矩阵和观测噪声之间关系的方程。
上述任一技术方案中,根据状态方程和观测方程,通过卡尔曼滤波器对目标车轮的轮速采集值进行滤波处理,获得目标车轮的轮速估计值,包括:
根据状态方程和观测方程,通过卡尔曼滤波器得出当前时刻目标车轮的先验误差协方差矩阵和轮速先验估计值;
根据先验误差协方差矩阵和轮速先验估计值,通过卡尔曼滤波器得出当前时刻目标车轮的后验误差协方差矩阵和轮速后验估计值;
采用轮速后验估计值作为当前时刻的轮速估计值,并采用后验误差协方差矩阵作为下一时刻目标车轮的先验误差协方差矩阵。
上述任一技术方案中,在获得目标车轮的轮速估计值之后,该方法还包括:
识别轮速估计值中的轮速异常点;
对轮速异常点进行剔除和插值替换。
上述任一技术方案中,识别轮速估计值中的轮速异常点,包括:
根据轮速估计值,获取目标车轮在第一时刻的加速度和第二时刻的加速度;
根据第一时刻的加速度和第二时刻的加速度,识别轮速估计值中的轮速异常点。
上述任一技术方案中,对轮速异常点进行剔除和插值替换,包括:
获取相对于轮速异常点的在先正常轮速点和在后正常轮速点;
对轮速异常点进行剔除,并根据在先正常轮速点和在后正常轮速点,对轮速异常点进行插值替换。
本申请实施例提供的车辆轮速的估计方法首先获取目标车轮的状态参数,并根据该状态参数建立针对目标车轮的动力学模型。进而,根据该动力学模型,建立针对目标车轮的轮速的状态方程。随后,则采用目标车轮的轮速采集值和参考车轮的轮速采集值作为观测向量,建立针对目标车轮的轮速的观测方程。最后,则可以根据状态方程和观测方程,通过卡尔曼滤波器对目标车轮的轮速采集值进行滤波处理,并由此获得目标车轮的轮速估计值。其中,参考车轮包括:目标车轮的同轴车轮和同侧车轮。由于本申请实施例提供的车辆轮速的估计方法在进行卡尔曼滤波时,采用目标车轮的轮速采集值和参考车轮的轮速采集值作为观测向量建立观测方程,因此其能够针对目标车轮得到更为准确的轮速估计值。由此,本申请实施例提供的车辆轮速的估计方法能够提高车辆轮速估计的准确程度,进而使得车辆能够根据精准的轮速估计结果进行进一步安全、有效地行车控制。
第二方面,本申请实施例提供了一种车辆控制方法,包括:
采用如上述任一技术方案的车辆轮速的估计方法,获得目标车轮的轮速估计值;
根据轮速估计值对车辆进行控制。
本申请实施例提供的车辆控制方法采用如上述任一技术方案的车辆轮速的估计方法获得目标车轮的轮速估计值,因此其具有如上述任一技术方案的车辆轮速的估计方法的全部有益效果,在此不再赘述。
第三方面,本申请实施例提供了一种车辆轮速的估计装置,包括:
模型建立模块,用于获取目标车轮的状态参数,并根据状态参数建立针对目标车轮的动力学模型;
状态方程建立模块,用于根据动力学模型,建立针对目标车轮的轮速的状态方程;
观测方程建立模块,用于采用目标车轮的轮速采集值和参考车轮的轮速采集值作为观测向量,建立针对目标车轮的轮速的观测方程;
滤波模块,用于根据状态方程和观测方程,通过卡尔曼滤波器对目标车轮的轮速采集值进行滤波处理,获得目标车轮的轮速估计值;
其中,参考车轮包括:目标车轮的同轴车轮和/或同侧车轮。
本申请实施例提供的车辆轮速的估计装置采用如上述任一技术方案的车辆轮速的估计方法,因此其具有如上述任一技术方案的车辆轮速的估计方法的全部有益效果,在此不再赘述。
第四方面,本申请实施例提供了一种电子设备,包括处理器,存储器及存储在存储器上并可在处理器上运行的程序或指令,程序或指令被处理器执行时实现如上述任一技术方案的方法的步骤。
本申请实施例提供的电子设备实现如上述任一技术方案的车辆轮速的估计方法,因此其具有如上述任一技术方案的车辆轮速的估计方法的全部有益效果,在此不再赘述。
第五方面,本申请实施例提供了一种可读存储介质,其特征在于,可读存储介质上存储程序或指令,程序或指令被处理器执行时实现如上述任一技术方案的方法的步骤。
本申请实施例提供的可读存储介质实现如上述任一技术方案的车辆轮速的估计方法,因此其具有如上述任一技术方案的车辆轮速的估计方法的全部有益效果,在此不再赘述。
附图说明
图1是本申请实施例的车辆轮速的估计方法的步骤流程图之一;
图2是本申请实施例的目标车轮的状态参数的类型构成示意图;
图3是本申请实施例的车辆轮速的估计方法的步骤流程图之二;
图4是本申请实施例的车辆轮速的估计方法的步骤流程图之三;
图5是本申请实施例的车辆轮速的估计方法的步骤流程图之四;
图6是本申请实施例的车辆轮速的估计方法的步骤流程图之五;
图7是本申请实施例的车辆轮速的估计装置的组成示意框图;
图8是本申请实施例的电子设备的组成示意框图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员获得的所有其他实施例,都属于本申请保护的范围。
本申请的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象,而不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施,且“第一”、“第二”等所区分的对象通常为一类,并不限定对象的个数,例如第一对象可以是一个,也可以是多个。此外,说明书以及权利要求中“和/或”表示所连接对象的至少其中之一,字符“/”,一般表示前后关联对象是一种“或”的关系。
下面结合附图,通过具体的实施例及其应用场景对本申请实施例提供的车辆轮速的估计方法、装置、控制方法、设备和存储介质进行详细地说明。
随着车辆工程领域智能化的发展趋势,本领域对车辆动力学的集成控制精度要求日益提高。其中,车辆轮速是车辆制动控制系统、车辆自动驾驶系统的基本输入信号,对车辆轮速的准确估算,是保证精准控制车辆和行车安全重要前提。尤其需要说明的是,尽管目前的传感器有一定精度,但车辆本身是一个复杂系统,如果传感器的异常轮速信号输入到控制器中,可能会影响控制效果。综上,对轮速的评估不能仅依赖于传感器,还需要根据车轮的状态,通过模型对轮速进行评估,才能够对车辆安全进行有效控制。鉴于相关技术中车辆轮速估算方法的准确程度不够理想,本申请实施例提供了一种车辆轮速的估计方法,以期达到提高车辆轮速估算准确程度的目的。需要说明的是,本申请实施例提供的车辆轮速的估计方法,执行主体可以为车辆轮速的估计装置,或者该车辆轮速的估计装置中的用于执行车辆轮速的估计的方法的控制模块。本申请实施例中以车辆轮速的估计装置执行车辆轮速的估计方法为例,说明本申请实施例提供的车辆轮速的估计方法及装置。
如图1所示,本申请实施例提供的车辆轮速的估计方法包括以下的S101至S104:
S101、车辆轮速的估计装置获取目标车轮的状态参数,并根据状态参数建立针对目标车轮的动力学模型。
在本申请实施例中,目标车轮为采用本申请实施例提供的车辆轮速的估计方法进行车辆轮速估计的车轮。目标车轮的数量可以为一个,也可以为多个。在目标车轮的数量为多个的情况下,则可以针对各个目标车轮,分别执行步骤S101至S104,以分别获得各个目标车轮的轮速估计值。
在本申请实施例中,状态参数是指用于表征或衡量目标车轮的运行状态和/或物理形态的参数。状态参数的数量为多个。其中,可以采用多个状态参数构建目标车轮的动力学模型,以表征目标车轮在运行过程中的动力学状态。
可以理解,目标车轮的状态参数可以通过一个或多个传感器采集获取。
示例性地,目标车轮的状态参数可以包括目标车轮的轮胎驱动力矩、轮胎转动惯量、轮胎角速度、轮胎与地面之间作用的地面制动力、轮胎转动的有效半径、轮胎制动力矩等参数。
可选地,在本申请实施例中,S101包括:
车辆轮速的估计装置根据包括目标车轮的转动惯量、驱动力矩、与地面之间作用的地面制动力、有效半径和制动力矩的状态参数,建立针对目标车轮的角加速度的所述动力学模型。
可选地,在本申请实施例中,目标车轮的动力学模型可以为:
其中,如图2所示,J为目标车轮的转动惯量,w为目标车轮的角速度,为目标车轮的角加速度,T d 为所述目标车轮的驱动力矩,F x 为目标车轮与地面之间作用的地面制动力,r为目标车轮转动的有效半径,T b 为目标车轮的制动力矩。
S102、车辆轮速的估计装置根据动力学模型,建立针对目标车轮的轮速的状态方程。
可以理解,在本申请实施例中,建立状态方程的目的是通过其建立卡尔曼滤波器(亦称卡尔曼滤波方程)。
可以理解,状态方程表征了目标车轮由上一时刻至下一时刻的轮速变化情况。其中,目标车轮下一时刻的轮速可以根据其上一时刻的轮速结合目标车轮的动力学模型,以及上一时刻至下一时刻之间的时间间隔进行预测。
可选地,在本申请实施例中,S102包括:
车辆轮速的估计装置根据动力学模型预测目标车轮的角加速度,并根据角加速度、有效半径和对目标车轮的轮速进行采样的时间间隔,建立针对目标车轮的轮速的状态方程。
其中,状态方程为预测目标车轮当前时刻轮速与下一时刻轮速之间关系的方程。
可选地,在本申请实施例中,针对目标车轮的轮速建立的状态方程为:
其中,v k+1 为目标车轮在k+1时刻的轮速,v k 为目标车轮在k时刻的轮速,ΔT为对目标车轮的轮速进行采样的时间间隔。
S103、车辆轮速的估计装置采用目标车轮的轮速采集值和参考车轮的轮速采集值作为观测向量,建立针对目标车轮的轮速的观测方程。
其中,参考车轮包括:目标车轮的同轴车轮和/或同侧车轮。
换言之,在步骤S103中,可以采用目标车轮的轮速采集值和/或同轴车轮的轮速采集值,以及同侧车轮的轮速采集值作为观测向量,针对目标车轮的轮速建立观测方程。
可以理解,目标车轮的同轴车轮是指与目标车轮采用相同的驱动轴驱动的车轮。比如,目标车轮为前左侧车轮,则同轴车轮为前右侧车轮。
可以理解,目标车轮的同侧车轮是指与目标车轮处于相同一侧的车轮。比如,目标车轮为前左侧车轮,则同侧车轮为后左侧车轮。
可选地,在本申请实施例中,S103包括:
车辆轮速的估计装置采用目标车轮的下一时刻轮速采集值、同轴车轮的下一时刻轮速采集值和同侧车轮的下一时刻轮速采集值作为观测向量,建立针对目标车轮的轮速的观测方程。
其中,观测方程为表征轮速采集值、观测矩阵和观测噪声之间关系的方程。
可选地,在本申请实施例中,针对目标车轮的轮速建立的观测方程为:
具体而言,y 1(k+1)为k+1时刻同轴车轮的轮速采集值,y 2(k+1)为k+1时刻同侧车轮的轮速采集值,y 3(k+1)为k+1时刻目标车轮的轮速采集值,R 1为同轴车轮的观测噪声,R 2为同侧车轮的观测噪声,R 3目标车轮的观测噪声,H 1为同轴车轮的观测矩阵,H 2为同侧车轮的观测矩阵,H 3为目标车轮的观测矩阵,T表示矩阵转置。
S104、车辆轮速的估计装置根据状态方程和观测方程,通过卡尔曼滤波器对目标车轮的轮速采集值进行滤波处理,获得目标车轮的轮速估计值。
由于信号采集和传输的过程中夹杂入了环境噪声,因此,在进行轮速值估计时,采集得到的原始信号往往带有毛刺和误差。这种带有高频噪声的信号不仅本身无法满足使用要求,而且在获取延伸导数信号时会把这种误差进一步放大,导致结果无法辨识。因此在需要对这些信号进行滤波处理,滤波器应满足以下要求:阶次低,信号平滑。卡尔曼滤波(Kalman Filtering)是一种利用线性系统状态方程,通过系统输入输出观测数据,对系统状态进行最优估计的算法。通过卡尔曼滤波器对目标车轮的轮速采集值进行滤波处理,可以根据状态方程和观测方程滤除目标车轮轮速估计中的系统噪声和干扰,针对目标车轮获得准确的轮速估计值。
可选地,在本申请实施例中,如图3所示,上述S104包括以下的S104a至S104c:
S104a、车辆轮速的估计装置根据状态方程和观测方程,通过卡尔曼滤波器得出当前时刻目标车轮的先验误差协方差矩阵和轮速先验估计值。
其中,轮速先验估计值为通过将包括轮速采集值的参数带入卡尔曼滤波器(即卡尔曼滤波方程)而获得的对目标车轮轮速的预测结果。先验误差协方差矩阵则为用于评估轮速先验估计值准确程度的评估参数。
示例性地,先验误差协方差矩阵通过以下公式获得:
P -(k+1)=P -(k)+Q
其中, P -(k+1)为目标车轮在k+1时刻的先验误差协方差, P -(k)为目标车轮在k时刻的先验误差协方差,Q为噪声协方差矩阵。
示例性地,轮速先验估计值通过以下公式获得:
S104b、车辆轮速的估计装置根据先验误差协方差矩阵和轮速先验估计值,通过卡尔曼滤波器得出当前时刻目标车轮的后验误差协方差矩阵和轮速后验估计值。
其中,轮速后验估计值为根据先验误差协方差矩阵对轮速先验估计值进行校正而获得的对目标车轮轮速的预测结果。后验误差协方差矩阵则为用于评估轮速后验估计值准确程度的评估参数。
示例性地,轮速后验估计值通过以下公式获得:
其中,v(k+1)为目标车轮在k+1时刻的轮速后验估计值,K k 为卡尔曼增益。
示例性地,后验误差协方差矩阵通过以下公式获得:
其中,P(k+1)为目标车轮在k+1时刻的后验误差协方差,I为单位矩阵。
S104c、车辆轮速的估计装置采用轮速后验估计值作为当前时刻的轮速估计值,并采用后验误差协方差矩阵作为下一时刻目标车轮的先验误差协方差矩阵。
可以理解,采用后验误差协方差矩阵作为下一时刻目标车轮的先验误差协方差矩阵,则可以通过迭代循环对连续时间段内目标车轮的轮速估计值进行不断地评估,并对上一次的评估结果进行校正,以采用矫正结果在获得下一次的评估结果时进行使用。
本申请实施例中提供的车辆轮速的估计方法首先获取目标车轮的状态参数,并根据该状态参数建立针对目标车轮的动力学模型。进而,根据该动力学模型,建立针对目标车轮的轮速的状态方程。随后,则采用目标车轮的轮速采集值和参考车轮的轮速采集值作为观测向量,建立针对目标车轮的轮速的观测方程。最后,则可以根据状态方程和观测方程,通过卡尔曼滤波器对目标车轮的轮速采集值进行滤波处理,并由此获得目标车轮的轮速估计值。其中,参考车轮包括:目标车轮的同轴车轮和/或同侧车轮。
需要说明的是,在相关技术中,通过采用单个车轮的多个速度参数(例如纵向速度、侧向速度、横摆角速度等)作为观测向量。由此带来的问题是,对该单个车轮的轮速估计结果不够准确。
为此,本申请实施例采用目标车轮的轮速采集值和参考车轮的轮速采集值作为观测向量建立观测方程。由于本申请实施例提供的车辆轮速的估计方法在进行卡尔曼滤波时,采用目标车轮的轮速采集值和参考车轮的轮速采集值作为观测向量建立观测方程,因此其能够针对目标车轮得到更为准确的轮速估计值。
由此,本申请实施例提供的车辆轮速的估计方法能够提高车辆轮速估计的准确程度,进而使得车辆能够根据精准的轮速估计结果进行进一步安全、有效地行车控制。
可选地,在本申请实施例中,如图4所示,在步骤S104的车辆轮速的估计装置获得目标车轮的轮速估计值之后,车辆轮速的估计方法还包括以下的S105至S106:
S105、车辆轮速的估计装置识别轮速估计值中的轮速异常点。
可以理解,采用上述步骤S105的原因在于,在滤波处理后,目标车轮的轮速估计值仍然可以存在有轮速异常点。这一问题会导致对车辆轮速的估计结果不够准确,并影响后续的车辆控制结果。为此,有必要通过上述步骤S105对经过滤波处理的轮速估计值中的轮速异常点进行识别。
可选地,在本申请实施例中,如图5所示,上述步骤S105包括以下的上述步骤S105a至上述步骤S105b:
S105a、车辆轮速的估计装置根据轮速估计值,获取目标车轮在第一时刻的加速度和第二时刻的加速度。
S105b、车辆轮速的估计装置根据第一时刻的加速度和第二时刻的加速度,识别轮速估计值中的轮速异常点。
示例性地,可以假设第一时刻为m,第二时刻为m+1,第一时刻和第二时刻之间的间隔为Δt(具体设为5ms),第一时刻的速度为v m ,第二时刻的速度为v m+1,第三时刻的速度为v m+2,则目标车轮在第一时刻的加速a 1度和第二时刻的加速度a 2分别通过以下公式获得:
在获得第一时刻的加速a 1度和第二时刻的加速度a 2后,则求取第一时刻的加速a 1度和第二时刻的加速度a 2之间的差异(即二者绝对值),并将其与预设阈值A进行大小比较。其中,如果满足|a 1-a 2|≤A,则v m+1不是轮速异常点。反之,如果满足|a 1-a 2|>A,则v m+1是轮速异常点。其中,预设阈值A的具体数值可由本领域技术人员进行选择和调整。
S106、车辆轮速的估计装置对轮速异常点进行剔除和插值替换。
可以理解,采用上述步骤S106的原因在于,在识别到轮速异常点后,则需要对其进行剔除,并通过插值替换保证轮速估计的准确程度。
可选地,在本申请实施例中,如图6所示,上述步骤S106包括以下的上述步骤S106a至上述步骤S106b:
S106a、车辆轮速的估计装置获取相对于轮速异常点的在先正常轮速点和在后正常轮速点。
S106b、车辆轮速的估计装置对轮速异常点进行剔除,并根据在先正常轮速点和在后正常轮速点,对轮速异常点进行插值替换。
其中,v m 为相对于v m+1的在先时刻的速度,v m+2为相对于v m+1的在后时刻的速度。
本申请实施例还提供了一种车辆控制方法,包括以下步骤:
采用如上述任一实施例的车辆轮速的估计方法,获得目标车轮的轮速估计值;
根据轮速估计值对车辆进行控制。
其中,根据轮速估计值对车辆进行控制可以包括:根据轮速估计值控制车辆的车轮滑移率,或者根据轮速估计值控制车辆的参考车速。
本申请实施例提供的车辆控制方法采用如上述任一实施例的车辆轮速的估计方法获得目标车轮的轮速估计值,因此其具有如上述任一实施例的车辆轮速的估计方法的全部有益效果,在此不再赘述。
如图7所示,本申请实施例还提供了一种车辆轮速的估计装置700,包括:
模型建立模块710,用于获取目标车轮的状态参数,并根据状态参数建立针对目标车轮的动力学模型。
状态方程建立模块720,用于根据动力学模型,建立针对目标车轮的轮速的状态方程。
观测方程建立模块730,用于采用目标车轮的轮速采集值和参考车轮的轮速采集值作为观测向量,建立针对目标车轮的轮速的观测方程。
滤波模块740,用于根据状态方程和观测方程,通过卡尔曼滤波器对目标车轮的轮速采集值进行滤波处理,获得目标车轮的轮速估计值。
其中,参考车轮包括:目标车轮的同轴车轮和/或同侧车轮。
本申请实施例中的估计装置700可以是装置,也可以是终端中的部件、集成电路、或芯片。该装置可以是移动电子设备,也可以为非移动电子设备。
本申请实施例提供的车辆轮速的估计装置700采用如上述任一实施例的车辆轮速的估计方法,因此其具有如上述任一实施例的车辆轮速的估计方法的全部有益效果,在此不再赘述。
可选地,本申请实施例中,滤波模块740,具体用于根据状态方程和观测方程,通过卡尔曼滤波器得出当前时刻目标车轮的先验误差协方差矩阵和轮速先验估计值。根据先验误差协方差矩阵和轮速先验估计值,通过卡尔曼滤波器得出当前时刻目标车轮的后验误差协方差矩阵和轮速后验估计值。采用轮速后验估计值作为当前时刻的轮速估计值,并采用后验误差协方差矩阵作为下一时刻目标车轮的先验误差协方差矩阵。
可选地,本申请实施例中,滤波模块740,还用于在获得所述目标车轮的轮速估计值之后,识别轮速估计值中的轮速异常点,对轮速异常点进行剔除和插值替换。
可选地,本申请实施例中,滤波模块740,具体用于根据轮速估计值,获取目标车轮在第一时刻的加速度和第二时刻的加速度。根据所第一时刻的加速度和第二时刻的加速度,识别轮速估计值中的轮速异常点。
可选地,本申请实施例中,滤波模块740,具体用于获取相对于轮速异常点的在先正常轮速点和在后正常轮速点。对轮速异常点进行剔除,并根据在先正常轮速点和在后正常轮速点,对轮速异常点进行插值替换。
如图8所示,本申请实施例还提供了一种电子设备800,其特征在于,包括处理器810,存储器820及存储在存储器820上并可在处理器810上运行的程序或指令,程序或指令被处理器执行时实现如上述任一实施例的方法的步骤。
需要说明的是,本申请实施例中的电子设备800包括移动电子设备和非移动电子设备。
其中,所述处理器为上述实施例中所述的电子设备中的处理器。所述可读存储介质,包括计算机可读存储介质,如计算机只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等。
本申请实施例提供的电子设备800实现如上述任一实施例的车辆轮速的估计方法,因此其具有如上述任一实施例的车辆轮速的估计方法的全部有益效果,在此不再赘述。
本申请实施例还提供了一种可读存储介质,可读存储介质上存储程序或指令,程序或指令被处理器执行时实现如上述任一实施例的车辆轮速的估计方法的步骤。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。此外,需要指出的是,本申请实施方式中的方法和装置的范围不限按示出或讨论的顺序来执行功能,还可包括根据所涉及的功能按基本同时的方式或按相反的顺序来执行功能,例如,可以按不同于所描述的次序来执行所描述的方法,并且还可以添加、省去、或组合各种步骤。另外,参照某些示例所描述的特征可在其他示例中被组合。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以计算机软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器,或者网络设备等)执行本申请各个实施例所述的方法。
上面结合附图对本申请的实施例进行了描述,但是本申请并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本申请的启示下,在不脱离本申请宗旨和权利要求所保护的范围情况下,还可做出很多形式,均属于本申请的保护之内。
Claims (10)
1.一种车辆轮速的估计方法,其特征在于,包括:
获取目标车轮的状态参数,并根据所述状态参数建立针对所述目标车轮的动力学模型;
根据所述动力学模型,建立针对所述目标车轮的轮速的状态方程;
采用所述目标车轮的轮速采集值和参考车轮的轮速采集值作为观测向量,建立针对所述目标车轮的轮速的观测方程;
根据所述状态方程和所述观测方程,通过卡尔曼滤波器对所述目标车轮的轮速采集值进行滤波处理,获得所述目标车轮的轮速估计值;
其中,所述参考车轮包括:所述目标车轮的同轴车轮和/或同侧车轮。
2.根据权利要求1所述的方法,其特征在于,所述根据所述状态参数建立针对所述目标车轮的动力学模型,包括:
根据包括所述目标车轮的转动惯量、驱动力矩、与地面之间作用的地面制动力、有效半径和制动力矩的所述状态参数,建立针对所述目标车轮的角加速度的所述动力学模型。
3.根据权利要求2所述的方法,其特征在于,所述根据所述动力学模型,建立针对所述目标车轮的轮速的状态方程,包括:
根据所述动力学模型预测所述目标车轮的角加速度,并根据所述角加速度、所述有效半径和对所述目标车轮的轮速进行采样的时间间隔,建立针对所述目标车轮的轮速的所述状态方程;
其中,所述状态方程为预测所述目标车轮当前时刻轮速与下一时刻轮速之间关系的方程;
所述采用所述目标车轮的轮速采集值和参考车轮的轮速采集值作为观测向量,建立针对所述目标车轮的轮速的观测方程,包括:
采用所述目标车轮的下一时刻轮速采集值、所述同轴车轮的下一时刻轮速采集值和所述同侧车轮的下一时刻轮速采集值作为观测向量,建立针对所述目标车轮的轮速的观测方程;
其中,所述观测方程为表征轮速采集值、观测矩阵和观测噪声之间关系的方程。
4.根据权利要求3所述的方法,其特征在于,所述根据所述状态方程和所述观测方程,通过卡尔曼滤波器对所述目标车轮的轮速采集值进行滤波处理,获得所述目标车轮的轮速估计值,包括:
根据所述状态方程和所述观测方程,通过所述卡尔曼滤波器得出当前时刻所述目标车轮的先验误差协方差矩阵和轮速先验估计值;
根据所述先验误差协方差矩阵和所述轮速先验估计值,通过所述卡尔曼滤波器得出当前时刻所述目标车轮的后验误差协方差矩阵和轮速后验估计值;
采用所述轮速后验估计值作为当前时刻的所述轮速估计值,并采用所述后验误差协方差矩阵作为下一时刻所述目标车轮的所述先验误差协方差矩阵。
5.根据权利要求1至4中任一项所述的方法,其特征在于,在所述获得所述目标车轮的轮速估计值之后,所述方法还包括:
识别所述轮速估计值中的轮速异常点;
对所述轮速异常点进行剔除和插值替换。
6.根据权利要求5所述的方法,其特征在于,所述识别所述轮速估计值中的轮速异常点,包括:
根据所述轮速估计值,获取所述目标车轮在第一时刻的加速度和第二时刻的加速度;
根据所述第一时刻的加速度和所述第二时刻的加速度,识别所述轮速估计值中的轮速异常点;
所述对所述轮速异常点进行剔除和插值替换,包括:
获取相对于所述轮速异常点的在先正常轮速点和在后正常轮速点;
对所述轮速异常点进行剔除,并根据所述在先正常轮速点和所述在后正常轮速点,对所述轮速异常点进行插值替换。
7.一种车辆控制方法,其特征在于,包括:
采用如权利要求1至6中任一项所述的车辆轮速的估计方法,获得目标车轮的轮速估计值;
根据所述轮速估计值对车辆进行控制。
8.一种车辆轮速的估计装置,其特征在于,包括:
模型建立模块,用于获取目标车轮的状态参数,并根据所述状态参数建立针对所述目标车轮的动力学模型;
状态方程建立模块,用于根据所述动力学模型,建立针对所述目标车轮的轮速的状态方程;
观测方程建立模块,用于采用所述目标车轮的轮速采集值和参考车轮的轮速采集值作为观测向量,建立针对所述目标车轮的轮速的观测方程;
滤波模块,用于根据所述状态方程和所述观测方程,通过卡尔曼滤波器对所述目标车轮的轮速采集值进行滤波处理,获得所述目标车轮的轮速估计值;
其中,所述参考车轮包括:所述目标车轮的同轴车轮和/或同侧车轮。
9.一种电子设备,其特征在于,包括处理器,存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令,所述程序或指令被所述处理器执行时实现如权利要求1至6中任一项所述的车辆轮速的估计方法的步骤,或实现如权利要求7所述的车辆控制方法的步骤。
10.一种可读存储介质,其特征在于,所述可读存储介质上存储程序或指令,所述程序或指令被处理器执行时实现如权利要求1至6中任一项所述的车辆轮速的估计方法的步骤,或实现如权利要求7所述的车辆控制方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110991511.4A CN113434967B (zh) | 2021-08-27 | 2021-08-27 | 车辆轮速的估计方法、装置、控制方法、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110991511.4A CN113434967B (zh) | 2021-08-27 | 2021-08-27 | 车辆轮速的估计方法、装置、控制方法、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113434967A CN113434967A (zh) | 2021-09-24 |
CN113434967B true CN113434967B (zh) | 2021-10-29 |
Family
ID=77798115
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110991511.4A Active CN113434967B (zh) | 2021-08-27 | 2021-08-27 | 车辆轮速的估计方法、装置、控制方法、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113434967B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114720717A (zh) * | 2022-03-08 | 2022-07-08 | 深圳元戎启行科技有限公司 | 轮速检测方法、装置、车载系统及计算机可读存储介质 |
CN116223835B (zh) * | 2023-03-08 | 2023-09-22 | 浙江汉博汽车传感器有限公司 | 一种轮速监控系统及轮速传感器 |
CN116443031B (zh) * | 2023-03-24 | 2023-10-20 | 凯晟动力技术(嘉兴)有限公司 | 车身电子稳定性控制系统的轮速处理系统及其方法 |
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 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5918951A (en) * | 1997-05-09 | 1999-07-06 | The B.F. Goodrich Company | Antiskid brake control system using kalman filtering |
CN111169481A (zh) * | 2018-10-24 | 2020-05-19 | 现代自动车株式会社 | 用于估计车辆车轮速度的系统和方法 |
CN111965390A (zh) * | 2020-07-13 | 2020-11-20 | 江苏大学 | 一种轮速传感器故障检测方法 |
CN112577516A (zh) * | 2020-11-11 | 2021-03-30 | 上汽大众汽车有限公司 | 一种用于车辆轮速误差识别和补偿的方法和系统 |
CN112698051A (zh) * | 2021-03-23 | 2021-04-23 | 天津所托瑞安汽车科技有限公司 | 一种车速确定方法及装置、设备、介质 |
-
2021
- 2021-08-27 CN CN202110991511.4A patent/CN113434967B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5918951A (en) * | 1997-05-09 | 1999-07-06 | The B.F. Goodrich Company | Antiskid brake control system using kalman filtering |
CN111169481A (zh) * | 2018-10-24 | 2020-05-19 | 现代自动车株式会社 | 用于估计车辆车轮速度的系统和方法 |
CN111965390A (zh) * | 2020-07-13 | 2020-11-20 | 江苏大学 | 一种轮速传感器故障检测方法 |
CN112577516A (zh) * | 2020-11-11 | 2021-03-30 | 上汽大众汽车有限公司 | 一种用于车辆轮速误差识别和补偿的方法和系统 |
CN112698051A (zh) * | 2021-03-23 | 2021-04-23 | 天津所托瑞安汽车科技有限公司 | 一种车速确定方法及装置、设备、介质 |
Non-Patent Citations (3)
Title |
---|
Speed Estimation of an Induction Motor Drive Using an Optimized Extended Kalman Filter;K. L. Shi等;《IEEE TRANSACTIONS ON INDUSTRIAL ELECTRONICS》;20020228;第49卷(第1期);全文 * |
基于自适应卡尔曼滤波的轮速信号处理技术;谭德荣等;《汽车工程》;20091231;第31卷(第6期);全文 * |
车辆轮速识别算法研究;赵飞翔等;《农业装备与车辆工程》;20200930;第58卷(第9期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113434967A (zh) | 2021-09-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113434967B (zh) | 车辆轮速的估计方法、装置、控制方法、设备和存储介质 | |
Reina et al. | Vehicle dynamics estimation via augmented extended Kalman filtering | |
US11731611B2 (en) | Vehicle stability control method and device | |
US11465628B2 (en) | Acceleration slip regulation method and vehicle | |
CN109361678B (zh) | 一种智能网联汽车自动巡航系统虚假数据注入攻击检测方法 | |
US11247686B2 (en) | Road surface friction coefficient estimation apparatus for vehicle and road surface friction coefficient estimation method for vehicle | |
CN107878462B (zh) | 车速预测方法和装置 | |
CN105510223A (zh) | 用于使用自校准扭矩估计路面摩擦系数的方法和系统 | |
US11938952B2 (en) | Traveling trajectory estimation system, traveling trajectory estimation program, and traveling trajectory estimating method | |
CN109142979B (zh) | 一种配电网异常状态的检测方法及装置 | |
KR20130021985A (ko) | 차량의 곡률 반경 추정 방법 및 그 장치 | |
CN103777519B (zh) | 一种基于self‑starting技术的生产过程质量控制方法 | |
CN113335294B (zh) | 路面纵向坡度的估计方法、装置、电子设备和存储介质 | |
CN108230370B (zh) | 基于云台的跟踪目标速度预测方法及存储介质 | |
CN107719373B (zh) | 用于估计路面摩擦的方法和系统 | |
CN110095801A (zh) | 考虑车辆轮加速度的多模型轮胎半径自适应方法及系统 | |
CN115659662A (zh) | 车重的估算方法、装置、存储介质及工程车辆 | |
CN115546928A (zh) | 一种车辆空转滑行辨识方法、装置、设备及存储介质 | |
JP3441562B2 (ja) | ヨーレイト推定器及びヨーレイトセンサ故障診断装置 | |
JP2015030365A (ja) | 運転状態判定装置 | |
CN113775749B (zh) | 车辆预换挡控制方法、装置、计算机设备和存储介质 | |
CN116729407B (zh) | 车辆横向速度检测方法、电子设备及存储介质 | |
CN116534030A (zh) | 一种车辆的纵向速度估算方法、装置以及电子设备 | |
CN116101299A (zh) | 应用于自动驾驶的滑移角估计方法 | |
CN116853268A (zh) | 用于动态估算车辆的不足转向梯度的方法和系统 |
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 |