CN116049608A - 一种非结构性路面下的路面峰值附着系数估计方法及系统 - Google Patents
一种非结构性路面下的路面峰值附着系数估计方法及系统 Download PDFInfo
- Publication number
- CN116049608A CN116049608A CN202310036373.3A CN202310036373A CN116049608A CN 116049608 A CN116049608 A CN 116049608A CN 202310036373 A CN202310036373 A CN 202310036373A CN 116049608 A CN116049608 A CN 116049608A
- Authority
- CN
- China
- Prior art keywords
- wheel
- road surface
- vehicle
- vertical
- calculating
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- General Physics & Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Operations Research (AREA)
- Computing Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本发明涉及车辆工程中的路面特征识别技术领域,公开了一种非结构性路面下的路面峰值附着系数估计方法及系统,该方法通过常用的车载传感器采集车辆位姿和车轮转角等车辆运动响应信号,在传统车辆模型中引入等效悬架模型计算车轮垂向载荷等运动参数;将上述参数作为输入,通过Dugoff轮胎模型计算扩展卡尔曼滤波观测器的系数矩阵;然后考虑重力影响,结合车辆位姿数据对车身加速度进行修正,将其作为观测器的观测信号估计路面峰值附着系数。本发提高了非结构路面下车辆动力学模型的精度,解决了现有算法在路面不平和大坡度条件下估计效果差的问题。
Description
技术领域
本发明涉及车辆工程中的路面特征识别技术领域,具体涉及一种非结构性路面下的路面峰值附着系数估计方法。
背景技术
路面峰值附着系数的估计对于车辆安全控制有重要意义。当前的智能安全控制算法往往通过调节轮胎与路面之间的作用力实现主动安全控制,而路面能提供的最大作用力受路面峰值附着系数的制约,因此大部分算法都根据路面峰值附着系数的估计结果控制车辆运动状态。但是,当前的估计算法主要用于结构性路面。在非结构性路面下,由于路面不平和坡度条件大大增加了估计难度,使得现有方法在非结构性路面下出现稳定性差、精度低的问题。
目前,路面峰值附着系数的估计主要分为基于原因方法(Cause-Based)和基于结果方法(Effect-Based)两类。基于原因的方法利用专用的测量设备,例如光学传感器或超声波传感器,检测路面状况以估算路面峰值附着系数,估计精确度高,但添加的专用测量设备价格昂贵,且受大雾、冰雪等天气影响较大。基于效果的方法通过测量分析路面引起的车辆响应估计路面附着系数的大小,例如通过附着系数-滑移率曲线的估计方法和利用回正力矩与轮胎侧偏角的关系的估计方法。这些方法仅需要常用的车载传感器,如轮速传感器、位姿传感器等,但使用工况有限,不能实现纵向力和侧向力耦合工况的路面峰值附着系数估计。为解决适用工况有限的问题,有学者提出基于车辆动力学模型和卡尔曼滤波原理对路面峰值附着系数进行估计,可以在纵向力和侧向力耦合工况下进行准确估计,并且还具有求解过程简单,收敛速度快的优点。尽管基于卡尔曼滤波原理的估计方法有上述优点,但其在具有路面不平和大坡度特征的非结构性路面下的应用仍面临一些挑战。
通过上述分析,现有技术存在的问题及缺陷为:
(1)现有算法将车身和车轮视为刚性连接,因此计算的轮胎垂向载荷在路面不平条件下有很大误差,导致估计结果不准确。
(2)现有算法往往忽略重力对车身加速度的影响,直接将车身加速度作为观测量输入观测器中,使得算法无法在具有一定坡度的路面下准确估计。
发明内容
针对现有路面峰值附着系数估算方法存在上述技术问题,本发明提出了一种非结构性路面下的路面峰值附着系数估计方法。本发明所提供方法引入等效悬架模型优化车轮垂向载荷的计算以及结合车辆位姿数据对车辆加速度进行修正,提高了非结构路面下车辆动力学模型的精度,解决了现有算法在路面不平和大坡度条件下估计效果差的问题。
本发明是这样实现的,一种非结构性路面下的路面峰值附着系数估计方法,包括以下步骤:
步骤一:通过安装在车辆上的常用传感器获取车速信号、前轮转角信号以及横摆角速度信号,计算各轮侧偏角αij。
步骤二:计算车轮系下轮心纵轴方向的速度vwx,ij,再通过轮速传感器获取各轮轮速,进一步计算各轮滑移率λij。
步骤三:通过自车参数计算车轮垂向静载荷。
步骤四:通过加速度计和角度传感器获取车轮垂向加速度和垂向位移信号,并处理得到垂向速度信号。再结合车辆质心的位移、速度信号和车身姿态计算车轮垂向动载荷。
步骤五:将计算得到的车轮垂向静载荷和动载荷相加即得到车轮当前的垂向载荷。
步骤六:通过车轮侧偏角、滑移率和垂向载荷计算Dugoff归一化力。
步骤七:结合车身姿态和纵向加速度计算由轮胎力引起的加速度分量。
步骤八:将计算得到的归一化力、处理后的加速度信号以及采集到的车轮转角输入扩展卡尔曼滤波模块中估计路面峰值附着系数。
本发明另一目的在于提供一种非结构性路面下的路面峰值附着系数估计系统,包括:
车轮侧偏角模块,用于通过安装在车辆上的常用传感器获取车速信号、前轮转角信号以及横摆角速度信号,计算各轮侧偏角αij;
车轮滑移率模块,用于计算车轮系下轮心纵轴方向的速度vwx,ij,再通过轮速传感器获取各轮轮速,进一步计算各轮滑移率λij;
车轮垂向静载荷模块,用于通过自车参数计算车轮垂向静载荷;
车轮垂向动载荷模块,用于通过加速度计和角度传感器获取车轮垂向加速度和垂向位移信号,并处理得到垂向速度信号,再结合车辆质心的位移、速度信号和车身姿态计算车轮垂向动载荷;
车轮当前垂向载荷模块,用于将计算得到的车轮垂向静载荷和动载荷相加即得到车轮当前的垂向载荷;
车轮归一化力模块,用于通过车轮侧偏角、滑移率和垂向载荷计算Dugoff归一化力;
车轮加速度分量模块,用于结合车身姿态和纵向加速度计算由轮胎力引起的加速度分量;
卡尔曼滤波模块,用于将计算得到的归一化力、处理后的加速度信号以及采集到的车轮转角输入扩展卡尔曼滤波模块中估计路面峰值附着系数。
本发明另一目的在于提供一种计算机设备,所述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,所述计算机程序被所述处理器执行时,使得所述处理器执行任意一项上述改进非结构性路面下的路面峰值附着系数估计方法的步骤。
本发明另一目的在于提供一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行任意一项上述改进非结构性路面下的路面峰值附着系数估计方法的步骤。
本发明另一目的在于提供一种信息数据处理终端,所述信息数据处理终端用于实现上述改进非结构性路面下的路面峰值附着系数估计系统。
结合上述的技术方案和解决的技术问题,本发明所要保护的技术方案所具备的优点及积极效果为:
第一、针对上述现有技术存在的技术问题以及解决该问题的难度,紧密结合本发明的所要保护的技术方案以及研发过程中结果和数据等,详细、深刻地分析本发明技术方案如何解决的技术问题,解决问题之后带来的一些具备创造性的技术效果。具体描述如下:
本发明通过常用的车载传感器采集车辆位姿和车轮转角等车辆运动响应信号,在传统车辆模型中引入等效悬架模型计算车轮垂向载荷等运动参数;将上述参数作为输入,通过Dugoff轮胎模型计算扩展卡尔曼滤波观测器的系数矩阵;然后考虑重力影响,结合车辆位姿数据对车身加速度进行修正,将其作为观测器的观测信号估计路面峰值附着系数。本发明所提供方法引入等效悬架模型优化车轮垂向载荷的计算以及结合车辆位姿数据对车辆加速度进行修正,提高了非结构路面下车辆动力学模型的精度,解决了现有算法在路面不平和大坡度条件下估计效果差的问题。总体而言,本方法实现了非结构性路面下的路面峰值附着系数的估计。
第二,把技术方案看做一个整体或者从产品的角度,本发明所要保护的技术方案具备的技术效果和优点,具体描述如下:
本发明所提出的方法可以准确估计非结构性路面,如山地、越野等路面的路面峰值附着系数。本发明提出的方法在不平路面以及大坡度路面下仍具有较高的估计精度,有助于提高车辆运行过程中对复杂环境的感知能力,进一步发挥车辆智能控制算法的优势,保障行驶安全。
第三,作为本发明的权利要求的创造性辅助证据,还体现在以下几个重要方面:
(1)本发明的技术方案转化后的预期收益和商业价值为:
随着科技的进步和社会的发展,汽车保有量和道路里程不断增加,给人们的生活带来了极大地便利,但随着人们对汽车高速性和复杂环境行驶能力的要求进一步提高,其安全问题也日益凸显。当前提出的多种汽车智能安全控制算法能有效提高行车安全,它们大都依赖于路面峰值附着系数的估计。本发明所提供的路面峰值附着系数估计方法适用于非结构性路面,能有效提高车辆在复杂环境中的感知能力,为车辆智能安全控制策略提供有效环境信息,提高车辆行驶安全,减少人民的生命财产损失,从而产生极大的社会效益和商业价值。
(2)本发明的技术方案填补了国内外业内技术空白:
目前,基于车辆动力学模型和卡尔曼滤波原理对路面峰值附着系数进行估计的方法是研究的热点。该算法可以在纵向力和侧向力耦合工况下进行准确估计,并且还具有求解过程简单,收敛速度快的优点。尽管基于卡尔曼滤波原理的估计方法有上述优点,但其在具有路面不平和大坡度特征的非结构性路面下估计精度较差。本发明所提供方法通过引入等效悬架模型,优化车辆动力学模型的方法,使得其在非结构性路面估计路面峰值附着系数具有较高的精度,填补了国内外车辆在复杂环境下估计路面峰值附着系数的空白。
(3)本发明的技术方案是否解决了人们一直渴望解决、但始终未能获得成功的技术难题:
准确估计路面峰值附着系数一直是车辆行驶安全中的重点,而在具有更强复杂性和随机性的非结构路面下的路面峰值附着系数的估计有更高的难度。本发明所提供方法引入等效悬架模型优化车轮垂向载荷的计算以及结合车辆位姿数据对车辆加速度进行修正,提高了非结构路面下车辆动力学模型的精度,解决了现有算法在路面不平和大坡度条件下估计效果差的问题。
附图说明
图1是本发明实施例提供的路面峰值附着系数估计方法流程图;
图2是本发明实施例提供的车辆模型示意图;
图3是本发明实施例提供的车辆侧倾运动模型示意图;
图4是本发明实施例提供的车辆俯仰运动模型示意图;
图5是本发明实施例提供的车轮受力示意图;
图6是本发明实施例提供的仿真实验结果示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
为了使本领域技术人员充分了解本发明如何具体实现,该部分是对权利要求技术方案进行展开说明的解释说明实施例。
本发明实施例提供一种非结构性路面下的路面峰值附着系数估计方法,即在具有一定坡度的不平路面下的制动场景进行路面峰值附着系数的估计。
通过安装在车辆上的传感器获取车速信号、前轮转角信号以及横摆角速度信号,计算各轮侧偏角αij。以下,ij=fl,fr,rl,rr表示四个车轮。
于式(1)中,vx和vy分别为车辆纵向和横向速度、ωz为车辆横摆角速度、δ为前轮转角、Bf和Br为车辆前轮轮距和后轮轮距、Lf和Lr为质心到前后车轴的距离。
计算车轮系下轮心纵轴方向的速度vwx,ij:
再通过轮速传感器获取各轮轮速,进一步计算各轮滑移率λij:
于式(3)中,ωw,ij为各轮转速、RW为车轮半径。
分别计算车辆运行过程中的车轮垂向静载荷和动载荷求出整体的车轮垂向载荷。首先通过自车参数计算车轮垂向静载荷Fw_ij:
于式(4)中,mb为车辆簧上质量、mW为车轮质量、g为重力加速度。
基于车辆侧倾和俯仰运动模型分析悬架位移和速度,如图2、3所示。通过车身侧倾和俯仰角以及质心位移计算各轮悬架位移zs_ij:
于式(5)中,zb为车辆质心垂向位移、φ为车身侧倾角度、θ为车身俯仰角度。
对悬架位移进行微分即得到悬架速度
通过加速度计和角度传感器获取车轮垂向加速度和垂向位移信号,并处理得到垂向速度信号。计算动态悬架力Fdzs_ij:
于式(7)中,zw_ij为各轮垂向位移,为各轮垂向速度,kf和kr分别为悬架等效刚度系数,cf和cr分别为悬架等效阻尼系数。
分析车轮受力,如图4所示,由动态悬架力和车轮加速度即可计算出动态轮胎垂向载荷Fdw_ij:
将计算得到的车轮垂向静载荷和动载荷相加即得到车轮当前的垂向载荷。
通过车轮侧偏角、滑移率和垂向载荷计算Dugoff归一化力。
其中,Cx和Cy分别为轮胎纵向刚度和侧向刚度,λ是滑移率,α是轮胎侧偏角,L是用以表达轮胎滑移的非线性特征参数,受行驶速度的影响,其表达式如下:
式中,ε是速度影响因子,用来描述滑移速度对轮胎力的影响。
结合车身姿态和纵向加速度计算由轮胎力引起的加速度分量。
于式(12)中,ax和ay分别为车身纵向加速度和横向加速度,aFx为由轮胎力引起的纵向加速度分量,aFy为由轮胎力引起的横向加速度分量。
将计算得到的归一化力、处理后的加速度信号以及采集到的车轮转角输入扩展卡尔曼滤波模块中估计路面峰值附着系数。
扩展卡尔曼滤波所需的状态方程根据路面附着系数列写。
式中,w(t)为过程噪声,均方差为Q,μij分别为四轮路面附着系数。
根据车辆动力学方程列出矩阵形式的观测方程:
其中,
式(14)中,v(t)为过程噪声,均方差为R;Fxij 0和Fyij 0分别为轮胎的纵向归一化力和侧向归一化力。
扩展卡尔曼滤波的详细迭代过程如下:
设为k-1时刻的状态估计值,Pk-1为k-1时刻的协方差,通过泰勒展开在处对状态方程线性化,有:
式(16)中,并使
同理,线性化量测方程:
式(17)中,
所以先验状态量的预测值为:
因为w为满足零均值高斯分布的过程噪声,均值为0,且状态估计值期望为真实值,所以有:
先验协方差为:
同理,量测的预测值和协方差矩阵为:
状态于量测量间互协方差矩阵为:
状态增益矩阵为:
则k时刻的状态估计值为:
状态估计值的协方差矩阵为:
由此可以得到k时刻的状态估计值和协方差矩阵,到k+1时刻继续循环。
为了证明本发明的技术方案的创造性和技术价值,该部分是对权利要求技术方案进行具体产品上或相关技术上的应用实施例。
本发明的应用实施例将用于非结构性路面的路面峰值附着系数估计方法应用于越野路面上。越野路面是典型的非结构性路面,相较于结构性路面具有更强的随机性和复杂性,其路面不平和大坡度的特点也更为突出,因此研究越野路面对于研究非结构性路面的路面峰值附着系数估计有重要意义。
针对一段典型的越野路面,当车辆通过路面时,安装在车辆上的常用传感器获取车速信号、前轮转角信号以及横摆角速度信号,由加速度计和角度传感器获取车轮垂向加速度和垂向位移信号,并且通过轮速传感器获取各轮轮速。
由传感器采集到的信号分别计算车轮侧偏角、滑移率。接着计算越野路面下的车轮垂向载荷,首先通过自车参数计算车轮垂向静载荷,再结合车辆质心的位移、速度信号和车身姿态计算车轮垂向动载荷;最终将车轮垂向静载荷和动载荷相加即得到车轮当前的垂向载荷。基于Dugoff轮胎模型,由车轮侧偏角、滑移率和垂向载荷计算归一化力。结合车身姿态和纵向加速度计算由轮胎力引起的加速度分量。最终将计算得到的归一化力、处理后的加速度信号以及采集到的车轮转角输入扩展卡尔曼滤波模块中估计越野路面的峰值附着系数。
通过在越野路面一段时间的行驶,实时根据采集到的信号估计路面峰值附着系数,得到收敛的曲线,并且估计结果不受路面不平等条件的影响,结果较为稳定。本发明所提出的方法可以适用于越野环境中路面峰值附着系数估计,并且具有较好的稳定性和准确性,对于提高车辆在复杂环境中的感知能力,提升车辆行驶安全具有重要意义。
本发明实施例在研发或者使用过程中取得了一些积极效果,和现有技术相比的确具备很大的优势,下面内容结合试验过程的数据、图表等进行描述。
本发明所提供方法在越野路面等典型非结构性路面下具有较强的稳定性和较高的精度。而现有的方法仅适用于结构性路面,在非结构性路面下使用往往出现估计结果不收敛、精度低的问题。
现有算法将车身和车轮视为刚性连接,忽略了车辆悬架特性,因此计算的轮胎垂向载荷在路面不平条件下有很大误差,导致估计结果不准确。此外,现有算法往往忽略重力对车身加速度的影响,直接将车身加速度作为观测量输入观测器中,使得算法无法在具有一定坡度的路面下准确估计。本发明所提出方法引入等效悬架模型优化车轮垂向载荷的计算以及结合车辆位姿数据对车辆加速度进行修正,提高了非结构路面下车辆动力学模型的精度,使其在复杂的非结构性路面下仍有较好的估计效果。
通过simulink与carsim进行联合仿真实验对所提出方法进行验证。在carism中设置路面不平和坡度条件,模拟车辆在非结构性路面下行驶,获取估计所需的信号,将其输入simulink中进行估计。将仿真结果绘制为曲线图,如图6所示。在模拟的非结构性路面下,路面峰值附着系数的估计值收敛,并未因路面起伏而出现较大的波动,且估计结果与设置的路面峰值附着系数较为接近。因此,本发明所提出方法解决了现有方法在非结构性路面下稳定性差、精度低的问题。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,都应涵盖在本发明的保护范围之内。
Claims (7)
1.一种非结构性路面下的路面峰值附着系数估计方法,其特征在于,引入等效悬架模型优化车轮垂向载荷的计算以及结合车辆位姿数据对车辆加速度进行修正,提高非结构路面下车辆动力学模型的精度。
2.如权利要求1所述的非结构性路面下的路面峰值附着系数估计方法,其特征在于,包括以下步骤:
(1)通过安装在车辆上的常用传感器获取车速信号、前轮转角信号以及横摆角速度信号,计算各轮侧偏角αij;
(2)计算车轮系下轮心纵轴方向的速度vwx,ij,再通过轮速传感器获取各轮轮速,进一步计算各轮滑移率λij;
(3)通过自车参数计算车轮垂向静载荷;
(4)通过加速度计和角度传感器获取车轮垂向加速度和垂向位移信号,并处理得到垂向速度信号,再结合车辆质心的位移、速度信号和车身姿态计算车轮垂向动载荷;
(5)将计算得到的车轮垂向静载荷和动载荷相加即得到车轮当前的垂向载荷;
(6)通过车轮侧偏角、滑移率和垂向载荷计算Dugoff归一化力;
(7)结合车身姿态和纵向加速度计算由轮胎力引起的加速度分量;
(8)将计算得到的归一化力、处理后的加速度信号以及采集到的车轮转角输入扩展卡尔曼滤波模块中估计路面峰值附着系数。
3.如权利要求1所述的非结构性路面下的路面峰值附着系数估计方法,其特征在于,包括非结构性路面下的路面峰值附着系数估计系统。
4.如权利要求3所述的非结构性路面下的路面峰值附着系数估计方法,其特征在于,所述非结构性路面下的路面峰值附着系数估计系统包括:
车轮侧偏角模块,用于通过安装在车辆上的常用传感器获取车速信号、前轮转角信号以及横摆角速度信号,计算各轮侧偏角αij;
车轮滑移率模块,用于计算车轮系下轮心纵轴方向的速度vwx,ij,再通过轮速传感器获取各轮轮速,进一步计算各轮滑移率λij;
车轮垂向静载荷模块,用于通过自车参数计算车轮垂向静载荷;
车轮垂向动载荷模块,用于通过加速度计和角度传感器获取车轮垂向加速度和垂向位移信号,并处理得到垂向速度信号,再结合车辆质心的位移、速度信号和车身姿态计算车轮垂向动载荷;
车轮当前垂向载荷模块,用于将计算得到的车轮垂向静载荷和动载荷相加即得到车轮当前的垂向载荷;
车轮归一化力模块,用于通过车轮侧偏角、滑移率和垂向载荷计算Dugoff归一化力;
车轮加速度分量模块,用于结合车身姿态和纵向加速度计算由轮胎力引起的加速度分量;
卡尔曼滤波模块,用于将计算得到的归一化力、处理后的加速度信号以及采集到的车轮转角输入扩展卡尔曼滤波模块中估计路面峰值附着系数。
5.一种计算机设备,其特征在于,所述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,所述计算机程序被所述处理器执行时,使得所述处理器执行如权利要求1-4任意一项所述改进非结构性路面下的路面峰值附着系数估计方法的步骤。
6.一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如权利要求1-4任意一项所述改进非结构性路面下的路面峰值附着系数估计方法的步骤。
7.一种信息数据处理终端,其特征在于,所述信息数据处理终端用于实现如权利要求3所述改进非结构性路面下的路面峰值附着系数估计系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310036373.3A CN116049608A (zh) | 2023-01-09 | 2023-01-09 | 一种非结构性路面下的路面峰值附着系数估计方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310036373.3A CN116049608A (zh) | 2023-01-09 | 2023-01-09 | 一种非结构性路面下的路面峰值附着系数估计方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116049608A true CN116049608A (zh) | 2023-05-02 |
Family
ID=86118539
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310036373.3A Pending CN116049608A (zh) | 2023-01-09 | 2023-01-09 | 一种非结构性路面下的路面峰值附着系数估计方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116049608A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117521229A (zh) * | 2023-12-27 | 2024-02-06 | 石家庄铁道大学 | 一种路面位移响应检测方法、系统及存储介质 |
-
2023
- 2023-01-09 CN CN202310036373.3A patent/CN116049608A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117521229A (zh) * | 2023-12-27 | 2024-02-06 | 石家庄铁道大学 | 一种路面位移响应检测方法、系统及存储介质 |
CN117521229B (zh) * | 2023-12-27 | 2024-03-19 | 石家庄铁道大学 | 一种路面位移响应检测方法、系统及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108594652B (zh) | 一种基于观测器信息迭代的车辆状态融合估计方法 | |
CN111845775B (zh) | 一种分布式驱动电动汽车行驶状态与惯性参数联合估计方法 | |
Han et al. | Adaptive scheme for the real-time estimation of tire-road friction coefficient and vehicle velocity | |
CN112758097B (zh) | 一种用于无人驾驶车辆的状态预测与估计方法 | |
US20090177346A1 (en) | Dynamic estimation of vehicle inertial parameters and tire forces from tire sensors | |
CN111547059A (zh) | 一种分布式驱动电动汽车惯性参数估计方法 | |
CN113359457B (zh) | 智能车底盘域控制器的高维动力学模型解算装置及方法 | |
CN111959516B (zh) | 一种车辆状态与路面附着系数联合估计的方法 | |
CN116049608A (zh) | 一种非结构性路面下的路面峰值附着系数估计方法及系统 | |
CN113247004A (zh) | 一种车辆质量与道路横向坡度的联合估计方法 | |
CN105389458A (zh) | 一种公路随机车流风车桥耦合计算方法 | |
CN114771503A (zh) | 基于非奇异终端滑模控制的汽车横向稳定性控制方法 | |
CN113063414A (zh) | 一种用于视觉惯性slam的车辆动力学预积分构建方法 | |
CN115406669A (zh) | 一种多轴特种车辆侧翻指标优化方法 | |
CN115946707A (zh) | 四轮毂电机驱动全线控电动汽车轮胎力估计方法及系统 | |
CN114851857A (zh) | 一种分布式驱动电动客车转矩控制方法 | |
CN111559380B (zh) | 一种车辆主动安全控制方法及装置 | |
Wang et al. | Estimation of road adhesion coefficient for four-wheel independent drive electric vehicle | |
CN113449378A (zh) | 一种基于车辆悬架变形量的横向载荷转移率计算方法 | |
CN115946679B (zh) | 一种车辆稳定性判断方法及系统 | |
Peng et al. | Conflict and Sensitivity Analysis of Articulated Vehicle Lateral Stability Based on Single‐Track Model | |
Beal | Independent wheel effects in real time estimation of tire-road friction coefficient from steering torque | |
CN113935107B (zh) | 一种适用于冰雪路面的车辆模型建模方法 | |
Gong et al. | Estimation of Tire-Road Friction Coefficient Based on the Unitire Model | |
CN114312199B (zh) | 车辆侧倾状态确定方法、装置、设备及介质 |
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 |