CN116793712A - 商用车轮胎侧偏刚度在线辨识方法及系统 - Google Patents
商用车轮胎侧偏刚度在线辨识方法及系统 Download PDFInfo
- Publication number
- CN116793712A CN116793712A CN202310235346.9A CN202310235346A CN116793712A CN 116793712 A CN116793712 A CN 116793712A CN 202310235346 A CN202310235346 A CN 202310235346A CN 116793712 A CN116793712 A CN 116793712A
- Authority
- CN
- China
- Prior art keywords
- tractor
- trailer
- commercial vehicle
- cornering stiffness
- tire
- 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 60
- 230000033001 locomotion Effects 0.000 claims abstract description 36
- 239000011159 matrix material Substances 0.000 claims description 19
- 230000015654 memory Effects 0.000 claims description 16
- 230000001133 acceleration Effects 0.000 claims description 12
- 230000006870 function Effects 0.000 claims description 5
- 238000005259 measurement Methods 0.000 claims description 5
- 230000007704 transition Effects 0.000 claims description 2
- 238000004590 computer program Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M17/00—Testing of vehicles
- G01M17/007—Wheeled or endless-tracked vehicles
- G01M17/02—Tyres
-
- 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
- G06F17/13—Differential equations
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Tires In General (AREA)
Abstract
本发明公开了商用车轮胎侧偏刚度在线辨识方法及系统,方法包括:假设商用车的纵向速度保持不变,基于所获取的基本参数,构建商用车在车辆坐标系下的运动微分方程;基于线性轮胎模型,对所述运动微分方程进行简化,得到商用车简化动力学模型;基于商用车简化动力学模型,得到待估计参数的递推模型;所述待估计参数,包括:牵引车前轮侧偏刚度、牵引车后轮侧偏刚度和挂车车轮侧偏刚度;采用向量式多遗忘因子的最小二乘法,对待估计参数的递推模型进行求解,得到在线辨识的商用车轮胎侧偏刚度。本发明轮胎侧偏刚度辨识适应不同的车辆运动工况,增加辨识的实时性和精度,实现在线辨识商用车轮胎侧偏刚度。
Description
技术领域
本发明涉及车辆参数辨识技术领域,特别是涉及商用车轮胎侧偏刚度在线辨识方法及系统。
背景技术
本部分的陈述仅仅是提到了与本发明相关的背景技术,并不必然构成现有技术。
当前,随着高速公路网络的发展,商用车得以更高的车速行驶,在交通运输领域发挥重要作用。由于其载重量大、质心位置高,且存在复杂的耦合结构,在高速行驶时易发生严重交通事故,并造成巨大的损失,因此商用车的安全性受到日益的重视,特别是其稳定性的控制。商用车在高速行驶时的稳定性控制依赖建立的简化动力学模型,该模型主要的非线性特性来自轮胎,轮胎的侧偏特性对车辆稳定性有极大影响。目前,轮胎侧偏刚度无法通过测量直接获取,且在复杂工况下其数值时刻发生变化,如何根据车辆运动工况通过测量得到的车辆信息结合参数辨识算法精确辨识出非线性的轮胎侧偏刚度参数值,已成为获得准确描述商用车特性的简化动力学模型亟待解决的问题。
目前,关于轮胎侧偏刚度的参数辨识方法主要分为两类,一种是对商用车,通过采集的数据并结合简化动力学模型,采用遗传算法结合其它优化算法在离线状态下辨识得到轮胎的侧偏刚度,根据不同工况的数据得到基于纵向车速和方向盘转角或纵向加速度和方向盘转角的侧偏刚度MAP图;另一种是对乘用车,通过采集的数据利用具有遗忘因子的递推最小二乘法,在线辨识轮胎的侧偏刚度。
在实现本发明的过程中,发明人发现现有技术中存在以下技术问题:
1)现有商用车轮胎侧偏刚度的辨识方法皆在离线状态下进行,无法根据车辆行驶时的复杂工况得到实时精确的轮胎侧偏刚度;
2)现有轮胎侧偏刚度在线辨识方法尽管添加了遗忘因子,但单遗忘因子无法修正变化速率不同的参数,使其辨识实时性下降;
3)还未有将商用车简化动力学模型与在线辨识方法相结合的轮胎侧偏刚度辨识方法。
发明内容
为了解决现有技术的不足,本发明提供了商用车轮胎侧偏刚度在线辨识方法及系统;改善商用车轮胎侧偏刚度离线辨识导致实时性较低的现象。将商用车简化动力学模型与在线辨识方法相结合,使得轮胎侧偏刚度辨识适应不同的车辆运动工况,增加辨识的实时性和精度,实现在线辨识商用车轮胎侧偏刚度。
第一方面,本发明提供了商用车轮胎侧偏刚度在线辨识方法;
商用车轮胎侧偏刚度在线辨识方法,包括:
假设商用车包括彼此连接的牵引车和挂车,获取牵引车和挂车的基本参数,假设商用车的纵向速度保持不变,基于所获取的基本参数,构建商用车在车辆坐标系下的运动微分方程;
基于线性轮胎模型,对所述运动微分方程进行简化,得到商用车简化动力学模型;
基于商用车简化动力学模型,得到待估计参数的递推模型;所述待估计参数,包括:牵引车前轮侧偏刚度、牵引车后轮侧偏刚度和挂车车轮侧偏刚度;
采用向量式多遗忘因子的最小二乘法,对待估计参数的递推模型进行求解,得到在线辨识的商用车轮胎侧偏刚度。
第二方面,本发明提供了商用车轮胎侧偏刚度在线辨识系统;
商用车轮胎侧偏刚度在线辨识系统,包括:
获取模块,其被配置为:假设商用车包括彼此连接的牵引车和挂车,获取牵引车和挂车的基本参数,假设商用车的纵向速度保持不变,基于所获取的基本参数,构建商用车在车辆坐标系下的运动微分方程;
简化模块,其被配置为:基于线性轮胎模型,对所述运动微分方程进行简化,得到商用车简化动力学模型;
计算模块,其被配置为:基于商用车简化动力学模型,得到待估计参数的递推模型;所述待估计参数,包括:牵引车前轮侧偏刚度、牵引车后轮侧偏刚度和挂车车轮侧偏刚度;
求解模块,其被配置为:采用向量式多遗忘因子的最小二乘法,对待估计参数的递推模型进行求解,得到在线辨识的商用车轮胎侧偏刚度。
第三方面,本发明还提供了一种电子设备,包括:
存储器,用于非暂时性存储计算机可读指令;以及
处理器,用于运行所述计算机可读指令,
其中,所述计算机可读指令被所述处理器运行时,执行上述第一方面所述的方法。
第四方面,本发明还提供了一种存储介质,非暂时性地存储计算机可读指令,其中,当非暂时性计算机可读指令由计算机执行时,执行第一方面所述方法的指令。
第五方面,本发明还提供了一种计算机程序产品,包括计算机程序,所述计算机程序当在一个或多个处理器上运行的时候用于实现上述第一方面所述的方法。
与现有技术相比,本发明的有益效果是:
改善商用车轮胎侧偏刚度离线辨识导致实时性较低的现象。将商用车简化动力学模型与在线辨识方法相结合,使得轮胎侧偏刚度辨识适应不同的车辆运动工况,增加辨识的实时性和精度,实现在线辨识商用车轮胎侧偏刚度。
对商用车轮胎侧偏刚度进行在线参数辨识,可根据车辆行驶时的复杂工况得到实时精确的轮胎侧偏刚度;采用的向量式多遗忘因子的递推最小二乘法针对待辨识的多参数添加了向量式多遗忘因子,对变化速率不同的多参数进行修正,提高辨识实时性。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。
图1为实施例一的方法流程图;
图2(a)和图2(b)为实施例一的商用车三自由度简化动力学模型。
具体实施方式
应该指出,以下详细说明都是示例性的,旨在对本发明提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本发明的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
本实施例所有数据的获取都在符合法律法规和用户同意的基础上,对数据的合法应用。
实施例一
本实施例提供了商用车轮胎侧偏刚度在线辨识方法;
如图1所示,商用车轮胎侧偏刚度在线辨识方法,包括:
S101:假设商用车包括彼此连接的牵引车和挂车,获取牵引车和挂车的基本参数,假设商用车的纵向速度保持不变,基于所获取的基本参数,构建商用车在车辆坐标系下的运动微分方程;
S102:基于线性轮胎模型,对所述运动微分方程进行简化,得到商用车简化动力学模型;
S103:基于商用车简化动力学模型,得到待估计参数的递推模型;所述待估计参数,包括:牵引车前轮侧偏刚度、牵引车后轮侧偏刚度和挂车车轮侧偏刚度;
S104:采用向量式多遗忘因子的最小二乘法,对待估计参数的递推模型进行求解,得到在线辨识的商用车轮胎侧偏刚度。
图2(a)和图2(b)为实施例一的商用车三自由度简化动力学模型。
进一步地,所述获取牵引车和挂车的基本参数,包括:
获取牵引车簧载质量、纵向速度、质心偏侧角速度、横摆角速度、横摆角加速度、前轮侧偏力、后轮侧偏力、牵引车与挂车之间的作用力、牵引车横摆转动惯量、牵引车质心到前轴的距离、牵引车质心到后轴的距离、牵引车质心到指定轮胎的距离;
获取挂车簧载质量、纵向速度、质心偏侧角速度、横摆角速度、横摆角加速度、挂车车轮的侧偏力、挂车横摆转动惯量、挂车质心到指定轮胎的距离、挂车质心到后轴的距离。
进一步地,所述S101:假设商用车的纵向速度保持不变,基于所获取的基本参数,构建商用车在车辆坐标系下的运动微分方程,具体包括:
考虑平面运动下商用车具有3个自由度的运动,牵引车质心侧偏角、牵引车横摆运动和挂车横摆运动;
设定商用车纵向速度保持不变、牵引车与挂车之间的铰接角较小,得到商用车在车辆坐标系下的运动微分方程:
其中,m1为牵引车簧载质量;m2为挂车簧载质量;u1为牵引车纵向速度;u2为挂车纵向速度;为牵引车质心侧偏角速度;/>为挂车质心侧偏角速度;/>为牵引车横摆角速度;为挂车横摆角速度;/>为牵引车横摆角加速度;/>为挂车横摆角加速度;Fy1为牵引车前轮的侧偏力;Fy2为牵引车后轮的侧偏力;Fy3为挂车轮的侧偏力;Fhy、F’hy为牵引车与挂车之间的作用力;Iz1牵引车横摆转动惯量;Iz2为挂车横摆转动惯量;a1为牵引车质心到其前轴的距离;b1为牵引车质心到其后轴的距离;a2为挂车质心到牵引车与挂车的连接处之间的距离;b2为挂车质心到其后轴的距离;c为牵引车质心到牵引车与挂车的连接处的距离。
进一步地,所述S102:基于线性轮胎模型,对所述运动微分方程进行简化,得到商用车简化动力学模型,具体包括:
基于线性轮胎模型对所述运动微分方程进行简化:
其中,k1为牵引车前轮侧偏刚度;k2为牵引车后轮侧偏刚度;k3为挂车车轮侧偏刚度;δf为牵引车前轮转角。
整理得到标准的状态空间方程如下:
式(9)中:
U=δf (11)
B=M-1[-1(a1+),-k1,0,0]T(14)
其中,X为状态变量向量,U为输入向量,A为状态矩阵,B为控制矩阵,M为过渡矩阵。
进一步地,所述S103:基于商用车简化动力学模型,得到待估计参数的递推模型,具体包括:
将公式(1)-(14)转化为最小二乘的形式,得到以牵引车前、后轮侧偏刚度及挂车车轮侧偏刚度为待估计参数的递推模型:
公式(16)为递推模型,y为系统输出值,待辨识参数矩阵θ=[k1,k2,k3]T,系数矩阵:
其中,α1为牵引车前轮侧偏角;α2为牵引车后轮侧偏角;α3为挂车车轮侧偏角。
进一步地,所述S104:采用向量式多遗忘因子的最小二乘法,对待估计参数的递推模型进行求解,得到在线辨识的商用车轮胎侧偏刚度,具体包括:
基于商用车简化动力学模型的递推最小二乘模型,表示为:
其中,k表示第k时刻的数据,y(k)为第k时刻的系统输出值;为表示第k时刻的观测数据;θ(k)为表示第k时刻的商用车轮胎侧偏刚度;V(k)为表示第k时刻的测量误差;
经遗忘因子修正的残差成本函数为:
使该成本函数值达到最小时的θ值即为估计值其中,λ为遗忘因子,λ∈(0,1)。所述成本函数/>用于衡量测量误差。
整理得递推最小二乘表达式为:
其中,为第k时刻的估计值,L(k)为第k时刻的增益矩阵;P(k)为第k时刻的协方差矩阵。
采用向量式多遗忘因子对协方差矩阵进行修正:
A=diag[λ1,λ2,λ3] (24)
其中,λ1、λ2、λ3分别为多参数对应的遗忘因子,A=diag[λ1,λ2,λ3]表示A为对角矩阵。
在建立的递推最小二乘模型方程中,牵引车质心到其前、后轴的距离a1、b1、挂车质心到牵引车与挂车连接处和其后轴的距离a2、b2、牵引车质心到牵引车与挂车连接处的距离c和牵引车、挂车簧载质量m1、m2、牵引车、挂车横摆转动惯量Iz1、Iz2均已知,通过采集得到不同工况下车速u、方向盘转角δf和牵引车、挂车横摆角速度等数据信息,差值得到牵引车、挂车质心侧偏角速度/> 和牵引车、挂车横摆角加速度/>设置单遗忘因子λ=0.99,向量式多遗忘因子A=[0.985,0.99,0.99],待辨识参数初值θ=[0,0,0]T,协方差矩阵P(0)为:
基于式(11)-(12)的递推最小二乘参数辨识模型可实现对商用车轮胎侧偏刚度的在线参数辨识。
实施例二
本实施例提供了商用车轮胎侧偏刚度在线辨识系统;
商用车轮胎侧偏刚度在线辨识系统,包括:
获取模块,其被配置为:假设商用车包括彼此连接的牵引车和挂车,获取牵引车和挂车的基本参数,假设商用车的纵向速度保持不变,基于所获取的基本参数,构建商用车在车辆坐标系下的运动微分方程;
简化模块,其被配置为:基于线性轮胎模型,对所述运动微分方程进行简化,得到商用车简化动力学模型;
计算模块,其被配置为:基于商用车简化动力学模型,得到待估计参数的递推模型;所述待估计参数,包括:牵引车前轮侧偏刚度、牵引车后轮侧偏刚度和挂车车轮侧偏刚度;
求解模块,其被配置为:采用向量式多遗忘因子的最小二乘法,对待估计参数的递推模型进行求解,得到在线辨识的商用车轮胎侧偏刚度。
此处需要说明的是,上述获取模块、简化模块、计算模块和求解模块对应于实施例一中的步骤S101至S104,上述模块与对应的步骤所实现的示例和应用场景相同,但不限于上述实施例一所公开的内容。需要说明的是,上述模块作为系统的一部分可以在诸如一组计算机可执行指令的计算机系统中执行。
上述实施例中对各个实施例的描述各有侧重,某个实施例中没有详述的部分可以参见其他实施例的相关描述。
所提出的系统,可以通过其他的方式实现。例如以上所描述的系统实施例仅仅是示意性的,例如上述模块的划分,仅仅为一种逻辑功能划分,实际实现时,可以有另外的划分方式,例如多个模块可以结合或者可以集成到另外一个系统,或一些特征可以忽略,或不执行。
实施例三
本实施例还提供了一种电子设备,包括:一个或多个处理器、一个或多个存储器、以及一个或多个计算机程序;其中,处理器与存储器连接,上述一个或多个计算机程序被存储在存储器中,当电子设备运行时,该处理器执行该存储器存储的一个或多个计算机程序,以使电子设备执行上述实施例一所述的方法。
应理解,本实施例中,处理器可以是中央处理单元CPU,处理器还可以是其他通用处理器、数字信号处理器DSP、专用集成电路ASIC,现成可编程门阵列FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器可以包括只读存储器和随机存取存储器,并向处理器提供指令和数据、存储器的一部分还可以包括非易失性随机存储器。例如,存储器还可以存储设备类型的信息。
在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。
实施例一中的方法可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器、闪存、只读存储器、可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。为避免重复,这里不再详细描述。
本领域普通技术人员可以意识到,结合本实施例描述的各示例的单元及算法步骤,能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
实施例四
本实施例还提供了一种计算机可读存储介质,用于存储计算机指令,所述计算机指令被处理器执行时,完成实施例一所述的方法。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.商用车轮胎侧偏刚度在线辨识方法,其特征是,包括:
假设商用车包括彼此连接的牵引车和挂车,获取牵引车和挂车的基本参数,假设商用车的纵向速度保持不变,基于所获取的基本参数,构建商用车在车辆坐标系下的运动微分方程;
基于线性轮胎模型,对所述运动微分方程进行简化,得到商用车简化动力学模型;
基于商用车简化动力学模型,得到待估计参数的递推模型;所述待估计参数,包括:牵引车前轮侧偏刚度、牵引车后轮侧偏刚度和挂车车轮侧偏刚度;
采用向量式多遗忘因子的最小二乘法,对待估计参数的递推模型进行求解,得到在线辨识的商用车轮胎侧偏刚度。
2.如权利要求1所述的商用车轮胎侧偏刚度在线辨识方法,其特征是,所述获取牵引车和挂车的基本参数,包括:
获取牵引车簧载质量、纵向速度、质心偏侧角速度、横摆角速度、横摆角加速度、前轮侧偏力、后轮侧偏力、牵引车与挂车之间的作用力、牵引车横摆转动惯量、牵引车质心到前轴的距离、牵引车质心到后轴的距离、牵引车质心到指定轮胎的距离;
获取挂车簧载质量、纵向速度、质心偏侧角速度、横摆角速度、横摆角加速度、挂车车轮的侧偏力、挂车横摆转动惯量、挂车质心到指定轮胎的距离、挂车质心到后轴的距离。
3.如权利要求1所述的商用车轮胎侧偏刚度在线辨识方法,其特征是,
假设商用车的纵向速度保持不变,基于所获取的基本参数,构建商用车在车辆坐标系下的运动微分方程,具体包括:
考虑平面运动下商用车具有3个自由度的运动,牵引车质心侧偏角、牵引车横摆运动和挂车横摆运动;
设定商用车纵向速度保持不变、牵引车与挂车之间的铰接角较小,得到商用车在车辆坐标系下的运动微分方程:
其中,m1为牵引车簧载质量;m2为挂车簧载质量;u1为牵引车纵向速度;u2为挂车纵向速度;为牵引车质心侧偏角速度;/>为挂车质心侧偏角速度;/>为牵引车横摆角速度;/>为挂车横摆角速度;/>为牵引车横摆角加速度;/>为挂车横摆角加速度;Fy1为牵引车前轮的侧偏力;Fy2为牵引车后轮的侧偏力;Fy3为挂车轮的侧偏力;Fhy、F’hy为牵引车与挂车之间的作用力;Iz1牵引车横摆转动惯量;Iz2为挂车横摆转动惯量;a1为牵引车质心到其前轴的距离;b1为牵引车质心到其后轴的距离;a2为挂车质心到牵引车与挂车的连接处之间的距离;b2为挂车质心到其后轴的距离;c为牵引车质心到牵引车与挂车的连接处的距离。
4.如权利要求1所述的商用车轮胎侧偏刚度在线辨识方法,其特征是,
基于线性轮胎模型,对所述运动微分方程进行简化,得到商用车简化动力学模型,具体包括:
基于线性轮胎模型对所述运动微分方程进行简化:
其中,k1为牵引车前轮侧偏刚度;k2为牵引车后轮侧偏刚度;k3为挂车车轮侧偏刚度;δf为牵引车前轮转角;
整理得到标准的状态空间方程如下:
式(9)中:
U=δf (11)
B=M-1[-k1(a1+c),-k1,0,0]T (14)
其中,X为状态变量向量,U为输入向量,A为状态矩阵,B为控制矩阵,M为过渡矩阵。
5.如权利要求1所述的商用车轮胎侧偏刚度在线辨识方法,其特征是,基于商用车简化动力学模型,得到待估计参数的递推模型,具体包括:
将公式(1)-(14)转化为最小二乘的形式,得到以牵引车前、后轮侧偏刚度及挂车车轮侧偏刚度为待估计参数的递推模型:
公式(16)为递推模型,y为系统输出值,待辨识参数矩阵θ=[k1,k2,k3]T,系数矩阵:
其中,α1为牵引车前轮侧偏角;α2为牵引车后轮侧偏角;α3为挂车车轮侧偏角。
6.如权利要求1所述的商用车轮胎侧偏刚度在线辨识方法,其特征是,
采用向量式多遗忘因子的最小二乘法,对待估计参数的递推模型进行求解,得到在线辨识的商用车轮胎侧偏刚度,具体包括:
基于商用车简化动力学模型的递推最小二乘模型,表示为:
其中,k表示第k时刻的数据,y(k)为第k时刻的系统输出值;为表示第k时刻的观测数据;θ(k)为表示第k时刻的商用车轮胎侧偏刚度;V(k)为表示第k时刻的测量误差;
经遗忘因子修正的残差成本函数为:
使该成本函数值达到最小时的θ值即为估计值其中,λ为遗忘因子,λ∈(0,1);所述成本函数/>用于衡量测量误差;
整理得递推最小二乘表达式为:
其中,为第k时刻的估计值,L(k)为第k时刻的增益矩阵;P(k)为第k时刻的协方差矩阵;
采用向量式多遗忘因子对协方差矩阵进行修正:
A=diag[λ1,λ2,λ3] (24)
其中,λ1、λ2、λ3分别为多参数对应的遗忘因子,A=diag[λ1,λ2,λ3]表示A为对角矩阵。
7.商用车轮胎侧偏刚度在线辨识系统,其特征是,包括:
获取模块,其被配置为:假设商用车包括彼此连接的牵引车和挂车,获取牵引车和挂车的基本参数,假设商用车的纵向速度保持不变,基于所获取的基本参数,构建商用车在车辆坐标系下的运动微分方程;
简化模块,其被配置为:基于线性轮胎模型,对所述运动微分方程进行简化,得到商用车简化动力学模型;
计算模块,其被配置为:基于商用车简化动力学模型,得到待估计参数的递推模型;所述待估计参数,包括:牵引车前轮侧偏刚度、牵引车后轮侧偏刚度和挂车车轮侧偏刚度;
求解模块,其被配置为:采用向量式多遗忘因子的最小二乘法,对待估计参数的递推模型进行求解,得到在线辨识的商用车轮胎侧偏刚度。
8.如权利要求7所述的商用车轮胎侧偏刚度在线辨识系统,其特征是,
所述获取牵引车和挂车的基本参数,包括:
获取牵引车簧载质量、纵向速度、质心偏侧角速度、横摆角速度、横摆角加速度、前轮侧偏力、后轮侧偏力、牵引车与挂车之间的作用力、牵引车横摆转动惯量、牵引车质心到前轴的距离、牵引车质心到后轴的距离、牵引车质心到指定轮胎的距离;
获取挂车簧载质量、纵向速度、质心偏侧角速度、横摆角速度、横摆角加速度、挂车车轮的侧偏力、挂车横摆转动惯量、挂车质心到指定轮胎的距离、挂车质心到后轴的距离。
9.一种电子设备,其特征是,包括:
存储器,用于非暂时性存储计算机可读指令;以及
处理器,用于运行所述计算机可读指令,
其中,所述计算机可读指令被所述处理器运行时,执行上述权利要求1-6任一项所述的方法。
10.一种存储介质,其特征是,非暂时性地存储计算机可读指令,其中,当非暂时性计算机可读指令由计算机执行时,执行权利要求1-6任一项所述方法的指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310235346.9A CN116793712A (zh) | 2023-03-09 | 2023-03-09 | 商用车轮胎侧偏刚度在线辨识方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310235346.9A CN116793712A (zh) | 2023-03-09 | 2023-03-09 | 商用车轮胎侧偏刚度在线辨识方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116793712A true CN116793712A (zh) | 2023-09-22 |
Family
ID=88036842
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310235346.9A Pending CN116793712A (zh) | 2023-03-09 | 2023-03-09 | 商用车轮胎侧偏刚度在线辨识方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116793712A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117565877A (zh) * | 2024-01-19 | 2024-02-20 | 华东交通大学 | 一种分布式驱动电动汽车行驶状态分层融合估计方法 |
-
2023
- 2023-03-09 CN CN202310235346.9A patent/CN116793712A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117565877A (zh) * | 2024-01-19 | 2024-02-20 | 华东交通大学 | 一种分布式驱动电动汽车行驶状态分层融合估计方法 |
CN117565877B (zh) * | 2024-01-19 | 2024-04-09 | 华东交通大学 | 一种分布式驱动电动汽车行驶状态分层融合估计方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111879957B (zh) | 基于模糊逻辑和增强机器学习的车辆动力学测定 | |
CN104077459A (zh) | 一种基于悬架kc特性的汽车底盘操稳性能分析模型 | |
CN112918464B (zh) | 车辆稳态转向控制方法和装置 | |
CN116793712A (zh) | 商用车轮胎侧偏刚度在线辨识方法及系统 | |
CN113799783B (zh) | 应用于车辆的道路横向坡度测量方法及系统 | |
CN102582626A (zh) | 重型半挂车状态估计方法 | |
CN110530361A (zh) | 一种基于农业机械双天线gnss自动导航系统的转向角度估计器 | |
CN113247004A (zh) | 一种车辆质量与道路横向坡度的联合估计方法 | |
CN114670855A (zh) | 一种确定车辆质量方法、装置、设备及介质 | |
CN113759729B (zh) | 车辆横向控制方法、装置及电子设备 | |
US10940734B2 (en) | Suspension control system and vehicle | |
CN112613125A (zh) | 一种路面激励情况下汽车侧倾中心辨识和动态修正的方法 | |
Nguyen | Assessing the dependence of vehicle rollover on many factors based on new 4D graphs | |
Hou et al. | A Novel Rollover Warning Approach for Commercial Vehicles Using Unscented Kalman Filter | |
CN112319490A (zh) | 一种汽车质心侧偏角估计方法、计算机设备和存储介质 | |
CN115406669A (zh) | 一种多轴特种车辆侧翻指标优化方法 | |
CN114435371A (zh) | 一种道路坡度估计方法和装置 | |
De Pascali et al. | A kinematic observer with adaptive dead-zone for vehicles lateral velocity estimation | |
CN113030504B (zh) | 车辆测速方法、装置、车载计算机设备和存储介质 | |
CN116588121B (zh) | 基于车辆信息的车辆参数估计方法、装置、介质及设备 | |
CN114212078B (zh) | 一种自动泊车中自车定位精度检测方法和系统 | |
Miao et al. | Path-tracking errors for active trailer steering off-highway: a simulation study | |
CN112985843B (zh) | 车轮定位失调的检测方法、检测装置及终端 | |
CN118025198A (zh) | 基于iaekf的车辆状态估计方法和装置 | |
US20240182053A1 (en) | Driver command interpreter system determining achievable target vehicle state during steady-state and transient driving conditions |
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 |