CN114840919B - 一种多维车轮力传感器维间耦合度分析方法 - Google Patents

Abstract

本发明提供了一种多维车轮力传感器维间耦合度分析方法，包括如下步骤：步骤1：根据多维车轮力传感器在车轮运动时的标定实验结果，建立外部施加车轮力、车轮运动与多维车轮力传感器各维度输出车轮力之间的映射模型；步骤2：根据步骤1中所建立的映射模型，在多维车轮力传感器的单一维度上引入一个微小的车轮力摄动，并构建此摄动产生的摄动输出空间；步骤3：根据步骤2中所构建的摄动输出空间，计算包含概率阈值的摄动输出空间超球体半径；步骤4：根据步骤3种所计算的超球体半径与车轮力摄动大小的比例关系，得到多维车轮力传感器维间耦合度。本发明实现了多维车轮力传感器的维间耦合度的定量描述。

Description

一种多维车轮力传感器维间耦合度分析方法

技术领域

本发明涉及车辆测控领域，尤其涉及一种多维车轮力传感器维间耦合度分析方法。

背景技术

汽车工业在发达国家的经济发展中，起着重要支柱的作用，从某种程度上讲，汽车行业发展水平能够体现出一个国家的整体制造业水平。在我国，近年来汽车的保有量持续增长势头，良好的市场情况刺激了汽车工业的发展，同时也暴露出我国车辆自主研发和测试方面的不足。车辆运动是由地面对车轮作用力、车辆对车轮作用力以及空气作用力等共同作用的结果，其中地面轮胎附着作用是主要因素，并受路面因素、轮胎因素、车辆因素和车辆行驶工况因素等影响，并最终在车轮受力上得到体现。因此，实时检测车辆在各种状态下的车轮力是进行车辆研发和测试的基础。由于车轮力具有很强的随机性，因此对于其进行处理的难度较大。我国在这项领域比较薄弱，尤其是对车轮力传感器输出数据的滤波方面的研究基本处于起步和探索阶段。

本发明所应用的对象为多维车轮力传感器，该多维车轮力传感器能够感知车辆行驶过程中地面对车轮的作用力，包括牵引力、正压力、侧向力、驱动力矩等。不同于常规的多维力传感器，多维车轮力传感器需要在车轮运动过程中完成车轮力的测量和解算，因此多维车轮力传感器各个维度之间的维间耦合情况不仅与传感器结构有关，还和车轮的运动有关，常规的维间耦合度分析方法仅讨论传感器结构造成的耦合问题，缺少与运动有关的耦合度分析方法。这导致多维车轮力传感器的耦合度分析不能适应在运动中进行轮力解算的需要。

为了解决车轮运动情况下多维车轮力传感器的维间耦合度分析问题，必须全面考虑车轮的各种运动方式，比如旋转、侧倾、偏转等，车轮运动到不同位置时，单一维度上施加的微小车轮力摄动，车轮力传感器其他各个维度上所产生的耦合分量大小是不一致的，很难找到适用于各种运动情况的维间耦合度的定量分析方法。这是必须攻克的技术难关。

发明内容

鉴于上述问题，本发明提供一种多维车轮力传感器维间耦合度分析方法，首先设计摄动输出空间，用于表达车轮运动时，单一维度车轮力摄动在多维车轮力传感器的各个维度上的输出结果，接着根据空间概率判据，定量分析单一维度车轮力摄动与多维车轮力传感器的其他各个维度间的耦合程度，上述方法以克服上述问题或者至少部分地解决上述问题。

为解决上述技术问题，本发明提供一种多维车轮力传感器维间耦合度分析方法，包括如下步骤：

步骤1：根据多维车轮力传感器在车轮运动时的标定实验结果，建立外部施加车轮力、车轮运动与多维车轮力传感器各维度输出车轮力之间的映射模型；

步骤2：根据步骤1中所建立的映射模型，在多维车轮力传感器的单一维度上引入一个微小的车轮力摄动，并构建此摄动产生的摄动输出空间；

步骤3：根据步骤2中所构建的摄动输出空间，计算包含概率阈值的摄动输出空间超球体半径；

步骤4：根据步骤3中所计算的超球体半径与车轮力摄动大小的比例关系，得到多维车轮力传感器维间耦合度。

进一步，所述步骤1中建立外部施加车轮力、车轮运动与多维车轮力传感器各维度输出车轮力之间的映射模型的具体步骤如下：

步骤1.1：定义多维车轮力传感器的输入车轮力Fⁱⁿ为：

其中

分别表示对于多维车轮力传感器各个维度上的输入车轮力，且N为车轮力的维度数量；

定义车轮运动状态η为：

其中η_θ,

η_ω，分别表示车轮的旋转、偏转与侧倾角度；

定义多维车轮力传感器的输出车轮力F^out为：

其中

分别表示对于多维车轮力传感器各个维度上的输出车轮力；

步骤1.2：根据步骤1.1中定义的参数建立外部施加车轮力、车轮运动与多维车轮力传感器各维度输出车轮力之间的映射模型为：

F^out＝f_cal(Fⁱⁿ,η)

其中，f_cal(·)为根据标定实验建立的多维车轮力传感器各维度输出车轮力与外部施加车轮力、车轮运动间的函数关系。

进一步，所述步骤2中构建摄动输出空间的具体步骤如下：

步骤2.1：在单一维度上外部输入车轮力中施加轮力摄动

其中，i∈[1,2,...,N]，且f_i ^ε满足以ε_i为标准差的0均值高斯分布；

步骤2.2：构建以N为维度数量的多维车轮力传感器摄动输出结果空间，记录多维车轮力传感器在轮力摄动

下各个维度的M次输出结果；

步骤2.3：生成摄动输出结果空间的概率密度函数

其中，B为核带宽，

为多维车轮力传感器的1号输出维度在轮力摄动为ε，且车轮运动状态为η时的第j次输出结果。

进一步，所述步骤3中计算摄动输出空间超球体半径的具体步骤如下：

给定概率阈值P_s，在摄动输出结果空间中，以

为超球体中心，r_s为超球体半径，并使得r_s满足：

进一步，所述步骤4中得到多维车轮力传感器维间耦合度的具体步骤如下：

定义多维车轮力传感器的维间耦合度ξ_i为：

其中，ξ_i表示在综合考虑车轮运动的情况下，多维车轮力传感器第i维度上的轮力摄动，对多维车轮力传感器其余各个维度车轮力输出的影响大小，ξ_i越大，说明第i维度与其余维度的耦合度越高，应该在结构设计或解耦算法中进行优化，以便提高多维车轮力传感器的测量精度。

本发明实施例中提供的技术方案，至少具有如下技术效果或优点：

1)针对多维车轮力传感器与车轮一同运动这一特点，将车轮的运动状态引入到传感器维间耦合度分析中来，使得该方法对于车轮力传感器适用性明显强于传统方法；

2)将概率分析方法引进了多维车轮力传感器的维间耦合度分析，设计了满足特定概率分布的车轮力摄动作为维间耦合度分析的激励，在此基础上构建了摄动输出空间，并给出了该空间内概率密度函数的解析表达；

3)设计了摄动输出空间中的超球体，通过超球体半径与轮力摄动大小的比值，实现了多维车轮力传感器的维间耦合度的定量描述。

本发明能够应用于各款具有车轮运动状态感知与输出的多维车轮力传感器，具有很强的实用性。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1示出了本发明的总体流程图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

本发明提供一种多维车轮力传感器维间耦合度分析方法，包括如下步骤：

步骤1：根据多维车轮力传感器在车轮运动时的标定实验结果，建立外部施加车轮力、车轮运动与多维车轮力传感器各维度输出车轮力之间的映射模型；

步骤2：根据步骤1中所建立的映射模型，在多维车轮力传感器的单一维度上引入一个微小的车轮力摄动，并构建此摄动产生的摄动输出空间；

步骤3：根据步骤2中所构建的摄动输出空间，计算包含概率阈值的摄动输出空间超球体半径；

步骤4：根据步骤3中所计算的超球体半径与车轮力摄动大小的比例关系，得到多维车轮力传感器维间耦合度。

进一步，所述步骤1中建立外部施加车轮力、车轮运动与多维车轮力传感器各维度输出车轮力之间的映射模型的具体步骤如下：

步骤1.1：定义多维车轮力传感器的输入车轮力Fⁱⁿ为：

其中

分别表示对于多维车轮力传感器各个维度上的输入车轮力，且N为车轮力的维度数量，2≤N<∞；

定义车轮运动状态η为：

其中η_θ,

η_ω，分别表示车轮的旋转、偏转与侧倾角度；

定义多维车轮力传感器的输出车轮力F^out为：

其中

分别表示对于多维车轮力传感器各个维度上的输出车轮力，且N为车轮力的维度数量，2≤N<∞；

步骤1.2：根据步骤1.1中定义的参数建立外部施加车轮力、车轮运动与多维车轮力传感器各维度输出车轮力之间的映射模型为：

F^out＝f_cal(Fⁱⁿ,η)

其中，f_cal(·)为根据标定实验建立的多维车轮力传感器各维度输出车轮力与外部施加车轮力、车轮运动间的函数关系。

进一步，所述步骤2中构建摄动输出空间的具体步骤如下：

步骤2.1：在单一维度上外部输入车轮力中施加轮力摄动

其中，i∈[1,2,...,N]，且N为车轮力的维度数量，2≤N<∞，且f_i ^ε满足以ε_i为标准差的0均值高斯分布，其中ε_i为f_i ^ε的标准差，0<ε_i<∞；

步骤2.2：构建以N为维度数量的多维车轮力传感器摄动输出结果空间，记录多维车轮力传感器在轮力摄动

下各个维度的M次输出结果；

步骤2.3：生成摄动输出结果空间的概率密度函数

其中，M为输出结果个数，0<M<∞，B为核带宽，0<B<∞，

为多维车轮力传感器的1号输出维度在轮力摄动为ε，且车轮运动状态为η时的第j次输出结果。

进一步，所述步骤3中计算摄动输出空间超球体半径的具体步骤如下：

给定概率阈值P_s，在摄动输出结果空间中，以

为超球体中心，r_s为超球体半径，并使得r_s满足：

这里的P和前面的式子里面是一样的含义，dp是对p积分的一般表达。

进一步，所述步骤4中得到多维车轮力传感器维间耦合度的具体步骤如下：

定义多维车轮力传感器的维间耦合度ξi_i为：

其中，ξi_i表示在综合考虑车轮运动的情况下，多维车轮力传感器第i维度上的轮力摄动，对多维车轮力传感器其余各个维度车轮力输出的影响大小，ξi_i越大，说明第i维度与其余维度的耦合度越高，应该在结构设计或解耦算法中进行优化，以便提高多维车轮力传感器的测量精度。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。

应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。

Claims (4)

1.一种多维车轮力传感器维间耦合度分析方法，其特征在于，包括如下步骤：

步骤1：根据多维车轮力传感器在车轮运动时的标定实验结果，建立外部施加车轮力、车轮运动与多维车轮力传感器各维度输出车轮力之间的映射模型；

步骤2：根据步骤1中所建立的映射模型，在多维车轮力传感器的单一维度上引入一个微小的车轮力摄动，并构建此摄动产生的摄动输出空间；

步骤3：根据步骤2中所构建的摄动输出空间，计算包含概率阈值的摄动输出空间超球体半径；

步骤4：根据步骤3中所计算的超球体半径与车轮力摄动大小的比例关系，得到多维车轮力传感器维间耦合度，且

所述步骤1中建立外部施加车轮力、车轮运动与多维车轮力传感器各维度输出车轮力之间的映射模型的具体步骤如下：

步骤1.1：定义多维车轮力传感器的输入车轮力Fⁱⁿ为：

其中

分别表示对于多维车轮力传感器各个维度上的输入车轮力，且N为车轮力的维度数量，2≤N<∞；

定义车轮运动状态η为：

其中

分别表示车轮的旋转、偏转与侧倾角度；

定义多维车轮力传感器的输出车轮力F^out为：

其中

分别表示对于多维车轮力传感器各个维度上的输出车轮力，且N为车轮力的维度数量，2≤N<∞；

步骤1.2：根据步骤1.1中定义的参数建立外部施加车轮力、车轮运动与多维车轮力传感器各维度输出车轮力之间的映射模型为：

F^out＝f_cal(Fⁱⁿ,η)

其中，f_cal(·)为根据标定实验建立的多维车轮力传感器各维度输出车轮力与外部施加车轮力、车轮运动间的函数关系。

2.根据权利要求1所述的方法，其特征在于，所述步骤2中构建摄动输出空间的具体步骤如下：

步骤2.1：在单一维度上外部输入车轮力中施加轮力摄动

其中，i∈[1,2,…,N]，其中N为车轮力的维度数量，2≤N<∞，且

满足以ε_i为标准差的0均值高斯分布，其中ε_i为

的标准差，0<ε_i<∞；

步骤2.2：构建以N为维度数量的多维车轮力传感器摄动输出结果空间，记录多维车轮力传感器在轮力摄动

下各个维度的M次输出结果；

步骤2.3：生成摄动输出结果空间的概率密度函数

其中，P为空间概率密度，M为输出结果个数，0<M<∞，B为核带宽，0<B<∞，

为多维车轮力传感器的1号输出维度在轮力摄动为ε，且车轮运动状态为η时的第j次输出结果，

为多维车轮力传感器的N号输出维度在轮力摄动为ε，且车轮运动状态为η时的第j次输出结果。

3.根据权利要求2所述的方法，其特征在于，所述步骤3中计算摄动输出空间超球体半径的具体步骤如下：

给定概率阈值P_s，在摄动输出结果空间中，以

为超球体中心，r_s为超球体半径，并使得r_s满足：

4.根据权利要求3所述的方法，其特征在于，所述步骤4中得到多维车轮力传感器维间耦合度的具体步骤如下：

定义多维车轮力传感器的维间耦合度ξ_i为：

其中，ξ_i表示在综合考虑车轮运动的情况下，多维车轮力传感器第i维度上的轮力摄动，对多维车轮力传感器其余各个维度车轮力输出的影响大小，ξ_i越大，说明第i维度与其余维度的耦合度越高，应该在结构设计或解耦算法中进行优化，以便提高多维车轮力传感器的测量精度。

Images