CN116394956A - 一种车辆侧偏刚度与转动惯量的估算方法和估算系统 - Google Patents
一种车辆侧偏刚度与转动惯量的估算方法和估算系统 Download PDFInfo
- Publication number
- CN116394956A CN116394956A CN202310448444.0A CN202310448444A CN116394956A CN 116394956 A CN116394956 A CN 116394956A CN 202310448444 A CN202310448444 A CN 202310448444A CN 116394956 A CN116394956 A CN 116394956A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- value
- inertia
- moment
- fusion
- 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
- 238000000034 method Methods 0.000 title claims abstract description 41
- 230000004927 fusion Effects 0.000 claims abstract description 54
- 238000001914 filtration Methods 0.000 claims abstract description 50
- 230000001133 acceleration Effects 0.000 claims description 21
- 230000008859 change Effects 0.000 claims description 14
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 238000007499 fusion processing Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
- B60W40/06—Road conditions
- B60W40/072—Curvature of the road
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
- B60W40/105—Speed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0019—Control system elements or transfer functions
- B60W2050/0028—Mathematical models, e.g. for simulation
- B60W2050/0031—Mathematical model of the vehicle
- B60W2050/0033—Single-track, 2D vehicle model, i.e. two-wheel bicycle model
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0043—Signal treatments, identification of variables or parameters, parameter estimation or state estimation
- B60W2050/0052—Filtering, filters
-
- 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
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本发明提供了一种车辆侧偏刚度与转动惯量的估算方法和估算系统,属于自动驾驶领域。所述方法包括以下步骤:获取自车的当前车速、自车所在道路的道路曲率、轮胎偏转刚度、转动惯量估计值、前后轴等效侧偏刚度以及转动惯量基准值;在所述当前车速大于第一预设车速且所述道路的所述道路曲率小于所述预设曲率时,将所述轮胎偏转刚度和所述前后轴等效侧偏刚度经卡尔曼滤波融合后的第一融合值,所述转动惯量估计值和所述转动惯量基准值经卡尔曼滤波融合后的第二融合值输出至所述自车的动力模型。本发明解决了现有技术中偏转刚度和转动惯量波动大而使得车辆自动驾驶不稳定的问题。
Description
技术领域
本发明涉及自动驾驶领域,特别是涉及一种车辆侧偏刚度与转动惯量的估算方法和估算系统。
背景技术
自动驾驶控制算法主体负责控制自动驾驶车辆的前后运动和转向运动,即纵向控制与横向控制。在横向控制的技术领域内,大体都基于两种车辆模型:运动学模型与动力学模型。在动力学模型的建模方式中又以二自由度模型最为普遍,同时研究热度也是最高。
如图1所示,二自由度模型同时也被称为自行车模型,该模型将车辆模型简化抽象成两个轮子和一个纵轴,类似于自行车。在该模型的构建过程中,考虑了车辆在高速运行状态下的轮胎侧偏现象,该现象导致了车辆行进方向并非车辆前轮转角方向的现象,同时也是车辆质心侧偏角产生的原因。其中,根据车辆的横向运动和横摆运动建立动力学状态方程如下所示:
式中:Vy表示侧向速度,Vx表示纵向速度,w表示横摆角速度,Cf、Cr分别为前后轮胎侧偏刚度,lf、lr分别为前后质心距,Iz横摆转动惯量,m表示质量,δ表示前轮转角。
该模型中存在前后轮胎侧偏刚度Cf、Cr和横摆转动惯量Iz两个重要参数,但是这三个参数在车辆运行过程中是三个实时变化的量,因此如何测定这三个量对于二自由度模型的准确性以及横向控制的稳定性有着极其重要的影响。
目前已经发表的测量侧偏刚度和转动惯量的方法有很多种,比如二自由度模型直接法、侧向加速度法等。
其中,二自由度直接法测量前后轮胎侧偏刚度如下所示:
式中:L表示轴距,αf,αr表示前后轮胎侧偏刚度;ay侧向加速度。二自由度直接法测量前后轮胎侧偏刚度基于理论模型推导,简洁直接。但是在车辆直线行驶过程中,当侧偏角αf,αr接近零时,估算所得的前后侧偏刚度Cf,Cr会接近于无穷,这样会导致基于模型的自动驾驶横向控制算法失效无法实现车道保持功能。
其中,侧向加速度测量前后轮胎侧偏刚度如下所示:
而侧向加速度法测量前后轮胎侧偏刚度简洁直接,但需要采用递推最小二乘法估算Cf和Cr,因此估算值的波动范围较大,此外横向加速度的测量需要考虑侧向翻滚角的上下变化,从实际横向算法应用的角度仍然需要进一步的优化和补偿。
对于转动惯量测定的二自由度直接法,在考虑车辆侧向翻滚角变化之后,其测量结果较为可信,但是同样存在在不同场景下,如连续变道场景下测量数值上下波动剧烈,上下振幅数量级可高达十万。这样的数据变化幅度对于车辆模型的影响是十分不利的,会导致横向输出控制量的上下波动。
因此,需要一种新的计算方法来解决现有技术中偏转刚度和转动惯量波动大而使得车辆自动驾驶不稳定的问题。
发明内容
本发明的一个目的是要提供一种车辆侧偏刚度与转动惯量的估算方法及估算系统,以解决现有技术中偏转刚度和转动惯量波动大而使得车辆自动驾驶不稳定的问题。
本发明一个进一步的目的是要简化融合过程,提高融合效率。
特别地,本发明提供了一种车辆侧偏刚度与转动惯量的估算方法,包括以下步骤:
获取自车的当前车速、自车所在道路的道路曲率、轮胎偏转刚度、转动惯量估计值、前后轴等效侧偏刚度以及转动惯量基准值;
在所述当前车速大于第一预设车速且所述道路的所述道路曲率小于所述预设曲率时,将所述轮胎偏转刚度和所述前后轴等效侧偏刚度经卡尔曼滤波融合后的第一融合值,所述转动惯量估计值和所述转动惯量基准值经卡尔曼滤波融合后的第二融合值输出至所述自车的动力模型。
进一步地,在所述当前车速小于或等于所述第一预设车速时,或者在所述当前车速大于第一预设车速且所述道路的所述道路曲率大于所述预设曲率时,将所述前后轴等效侧偏刚度和所述转动惯量基准值输出至所述自车的所述动力模型。
进一步地,所述在所述当前车速大于第一预设车速且所述道路的所述道路曲率小于所述预设曲率时,将所述轮胎偏转刚度和所述前后轴等效侧偏刚度经卡尔曼滤波融合后的第一融合值,所述转动惯量估计值和所述转动惯量基准值经卡尔曼滤波融合后的第二融合值输出至所述自车的动力模型,
包括以下步骤:
根据所述自车的所述当前车速确定所述自车当前所在的车速区间;
根据所述车身区间在卡尔曼滤波器中选择对应的滤波窗口,其中,不同滤波窗口具有不同的滤波精度;
在选择出的所述滤波窗口下将所述轮胎偏转刚度和所述前后轴等效侧偏刚度经卡尔曼滤波融合以获得所述第一融合值,将所述转动惯量估计值和所述转动惯量基准值经卡尔曼滤波融合以获得所述第二融合值。
进一步地,所述根据所述自车的所述当前车速确定所述自车当前所在的车速区间的步骤中,所述车速区间的车速越高,所述滤波窗口越大。
进一步地,所述在选择出的所述滤波窗口下将所述轮胎偏转刚度和所述前后轴等效侧偏刚度经卡尔曼滤波融合以获得所述第一融合值,将所述转动惯量估计值和所述转动惯量基准值经卡尔曼滤波融合以获得所述第二融合值,包括以下步骤:
获取预设的伪系统模型的状态空间方程;
将所述轮胎偏转刚度带入所述状态空间方程以获取第一计算值;
将所述前后轴等效侧偏刚度带入所述状态空间方程以获取第二计算值;
将所述转动惯量估计值带入至所述状态空间方程以获取第三计算值;
将所述转动惯量基准值带入至所述状态空间方程以获取第四计算值;
将所述第一计算值和所述第二计算值进行卡尔曼滤波融合以获得所述第一融合值;
将所述第三计算值和所述第四计算值进行卡尔曼滤波融合以获得所述第二融合值。
进一步地,所述状态空间方程包括转动惯量方程和侧偏刚度方程。
进一步地,所述前后轴等效侧偏刚度和转动惯量基准值通过以下步骤得到:
设置预设半径的圆形道路;
使所述车辆沿所述预设半径的圆形道路进行匀加速行驶;
记录所述车辆加速度数据以及所述前后轴等效侧偏刚度和转动惯量的变化趋势;
选取所述前后轴等效侧偏刚度和转动惯量的变化趋势的稳态值作为等效基准值。
进一步地,所述使所述车辆沿所述预设半径的圆形道路进行匀加速行驶的步骤中,所述车辆的侧向加速度为0.1g~0.35g中的任一值。
本发明还公开了一种车辆侧偏刚度与转动惯量的估算系统,包括:控制装置,所述控制装置包括存储器和处理器,所述存储器内存储有控制程序,所述控制程序被所述处理器执行时用于实现上述所述的估算方法。
本发明在当前车速大于第一预设车速且道路的道路曲率小于预设曲率时,将轮胎偏转刚度和前后轴等效侧偏刚度经卡尔曼滤波融合后的第一融合值,转动惯量估计值和转动惯量基准值经卡尔曼滤波融合后的第二融合值输出至自车的动力模型,以解决现有技术中偏转刚度和转动惯量波动大而使得车辆自动驾驶不稳定的问题。
进一步地,本发明通过设置伪系统模型的空间状态方程使得偏转刚度和转动惯量在各自的融合过程中更加方便,从而提升了卡尔曼滤波融合的效率。
根据下文结合附图对本发明具体实施例的详细描述,本领域技术人员将会更加明了本发明的上述以及其他目的、优点和特征。
附图说明
后文将参照附图以示例性而非限制性的方式详细描述本发明的一些具体实施例。附图中相同的附图标记标示了相同或类似的部件或部分。本领域技术人员应该理解,这些附图未必是按比例绘制的。附图中:
图1是二自由度模型示意图;
图2是根据本发明一个实施例的估算方法的第一流程图;
图3是根据本发明一个实施例的估算方法的第二流程图;
图4是根据本发明一个实施例的估算方法的第三流程图;
图5是根据本发明一个实施例的估算方法的第四流程图。
具体实施方式
图2是根据本发明一个实施例的估算方法的第一流程图。图3是根据本发明一个实施例的估算方法的第二流程图。在一个实施例中,如图2和图3所示。用于车辆的偏转刚度与转动惯量的估算方法,包括以下步骤:
S1、获取自车的当前车速、自车所在道路的道路曲率、轮胎偏转刚度、转动惯量估计值、前后轴等效侧偏刚度以及转动惯量基准值;
S2、在当前车速大于第一预设车速且道路的道路曲率小于预设曲率时,将轮胎偏转刚度和前后轴等效侧偏刚度经卡尔曼滤波融合后的第一融合值,转动惯量估计值和转动惯量基准值经卡尔曼滤波融合后的第二融合值输出至自车的动力模型。
首先要获取自车的当前车速、自车所在道路的道路曲率、轮胎偏转刚度、转动惯量估计值、前后轴等效侧偏刚度以及转动惯量基准值。然后判断车辆处于怎样的驾驶场景,在当前车速大于第一预设车速且道路的道路曲率小于预设曲率时,将轮胎偏转刚度和前后轴等效侧偏刚度经卡尔曼滤波融合后的第一融合值,转动惯量估计值和转动惯量基准值经卡尔曼滤波融合后的第二融合值输出至自车的动力模型,从而代替估计值,进而保证了自动驾驶的稳定性。
具体来说,车辆的自动驾驶横向控制算法的基础部分依赖于动力学模型的建立,影响车辆动力学模型两个公式重要是横向运动和横摆运动,建立成状态空间方程则如下表示:
式中δ为前轮转角,ψ的导数代表目标航向角变化率,lf,lr代表前后质心距。从式中可以观察到,在前后轮胎侧偏刚度和转动惯量Cf,Cr,Iz变化幅度剧烈,会导致ey,eθ(横向误差,航向角误差)的变化率无法到达0,也就是说难以使得横向误差、航向角误差到达0。这也就导致了车辆在自动驾驶过程中左右晃动的结果,无法满足自动驾驶场景的要求。
因此,将车辆的驾驶场景划分为多个不同的驾驶场景,在车辆处于不同的驾驶场景时,将获取到的轮胎偏转刚度和转动惯量估计值与前后轴等效侧偏刚度以及转动惯量基准值进行筛选和选取,从而保证车辆在不同的驾驶场景下都能满足驾驶需求。
在本实施例中,在当前车速大于第一预设车速且道路的道路曲率小于预设曲率时,将轮胎偏转刚度和前后轴等效侧偏刚度经卡尔曼滤波融合后的第一融合值,转动惯量估计值和转动惯量基准值经卡尔曼滤波融合后的第二融合值输出至自车的动力模型,以解决现有技术中偏转刚度和转动惯量波动大而使得车辆自动驾驶不稳定的问题。
在进一步的一个实施例中,如图3所示,在当前车速小于或等于第一预设车速时,将前后轴等效侧偏刚度和转动惯量基准值输出至自车的动力模型。或者在当前车速大于第一预设车速且道路的道路曲率大于预设曲率时,将前后轴等效侧偏刚度和转动惯量基准值输出至自车的动力模型。从而保证了不同驾驶场景下的车辆自动驾驶功能都被满足。
具体来说,其驾驶场景可分为低速场景、高速场景、转弯场景和直行场景。其中,在车辆的车速低于或等于第一预设值时为低速场景;在车辆的车速大于第一预设值时为高速场景;在道路的曲率大于预设曲率时为转弯场景;在道路的区域小于预设曲率时为直行场景。
在自车的车速低于第一预设值时,不论道路曲率是否大于预设曲率,都属于低速场景,在该场景下直接选取前后轴等效侧偏刚度和转动惯量基准值输出至自车的动力模型,从而保证了低速场景下,动力模型参数不变,有助于简化模型。
在自车的车速高于第一预设值时,进一步判断该道路的曲率是否大于预设曲率,在道路曲率小于预设曲率时,认定该驾驶场景为直行场景,在车辆处于直行场景时,直接选取前后轴等效侧偏刚度和转动惯量基准值输出至自车的动力模型,保证在小曲率道路上动力学模型参数不变,有助于横向控制输出量的稳定。
而在自车的车速高于第一预设值时,且道路曲率大于预设曲率时,认定该驾驶场景为转弯场景,此时将轮胎偏转刚度和前后轴等效侧偏刚度经卡尔曼滤波融合后的第一融合值,转动惯量估计值和转动惯量基准值经卡尔曼滤波融合后的第二融合值输出至自车的动力模型。从而消除了轮胎偏转刚度和转动惯量估计值产生的数据波动大而对车辆驾驶的稳定性造成干扰的情况。
在本实施例中,通过在不同驾驶场景下选择不同的参数输入至自车的动力模型中去,从而使得车辆在各个驾驶场景下都能够满足自动驾驶需求。
在一个实施例中,为了能够使得输入至动力系统的数据更精准,在进行卡尔曼融合时,根据自车的当前车速确定自车当前所在的车速区间,然后根据自身区间在卡尔曼滤波器中选择对应的滤波窗口,其中,不同滤波窗口具有不同的滤波精度。在选择出的滤波窗口下将轮胎偏转刚度和前后轴等效侧偏刚度经卡尔曼滤波融合以获得第一融合值,将转动惯量估计值和转动惯量基准值经卡尔曼滤波融合以获得第二融合值。
此外,依据车速不同选取不同窗口大小的滑动均值滤波,需要指出的是车速区间的车速越高,其对应的滤波窗口越大。其平滑过后的前后轮胎侧偏刚度和转动惯量估算值能有趋于平缓。
在本实施例中,通过设置不同的车速区间来选择不同的滤波窗口,从而使得轮胎偏转刚度和前后轴等效侧偏刚度以及转动惯量估计值和转动惯量基准值在融合后得到的第一融合值和/或第二融合值能够更加精准。
图4是根据本发明一个实施例的估算方法的第三流程图。在一个实施例中,如图4所示,在选择出的滤波窗口下将轮胎偏转刚度和前后轴等效侧偏刚度经卡尔曼滤波融合以获得第一融合值,将转动惯量估计值和转动惯量基准值经卡尔曼滤波融合以获得第二融合值的步骤中还包括以下步骤:
S20、获取预设的伪系统模型的状态空间方程;
S21、将轮胎偏转刚度带入状态空间方程以获取第一计算值;
S22、将前后轴等效侧偏刚度带入状态空间方程以获取第二计算值;
S23、将转动惯量估计值带入至状态空间方程以获取第三计算值;
S24、将转动惯量基准值带入至状态空间方程以获取第四计算值;
S25、将第一计算值和第二计算值进行卡尔曼滤波融合以获得第一融合值;
S26、将第三计算值和第四计算值进行卡尔曼滤波融合以获得第二融合值。
此外,状态空间方程包括转动惯量方程和侧偏刚度方程。
在本实施例中,通过设置伪系统模型的状态空间方程,从而便于卡尔曼滤波的融合操作。
图5是根据本发明一个实施例的估算方法的第四流程图。在一个实施例中,如图5所示,前后轴等效侧偏刚度和转动惯量的基准值是通过以下步骤获得:
S30、设置预设半径的圆形道路;
S31、使车辆沿预设半径的圆形道路进行匀加速行驶;
S32、记录车辆加速度数据以及前后轴等效侧偏刚度和转动惯量的变化趋势;
S33、选取前后轴等效侧偏刚度和转动惯量的变化趋势的稳态值作为等效基准值。
其中,在车辆进行匀加速行驶时,要保证车辆的侧向加速度为0.1g~0.35g中的任一值。当然了,其侧向加速度的选择是根据车辆的类型和轴距等进行相关的调整,技术人员可依据实际情况来处理即可。
具体来说,使车辆绕固定转弯半径,作多次匀加速运动。利用侧向加速度的不同测量前后轴等效侧偏刚度和转动惯量变化趋势,截取其稳态值作为前后轴侧偏刚度和转动惯量基准值。
此外,还可以通过ADAMS软件工具建模,使用与实际车型轮胎等效轮胎模型并且加入悬架侧倾特性,在通过K&C车辆台架仿真模拟。其中,仿真的场景定为稳态绕圆工况,车辆的侧向加速度保持在0.1g~0.35g之间。
本实施例通过使得车辆进行匀加速运动以获取前后轴等效侧偏刚度和转动惯量基准值,从而来替代前后轮侧偏刚度和转动惯量估计值,从而减少了数据的波动,进而提升了车辆自动驾驶的稳定性。
本发明还公开了一种车辆侧偏刚度与转动惯量的估算系统,包括:控制装置,所述控制装置包括存储器和处理器,所述存储器内存储有控制程序,所述控制程序被所述处理器执行时用于实现上述所述的估算方法。
至此,本领域技术人员应认识到,虽然本文已详尽示出和描述了本发明的多个示例性实施例,但是,在不脱离本发明精神和范围的情况下,仍可根据本发明公开的内容直接确定或推导出符合本发明原理的许多其他变型或修改。因此,本发明的范围应被理解和认定为覆盖了所有这些其他变型或修改。
Claims (9)
1.一种车辆侧偏刚度与转动惯量的估算方法,其特征在于,包括以下步骤:
获取自车的当前车速、自车所在道路的道路曲率、轮胎偏转刚度、转动惯量估计值、前后轴等效侧偏刚度以及转动惯量基准值;
在所述当前车速大于第一预设车速且所述道路的所述道路曲率小于所述预设曲率时,将所述轮胎偏转刚度和所述前后轴等效侧偏刚度经卡尔曼滤波融合后的第一融合值,所述转动惯量估计值和所述转动惯量基准值经卡尔曼滤波融合后的第二融合值输出至所述自车的动力模型。
2.根据权利要求1所述的估算方法,其特征在于,在所述当前车速小于或等于所述第一预设车速时,或者在所述当前车速大于第一预设车速且所述道路的所述道路曲率大于所述预设曲率时,将所述前后轴等效侧偏刚度和所述转动惯量基准值输出至所述自车的所述动力模型。
3.根据权利要求1所述的估算方法,其特征在于,所述在所述当前车速大于第一预设车速且所述道路的所述道路曲率小于所述预设曲率时,将所述轮胎偏转刚度和所述前后轴等效侧偏刚度经卡尔曼滤波融合后的第一融合值,所述转动惯量估计值和所述转动惯量基准值经卡尔曼滤波融合后的第二融合值输出至所述自车的动力模型,
包括以下步骤:
根据所述自车的所述当前车速确定所述自车当前所在的车速区间;
根据所述车身区间在卡尔曼滤波器中选择对应的滤波窗口,其中,不同滤波窗口具有不同的滤波精度;
在选择出的所述滤波窗口下将所述轮胎偏转刚度和所述前后轴等效侧偏刚度经卡尔曼滤波融合以获得所述第一融合值,将所述转动惯量估计值和所述转动惯量基准值经卡尔曼滤波融合以获得所述第二融合值。
4.根据权利要求3所述的估算方法,其特征在于,所述根据所述自车的所述当前车速确定所述自车当前所在的车速区间的步骤中,所述车速区间的车速越高,所述滤波窗口越大。
5.根据权利要求3所述的估算方法,其特征在于,所述在选择出的所述滤波窗口下将所述轮胎偏转刚度和所述前后轴等效侧偏刚度经卡尔曼滤波融合以获得所述第一融合值,将所述转动惯量估计值和所述转动惯量基准值经卡尔曼滤波融合以获得所述第二融合值,包括以下步骤:
获取预设的伪系统模型的状态空间方程;
将所述轮胎偏转刚度带入所述状态空间方程以获取第一计算值;
将所述前后轴等效侧偏刚度带入所述状态空间方程以获取第二计算值;
将所述转动惯量估计值带入至所述状态空间方程以获取第三计算值;
将所述转动惯量基准值带入至所述状态空间方程以获取第四计算值;
将所述第一计算值和所述第二计算值进行卡尔曼滤波融合以获得所述第一融合值;
将所述第三计算值和所述第四计算值进行卡尔曼滤波融合以获得所述第二融合值。
6.根据权利要求5所述的估算方法,其特征在于,所述状态空间方程包括转动惯量方程和侧偏刚度方程。
7.根据权利要求1-6中任一项所述的估算方法,其特征在于,所述前后轴等效侧偏刚度和转动惯量基准值通过以下步骤得到:
设置预设半径的圆形道路;
使所述车辆沿所述预设半径的圆形道路进行匀加速行驶;
记录所述车辆加速度数据以及所述前后轴等效侧偏刚度和转动惯量的变化趋势;
选取所述前后轴等效侧偏刚度和转动惯量的变化趋势的稳态值作为等效基准值。
8.根据权利要求7所述的估算方法,其特征在于,所述使所述车辆沿所述预设半径的圆形道路进行匀加速行驶的步骤中,所述车辆的侧向加速度为0.1g~0.35g中的任一值。
9.一种车辆侧偏刚度与转动惯量的估算系统,其特征在于,包括:控制装置,所述控制装置包括存储器和处理器,所述存储器内存储有控制程序,所述控制程序被所述处理器执行时用于实现根据权利要求1-8中任一项所述的估算方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310448444.0A CN116394956A (zh) | 2023-04-24 | 2023-04-24 | 一种车辆侧偏刚度与转动惯量的估算方法和估算系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310448444.0A CN116394956A (zh) | 2023-04-24 | 2023-04-24 | 一种车辆侧偏刚度与转动惯量的估算方法和估算系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116394956A true CN116394956A (zh) | 2023-07-07 |
Family
ID=87014156
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310448444.0A Pending CN116394956A (zh) | 2023-04-24 | 2023-04-24 | 一种车辆侧偏刚度与转动惯量的估算方法和估算系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116394956A (zh) |
-
2023
- 2023-04-24 CN CN202310448444.0A patent/CN116394956A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112758097B (zh) | 一种用于无人驾驶车辆的状态预测与估计方法 | |
CN113120001A (zh) | 自动驾驶车辆的横向控制方法、装置及车辆 | |
CN113753080B (zh) | 一种自动驾驶汽车横向运动自适应参数控制方法 | |
CN109415054B (zh) | 用于跟踪车辆路径的设备 | |
CN103459224B (zh) | 车辆的驱动力控制装置 | |
JP6070044B2 (ja) | サスペンション制御装置 | |
CN112622876B (zh) | 车辆质心位置确定方法、装置、设备和存储介质 | |
JP2010531773A (ja) | 自動車の垂直慣性モーメント及びコーナリング剛性を同定する方法 | |
KR20230027084A (ko) | 차량의 조향 제어 장치 | |
CN116394956A (zh) | 一种车辆侧偏刚度与转动惯量的估算方法和估算系统 | |
JP6428497B2 (ja) | 車両制御装置 | |
CN111959506A (zh) | 车辆及车辆编队行驶的控制方法、装置 | |
KR101930163B1 (ko) | 차로 유지 제어 장치 및 방법 | |
JP2017105395A (ja) | 車両制御装置 | |
CN106080596B (zh) | 一种基于位置与角速度测量的车道线滑模保持方法 | |
CN110471277B (zh) | 基于输出反馈增益规划的智能商用车自动循迹控制方法 | |
CN113325849A (zh) | 一种针对高地隙植保机的运动控制方法 | |
CN115563694B (zh) | 一种基于预测时域内误差的车辆动力学模型精度评价方法 | |
JP3271955B2 (ja) | 車両の路面摩擦係数推定装置 | |
CN117806175B (zh) | 分布式驱动车辆模型误差自学习轨迹跟踪控制方法及系统 | |
CN113264054B (zh) | 基于车辆参数和控制模型的车辆控制方法、装置和设备 | |
US20240182053A1 (en) | Driver command interpreter system determining achievable target vehicle state during steady-state and transient driving conditions | |
CN115946679B (zh) | 一种车辆稳定性判断方法及系统 | |
CN118220163A (zh) | 路面坡度确定方法、装置及电子设备 | |
US20240034341A1 (en) | Calibration framework for autonomous vehicle simulation technology |
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 |