CN113591278B - 车辆参数辨识方法、装置、计算机设备和存储介质 - Google Patents
车辆参数辨识方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN113591278B CN113591278B CN202110791001.2A CN202110791001A CN113591278B CN 113591278 B CN113591278 B CN 113591278B CN 202110791001 A CN202110791001 A CN 202110791001A CN 113591278 B CN113591278 B CN 113591278B
- Authority
- CN
- China
- Prior art keywords
- point
- target vehicle
- front wheel
- calculating
- center
- 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 49
- 230000001133 acceleration Effects 0.000 claims abstract description 122
- 230000006870 function Effects 0.000 claims description 31
- 238000004590 computer program Methods 0.000 claims description 29
- 238000004364 calculation method Methods 0.000 claims description 23
- 238000005259 measurement Methods 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 description 28
- 238000010586 diagram Methods 0.000 description 11
- 238000012549 training Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 206010034701 Peroneal nerve palsy Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本申请涉及一种车辆参数辨识方法、装置、计算机设备和存储介质，适用于车辆技术领域。所述方法包括：利用安装在目标车辆上的传感器测得目标车辆的运动参数；根据运动参数计算目标车辆的质心横向加速度；根据运动参数计算目标车辆的质心纵向速度；根据运动参数、质心纵向速度、质心横向加速度以及预先设定的目标车辆的二自由度车辆模型，计算目标车辆的状态参数，状态参数包括前轴距、后轴距、前轮侧偏刚度、后轮侧偏刚度以及横摆转动惯量。采用本方法能够提高车辆参数辨识的效率。
Description
技术领域
本申请涉及车辆技术领域，特别是涉及一种车辆参数辨识方法、装置、计算机设备和存储介质。
背景技术
近年来，随着社会和经济的增长，人们生活水平有了极大提高，全球汽车保有量也不断上升。作为现代社会的一种重要交通工具，汽车的普及给人们的工作和生活带来了极大方便。车辆动力学模型作为汽车研究的基础，发挥着重要作用。
在传统方法中，车辆动力学模型中的车辆参数主要通过物理仪器获得，如轮胎实验台架、转动惯量测量装置等，这些物理仪器的购买和维修费用成本高昂。
因此，如何降低传统方法中，获取车辆动力学模型参数的成本，提高车辆动力学模型参数辨识的效率，成为了至关重要的问题。
发明内容
基于此，有必要针对上述技术问题，提供一种车辆参数辨识方法、装置、计算机设备和存储介质，能够对车辆参数进行辨识，且降低了对车辆参数进行辨识的成本，提高了车辆参数辨识的效率。
第一方面，一种车辆参数辨识方法，方法包括：利用安装在目标车辆上的传感器测得目标车辆的运动参数；根据运动参数计算目标车辆的质心横向加速度；根据运动参数计算目标车辆的质心纵向速度；根据运动参数、质心纵向速度、质心横向加速度以及预先设定的目标车辆的二自由度车辆模型，计算目标车辆的状态参数，状态参数包括前轴距、后轴距、前轮侧偏刚度、后轮侧偏刚度以及横摆转动惯量。
在其中一个实施例中，运动参数包括目标车辆的前轮轮速和目标车辆的前轮转角，根据运动参数计算目标车辆的质心纵向速度，包括：根据公式：vfcos(δf)＝vx，计算质心纵向速度；其中，vf为前轮轮速，δf为前轮转角，vx为质心纵向速度。
在其中一个实施例中，传感器安装在目标车辆的A点位置，根据运动参数计算目标车辆的质心横向加速度，包括：根据运动参数，计算目标车辆的瞬时旋转中心R；将瞬时旋转中心R到目标车辆的垂足为D点，并根据运动参数计算前轮中心P到D点的距离；根据前轴距、目标车辆的前轮中心P到A点的距离、前轮中心P到D点的距离以及运动参数，计算目标车辆的质心横向加速度。
在其中一个实施例中，运动参数包括目标车辆的前轮轮速、目标车辆的前轮转角以及A点速度，根据运动参数，计算目标车辆的瞬时旋转中心R，包括：根据公式：vfcos(δf)＝vAcos(αA),计算A点速度与车身中心轴线夹角；其中，vf为前轮轮速，δf为前轮转角，vA为A点速度，αA为A点速度与车身中心轴线夹角；根据αA，计算得到瞬时旋转中心R。
在其中一个实施例中，将瞬时旋转中心R到目标车辆的垂足为D点，并根据运动参数计算前轮中心P到D点的距离，包括：建立瞬时旋转中心R、前轮中心P以及A点对应的三角图像；根据正弦定理中的公式计算得到根据/>计算出AR和PR的长度；根据公式lD＝PR·sinδf，计算前轮中心P到D点的距离lD。
在其中一个实施例中，运动参数还包括A点方位角速度，根据前轴距、目标车辆的前轮中心P到A点的距离、前轮中心P到D点的距离以及运动参数，计算目标车辆的质心横向加速度，包括：对A点方位角速度，进行求导得到A点方位角加速度；根据公式，计算得到/>根据公式/>计算目标车辆的质心横向加速度/>其中，/>为A点的横向角加速度，/>是AR方向的法向加速度，/>为AR方向的切向加速度，/>为A点方位角加速度，/>为A点方位角速度，lD为前轮中心P到D点的距离，lA为前轮中心P到A点的距离，lf为前轴距。
在其中一个实施例中，根据运动参数、质心纵向速度、质心横向加速度以及预先设定的目标车辆的二自由度车辆模型，计算目标车辆的状态参数，包括：根据A点方位角速度、质心纵向速度、质心横向加速度以及二自由度车辆模型中的构建第一最小二乘函数：y＝θ1x1+θ2x2+θ3x3+θ4x4，其中，/>x4＝2δf，θ1＝lf，θ2＝(Cf+Cr)vy，θ3＝lfCf-lrCr，/>基于第一最小二乘函数计算得到lf、lr、Cf以及Cr；根据A点方位角速度、质心纵向速度、质心横向加速度以及二自由度车辆模型中的构建第二最小二乘法函数：y＝θ1x1+θ2x2+θ3x3，其中，/>x3＝2δf，/> 基于第二最小二乘法函数，计算得到目标车辆对应的横摆转动惯量Iz；其中，m为目标车辆的质量，/>为A点的横向角加速度，lD为前轮中心P到D点的距离，lA为前轮中心P到A点的距离，vx为质心纵向速度，/>为A点方位角速度，δf为前轮转角，lf为前轴距，lr为目标车辆对应的后轴距，Cf为目标车辆对应的前轮侧偏刚度，Cr为Cr后轮侧偏刚度，Iz为目标车辆对应的横摆转动惯量。
第二方面，提供了一种车辆参数辨识装置，装置包括：
测量模块，用于利用安装在目标车辆上的传感器测得目标车辆的运动参数；
第一计算模块，用于根据运动参数计算目标车辆的质心横向加速度；
第二计算模块，用于根据运动参数计算目标车辆的质心纵向速度；
第三计算模块，用于根据运动参数、质心纵向速度、质心横向加速度以及预先设定的目标车辆的二自由度车辆模型，计算目标车辆的状态参数，状态参数包括前轴距、后轴距、前轮侧偏刚度、后轮侧偏刚度以及横摆转动惯量。
第三方面，提供了一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现如上述第一方面任一所述的车辆参数辨识方法。
第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现如上述第一方面任一所述的车辆参数辨识方法。
上述车辆参数辨识方法、装置、计算机设备和存储介质，利用安装在目标车辆上的传感器测得目标车辆的运动参数；根据运动参数计算目标车辆的质心横向加速度；根据运动参数计算目标车辆的质心纵向速度；根据运动参数、质心纵向速度、质心横向加速度以及预先设定的目标车辆的二自由度车辆模型，计算目标车辆的状态参数，状态参数包括前轴距、后轴距、前轮侧偏刚度、后轮侧偏刚度以及横摆转动惯量。由于利用传感器测量目标车辆的运动参数相比于利用轮胎实验台架、转动惯量测量装置等物理仪器，金钱成本和时间都要小很多。因此，在本申请实施例中，根据运动参数计算目标车辆的质心横向加速度和质心纵向速度，并运动参数、质心纵向速度、质心横向加速度以及预先设定的目标车辆的二自由度车辆模型，计算目标车辆的状态参数，不仅可以保证计算得到的目标车辆的状态参数的准确性，同时减少了时间成本和金钱成本，且提高了工作效率。
附图说明
图1为一个实施例中车辆参数辨识方法的流程示意图；
图2为一个实施例中车辆参数辨识方法中二自由度车辆动力学模型的示意图；
图3为一个实施例中车辆参数辨识步骤的流程示意图；
图4为另一个实施例中车辆参数辨识方法的流程示意图；
图5为另一个实施例中车辆参数辨识方法中瞬时旋转中心示意图；
图6为另一个实施例中车辆参数辨识方法的流程示意图；
图7为另一个实施例中车辆参数辨识方法的流程示意图；
图8为另一个实施例中车辆参数辨识方法中对进行分解的示意图；
图9为另一个实施例中车辆参数辨识方法的流程示意图；
图10为另一个实施例中车辆参数辨识方法的流程示意图；
图11为一个实施例中车辆参数辨识装置的结构框图；
图12为一个实施例中车辆参数辨识装置的结构框图；
图13为一个实施例中计算机设备为服务器时的内部结构图；
图14为一个实施例中计算机设备为终端时的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
需要说明的是，本申请实施例提供的车辆参数辨识的方法，其执行主体可以是车辆参数辨识的装置，该车辆参数辨识的装置可以通过软件、硬件或者软硬件结合的方式实现成为计算机设备的部分或者全部，其中，该计算机设备可以是服务器或者终端，其中，本申请实施例中的服务器可以为一台服务器，也可以为由多台服务器组成的服务器集群，本申请实施例中的终端可以是智能手机、个人电脑、平板电脑、可穿戴设备、儿童故事机以及智能机器人等其他智能硬件设备。下述方法实施例中，均以执行主体是计算机设备为例来进行说明。
在一个实施例中，如图1所示，提供了一种车辆参数辨识方法，以该方法应用计算机设备为例进行说明，包括以下步骤：
步骤101，计算机设备利用安装在目标车辆上的传感器测得目标车辆的运动参数。
其中，安装在目标车辆上的传感器可以是包括惯性导航单元IMU、前轮轮速传感器以及前轮角度传感器等传感器中的至少一个。
可选的，当目标车辆上的传感器包括惯性导航单元IMU的情况下，并将惯性导航单元IMU的安装位置记为A点，通过IMU可测得A点速度vA、方位角方位角速度/>等，通过测量数据可进一步计算出方位角加速度/>根据实际安装IMU的A点位置，可测得IMU到前轴中心的纵向距离lA。
可选的，当目标车辆上的传感器包括前轮轮速传感器的情况下，在前轮安装前轮轮速传感器，可测得前轮轮速vf。
可选的，当目标车辆上的传感器包括前轮角度传感器的情况下，在前轮安装前轮角度传感器，可测得前轮转角δf。
步骤102，计算机设备根据运动参数计算目标车辆的质心横向加速度。
具体地，计算机设备根据传感器测量得到的运动参数，通过第一预设的数学计算公式或者第一预设模型算法，计算得到目标车辆的质心横向加速度。
其中，第一预设模型算法可以是基于机器学习训练得到的模型算法，也可以是基于神经网络训练得到的模型算法，本申请实施例对第一预设模型算法不做具体限定。
步骤103，计算机设备根据运动参数计算目标车辆的质心纵向速度。
具体地，计算机设备根据传感器测量得到的运动参数，通过第二预设的数学计算公式或者第二预设模型算法，计算得到目标车辆的质心纵向速度。
其中，第二预设模型算法可以是基于机器学习训练得到的模型算法，也可以是基于神经网络训练得到的模型算法，本申请实施例对第二预设模型算法不做具体限定。
需要说明的是，第一预设模型算法与第二预设模型算法可以相同也可以不同，本申请实施例对第一预设模型算法与第二预设模型算法不做具体限定。
步骤104，计算机设备根据运动参数、质心纵向速度、质心横向加速度以及预先设定的目标车辆的二自由度车辆模型，计算目标车辆的状态参数。
其中，状态参数包括前轴距、后轴距、前轮侧偏刚度、后轮侧偏刚度以及横摆转动惯量。
其中，目标车辆的二自由度车辆模型示意图如图2所示。二自由度车辆模型具体的横向动力学数学表达式包括：
其中，OXY为大地坐标系，oxy为固结于车身的目标车辆局部坐标系，m为目标车辆质量，在本申请实施例中质量m为已知量，为目标车辆质心横向加速度，vx为目标车辆质心纵向速度，vy为目标车辆质心横向速度，vf为目标车辆前轴中心速度，vr为目标车辆后轴中心速度，Cf为前轮侧偏刚度，Cr为后轮侧偏刚度，lf为目标车辆的前轴距，lr为目标车辆的后轴距，Iz为目标车辆绕z轴横摆转动惯量。
具体地，计算机设备可以将传感器测得的运动参数进行基于预设的数学运算算法之后，得到质心纵向速度以及质心横向加速度，然后将运动参数、质心纵向速度以及质心横向加速度代入到二自由度车辆模型的横向动力学数学表达式中，从而利用预设的方法计算得到目标车辆的状态参数。
上述车辆参数辨识方法中，计算机设备利用安装在目标车辆上的传感器测得目标车辆的运动参数；根据运动参数计算目标车辆的质心横向加速度；根据运动参数计算目标车辆的质心纵向速度；根据运动参数、质心纵向速度、质心横向加速度以及预先设定的目标车辆的二自由度车辆模型，计算目标车辆的状态参数，状态参数包括前轴距、后轴距、前轮侧偏刚度、后轮侧偏刚度以及横摆转动惯量。由于利用传感器测量目标车辆的运动参数相比于利用轮胎实验台架、转动惯量测量装置等物理仪器，金钱成本和时间都要小很多。因此，在本申请实施例中，根据运动参数计算目标车辆的质心横向加速度和质心纵向速度，并运动参数、质心纵向速度、质心横向加速度以及预先设定的目标车辆的二自由度车辆模型，计算目标车辆的状态参数，不仅可以保证计算得到的目标车辆的状态参数的准确性，同时减少了时间成本和金钱成本，且提高了工作效率。
在一个实施例中，运动参数包括目标车辆的前轮轮速和目标车辆的前轮转角，上述步骤103中的“运动参数包括目标车辆的前轮轮速和目标车辆的前轮转角”，可以包括以下内容：
计算机设备根据公式：vfcos(δf)＝vx，计算质心纵向速度。
其中，vf为前轮轮速，δf为前轮转角，vx为质心纵向速度。.
具体地，在实际中，轮胎侧偏角一般较小，在小角度假设下，通常认为前后轮侧偏角很小，侧偏刚度为常数值，根据图3所示的几何关系，忽略前轮侧偏角大小(即假设αf＝0)，则有以下速度关系：
vfcos(δf)＝vA cos(αA)＝vx (3)
计算机设备根据公式(3)，计算得到目标车辆的质心纵向速度。
在本申请实施例中，计算机设备根据公式：vfcos(δf)＝vx，计算质心纵向速度，可以保证计算得到的质心纵向速度的准确性，从而保证利用质心纵向速度计算得到的目标车辆的状态参数的准确性。
在一个实施例中，传感器安装在目标车辆的A点位置，如图3所示，上述步骤102中的“根据运动参数计算目标车辆的质心横向加速度”可以包括以下步骤：
步骤301，计算机设备根据运动参数，计算目标车辆的瞬时旋转中心R。
可选地，在目标车辆上安装好传感器后，驾驶员可以对目标车辆进行车辆固定方向盘转角行驶的实验，驾驶员需保证目标车辆的方向盘转角始终固定在某合适值，并以稳定的车速行驶，在目标车辆行驶趋于稳定后，采集和计算一段短时间内的多组运动参数。
计算机设备可以根据计算得到的多组运动参数，通过第三预设的数学计算公式或者第三预设模型算法，计算得到目标车辆的瞬时旋转中心R。
其中，第三预设模型算法可以是基于机器学习训练得到的模型算法，也可以是基于神经网络训练得到的模型算法，本申请实施例对第三预设模型算法不做具体限定。
需要说明的是，第三预设模型算法与第二预设模型算法以及第一预设模型算法可以相同也可以不同，本申请实施例对第三预设模型算法与第二预设模型算法以及第一预设模型算法不做具体限定。
步骤302，计算机设备将瞬时旋转中心R到目标车辆的垂足为D点，并根据运动参数计算前轮中心P到D点的距离。
具体地，计算机设备在计算得到瞬时旋转中心R之后，从瞬时旋转中心R向目标车辆的纵向中轴线作垂线，并将瞬时旋转中心R与目标车辆的纵向中轴线的垂足记为D点。
可选的，计算机设备可以根据D点的位置以及前轮中心P点的位置，计算出前轮中心P到D点的距离。
可选的，计算机设备还可以根据传感器测量得到的运动参数，通过第四预设的数学计算公式或者第四预设模型算法，计算得到前轮中心P到D点的距离。步骤303，计算机设备根据前轴距、目标车辆的前轮中心P到A点的距离、前轮中心P到D点的距离以及运动参数，计算目标车辆的质心横向加速度。
具体地，在计算得到目标车辆的瞬时旋转中心R、前轮中心P到D点的距离之后，计算机设备根据前轴距、目标车辆的前轮中心P到A点的距离、前轮中心P到D点的距离以及运动参数，通过第五预设的数学计算公式或者第五预设模型算法。
在本申请实施例中，计算机设备根据运动参数，计算目标车辆的瞬时旋转中心R；将瞬时旋转中心R到目标车辆的垂足为D点，并根据运动参数计算前轮中心P到D点的距离；根据前轴距、目标车辆的前轮中心P到A点的距离、前轮中心P到D点的距离以及运动参数，计算目标车辆的质心横向加速度。从而可以保证计算得到的质心横向加速度准确，进一步保证计算得到的目标车辆的状态参数的准确性。
在一个实施例中，运动参数包括目标车辆的前轮轮速、目标车辆的前轮转角以及A点速度，如图4所示，上述步骤301中的“根据运动参数，计算目标车辆的瞬时旋转中心R”，可以包括以下步骤：
步骤401，计算机设备根据公式：vfcos(δf)＝vAcos(αA)，计算A点速度与车身中心轴线夹角。
其中，vf为前轮轮速，δf为前轮转角，vA为A点速度，αA为A点速度与车身中心轴线夹角。
具体地，在实际中，轮胎侧偏角一般较小，在小角度假设下，通常认为前后轮侧偏角很小，侧偏刚度为常数值，根据图5所示的几何关系，忽略前轮侧偏角大小(即假设αf＝0)，则有以下速度关系：
vfcos(δf)＝vA cos(αA)＝vx (3)
计算机设备根据公式(3)，计算得到A点速度与车身中心轴线夹角。
步骤402，计算机设备根据αA，计算得到瞬时旋转中心R。
可选的，计算机设备可以记前轮中心为P点，在三角形RAP中，∠ARP＝δf-αA，根据正弦定理有
即，
计算机设备根据计算出AR和PR的长度，根据AR和PR的长度，确定瞬时旋转中心R。
在本申请实施例中，计算机设备可以根据公式：vfcos(δf)＝vAcos(αA),计算A点速度与车身中心轴线夹角；其中，vf为前轮轮速，δf为前轮转角，vA为A点速度，αA为A点速度与车身中心轴线夹角；根据αA，计算得到瞬时旋转中心R。从而可以保证计算得到的瞬时旋转中心R准确，且进一步保证计算得到的目标车辆的状态参数的准确性。
在一个实施例中，如图6所示，上述步骤302中的“将瞬时旋转中心R到目标车辆的垂足为D点，并根据运动参数计算前轮中心P到D点的距离”，可以包括以下步骤：
步骤601，计算机设备建立瞬时旋转中心R、前轮中心P以及A点对应的三角图像。
具体地，如图5所示，计算机设备在确定了瞬时旋转中心R之后，根据瞬时旋转中心R的位置、前轮中心P的位置以及传感器安装点A的位置，构建RAP三角形。
步骤602，计算机设备根据正弦定理中的公式：
计算得到：
具体地，在三角形RAP中，计算机设备根据正弦定理中的计算得到/>
步骤603，计算机设备根据计算出AR和PR的长度。
具体地，在前轮转角δf、A点速度与车身中心轴线夹角αA、前轮中心P到A点的距离lA已知的情况下，计算机设备可以根据公式：
计算得到AR和PR的长度。
步骤604，计算机设备根据公式lD＝PR·sinδf，计算前轮中心P到D点的距离lD。
具体地，在计算出PR之后，计算机设备根据公式lD＝PR·sinδf，计算得到前轮中心P到D点的距离lD。
在本申请实施例中，立瞬时旋转中心R、前轮中心P以及A点对应的三角图像；根据正弦定理中的公式计算得到/>根据/>计算出AR和PR的长度；根据公式lD＝PR·sinδf，计算前轮中心P到D点的距离lD，可以保证计算得到的前轮中心P到D点的距离lD的准确性。
在一个实施例中，运动参数还包括A点方位角速度，如图7所示，上述步骤303中的“根据前轴距、目标车辆的前轮中心P到A点的距离、前轮中心P到D点的距离以及运动参数，计算目标车辆的质心横向加速度”可以包括以下步骤：
步骤701，计算机设备对A点方位角速度，进行求导得到A点方位角加速度。
具体地，计算机设备在获取到A点方位角速度之后，可以对A点方位角速度进行求导，然后计算得到A点方位角加速度。
步骤702，计算机设备根据公式
计算得到/>
具体地，如图8所示，计算机设备对图6中的A点进行局部分析可得到公式：
其中，由于，
计算机设备根据公式可以根据当前已知的A点方位角速度/>A点方位角加速度/>A点速度αA以及AR，计算得到
步骤703，计算机设备根据公式计算目标车辆的质心横向加速度/>
其中，为A点的横向角加速度，/>是AR方向的法向加速度，/>为AR方向的切向加速度，/>为A点方位角加速度，/>为A点方位角速度，lD为前轮中心P到D点的距离，lA为前轮中心P到A点的距离，lf为前轴距。
具体地，为质心处的横向加速度，但质心O点位置未知，因此需要对/>进行拆解。质心O点与A点绕D点以相同角速度旋转，根据相似三角形关系，计算机设备计算得出公式(10)：
在本申请实施例中，计算机设备对A点方位角速度，进行求导得到A点方位角加速度；根据公式，计算得到/>根据公式/>计算目标车辆的质心横向加速度/>使得可以利用已知参数计算/>保证了计算得到的质心横向加速度/>的准确性。
在一个实施例中，如图9所示，上述步骤104中的“根据运动参数、质心纵向速度、质心横向加速度以及预先设定的目标车辆的二自由度车辆模型，计算目标车辆的状态参数”，可以包括以下步骤：
步骤901，计算机设备根据A点方位角速度、质心纵向速度、质心横向加速度以及二自由度车辆模型中的构建第一最小二乘函数：y＝θ1x1+θ2x2+θ3x3+θ4x4。
其中，x4＝2δf，θ1＝lf，θ2＝(Cf+Cr)vy，θ3＝lfCf-lrCr，/>
具体地，计算机设备将上述实施例中的公式(10)代入二自由车辆模型横向动力学中的公式(11)：
计算机设备可以计算得到公式(12)：
将公式(12)改写为公式(13)：
y＝θ1x1+θ2x2+θ3x3+θ4x4 (13)
其中，x4＝2δf，θ1＝lf，θ2＝(Cf+Cr)vy，θ3＝lfCf-lrCr，/>
计算机设备计算传感器测得的多组运动参数，其中运动参数包括A点速度vA、方位角方位角速度/>前轮转角δf以及前轮轮速vf。计算得到多组/>以及x4＝2δf，然后计算机设备利用多组/>以及x4＝2δf，进行最小二乘法拟合，计算得到θ1＝lf、θ2＝(Cf+Cr)vy、θ3＝lfCf-lrCr以及/>然后利用计算得到的θ1＝lf、θ2＝(Cf+Cr)vy、θ3＝lfCf-lrCr以及/>计算得到
步骤902，计算机设备基于第一最小二乘函数计算得到lf、lr、Cf以及Cr。
具体地，计算机设备利用第一最小二乘函数计算得到θ1＝lf、θ2＝(Cf+Cr)vy、θ3＝lfCf-lrCr以及然后计算机设备可以利用θ1＝lf，计算得到lf，由于轴距l＝lf+lr，l易测量得到，因此可估计出后轴距lr。计算机设备利用/>可以计算得到Cf，然后计算机设备利用θ3＝lfCf-lrCr以及计算得到的lf、lr、Cf，计算得到Cr。
步骤903，计算机设备根据A点方位角速度、质心纵向速度、质心横向加速度以及二自由度车辆模型中的构建第二最小二乘法函数：y＝θ1x1+θ2x2+θ3x3。
其中，x3＝2δf，/>
具体地，计算机设备将公式等号两遍均除以Iz，得到公式(14)：
计算机设备将上述公式(14)改为为如下公式(15)：
y＝θ1x1+θ2x2+θ3x3 (15)
其中，其中，x3＝2δf，/>
步骤904，计算机设备基于第二最小二乘法函数，计算得到目标车辆对应的横摆转动惯量Iz。
其中，m为目标车辆的质量，为A点的横向角加速度，lD为前轮中心P到D点的距离，lA为前轮中心P到A点的距离，vx为质心纵向速度，/>为A点方位角速度，δf为前轮转角，lf为前轴距，lr为目标车辆对应的后轴距，Cf为目标车辆对应的前轮侧偏刚度，Cr为Cr后轮侧偏刚度，Iz为目标车辆对应的横摆转动惯量。
具体地，计算机设备根据利用传感器测得的多组运动参数，计算得到多组公式(15)中的x1、x2以及x3，并基于计算得到的多组x1、x2以及x3，利用最小二乘法计算得到θ3，由于且Cf和lf均已知，因此，计算机可以计算得到目标车辆对应的横摆转动惯量Iz。
在本申请实施例中，计算机设备根据A点方位角速度、质心纵向速度、质心横向加速度以及二自由度车辆模型中的构建第一最小二乘函数：y＝θ1x1+θ2x2+θ3x3+θ4x4，其中，/> x4＝2δf，θ1＝lf，θ2＝(Cf+Cr)vy，θ3＝lfCf-lrCr，/>基于第一最小二乘函数计算得到lf、lr、Cf以及Cr；根据A点方位角速度、质心纵向速度、质心横向加速度以及二自由度车辆模型中的/>构建第二最小二乘法函数：y＝θ1x1+θ2x2+θ3x3，其中，/>x3＝2δf，/> 基于第二最小二乘法函数，计算得到目标车辆对应的横摆转动惯量Iz；其中，m为目标车辆的质量，/>为A点的横向角加速度，lD为前轮中心P到D点的距离，lA为前轮中心P到A点的距离，vx为质心纵向速度，/>为A点方位角速度，δf为前轮转角，lf为前轴距，lr为目标车辆对应的后轴距，Cf为目标车辆对应的前轮侧偏刚度，Cr为Cr后轮侧偏刚度，Iz为目标车辆对应的横摆转动惯量。从而可以不需要对目标车辆进行复杂的测试实验，就可以可以计算出目标车辆的前轴距、后轴距、前轮侧偏刚度、后轮侧偏刚度以及横摆转动惯量这些参数，因此不仅降低了成本，也提高了工作效率。
为了更好的说明本申请提供的车辆参数辨识方法，本申请实施例提供了一种车辆参数辨识方法的流程图，如图10所示，具体包括以下内容：
步骤1001，计算机设备利用安装在目标车辆上的传感器测得目标车辆的运动参数。
步骤1002，计算机设备根据公式：vfcos(δf)＝vx，计算质心纵向速度。
步骤1003，计算机设备根据公式：vfcos(δf)＝vAcos(αA),计算A点速度与车身中心轴线夹角。
步骤1004，计算机设备根据αA，计算得到瞬时旋转中心R。
步骤1005，计算机设备建立瞬时旋转中心R、前轮中心P以及A点对应的三角图像。
步骤1006，计算机设备根据正弦定理中的公式计算得到/>
步骤1007，计算机设备根据计算出AR和PR的长度。
步骤1008，计算机设备根据公式lD＝PR·sinδf，计算前轮中心P到D点的距离lD
步骤1009，计算机设备对A点方位角速度，进行求导得到A点方位角加速度。
步骤1010，计算机设备根据公式，
计算得到/>
步骤1011，计算机设备根据公式计算目标车辆的质心横向加速度/>
步骤1012，计算机设备根据A点方位角速度、质心纵向速度、质心横向加速度以及二自由度车辆模型中的构建第一最小二乘函数：y＝θ1x1+θ2x2+θ3x3+θ4x4。
步骤1013，计算机设备基于第一最小二乘函数计算得到lf、lr、Cf以及Cr。
步骤1014，计算机设备根据A点方位角速度、质心纵向速度、质心横向加速度以及二自由度车辆模型中的构建第二最小二乘法函数：y＝θ1x1+θ2x2+θ3x3。
步骤1015，计算机设备基于第二最小二乘法函数，计算得到目标车辆对应的横摆转动惯量Iz。
应该理解的是，虽然图1、3-4、6-7以及9-10的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1、3-4、6-7以及9-10中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图11所示，提供了一种车辆参数辨识装置1100，包括：测量模块1110、第一计算模块1120、第二计算模块1130和第三计算模块1140，其中：
测量模块1110，用于利用安装在目标车辆上的传感器测得目标车辆的运动参数。
第一计算模块1120，用于根据运动参数计算目标车辆的质心横向加速度。
第二计算模块1130，用于根据运动参数计算目标车辆的质心纵向速度。
第三计算模块1140，用于根据运动参数、质心纵向速度、质心横向加速度以及预先设定的目标车辆的二自由度车辆模型，计算目标车辆的状态参数，状态参数包括前轴距、后轴距、前轮侧偏刚度、后轮侧偏刚度以及横摆转动惯量。
在一个实施例中，上述第二计算模块1130，具体用于根据公式：vfcos(δf)＝vx，计算质心纵向速度；
其中，vf为前轮轮速，δf为前轮转角，vx为质心纵向速度。
在一个实施例中，如图12所示，上述第一计算模块1120，包括：
第一计算单元1121，用于根据运动参数，计算目标车辆的瞬时旋转中心R。
第二计算单元1122，用于将瞬时旋转中心R到目标车辆的垂足为D点，并根据运动参数计算前轮中心P到D点的距离。
第三计算单元1123，用于根据前轴距、目标车辆的前轮中心P到A点的距离、前轮中心P到D点的距离以及运动参数，计算目标车辆的质心横向加速度。
在一个实施例中，运动参数包括目标车辆的前轮轮速、目标车辆的前轮转角以及A点速度，上述第一计算单元1121，具体用于根据公式：vfcos(δf)＝vAcos(αA),计算A点速度与车身中心轴线夹角；其中，vf为前轮轮速，δf为前轮转角，vA为A点速度，αA为A点速度与车身中心轴线夹角；根据αA，计算得到瞬时旋转中心R。
在一个实施例中，上述第二计算单元1122，具体用于建立瞬时旋转中心R、前轮中心P以及所述A点对应的三角图像；根据正弦定理中的公式，计算得到/>根据/>计算出AR和PR的长度；根据公式lD＝PR·sinδf，计算前轮中心P到D点的距离lD。
在一个实施例中，运动参数还包括A点方位角速度，第三计算单元1123，具体用于对A点方位角速度，进行求导得到A点方位角加速度；根据公式，计算得到/>根据公式/>计算目标车辆的质心横向加速度/>其中，/>为A点的横向角加速度，/>是AR方向的法向加速度，/>为AR方向的切向加速度，/>为A点方位角加速度，/>为A点方位角速度，lD为前轮中心P到D点的距离，lA为前轮中心P到A点的距离，lf为前轴距。
在一个实施例中，上述第三计算模块1140，具体用于根据A点方位角速度、质心纵向速度、质心横向加速度以及二自由度车辆模型中的构建第一最小二乘函数：y＝θ1x1+θ2x2+θ3x3+θ4x4，其中，/>x4＝2δf，θ1＝lf，θ2＝(Cf+Cr)vy，θ3＝lfCf-lrCr，/>基于第一最小二乘函数计算得到lf、lr、Cf以及Cr；根据A点方位角速度、质心纵向速度、质心横向加速度以及二自由度车辆模型中的构建第二最小二乘法函数：y＝θ1x1+θ2x2+θ3x3，其中，/>x3＝2δf，/> 基于第二最小二乘法函数，计算得到目标车辆对应的横摆转动惯量Iz；其中，m为目标车辆的质量，/>为A点的横向角加速度，lD为前轮中心P到D点的距离，lA为前轮中心P到A点的距离，vx为质心纵向速度，/>为A点方位角速度，δf为前轮转角，lf为前轴距，lr为目标车辆对应的后轴距，Cf为目标车辆对应的前轮侧偏刚度，Cr为Cr后轮侧偏刚度，Iz为目标车辆对应的横摆转动惯量。
关于车辆参数辨识装置的具体限定可以参见上文中对于车辆参数辨识方法的限定，在此不再赘述。上述车辆参数辨识装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，当该计算机设备为服务器时，其内部结构图可以如图13所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储车辆参数辨识数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种车辆参数辨识方法。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，当该计算机设备为终端时，其内部结构图可以如图14所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种车辆参数辨识方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图13和图14中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：利用安装在目标车辆上的传感器测得目标车辆的运动参数；根据运动参数计算目标车辆的质心横向加速度；根据运动参数计算目标车辆的质心纵向速度；根据运动参数、质心纵向速度、质心横向加速度以及预先设定的目标车辆的二自由度车辆模型，计算目标车辆的状态参数，状态参数包括前轴距、后轴距、前轮侧偏刚度、后轮侧偏刚度以及横摆转动惯量。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据公式：vfcos(δf)＝vx，计算质心纵向速度；其中，vf为前轮轮速，δf为前轮转角，vx为质心纵向速度。
在一个实施例中，传感器安装在目标车辆的A点位置，处理器执行计算机程序时还实现以下步骤：根据运动参数，计算目标车辆的瞬时旋转中心R；将瞬时旋转中心R到目标车辆的垂足为D点，并根据运动参数计算前轮中心P到D点的距离；根据前轴距、目标车辆的前轮中心P到A点的距离、前轮中心P到D点的距离以及运动参数，计算目标车辆的质心横向加速度。
在一个实施例中，运动参数包括目标车辆的前轮轮速、目标车辆的前轮转角以及A点速度，处理器执行计算机程序时还实现以下步骤：根据公式：vfcos(δf)＝vAcos(αA),计算A点速度与车身中心轴线夹角；其中，vf为前轮轮速，δf为前轮转角，vA为A点速度，αA为A点速度与车身中心轴线夹角；根据αA，计算得到瞬时旋转中心R。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：建立瞬时旋转中心R、前轮中心P以及A点对应的三角图像；根据正弦定理中的公式计算得到/>根据/>计算出AR和PR的长度；根据公式lD＝PR·sinδf，计算前轮中心P到D点的距离lD。
在一个实施例中，运动参数还包括A点方位角速度，处理器执行计算机程序时还实现以下步骤：对A点方位角速度，进行求导得到A点方位角加速度；根据公式，计算得到/>根据公式/>计算目标车辆的质心横向加速度/>其中，/>为A点的横向角加速度，/>是AR方向的法向加速度，/>为AR方向的切向加速度，/>为A点方位角加速度，/>为A点方位角速度，lD为前轮中心P到D点的距离，lA为前轮中心P到A点的距离，lf为前轴距。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据A点方位角速度、质心纵向速度、质心横向加速度以及二自由度车辆模型中的构建第一最小二乘函数：y＝θ1x1+θ2x2+θ3x3+θ4x4，其中，/>x4＝2δf，θ1＝lf，θ2＝(Cf+Cr)vy，θ3＝lfCf-lrCr，/>基于第一最小二乘函数计算得到lf、lr、Cf以及Cr；根据A点方位角速度、质心纵向速度、质心横向加速度以及二自由度车辆模型中的构建第二最小二乘法函数：y＝θ1x1+θ2x2+θ3x3，其中，/>x3＝2δf，/> 基于第二最小二乘法函数，计算得到目标车辆对应的横摆转动惯量Iz；其中，m为目标车辆的质量，/>为A点的横向角加速度，lD为前轮中心P到D点的距离，lA为前轮中心P到A点的距离，vx为质心纵向速度，/>为A点方位角速度，δf为前轮转角，lf为前轴距，lr为目标车辆对应的后轴距，Cf为目标车辆对应的前轮侧偏刚度，Cr为Cr后轮侧偏刚度，Iz为目标车辆对应的横摆转动惯量。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：利用安装在目标车辆上的传感器测得目标车辆的运动参数；根据运动参数计算目标车辆的质心横向加速度；根据运动参数计算目标车辆的质心纵向速度；根据运动参数、质心纵向速度、质心横向加速度以及预先设定的目标车辆的二自由度车辆模型，计算目标车辆的状态参数，状态参数包括前轴距、后轴距、前轮侧偏刚度、后轮侧偏刚度以及横摆转动惯量。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据公式：vfcos(δf)＝vx，计算质心纵向速度；其中，vf为前轮轮速，δf为前轮转角，vx为质心纵向速度。
在一个实施例中，传感器安装在目标车辆的A点位置，计算机程序被处理器执行时还实现以下步骤：根据运动参数，计算目标车辆的瞬时旋转中心R；将瞬时旋转中心R到目标车辆的垂足为D点，并根据运动参数计算前轮中心P到D点的距离；根据前轴距、目标车辆的前轮中心P到A点的距离、前轮中心P到D点的距离以及运动参数，计算目标车辆的质心横向加速度。
在一个实施例中，运动参数包括目标车辆的前轮轮速、目标车辆的前轮转角以及A点速度，计算机程序被处理器执行时还实现以下步骤：根据公式：vfcos(δf)＝vAcos(αA),计算A点速度与车身中心轴线夹角；其中，vf为前轮轮速，δf为前轮转角，vA为A点速度，αA为A点速度与车身中心轴线夹角；根据αA，计算得到瞬时旋转中心R。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：建立瞬时旋转中心R、前轮中心P以及A点对应的三角图像；根据正弦定理中的公式计算得到/>根据/>计算出AR和PR的长度；根据公式lD＝PR·sinδf，计算前轮中心P到D点的距离lD。
在一个实施例中，运动参数还包括A点方位角速度，计算机程序被处理器执行时还实现以下步骤：对A点方位角速度，进行求导得到A点方位角加速度；根据公式，计算得到/>根据公式/>计算目标车辆的质心横向加速度/>其中，/>为A点的横向角加速度，/>是AR方向的法向加速度，/>为AR方向的切向加速度，/>为A点方位角加速度，/>为A点方位角速度，lD为前轮中心P到D点的距离，lA为前轮中心P到A点的距离，lf为前轴距。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据A点方位角速度、质心纵向速度、质心横向加速度以及二自由度车辆模型中的构建第一最小二乘函数：y＝θ1x1+θ2x2+θ3x3+θ4x4，其中，/>x4＝2δf，θ1＝lf，θ2＝(Cf+Cr)vy，θ3＝lfCf-lrCr，/>基于第一最小二乘函数计算得到lf、lr、Cf以及Cr；根据A点方位角速度、质心纵向速度、质心横向加速度以及二自由度车辆模型中的构建第二最小二乘法函数：y＝θ1x1+θ2x2+θ3x3，其中，/>x3＝2δf，/> 基于第二最小二乘法函数，计算得到目标车辆对应的横摆转动惯量Iz；其中，m为目标车辆的质量，/>为A点的横向角加速度，lD为前轮中心P到D点的距离，lA为前轮中心P到A点的距离，vx为质心纵向速度，/>为A点方位角速度，δf为前轮转角，lf为前轴距，lr为目标车辆对应的后轴距，Cf为目标车辆对应的前轮侧偏刚度，Cr为Cr后轮侧偏刚度，Iz为目标车辆对应的横摆转动惯量。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (5)
1.一种车辆参数辨识方法，其特征在于，所述方法包括：
利用安装在目标车辆上的传感器测得所述目标车辆的运动参数；
根据所述运动参数计算所述目标车辆的质心横向加速度；
根据所述运动参数计算所述目标车辆的质心纵向速度；
根据所述运动参数、所述质心纵向速度、所述质心横向加速度以及预先设定的所述目标车辆的二自由度车辆模型，计算所述目标车辆的状态参数，所述状态参数包括前轴距、后轴距、前轮侧偏刚度、后轮侧偏刚度以及横摆转动惯量；
所述运动参数包括所述目标车辆的前轮轮速和所述目标车辆的前轮转角，根据所述运动参数计算所述目标车辆的质心纵向速度，包括：
根据公式：，计算所述质心纵向速度；
其中，为所述前轮轮速，/>为所述前轮转角，/>为所述质心纵向速度；
所述传感器安装在所述目标车辆的A点位置，根据所述运动参数计算所述目标车辆的质心横向加速度，包括：
根据所述运动参数，计算所述目标车辆的瞬时旋转中心R；
将所述瞬时旋转中心R到所述目标车辆的垂足为D点，并根据所述运动参数计算前轮中心P到所述D点的距离；
根据所述前轴距、所述目标车辆的前轮中心P到所述A点的距离、所述前轮中心P到所述D点的距离以及所述运动参数，计算所述目标车辆的质心横向加速度；
所述运动参数包括所述目标车辆的前轮轮速、所述目标车辆的前轮转角以及所述A点速度，所述根据所述运动参数，计算所述目标车辆的瞬时旋转中心R，包括：
根据公式：,计算所述A点速度与车身中心轴线夹角；
其中，为所述前轮轮速，/>为所述前轮转角，/>为所述A点速度，/>为所述A点速度与车身中心轴线夹角；
根据所述，计算得到所述瞬时旋转中心R；
将所述瞬时旋转中心R到所述目标车辆的垂足为D点，并根据所述运动参数计算所述前轮中心P到所述D点的距离，包括：
建立所述瞬时旋转中心R、所述前轮中心P以及所述A点对应的三角图像；
根据正弦定理中的公式，计算得到；
根据所述，计算出AR和PR的长度；
根据公式，计算所述前轮中心P到所述D点的距离/>；
所述运动参数还包括A点方位角速度，根据所述前轴距、所述目标车辆的前轮中心P到所述A点的距离、所述前轮中心P到所述D点的距离以及所述运动参数，计算所述目标车辆的质心横向加速度，包括：
对所述A点方位角速度，进行求导得到A点方位角加速度；
根据公式，，计算得到/>；
根据公式，计算所述目标车辆的质心横向加速度/>；
其中，为A点的横向角加速度，/>是AR方向的法向加速度，/>为AR方向的切向加速度，/>为所述A点方位角加速度，/>为所述A点方位角速度，/>为所述前轮中心P到所述D点的距离，/>为所述前轮中心P到所述A点的距离，/>为所述前轴距。
2.根据权利要求1所述的方法，其特征在于，所述根据所述运动参数、所述质心纵向速度、所述质心横向加速度以及预先设定的所述目标车辆的二自由度车辆模型，计算所述目标车辆的状态参数，包括：
根据所述A点方位角速度、所述质心纵向速度、所述质心横向加速度以及所述二自由度车辆模型中的，
构建第一最小二乘函数：，其中，/>，，/>，/>，/>，/>，/>，，/>；
基于所述第一最小二乘函数计算得到所述、所述/>、所述/>以及所述/>；
根据所述A点方位角速度、所述质心纵向速度、所述质心横向加速度以及所述二自由度车辆模型中的，
构建第二最小二乘法函数：，其中，/>，/>，/>，，/>，/>，/>；
基于所述第二最小二乘法函数，计算得到所述目标车辆对应的横摆转动惯量；
其中，m为所述目标车辆的质量，为所述A点的横向角加速度，/>为所述前轮中心P到所述D点的距离，/>为所述前轮中心P到所述A点的距离，/>为所述质心纵向速度，/>为所述A点方位角速度，/>为所述前轮转角，/>为前轴距，/>为所述目标车辆对应的后轴距，/>为所述目标车辆对应的前轮侧偏刚度，/>为所述/>后轮侧偏刚度，/>为所述目标车辆对应的横摆转动惯量。
3.一种车辆参数辨识装置，其特征在于，所述装置包括：
测量模块，用于利用安装在目标车辆上的传感器测得所述目标车辆的运动参数；
第一计算模块，用于根据所述运动参数计算所述目标车辆的质心横向加速度；
所述传感器安装在所述目标车辆的A点位置，所述第一计算模块具体用于根据所述运动参数，计算所述目标车辆的瞬时旋转中心R；将所述瞬时旋转中心R到所述目标车辆的垂足为D点，并根据所述运动参数计算前轮中心P到所述D点的距离；根据前轴距、所述目标车辆的前轮中心P到所述A点的距离、所述前轮中心P到所述D点的距离以及所述运动参数，计算所述目标车辆的质心横向加速度；
其中，所述运动参数包括所述目标车辆的前轮轮速、所述目标车辆的前轮转角以及所述A点速度，根据所述运动参数，计算所述目标车辆的瞬时旋转中心R，包括：根据公式：,计算所述A点速度与车身中心轴线夹角；其中，/>为所述前轮轮速，/>为所述前轮转角，/>为所述A点速度，/>为所述A点速度与车身中心轴线夹角；根据所述/>，计算得到所述瞬时旋转中心R；
其中，将所述瞬时旋转中心R到所述目标车辆的垂足为D点，并根据所述运动参数计算所述前轮中心P到所述D点的距离，包括：建立所述瞬时旋转中心R、所述前轮中心P以及所述A点对应的三角图像；
根据正弦定理中的公式，计算得到；根据所述/>，计算出AR和PR的长度；根据公式/>，计算所述前轮中心P到所述D点的距离/>；
其中，所述运动参数还包括A点方位角速度，根据所述前轴距、所述目标车辆的前轮中心P到所述A点的距离、所述前轮中心P到所述D点的距离以及所述运动参数，计算所述目标车辆的质心横向加速度，包括：对所述A点方位角速度，进行求导得到A点方位角加速度；
根据公式，，计算得到/>；根据公式/>，计算所述目标车辆的质心横向加速度/>；其中，/>为A点的横向角加速度，/>是AR方向的法向加速度，/>为AR方向的切向加速度，/>为所述A点方位角加速度，/>为所述A点方位角速度，/>为所述前轮中心P到所述D点的距离，/>为所述前轮中心P到所述A点的距离，/>为所述前轴距；
第二计算模块，用于根据所述运动参数计算所述目标车辆的质心纵向速度；
所述运动参数包括所述目标车辆的前轮轮速和所述目标车辆的前轮转角，所述第二计算模块具体用于根据公式：，计算所述质心纵向速度；其中，/>为所述前轮轮速，/>为所述前轮转角，/>为所述质心纵向速度；
第三计算模块，用于根据所述运动参数、所述质心纵向速度、所述质心横向加速度以及预先设定的所述目标车辆的二自由度车辆模型，计算所述目标车辆的状态参数，所述状态参数包括前轴距、后轴距、前轮侧偏刚度、后轮侧偏刚度以及横摆转动惯量。
4.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至2中任一项所述的方法的步骤。
5.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至2中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110791001.2A CN113591278B (zh) | 2021-07-13 | 2021-07-13 | 车辆参数辨识方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110791001.2A CN113591278B (zh) | 2021-07-13 | 2021-07-13 | 车辆参数辨识方法、装置、计算机设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113591278A CN113591278A (zh) | 2021-11-02 |
| CN113591278B true CN113591278B (zh) | 2024-04-19 |
Family
ID=78247168
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110791001.2A Active CN113591278B (zh) | 2021-07-13 | 2021-07-13 | 车辆参数辨识方法、装置、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113591278B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH04204349A (ja) * | 1990-11-30 | 1992-07-24 | Nissan Motor Co Ltd | 車両諸元検出装置 |
| WO2009004194A1 (fr) * | 2007-07-02 | 2009-01-08 | Renault S.A.S. | Procede d'identification du moment d'inertie vertical et des rigidites de derive d'un vehicule automobile |
| CN111267867A (zh) * | 2020-02-20 | 2020-06-12 | 北京理工大学 | 构建无人驾驶车辆运动特性模型的方法和装置 |
| CN111572552A (zh) * | 2020-05-21 | 2020-08-25 | 南京晓庄学院 | 一种车辆主动安全控制方法及装置 |
| CN111959514A (zh) * | 2020-08-13 | 2020-11-20 | 清华大学 | 一种基于模糊动力学系统的汽车质心侧偏角观测方法 |
| CN112572411A (zh) * | 2020-12-22 | 2021-03-30 | 北京理工大学 | 一种考虑轮胎侧偏特性的车辆底盘协调控制方法及系统 |
| CN113076596A (zh) * | 2021-03-31 | 2021-07-06 | 同济大学 | 融合车辆模型和轮胎力曲线的轨迹跟随并行预测方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3059130A1 (en) * | 2015-02-20 | 2016-08-24 | Volvo Car Corporation | Method, arrangement and system for estimating vehicle cornering stiffness |
-
2021
- 2021-07-13 CN CN202110791001.2A patent/CN113591278B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH04204349A (ja) * | 1990-11-30 | 1992-07-24 | Nissan Motor Co Ltd | 車両諸元検出装置 |
| WO2009004194A1 (fr) * | 2007-07-02 | 2009-01-08 | Renault S.A.S. | Procede d'identification du moment d'inertie vertical et des rigidites de derive d'un vehicule automobile |
| CN111267867A (zh) * | 2020-02-20 | 2020-06-12 | 北京理工大学 | 构建无人驾驶车辆运动特性模型的方法和装置 |
| CN111572552A (zh) * | 2020-05-21 | 2020-08-25 | 南京晓庄学院 | 一种车辆主动安全控制方法及装置 |
| CN111959514A (zh) * | 2020-08-13 | 2020-11-20 | 清华大学 | 一种基于模糊动力学系统的汽车质心侧偏角观测方法 |
| CN112572411A (zh) * | 2020-12-22 | 2021-03-30 | 北京理工大学 | 一种考虑轮胎侧偏特性的车辆底盘协调控制方法及系统 |
| CN113076596A (zh) * | 2021-03-31 | 2021-07-06 | 同济大学 | 融合车辆模型和轮胎力曲线的轨迹跟随并行预测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113591278A (zh) | 2021-11-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101975728B1 (ko) | 자율 주행 차량을 위한 사이드슬립 보상 제어 방법 | |
| KR102048646B1 (ko) | 자율 주행 차량 이동을 시뮬레이트하기 위한 물리 모델 및 머신 러닝과 결합된 방법 | |
| CN104567931B (zh) | 一种室内惯性导航定位的航向漂移误差消除方法 | |
| CN109931944B (zh) | 一种ar导航方法、装置、车端设备、服务端及介质 | |
| CN104198765B (zh) | 车辆运动加速度检测的坐标系转换方法 | |
| CN111476106B (zh) | 基于单目相机的直道相对坡度实时预测方法、系统及装置 | |
| CN109540148B (zh) | 基于slam地图的定位方法及系统 | |
| CN103017763B (zh) | 状态估计设备和偏移更新方法 | |
| JP7036080B2 (ja) | 慣性航法装置 | |
| Anderson et al. | Using GPS with a model-based estimator to estimate critical vehicle states | |
| WO2020168667A1 (zh) | 基于共享slam地图的高精度定位方法及系统 | |
| JP2020061125A (ja) | 自動運転のための交差検証に基づく自動ｌｉｄａｒキャリブレーション | |
| JPH09304091A (ja) | ナビゲーション装置 | |
| US20200386782A1 (en) | Apparatus and method for calibrating inertial measuring unit | |
| CN112212887B (zh) | 一种基于阿克曼转向模型的自动泊车定位参数标定方法 | |
| CN110288154A (zh) | 速度预测方法、装置、设备和介质 | |
| WO2020049737A1 (ja) | 運転技能評価システム、方法及びプログラム | |
| CN108426584B (zh) | 汽车多传感器的校准方法 | |
| IT201900017429A1 (it) | Metodo e sistema per l'assistenza alla guida di un veicolo | |
| CN113591278B (zh) | 车辆参数辨识方法、装置、计算机设备和存储介质 | |
| CN107462242A (zh) | 车辆测速方法及其装置 | |
| CN108860137A (zh) | 失稳车辆的控制方法、装置及智能车辆 | |
| CN115856922A (zh) | 一种松耦合陆地组合导航方法、装置、计算机设备和介质 | |
| TWI392848B (zh) | 設置方位辨識方法及其導航裝置 | |
| CN113566777B (zh) | 车辆俯仰角估计方法及其系统、计算机设备、存储介质 |
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 |