CN116729407B - 车辆横向速度检测方法、电子设备及存储介质 - Google Patents
车辆横向速度检测方法、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116729407B CN116729407B CN202311020430.5A CN202311020430A CN116729407B CN 116729407 B CN116729407 B CN 116729407B CN 202311020430 A CN202311020430 A CN 202311020430A CN 116729407 B CN116729407 B CN 116729407B
- Authority
- CN
- China
- Prior art keywords
- transverse
- dynamics model
- fuzzy
- velocity
- uncertainty
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 23
- 238000003860 storage Methods 0.000 title claims abstract description 13
- 238000000034 method Methods 0.000 claims abstract description 25
- 238000012545 processing Methods 0.000 claims abstract description 10
- 230000006870 function Effects 0.000 claims description 24
- 230000003864 performance function Effects 0.000 claims description 21
- 238000005457 optimization Methods 0.000 claims description 14
- 230000001052 transient effect Effects 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 5
- 230000003044 adaptive effect Effects 0.000 claims description 4
- 238000004220 aggregation Methods 0.000 claims 2
- 230000002776 aggregation Effects 0.000 claims 2
- 230000000694 effects Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 238000013461 design Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000004075 alteration Effects 0.000 description 2
- 238000011478 gradient descent method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
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
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Mathematical Physics (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Feedback Control In General (AREA)
Abstract
本申请提供一种车辆横向速度检测方法、电子设备及存储介质，所述方法包括：采集获取车辆运行参数；根据所述车辆运行参数建立理想横向动力学模型，对所述理想横向动力学模型中不确定性参数进行模糊处理后生成二自由度模糊横向动力学模型；根据所述二自由度模糊横向动力学模型生成横向速度鲁棒观测器，并计算获得所述横向速度鲁棒观测器的可调参数最优值；将所述可调参数最优值代入所述横向速度鲁棒观测器，并根据所述代入可调参数最优值后的横向速度鲁棒观测器检测车辆横向速度。本申请考虑了参数不确定性，进而得到二自由度模糊横向动力学模型和横向速度鲁棒观测器，更符合实际系统，检测结果更为精确。
Description
技术领域
本申请涉及智能汽车领域，尤其涉及一种车辆横向速度检测方法、电子设备及存储介质。
背景技术
智能汽车运动控制依赖于对车辆当前时刻运行状态信息，横向速度是一项重要的车辆运行状态参数，在车身电子稳定系统、路径跟踪系统等多个智能汽车重要功能中得到应用。
车辆横向速度难以直接测量，测量所需的高精度测量设备由于高昂的设备费用难以满足工程及产业化需求，无法实现大规模的推广和应用。目前现有技术中，也有通过状态观测器获取横向速度信息，即通过获取能低成本直接测量的纵向速度、横摆角速度参数结合车辆动力学模型来估计车辆横向速度。但是，目前相关类似的方法由于未充分考虑到由于车辆自身性能或参数差异而导致的参数不确定性，使得模型输出结果精确性较低，与实际车辆横向速度差距较大。
发明内容
为了解决上述技术缺陷，本申请实施例中提供了一种车辆横向速度检测方法、电子设备及存储介质。
根据本申请实施例的第一个方面，提供了一种车辆横向速度检测方法，所述方法包括：
采集获取车辆运行参数；
根据所述车辆运行参数建立理想横向动力学模型，对所述理想横向动力学模型中不确定性参数进行模糊处理后生成二自由度模糊横向动力学模型；
根据所述二自由度模糊横向动力学模型生成横向速度鲁棒观测器，并计算获得所述横向速度鲁棒观测器的可调参数最优值；
将所述可调参数最优值代入所述横向速度鲁棒观测器，并根据所述代入可调参数最优值后的横向速度鲁棒观测器检测车辆横向速度。
根据本申请实施例的第二个方面，提供了一种电子设备，包括：处理器、存储器和通信总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过通信总线通信，所述处理器执行所述机器可读指令，以执行时执行如上所述的车辆横向速度检测方法的步骤。
根据本申请实施例的第三个方面，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中存储有计算机可执行指令，所述计算机可执行指令被处理器加载并执行时，实现如上所述的车辆横向速度检测方法。
采用本申请实施例中提供的车辆横向速度检测方法，在传统的理想横向动力学模型的基础上，考虑了通常被作为常数参数的不确定性，进而得到二自由度模糊横向动力学模型和横向速度鲁棒观测器，综合考虑了车辆横向动力学的多源时变不确定，更符合实际系统，检测结果更为精确。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本申请实施例1所述的车辆横向速度检测方法的流程图；
图2为本申请实施例1所述的二自由度单轨车辆模型结构示意图；
图3为本申请实施例1所述的横向速度鲁棒观测器的原理示意图；
图4为本申请实施例2所述的电子设备的原理示意图。
具体实施方式
为了使本申请实施例中的技术方案及优点更加清楚明白，以下结合附图对本申请的示例性实施例进行进一步详细的说明，显然，所描述的实施例仅是本申请的一部分实施例，而不是所有实施例的穷举。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
实施例1
如图1，本实施例提出了一种车辆横向速度检测方法，该方法包括：
S101、采集获取车辆运行参数。
具体的，本实施例中车辆运行参数可根据参数类型以及采集难度等因素分为实时采集和离线采集两种方式。例如，通过陀螺仪可实时采集横摆角速度，通过电位计可实时采集前轮转角，通过速度传感器可实时采集纵向速度等；而轮胎侧偏刚度、轴距以及转动惯量等均可通过离线采集获得。当然，对于能够实现车辆运行参数采集的其他方式，本实施例也可应用，不做特殊限定。
S102、根据所述车辆运行参数建立理想横向动力学模型，对所述理想横向动力学模型中不确定性参数进行模糊处理后生成二自由度模糊横向动力学模型。
具体的，如图2所示，在S101中获取车辆运行参数后，可根据该车辆运行参数建立理想动力学模型：
其中，；/>为实际车辆质量；/>为横摆角速度；/>为纵向速度实际值；/>为横向速度；/>为前轮侧偏刚度实际值；/>为后轮侧偏刚度实际值；/>为车辆质心到前轴的距离实际值；/>为车辆质心到后轴的距离实际值；/>为横摆转动惯量实际值；/>为前轮转角，如图2的二自由度单轨车辆模型结构示意图所示。
该理想动力学模型的输出值为：
其中，。
对于动力学模型而言，理论上模型中的参数均应为实际值。但是通常建模时仅知晓参数的名义值，也可称为理论值，理论值即为理想状态下的数值。如果仅通过名义值进行建模的话，模型的输出结果即为在理想状态下的结果。但是根据常识性知识，任何场景均不可能存在理想状态。这种情况下显然会与实际情况出现较大的出入。对此，为了使动力学模型更接近实际车辆动力学系统，本实施例综合考虑轮胎侧偏角、车辆质量、转动惯量以及纵向车速等参数的不确定性，将这些不确定性参数分解为名义值和不确定性部分，具体为：
其中，为时变不确定性因子，上式中简记为/>，/>为实数域，/>为代表向量维数的正整数。/> 、/> 、/> 、/> 、/> 、/> 、/>为对应参数的名义值，/> 、/> 、 、/> 、/> 、/> 、/>为对应参数的时变不确定性部分。
然后，为了描述不确定性参数的不确定性部分的变化情况，本实施例通过模糊集合表征时变不确定性因子，具体如下：
其中，表示模糊集合（/>）；/>（/>）为有界取值集合；/>表示隶属度函数（/>）。
最后，根据通过模糊集合表征后的不确定性参数将上述理想横向动力学模型转换为二自由度模糊横向动力学模型：
其中，；/>；/>；；/>和/>分别表示外部环境对状态变量的两个分量产生的等效扰动；/>；/>；/>和/>分别为
本实施例在传统的理想横向动力学模型的基础上，考虑了侧偏刚度、纵向车速和外界扰动等参数或因素的不确定性，同时，还进一步考虑了质量、转动惯量、长度等通常被作为常数的参数的不确定性。通过模糊集合表征事变不确定性因子，进而得到模糊横向动力学模型。通过上述过程获得的模糊横向动力学模型综合考虑了车辆横向动力学的多源时变不确定，与实际系统更为符合、贴切，在后续车辆横向速度检测所得到的检测结果也更为精确。
S103、根据所述二自由度模糊横向动力学模型生成横向速度鲁棒观测器，并计算获得所述横向速度鲁棒观测器的可调参数最优值。
具体的，如图3所示，首先根据上述理想横向动力学模型设计观测系统状态名义值的观测器，即名义值观测器，其形式为：
其中，为观测值；/>为给定矩阵；/>为启用观测的初始时刻；/>为观测状态初始值。
然后在该名义值观测器的基础上，结合二自由度模糊横向动力学模型设计自适应鲁棒观测器。上述名义值观测器是针对于理想横向动力学模型，观测该理想横向动力学模型下的横向速度值，因此该名义值观测器的观测结果为实际横向速度的名义部分，或者称其为理论部分。而实际横向速度值还受到不确定性参数的影响。因此，本实施例结合不确定性参数对状态观测值进行补偿。在上述名义值观测器中，进一步加入补偿不确定性参数影响的项，具体为：
其中，G为给定矩阵，矩阵L和G满足以下方程
其中，P和Q为给定的正定权重系数矩阵。为时变系数，其具有如下形式：
其中，，/>，/>为常系数。为自适应变量（上式中将其简记为/>），其自适应律为
其中，为正的可调参数，/>为正系数。由此得到解析形式自适应鲁棒观测器，即为本实施例的横向速度鲁棒观测器，其通过补偿项抑制系统不确定性对观测值的影响。
本实施例基于考虑综合不确定性的二自由度模糊横向动力学模型设计了横向车速自适应鲁棒观测器。在根据理想横向动力学模型设计的状态名义值观测器的基础上，通过额外的自适应观测项补偿动力学系统时变不确定性对状态观测值的影响，使状态观测值更加准确可靠。
在生成横向速度鲁棒观测器后，需要对该横向速度鲁棒观测器中的可调参数最优值进行计算。
具体的，本实施例首先定义横向速度鲁棒观测器的瞬态性能函数和稳态性能函数。该瞬态性能函数和稳态性能函数可通过系统稳定性边界函数定义。本实施例中，可通过李雅普诺夫函数得到横向速度鲁棒观测器的系统稳定性边界函数：
其中，与/>为/>相关的模糊数。
然后，在该系统稳定性边界函数的基础上，进一步定义瞬态性能函数与稳态性能函数，即
其中，为瞬态性能函数，/>稳态性能函数。
本实施例采用建立带约束优化问题计算获得可调参数最优值。
具体的，建立多目标优化函数：
其中，D代表解模糊化操作算子，它将模糊数相关的表达式转化为实数，因此函数为实数域上的函数。因此得到如下带约束优化问题：
利用梯度下降法求解得到可调参数的数值最优解/>。
本实施例建立了综合考虑瞬态性能、稳态性能和观测增益的多目标优化函数，通过求解带约束优化问题的数值解，得到横向速度鲁棒观测器中可调参数的最优值，从而提高横向速度鲁棒观测器的整体性能。
S104、将所述可调参数最优值代入所述横向速度鲁棒观测器，并根据所述代入可调参数最优值后的横向速度鲁棒观测器检测车辆横向速度。
具体的，经过上述S103获得可调参数最优值后，将其代入S103中的横向速度鲁棒观测器中，从而实时检测得到当前的车辆横向车速，至此得到车辆横向速度。
本实施例在传统的理想横向动力学模型的基础上，考虑了通常被作为常数参数的不确定性，进而得到二自由度模糊横向动力学模型和横向速度鲁棒观测器，综合考虑了车辆横向动力学的多源时变不确定，更符合实际系统，检测结果更为精确。
实施例2
如图4所示，本实施例提出一种电子设备，包括：处理器、存储器和通信总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过通信总线通信，所述处理器执行所述机器可读指令，以执行如下步骤：
采集获取车辆运行参数；
根据所述车辆运行参数建立理想横向动力学模型，对所述理想横向动力学模型中不确定性参数进行模糊处理后生成二自由度模糊横向动力学模型；
根据所述二自由度模糊横向动力学模型生成横向速度鲁棒观测器，并计算获得所述横向速度鲁棒观测器的可调参数最优值；
将所述可调参数最优值代入所述横向速度鲁棒观测器，并根据所述代入可调参数最优值后的横向速度鲁棒观测器检测车辆横向速度。
具体的，本实施例中车辆运行参数可采用多种电子采集设备实现。例如前轮转角可通过电位计采集，横摆角速度可通过陀螺仪采集，纵向速度可通过速度传感器采集等。此外，根据车辆运行参数的参数类型和采集难易程度等因素可进一步采用实时采集和离线采集两种方式实现更为优化的采集。例如横摆角速度、前轮转角和纵向速度等可采用实时采集方式，轮胎侧偏刚度、轴距以及转动惯量等均可通过离线采集获得。当然，对于能够实现车辆运行参数采集的其他方式，本实施例也可应用，不做特殊限定。
在获取车辆运行参数后，可根据该车辆运行参数建立理想动力学模型。对于动力学模型而言，理论上模型中的参数均应为实际值。但是通常建模时仅知晓参数的名义值，也可称为理论值，理论值即为理想状态下的数值。如果仅通过名义值进行建模的话，模型的输出结果即为在理想状态下的结果。但是根据常识性知识，任何场景均不可能存在理想状态。这种情况下显然会与实际情况出现较大的出入。对此，为了使动力学模型更接近实际车辆动力学系统，本实施例综合考虑轮胎侧偏角、车辆质量、转动惯量以及纵向车速等参数的不确定性，将这些不确定性参数分解为名义值和不确定性部分。然后，为了描述不确定性参数的不确定性部分的变化情况，本实施例通过模糊集合表征时变不确定性因子。最后，根据通过模糊集合表征后的不确定性参数将上述理想横向动力学模型转换为二自由度模糊横向动力学模型。
在获得二自由度模糊横向动力学模型后，根据理想横向动力学模型设计观测系统状态名义值的观测器，即名义值观测器。然后在该名义值观测器的基础上，结合二自由度模糊横向动力学模型设计自适应鲁棒观测器。上述名义值观测器是针对于理想横向动力学模型，观测该理想横向动力学模型下的横向速度值，因此该名义值观测器的观测结果为实际横向速度的名义部分，或者称其为理论部分。而实际横向速度值还受到不确定性参数的影响。因此，本实施例结合不确定性参数对状态观测值进行补偿。在上述名义值观测器中，进一步加入补偿不确定性参数影响的项。
本实施例基于考虑综合不确定性的二自由度模糊横向动力学模型设计了横向车速自适应鲁棒观测器。在根据理想横向动力学模型设计的状态名义值观测器的基础上，通过额外的自适应观测项补偿动力学系统时变不确定性对状态观测值的影响，使状态观测值更加准确可靠。
在生成横向速度鲁棒观测器后，需要对该横向速度鲁棒观测器中的可调参数最优值进行计算。
具体的，本实施例首先定义横向速度鲁棒观测器的瞬态性能函数和稳态性能函数。该瞬态性能函数和稳态性能函数可通过系统稳定性边界函数定义。本实施例中，可通过李雅普诺夫函数得到横向速度鲁棒观测器的系统稳定性边界函数。然后，在该系统稳定性边界函数的基础上，进一步定义瞬态性能函数与稳态性能函数。其中，本实施例采用建立带约束优化问题计算获得可调参数最优值，具体为：首先建立多目标优化函数，该多目标优化函数包含解模糊化操作算子，其将模糊数相关的表达式转化为实数，因此得到带约束优化问题，该带约束优化问题中包含可调参数，利用梯度下降法求解得到可调参数的数值最优解。
经过上述获得可调参数最优值后，将其代入横向速度鲁棒观测器中，从而实时检测得到当前的车辆横向车速，至此得到车辆横向速度。
本实施例在传统的理想横向动力学模型的基础上，考虑了侧偏刚度、纵向车速和外界扰动等参数或因素的不确定性，同时，还进一步考虑了质量、转动惯量、长度等通常被作为常数的参数的不确定性。通过模糊集合表征事变不确定性因子，进而得到模糊横向动力学模型。通过上述过程获得的模糊横向动力学模型综合考虑了车辆横向动力学的多源时变不确定，与实际系统更为符合、贴切，所得到的检测结果也更为精确。
实施例3
本实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机可执行指令，所述计算机可执行指令被处理器加载并执行时，实现如上所述的车辆横向速度检测方法。
由于计算机可读存储介质部分的实施例与车辆横向速度检测方法部分的实施例相互对应，因此存储介质部分的实施例请参见车辆横向速度检测方法的实施例的描述，这里不再赘述。
本实施例在传统的理想横向动力学模型的基础上，考虑了侧偏刚度、纵向车速和外界扰动等参数或因素的不确定性，同时，还进一步考虑了质量、转动惯量、长度等通常被作为常数的参数的不确定性。通过模糊集合表征事变不确定性因子，进而得到模糊横向动力学模型。通过上述过程获得的模糊横向动力学模型综合考虑了车辆横向动力学的多源时变不确定，与实际系统更为符合、贴切，所得到的检测结果也更为精确。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。本申请实施例中的方案可以采用各种计算机语言实现，例如，面向对象的程序设计语言Java和直译式脚本语言JavaScript等。
本申请是参照根据本申请实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。
Claims (8)
1.一种车辆横向速度检测方法，其特征在于，所述方法包括：
采集获取车辆运行参数；
根据所述车辆运行参数建立理想横向动力学模型，对所述理想横向动力学模型中不确定性参数进行模糊处理后生成二自由度模糊横向动力学模型；
所述不确定性参数包括侧偏刚度、纵向车速和外界扰动的一种或多种参数，还包括质量、转动惯量、长度通常被作为常数的参数；通过模糊集合表征时变不确定性因子，具体如下：
；
其中，表示模糊集合（/>）；/>（/>）为有界取值集合；/>表示隶属度函数（/>）；/>为实数域；
根据所述二自由度模糊横向动力学模型生成横向速度鲁棒观测器，并计算获得所述横向速度鲁棒观测器的可调参数最优值；
将所述可调参数最优值代入所述横向速度鲁棒观测器，并根据所述代入可调参数最优值后的横向速度鲁棒观测器检测车辆横向速度；
所述生成横向速度鲁棒观测器包括：
根据所述理想横向动力学模型生成名义值观测器；
根据所述二自由度模糊横向动力学模型对所述名义值观测器进行补偿处理生成横向速度鲁棒观测器；
加入补偿不确定性参数影响的项，为时变系数，其具有如下形式：
；
其中，，/>，其中/>为理想动力学模型的输出值；
其中G为给定矩阵，，/>,/>，/>为横摆角速度；为横向速度；
为常系数；/>为自适应变量，上式中将其简记为/>，其自适应律为
；
；
其中，为二自由度模糊横向动力学模型/>的观测值，/>为启用观测的初始时刻，/>为正的可调参数，/>为正系数。
2.根据权利要求1所述的方法，其特征在于，所述对所述理想横向动力学模型中不确定性参数进行模糊处理后生成二自由度模糊横向动力学模型包括：
通过模糊集合对所述理想横向动力学模型中不确定性参数进行表征；
根据所述通过模糊集合表征后的不确定性参数将所述理想横向动力学模型转换为二自由度模糊横向动力学模型。
3.根据权利要求2所述的方法，其特征在于，所述通过模糊集合对所述理想横向动力学模型中不确定性参数进行表征包括：
将所述理想横向动力学模型中的不确定性参数的实际值分解为名义值和不确定性部分；
通过模糊集合对所述不确定性部分进行表征。
4.根据权利要求1所述的方法，其特征在于，所述计算获得所述横向速度鲁棒观测器的可调参数最优值包括：
定义所述横向速度鲁棒观测器的瞬态性能函数和稳态性能函数；
根据所述瞬态性能函数和稳态性能函数建立多目标优化函数；
根据所述多目标优化函数将所述横向速度鲁棒观测器中与模糊数相关的表达式转化为实数，并生成带约束优化问题；
对所述带约束优化问题进行求解获得可调参数最优值。
5.根据权利要求4所述的方法，其特征在于，所述定义所述横向速度鲁棒观测器的瞬态性能函数和稳态性能函数包括：
计算获得所述横向速度鲁棒观测器的系统稳定性边界函数；
根据所述系统稳定性边界函数定义所述横向速度鲁棒观测器的瞬态性能函数和稳态性能函数。
6.根据权利要求1所述的方法，其特征在于，所述采集获取车辆运行参数包括：
实时采集获取纵向速度、横摆角速度和前轮转角；
离线采集获取轮胎侧偏刚度、轴距和转动惯量。
7.一种电子设备，其特征在于，包括：处理器、存储器和通信总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过通信总线通信，所述处理器执行所述机器可读指令，以执行时执行如权利要求1至6任一项所述的车辆横向速度检测方法的步骤。
8.一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中存储有计算机可执行指令，所述计算机可执行指令被处理器加载并执行时，实现如权利要求1至6任一项所述的车辆横向速度检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311020430.5A CN116729407B (zh) | 2023-08-15 | 2023-08-15 | 车辆横向速度检测方法、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311020430.5A CN116729407B (zh) | 2023-08-15 | 2023-08-15 | 车辆横向速度检测方法、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116729407A CN116729407A (zh) | 2023-09-12 |
| CN116729407B true CN116729407B (zh) | 2023-11-28 |
Family
ID=87911813
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311020430.5A Active CN116729407B (zh) | 2023-08-15 | 2023-08-15 | 车辆横向速度检测方法、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116729407B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2157002A1 (fr) * | 2008-08-20 | 2010-02-24 | Renault s.a.s. | Procédé de détermination de la dérive d'un véhicule automobile |
| CN107358679A (zh) * | 2017-06-14 | 2017-11-17 | 同济大学 | 一种基于新型模糊观测器的车辆质心侧偏角的估计方法 |
| 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 |
| CN113002527A (zh) * | 2021-03-01 | 2021-06-22 | 东北大学 | 一种自主电动汽车横向稳定性鲁棒容错控制方法 |
| CN114815627A (zh) * | 2022-06-07 | 2022-07-29 | 合肥工业大学 | 一种基于模糊参数信息的线控转向系统鲁棒控制与优化方法 |
| CN115042770A (zh) * | 2022-06-16 | 2022-09-13 | 广东工业大学 | 一种基于分布式鲁棒模型预测的车辆队列横向控制方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7451033B2 (en) * | 2005-06-10 | 2008-11-11 | Ford Global Technologies, Llc | Lateral and longitudinal velocity determination for an automotive vehicle |
-
2023
- 2023-08-15 CN CN202311020430.5A patent/CN116729407B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2157002A1 (fr) * | 2008-08-20 | 2010-02-24 | Renault s.a.s. | Procédé de détermination de la dérive d'un véhicule automobile |
| CN107358679A (zh) * | 2017-06-14 | 2017-11-17 | 同济大学 | 一种基于新型模糊观测器的车辆质心侧偏角的估计方法 |
| 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 |
| CN113002527A (zh) * | 2021-03-01 | 2021-06-22 | 东北大学 | 一种自主电动汽车横向稳定性鲁棒容错控制方法 |
| CN114815627A (zh) * | 2022-06-07 | 2022-07-29 | 合肥工业大学 | 一种基于模糊参数信息的线控转向系统鲁棒控制与优化方法 |
| CN115042770A (zh) * | 2022-06-16 | 2022-09-13 | 广东工业大学 | 一种基于分布式鲁棒模型预测的车辆队列横向控制方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116729407A (zh) | 2023-09-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Liao et al. | An adaptive approach to real-time estimation of vehicle sideslip, road bank angles, and sensor bias | |
| CN109606378B (zh) | 面向非高斯噪声环境的车辆行驶状态估计方法 | |
| CN109131351B (zh) | 基于随机时滞的车辆稳定性评价方法 | |
| CN113002549A (zh) | 一种车辆状态估算方法、装置、设备及存储介质 | |
| CN110341714B (zh) | 一种同时估计车辆质心侧偏角和扰动的方法 | |
| Pi et al. | Design and evaluation of sideslip angle observer for vehicle stability control | |
| WO2021078043A1 (zh) | 坡度计算方法及装置 | |
| CN115741718B (zh) | 一种机器人完全零力控制方法及系统 | |
| CN109684677A (zh) | 一种基于卡尔曼滤波算法的坡度估算方法 | |
| Arat et al. | An intelligent tyre based adaptive vehicle stability controller | |
| CN111959514B (zh) | 一种基于模糊动力学系统的汽车质心侧偏角观测方法 | |
| Zhang et al. | A novel PWA lateral dynamics modeling method and switched TS observer design for vehicle sideslip angle estimation | |
| Sieberg et al. | Hybrid state estimation–a contribution towards reliability enhancement of artificial neural network estimators | |
| CN116729407B (zh) | 车辆横向速度检测方法、电子设备及存储介质 | |
| CN112009488B (zh) | 一种基于粒子滤波算法的车辆状态估计方法 | |
| CN115991187B (zh) | 基于无偏移模型预测的车辆控制方法、控制器及存储介质 | |
| McBride et al. | Estimation of vehicle tire-road contact forces: A comparison between artificial neural network and observed theory approaches | |
| Zhou et al. | A layered roll stability control strategy for commercial vehicles based on adaptive model predictive control | |
| CN112287289A (zh) | 一种面向云控智能底盘的车辆非线性状态融合估计方法 | |
| Fouka et al. | Motorcycle state estimation and tire cornering stiffness identification applied to road safety: Using observer-based identifiers | |
| Gao et al. | Vehicle longitudinal velocity estimation with adaptive Kalman filter | |
| Pei et al. | State estimation of vehicle’s dynamic stability based on the nonlinear kalman filter | |
| CN108413923B (zh) | 一种基于鲁棒混合滤波的车辆侧倾角与俯仰角估计方法 | |
| Alshawi et al. | An adaptive unscented kalman filter for the estimation of the vehicle velocity components, slip angles, and slip ratios in extreme driving manoeuvres | |
| Solmaz et al. | A nonlinear sideslip observer design methodology for automotive vehicles based on a rational tire model |
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 |