CN113619591B

CN113619591B - 车辆侧倾角的估计方法、设备和存储介质

Info

Publication number: CN113619591B
Application number: CN202111168633.XA
Authority: CN
Inventors: 徐显杰; 伦恺悦
Original assignee: Tianjin Soterea Automotive Technology Co Ltd
Current assignee: Tianjin Soterea Automotive Technology Co Ltd
Priority date: 2021-10-08
Filing date: 2021-10-08
Publication date: 2021-12-31
Anticipated expiration: 2041-10-08
Also published as: CN113619591A

Abstract

本发明涉及车辆控制领域，公开了一种车辆侧倾角的估计方法、设备和存储介质。该方法包括：获取当前时刻车辆的车身状态；根据当前时刻车辆的车身状态计算整车的侧倾力矩，并根据所述整车的侧倾力矩和侧倾角刚度得到侧倾角的计算值；对当前时刻车辆的车身状态中的侧倾角速度进行积分，得到所述侧倾角的积分值；对所述计算值和所述积分值进行融合，得到当前时刻侧倾角的融合值。本实施例仅采用侧向加速度和侧倾角速度对侧倾角进行准确估计。

Description

车辆侧倾角的估计方法、设备和存储介质

技术领域

本发明涉及汽车主动安全领域，尤其涉及一种车辆侧倾角的估计方法、设备和存储介质。

背景技术

交通运输是经济发展的基础产业，深刻影响着国民经济发展，在其中，公路运输在交通运输行业占据着重要地位。然而，随着公路运输的发展，交通事故发生率也上升了很多，其中，侧翻引起的交通事故是主要的原因之一。

车辆侧翻的实质为前后轮转向时的侧向力，会形成旋转力矩，因此侧倾角能够直接反应车身的动力学状态，对侧倾角进行估计有着十分重要的意义。目前一般对侧倾角速度进行积分来估计侧倾角，由于积分会造成干扰的叠加，导致准确性有限。

有鉴于此，特提出本发明。

发明内容

为了解决上述技术问题，本发明提供了一种车辆侧倾角的估计方法、设备和存储介质。

本发明实施例提供了一种车辆侧倾角的估计方法，该方法包括：

获取当前时刻车辆的车身状态；

根据当前时刻车辆的车身状态计算整车的侧倾力矩，并根据所述整车的侧倾力矩和侧倾角刚度得到侧倾角的计算值；

对当前时刻车辆的车身状态中的侧倾角速度进行积分，得到所述侧倾角的积分值；

对所述计算值和所述积分值进行融合，得到当前时刻侧倾角的融合值。

本发明实施例提供了一种电子设备，所述电子设备包括：

处理器和存储器；

所述处理器通过调用所述存储器存储的程序或指令，用于执行任一实施例所述的车辆侧倾角的估计方法的步骤。

本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储程序或指令，所述程序或指令使计算机执行任一实施例所述的车辆侧倾角的估计方法的步骤。

本发明实施例具有以下技术效果：不需要在车辆上加装角度传感器，只通过整车的侧倾力矩、侧倾角刚度和侧倾角速度即可得到最终的侧倾角；本实施例通过融合理论值和积分值，使得最终的融合值更接近真实的侧倾角。

附图说明

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

图1是本发明实施例提供的一种车辆侧倾角的估计方法的流程图；

图2是本发明实施例提供的另一种车辆侧倾角的估计方法的流程图；

图3是本发明实施例提供的对侧向加速度模糊集设置的隶属度函数的示意图；

图4是本发明实施例提供的对积分值的权重模糊集设置的隶属度函数的示意图；

图5为本发明实施例提供的一种电子设备的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将对本发明的技术方案进行清楚、完整的描述。显然，所描述的实施例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的前提下所得到的所有其它实施例，都属于本发明所保护的范围。

本发明实施例提供的车辆侧倾角的估计方法，主要适用于估计车辆的侧倾角的情况。本发明实施例提供的车辆侧倾角的估计方法可以由电子设备执行。

图1是本发明实施例提供的一种车辆侧倾角的估计方法的流程图。参见图1，该车辆侧倾角的估计方法具体包括：

S110、获取当前时刻车辆的车身状态。

车身状态包括但不限于侧向加速度、侧倾角速度、车辆簧上质量、质心偏出距离、非悬挂质量和车辆侧倾角刚度。

其中，侧倾角速度是指，车辆以一定车速向一侧急转向时，车身发生倾斜，车身与地面的夹角随时间的变化率。质心偏出距离指，车辆静态时质心距离与侧倾时的质心距离的横向偏差。

非悬挂质量指不由弹簧支撑的质量，包括车轮、轮胎、制动总成以及后车轴等部件。在侧倾角不大的条件下，车身倾斜单位角度所需要的侧倾力矩，称为侧倾角刚度。

车辆上配置有惯性传感器（Inertial Measurement Unit，IMU），进而实时获取车辆的侧向加速度和侧倾角速度。但是IMU获取的信号噪声较大，因此对侧向加速度及侧倾角速度进行滤波处理。因为一阶低通滤波能够抑制小幅度高频噪声，因此对侧向加速度和侧倾角速度的滤波采用一阶低通滤波，其计算如下：

Ay_i=a×Ay_i+(1-a)×Ay_i-1（1）

AVx_i=a×AVx_i+(1-a)×AVx_i-1（2）

其中，Ay_i和AVx_i分别为第i时刻（可称为当前时刻）侧向加速度及侧倾角速度，Ay_i-1和AVx_i-1分别为第i-1时刻（可称为上一时刻）侧向加速度及侧倾角速度，a为滤波系数。

S120、根据当前时刻车辆的车身状态计算整车的侧倾力矩，并根据所述整车的侧倾力矩和侧倾角刚度得到侧倾角的计算值。

整车的侧倾力矩指相对整车（包括悬挂质量和非悬挂质量）而言，在车辆侧倾时产生的力矩，包括悬挂质量的离心力引起的第一侧倾力矩，悬挂质量的重力引起的第二侧倾力矩以及非悬挂质量的离心力引起的第三侧倾力矩。

本实施例采用车身状态计算得到整车的侧倾力矩，进而根据整车的侧倾力矩和侧倾角刚度得到侧倾角的计算值。具体包括以下4步。

第一步：根据当前时刻的侧向加速度Ay和车辆簧上质量m₁计算悬挂质量的离心力引起的第一侧倾力矩M₁。

M₁=Ay×m₁×g×h（3）

其中，Ay的单位为9.8m/s²，M₁的单位为N·m，g为重力加速度，单位为m/s²，h为悬挂质量的质心至侧倾轴线的距离，其值近似的等于质心到车轮中心水平轴线的垂直距离，单位为m。

第二步：根据当前时刻的质心偏出距离e和车辆簧上质量m₁，计算悬挂质量的重力引起的第二侧倾力矩M₂。在所述根据当前时刻的质心偏出距离和车辆簧上质量，计算悬挂质量的重力引起的第二侧倾力矩之前，还包括：在初始时刻时，所述质心偏出距离采用初始值；在非初始时刻时，根据上一时刻侧倾角的融合值与悬挂质量的质心至侧倾轴线的距离计算当前时刻的质心偏出距离。

M₂=m₁×g×e（4）

其中，M₂的单位为N·m，e的单位为m，g为重力加速度，单位为m/s²，初始值e₁给定，后续经迭代得到。m₁的单位为kg。

下面详细介绍质心偏出距离e的迭代过程，参见下式。

e₂=F_r1×h（5）

e₃=F_r2×h（6）

e_i+1=F_ri×h（7）

式中，e_i+1为第i+1时刻质心偏出距离，单位为m。F_ri为当前时刻（第i时刻）的侧倾角的估计值。根据后续实施例的记载，初始时刻（第1时刻）侧倾角的估计值F_r1通过初始值e₁计算得到，通过公式（7），F_r1可以计算得到e₂，以此类推，不断迭代更新质心偏出距离e。

本实施例采用迭代法计算质心偏出距离，虽有一定的迟滞，但能够比较准确地反映出质心偏出距离的变化，进而能够准确计算出侧倾力矩的变化。

第三步：根据当前时刻的侧向加速度Ay和非悬挂质量m₂，计算非悬挂质量的离心力引起的第三侧倾力矩M₃。

M₃=Ay×m₂×g×h（8）

其中，m₂的单位为kg。M₃的单位为N·m。g为重力加速度，单位为m/s²。h为悬挂质量的质心至侧倾轴线的距离，其值近似的等于质心到车轮中心水平轴线的垂直距离，单位为m。

第四步：叠加所述第一侧倾力矩，第二侧倾力矩和第三侧倾力矩得到整车的侧倾力矩M，并根据所述整车的侧倾力矩M和所述侧倾角刚度K，得到侧倾角的计算值F_{r_est}。在所述根据所述整车的侧倾力矩和侧倾角刚度得到侧倾角的计算值之前，还包括：在初始时刻时，所述侧倾角刚度采用初始值；在非初始时刻时，根据上一时刻的侧倾角的融合值与上一时刻的整车的侧倾力矩计算当前时刻的侧倾角刚度。

M=M₁+M₂+M₃（9）

F_{r_est}=M/K（10）

其中，K为车辆侧倾角刚度，单位为N·m/rad，初始值给定，后续通过迭代得到。

下面详细介绍侧倾角刚度K的迭代过程，参见下式。

K_i+1=M_i/F_ri（11）

K_i+1是i+1时刻的倾斜角刚度，M_i是第i时刻的整车的侧倾力矩。F_ri是第i时刻的侧倾角的估计值。

国内外研究中并没有涉及到侧倾角刚度的估计，但侧倾角刚度是影响侧倾角的重要指标，本实施例针对侧倾力矩与侧倾角的融合值的比值计算出车辆的侧倾角刚度。

S130、对当前时刻车辆的车身状态中的侧倾角速度进行积分，得到所述侧倾角的积分值。

（12）

其中，F_{r_I}是侧倾角的积分值，单位为rad。AVx由S110获得。

需要说明的是，在长时间的积分过程中，由于积分积累较多，导致计算滞后，因此需要加入积分清零控制。由于车辆直行过程中发生侧翻危险的概率较低，则当侧向加速度的绝对值小于一阈值（0.5m/s²）后开始计时，持续0.5s之后，说明车辆直行了一段时间，对积分值进行清零，并重新积分。

S140、对所述计算值和所述积分值进行融合，得到当前时刻侧倾角的融合值。

本实施例通过汽车操纵的稳定性原理得到侧倾角的计算值，实质是一个理论值，没有考虑车辆零件的磨损等情况，计算值一般比真实值偏小；同时，对侧倾角速度进行积分得到积分值，实质是一个测量值。但是积分会叠加噪声，使得积分值比真实值偏大，本实施例创造性地融合计算值和积分值，使得最终的融合值更接近真实的侧倾角。通过在车辆上加装角度传感器发现，融合值相对于积分值更加接近角度传感器采集到的侧倾角。

可选的，本实施例不限定融合方法，例如平均，或者加权平均。

本实施例不需要在车辆上加装角度传感器，只通过整车的侧倾力矩，侧倾角刚度和侧倾角速度即可得到最终的侧倾角；本实施例通过融合理论值和积分值，使得最终的融合值更接近真实的侧倾角。

图2是本发明实施例提供的另一种车辆侧倾角的估计方法的流程图，本实施例在上述实施例的基础上，对融合操作，后续的修正操作，以及侧翻风险的预测操作进行细化和补充。参见图2，本实施例提供的方法包括以下操作：

S210、获取当前时刻车辆的车身状态。

S220、根据当前时刻车辆的车身状态计算整车的侧倾力矩，并根据所述整车的侧倾力矩和侧倾角刚度得到侧倾角的计算值。

S230、对当前时刻车辆的车身状态中的侧倾角速度进行积分，得到所述侧倾角的积分值。

S210~S230参见上述实施例步骤S110~S130的描述，此处不再赘述。

S240、采用当前时刻车辆的车身状态中的侧向加速度作为模糊逻辑的状态量，根据模糊算法得到所述计算值和所述积分值的权重。

首先，侧向加速度大小在一定程度上可反应侧倾角的大小。由于积分值存在噪声干扰等，在侧倾角较小时，由于噪声的影响，此时的积分值误差相对较小的侧倾角来说，是较大的，因此，此时积分值占比较小；而在侧倾角较大时，噪声的影响可相对来说忽略，并且IMU响应较快，因此在侧倾角较大时积分值更为准确。侧倾角较小时，车辆处在相对稳定的状态，而此侧倾角的计算公式反应的是车辆稳态时的状态；当侧倾角较大时，车辆相对来说处在一个非稳态的情况下，此时计算值就相对来准确度降低。因此需要在不同的侧向加速度情况下对侧倾角进行融合处理。由此采用侧向加速度作为模糊逻辑的状态量，据此制定模糊规则及隶属度函数。

具体而言，侧向加速度按照大小关系划分为低侧向加速度模糊集（LA）、中侧向加速度模糊集（MA）和高侧向加速度模糊集（BA）。为了防止在边界产生突变，对低侧向加速度模糊集（LA）和高侧向加速度模糊集（BA）设置高斯隶属度函数，对所述中侧向加速度模糊集（MA）设置三角隶属度函数。图3是本发明实施例提供的对侧向加速度模糊集设置的隶属度函数的示意图，横坐标为侧向加速度，范围为[1,8]，纵坐标为隶属度。图3示出了两边的高斯隶属度函数和中间的三角隶属度函数，如果侧向加速度落在低侧向加速度模糊集（LA）和高侧向加速度模糊集（BA）中，则采用高斯隶属度函数计算隶属度；如果侧向加速度落在中侧向加速度模糊集（MA）中，则采用三角隶属度函数计算隶属度。

同理，积分值的权重按照大小关系划分为低权重模糊集（LC）、中权重模糊集（MC）和高权重模糊集（BC）；对低权重模糊集（LC）和高权重模糊集（BC）设置高斯隶属度函数，对所述中权重模糊集（MC）设置三角隶属度函数。图4是本发明实施例提供的对积分值的权重模糊集设置的隶属度函数的示意图，横坐标为积分值的权重，范围为[0.3,0.6]，可以标定得到，纵坐标为隶属度。图4示出了两边的高斯隶属度函数和中间的三角隶属度函数，如果权重落在低权重模糊集（LC）和高权重模糊集（BC）中，则采用高斯隶属度函数计算隶属度；如果权重落在中权重模糊集（MC）中，则采用三角隶属度函数计算隶属度。

设置如下模糊逻辑表：

If Ay=LA；then C = LC

If Ay=MA；then C = MC

If Ay=BA；then C = BC

进一步解释为，可根据输入（侧向加速度）、输出（积分值的权重）分别与隶属度函数的关系图（即图3和图4），得到Ay与积分值的权重C的函数关系。

在具体操作中，首先根据侧向加速度的所属模糊集，可能是LA、MA、BA中的任一项，计算侧向加速度对所属模糊集的隶属度；即在图3中以侧向加速度为横坐标值，确定所属模糊集的隶属度函数上对应的纵坐标值。

然后，根据模糊逻辑表，确定与侧向加速度所属的模糊集对应的权重模糊集；例如，如果Ay=LA，则确定对应的权重模糊集为LC。

接着，根据所述权重模糊集对应的隶属度函数和所述隶属度，反向计算所述积分值的权重。此处的隶属度为图3中的纵坐标值（例如0.2），则在图4中LC的隶属度函数上，确定纵坐标值0.2所对应的横坐标值。令所述积分值的权重与计算值的权重之和为固定值（即1），计算所述计算值的权重。

S250、根据所述权重对所述计算值和所述积分值进行融合，得到当前时刻侧倾角的融合值。

（13）

其中，F_{r_fuse}为侧倾角的融合值，F_{r_est}为侧倾角的计算值，F_{r_I}是侧倾角的积分值。C为积分值的权重。

S260、以当前时刻与上一时刻的时间间隔作为时间常数，对所述融合值进行微分得到微分值。

（14）

其中，AVx_fuse为侧倾角的微分值，其实质是通过融合得到的当前时刻的侧倾角速度。

S270、以所述时间常数，对所述微分值与当前时刻侧倾角速度的差值进行积分，得到修正值。

然而，当前时刻的侧倾角速度可以通过IMU采集得到，即S210中的实时获取的当前时刻的侧倾角速度，这是一个真实值。本实施例利用真实的侧倾角速度对微分值进行修正，参见下式。

（15）

其中，ΔF_ri为修正值。AVx_i也就是当前时刻的侧倾角速度。

S280、采用所述修正值对所述融合值进行修正，得到侧倾角的估计值。

F_ri=F_{r_fuse}+ΔF_ri（16）

参见公式（16），F_ri为当前时刻侧倾角的估计值。

本实施例采用模糊逻辑对侧倾角计算值及侧倾角积分值进行融合，加之反馈修正，能够准确估计出侧倾角。

S290、根据连续多个时刻的估计值的变化趋势，预测下一时刻的侧倾角。

S280得到的侧倾角的估计值只能反映车辆当前的侧倾状态，不能预测车辆下一时刻的侧倾状态。基于此，本实施例采用当前时刻之前的连续多个时刻的估计值的变化趋势，预测下一时刻的侧倾角。具体可采用一阶差分预测的方法，参见公式（17）~公式（19）。

（17）

（18）

（19）

其中，Vx_i是第i时刻的侧倾角的斜率，公式（17）~公式（19）通过10个连续时刻的侧倾角的斜率体现侧倾角估计值的变化趋势。T为采样周期，取T=0.01s，也是从当前时刻到上一时刻的时间间隔。

之后计算第i时刻的前10个时刻斜率的平均估计值Vx_est。

(20)

最后，计算第i+1时刻侧倾角的预测值：

F_r(i+1)=F_ri+T×Vx_est（21）

S291、根据所述下一时刻的侧倾角和横向载荷转移率，预测车辆是否有侧翻风险。

本实施例通过预测得到的侧倾角及横向载荷转移率LTR对车辆进行防侧翻预测。将LTR及侧倾角作为防侧翻预测的指标，当侧倾角及LTR分别都达到阈值时进行制动控制。例如，当有向右侧侧翻的倾向时，对车辆左侧前后两车轮进行制动控制；当有向左侧侧翻的倾向时，对车辆右侧前后两车轮进行制动控制。

本实施例为了增强侧倾角的预测性，采用一阶差分的方法对侧倾角进行预测，对侧倾角进行能够提前介入控制，防止控制较晚导致平顺性较差或者危险发生。LTR能够描述当前状态下的车辆载荷转移情况，不能够预测车辆侧翻的变化，本发明中的侧倾角预测值能够预测侧倾角的变化，进而预测车辆侧翻的变化。因此将两种预测方法结合，提高预测的准确性。

图5为本发明实施例提供的一种电子设备的结构示意图。如图5所示，电子设备400包括一个或多个处理器401和存储器402。

处理器401可以是中央处理单元（CPU）或者具有数据处理能力和/或指令执行能力的其他形式的处理单元，并且可以控制电子设备400中的其他组件以执行期望的功能。

存储器402可以包括一个或多个计算机程序产品，所述计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器（RAM）和/或高速缓冲存储器（cache）等。所述非易失性存储器例如可以包括只读存储器（ROM）、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器401可以运行所述程序指令，以实现上文所说明的本发明任意实施例的车辆侧倾角的估计方法以及/或者其他期望的功能。在所述计算机可读存储介质中还可以存储诸如初始外参、阈值等各种内容。

在一个示例中，电子设备400还可以包括：输入装置403和输出装置404，这些组件通过总线系统和/或其他形式的连接机构（未示出）互连。该输入装置403可以包括例如键盘、鼠标等等。该输出装置404可以向外部输出各种信息，包括预警提示信息、制动力度等。该输出装置404可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。

当然，为了简化，图5中仅示出了该电子设备400中与本发明有关的组件中的一些，省略了诸如总线、输入/输出接口等等的组件。除此之外，根据具体应用情况，电子设备400还可以包括任何其他适当的组件。

除了上述方法和设备以外，本发明的实施例还可以是计算机程序产品，其包括计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本发明任意实施例所提供的车辆侧倾角的估计方法的步骤。

所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本发明实施例操作的程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如Java、C++等，还包括常规的过程式程序设计语言，诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。

此外，本发明的实施例还可以是计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本发明任意实施例所提供的车辆侧倾角的估计方法的步骤。

所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子（非穷举的列表）包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

需要说明的是，本发明所用术语仅为了描述特定实施例，而非限制本申请范围。如本发明说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。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、方法或者设备不仅包括那些要素，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、方法或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法或者设备中还存在另外的相同要素。

还需说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案。

Claims

1.一种车辆侧倾角的估计方法，其特征在于，包括：

获取当前时刻车辆的车身状态；

对所述计算值和所述积分值进行融合，得到当前时刻侧倾角的融合值；

以当前时刻与上一时刻的时间间隔作为时间常数，对所述融合值进行微分得到微分值；

以所述时间常数，对所述微分值与当前时刻侧倾角速度的差值进行积分，得到修正值；

采用所述修正值对所述融合值进行修正，得到侧倾角的估计值。

2.根据权利要求1所述的方法，其特征在于，所述根据当前时刻车辆的车身状态计算整车的侧倾力矩，包括：

根据当前时刻的侧向加速度和车辆簧上质量计算悬挂质量的离心力引起的第一侧倾力矩；

根据当前时刻的质心偏出距离和车辆簧上质量，计算悬挂质量的重力引起的第二侧倾力矩；

根据当前时刻的侧向加速度和非悬挂质量，计算非悬挂质量的离心力引起的第三侧倾力矩；

叠加所述第一侧倾力矩，第二侧倾力矩和第三侧倾力矩得到整车的侧倾力矩。

3.根据权利要求2所述的方法，其特征在于，在所述根据当前时刻的质心偏出距离和车辆簧上质量，计算悬挂质量的重力引起的第二侧倾力矩之前，还包括：

在初始时刻时，所述质心偏出距离采用初始值；

在非初始时刻时，根据上一时刻侧倾角的融合值与悬挂质量的质心至侧倾轴线的距离计算当前时刻的质心偏出距离。

4.根据权利要求1所述的方法，其特征在于，在所述根据所述整车的侧倾力矩和侧倾角刚度得到侧倾角的计算值之前，还包括：

在初始时刻时，所述侧倾角刚度采用初始值；

在非初始时刻时，根据上一时刻的侧倾角的融合值与上一时刻的整车的侧倾力矩计算当前时刻的侧倾角刚度。

5.根据权利要求1所述的方法，其特征在于，对所述计算值和所述积分值进行融合，得到当前时刻侧倾角的融合值，包括：

采用当前时刻车辆的车身状态中的侧向加速度作为模糊逻辑的状态量，根据模糊算法得到所述计算值和所述积分值的权重；

根据所述权重对所述计算值和所述积分值进行融合，得到当前时刻侧倾角的融合值。

6.根据权利要求5所述的方法，其特征在于，所述采用当前时刻车辆的车身状态中的侧向加速度作为模糊逻辑的状态量，根据模糊算法得到所述计算值和所述积分值的权重，包括：

根据当前时刻车辆的车身状态中侧向加速度的大小，确定所述侧向加速度所属的模糊集，并计算侧向加速度对所属的模糊集的隶属度；其中，所述模糊集为低侧向加速度模糊集、中侧向加速度模糊集和高侧向加速度模糊集中的一种；

基于模糊逻辑表，确定与侧向加速度所属的模糊集对应的权重模糊集；其中，所述权重模糊集为低权重模糊集、中权重模糊集和高权重模糊集中的一种；

根据所述权重模糊集对应的隶属度函数和所述隶属度，反向计算所述积分值的权重；

令所述积分值的权重与计算值的权重之和为固定值，计算所述计算值的权重；

其中，所述低侧向加速度模糊集和高侧向加速度模糊集设置高斯隶属度函数，所述中侧向加速度模糊集设置三角隶属度函数；根据权重的大小，权重划分为低权重模糊集、中权重模糊集和高权重模糊集，所述低权重模糊集和高权重模糊集设置高斯隶属度函数，所述中权重模糊集设置三角隶属度函数。

7.根据权利要求1所述的方法，其特征在于，在采用所述修正值对所述融合值进行修正，得到侧倾角的估计值之后，还包括：

根据连续多个时刻的估计值的变化趋势，预测下一时刻的侧倾角；

根据所述下一时刻的侧倾角和横向载荷转移率，预测车辆是否有侧翻风险。

8.一种电子设备，其特征在于，所述电子设备包括：

处理器和存储器；

所述处理器通过调用所述存储器存储的程序或指令，用于执行如权利要求1至7任一项所述的车辆侧倾角的估计方法的步骤。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储程序或指令，所述程序或指令使计算机执行如权利要求1至7任一项所述的车辆侧倾角的估计方法的步骤。