CN116853268A - 用于动态估算车辆的不足转向梯度的方法和系统 - Google Patents

用于动态估算车辆的不足转向梯度的方法和系统 Download PDF

Info

Publication number
CN116853268A
CN116853268A CN202210329997.XA CN202210329997A CN116853268A CN 116853268 A CN116853268 A CN 116853268A CN 202210329997 A CN202210329997 A CN 202210329997A CN 116853268 A CN116853268 A CN 116853268A
Authority
CN
China
Prior art keywords
vehicle
signal
understeer gradient
state signal
vehicle state
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
Application number
CN202210329997.XA
Other languages
English (en)
Inventor
贾瑞明
魏强
方涛
奉山森
谢剑晖
张振宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
SAIC Motor Corp Ltd
Original Assignee
SAIC Motor Corp Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by SAIC Motor Corp Ltd filed Critical SAIC Motor Corp Ltd
Priority to CN202210329997.XA priority Critical patent/CN116853268A/zh
Publication of CN116853268A publication Critical patent/CN116853268A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • G01M17/06—Steering behaviour; Rolling behaviour
    • 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
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/10—Longitudinal 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
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/12—Lateral speed
    • B60W2520/125—Lateral acceleration
    • 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
    • B60W2540/00—Input parameters relating to occupants
    • B60W2540/18—Steering angle

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Mathematical Physics (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

本申请公开了一种用于动态估算车辆的不足转向梯度的方法，其特征在于，所述方法包括以下步骤：接收车辆状态信号；对接收到的车辆状态信号进行初步处理；建立车辆运动学模型；借助于所建立的车辆运动学模型，动态地估算车辆的不足转向梯度；以及对动态地估算出的不足转向梯度进行优化。本申请还公开了一种用于动态估算车辆的不足转向梯度的系统。

Description

用于动态估算车辆的不足转向梯度的方法和系统
技术领域
本申请属于车辆控制技术领域，具体涉及用于动态估算车辆的不足转向梯度的方法和系统。
背景技术
在方向盘转角保持固定的情况下，当车辆缓慢加速或以不同车速匀速行驶时，随着车速的增加，车辆的转向半径会产生变化。当车辆处于转向不足状态时，其转向半径会增大。当车辆处于转向过度状态时，其转向半径会减小。当车辆处于转向中性状态时，其转向半径维持不变。通常使用车辆的不足转向梯度(understeer gradient)来描述车辆的转向特性。车辆的不足转向梯度是衡量车辆转向程度以及实施智能驾驶车辆的横向控制中的重要参数。
在车辆设计阶段，通常通过理论推导得出车辆的不足转向梯度的设计目标值。在整车集成测试阶段，车辆的不足转向梯度由车辆厂商通过大量实验获得。由车辆设计阶段的理论推导和整车集成测试阶段的实验获得的不足转向梯度主要存在以下问题：首先，通过理论推导得出的不足转向梯度的设计目标值往往不是确定的数值，而是参数范围，在该参数范围内的不足转向梯度都符合设计目标；其次，虽然通过实验获得的不足转向梯度是确定的数值，但此类确定的数值是在特定车辆载荷和轮胎类型等条件下测得的，而车辆在不同状态和不同环境下的不足转向梯度往往是动态变化的；最后，若要获得车辆在不同状态和不同环境下的相应不足转向梯度以做到全覆盖，需要大量的实验场景、技术人员、专业设备和实验时间，即使如此，所测得的不足转向梯度也不能很好的应用于智能驾驶车辆的横向控制。换言之，通过大量实验来获得不足转向梯度是成本高且实用性差的方式。
发明内容
鉴于现有技术中存在的上述技术问题，本申请的目的是提出一种用于动态估算车辆的不足转向梯度的方法，该动态估算方法通过对整车运动学进行建模来获得在整车层面影响不足转向梯度的关键因素。所建立的模型能够适应各种车辆质量、载荷分配和轮胎类型。
本申请提出一种用于动态估算车辆的不足转向梯度的方法，其特征在于，所述方法包括以下步骤：接收车辆状态信号；对接收到的车辆状态信号进行初步处理；建立车辆运动学模型；借助于所建立的车辆运动学模型，动态地估算车辆的不足转向梯度；以及对动态地估算出的不足转向梯度进行优化。
根据可选的实施方式，所述动态估算方法包括以下步骤：对估算出的不足转向梯度进行转换，得出转向灵敏度和特征车速参数；以及输出估算出的不足转向梯度、转向灵敏度和/或特征车速参数。
根据可选的实施方式，车辆状态信号包括车速信号、方向盘转角信号、横摆角速度信号和信号有效性标志位，车辆状态信号由设置在车辆中的各种传感器给出。
根据可选的实施方式，设置在车辆中的各种传感器包括车速传感器、方向盘转角传感器和横摆角速度传感器。
根据可选的实施方式，初步处理包括对车辆状态信号的有效性进行校验、对车辆状态信号中的偏移进行补偿和对车辆状态信号进行平滑化。
根据可选的实施方式，对车辆状态信号的有效性进行校验包括：在信号有效性标志位指示出车辆状态信号有效的情况下，认可所获得的车辆状态信号，在信号有效性标志位指示出车辆状态信号无效的情况下，将车辆状态信号指定为默认车辆状态信号。
根据可选的实施方式，对车辆状态信号中的偏移进行补偿包括：借助于车辆状态信号偏移量对车辆状态信号进行修正，以可变的时间间隔更新车辆状态信号偏移量，在更新车辆状态信号偏移量时，如果更新后的车辆状态信号偏移量与更新前的车辆状态信号偏移量的差值超过阈值，则在更新后仍采用更新前的车辆状态信号。
根据可选的实施方式，对车辆状态信号进行平滑化包括：对车辆状态信号应用低通滤波或卡尔曼滤波。
根据可选的实施方式，动态地估算车辆的不足转向梯度包括：当车辆状态信号指示出车辆的车速为零或车辆直行时，将不足转向梯度指定为不足转向梯度实测值；以及对估算出的不足转向梯度进行低通滤波处理。
本申请还提出一种用于动态估算车辆的不足转向梯度的系统，所述系统构造成执行根据本申请所述的动态估算方法。
本申请提出的用于动态估算车辆的不足转向梯度的方法和系统的优点在于：能够适应车辆悬架、轮胎、质量、载荷分配、路面附着等变化，具有很好的适应性；在车辆行驶过程中进行实时估计，具有良好的实时性；只需采集车辆基础信号，不需要额外添加高成本的传感器，具有良好的实用性；估算出的不足转向梯度能够应用于智能驾驶车辆的横向控制，提高车辆横向控制的精度。
附图说明
从后述的详细说明并结合下面的附图将能更全面地理解本申请的前述及其它方面。需要指出的是，各附图的比例出于清楚说明的目的有可能不一样，但这并不会影响对本申请的理解。
图1是根据本申请的用于动态估算车辆的不足转向梯度的方法的流程图。
图2是根据本申请的用于动态估算车辆的不足转向梯度的系统200的框图。
具体实施方式
下面将参照附图更详细地描述本申请的示例性实施方式。虽然附图中显示了本申请的示例性实施方式，然而应当理解，可以以各种形式实现本申请而不应被这里阐述的实施方式所限制。相反，提供这些实施例是为了能够更透彻地理解本申请，并且能够将本申请的范围完整的传达给本领域的技术人员。
图1是根据本申请的用于动态估算车辆的不足转向梯度的方法的流程图。动态估算方法包括以下步骤：
110：接收车辆状态信号；
112：对接收到的车辆状态信号进行初步处理；
114：建立车辆运动学模型；
116：借助于所建立的车辆运动学模型，通过初步处理的车辆状态信号来动态地估算车辆的不足转向梯度；以及
118：对动态地估算出的不足转向梯度进行优化。
备选地，动态估算方法包括以下步骤：
120：对估算出的不足转向梯度进行转换，得出转向灵敏度和特征车速参数；
122：输出估算出的不足转向梯度、转向灵敏度和/或特征车速参数。
下面具体说明各步骤的执行过程。
对于步骤110，车辆状态信号包括车速信号、方向盘转角信号、横摆角速度信号和信号有效性标志位。车辆状态信号由设置在车辆中的各种传感器给出，各种传感器包括但不限于车速传感器、方向盘转角传感器和横摆角速度传感器。
对于步骤112，初步处理包括对车辆状态信号的有效性进行校验、对车辆状态信号中的偏移进行补偿和对车辆状态信号进行平滑化。具体而言，以车辆横摆角速度为例，横摆角速度信号和对应的信号有效性标志位通常由同一传感器给出。在接收横摆角速度信号和信号有效性标志位之后，如果信号有效性标志位指示出横摆角速度信号有效(例如信号有效性标志位的值为“1”或其他已定义的有效值)，则认可从横摆角速度传感器获得的横摆角速度信号；如果信号有效性标志位指示出横摆角速度信号无效(例如信号有效性标志位的值为“0”或其他已定义的无效值)，则将横摆角速度信号指定为默认横摆角速度信号。默认横摆角速度信号通常被设置为与0rad/s的横摆角速度相对应的信号。对信号有效性进行校验可以提高横摆角速度信号本身和后续估算的可信度。
各种传感器都可能存在零点漂移。以车辆横摆角速度为例，真实的横摆角速度为0rad/s，但横摆角速度传感器可能测得非零值。因此，可以引入横摆角速度信号偏移量，以对横摆角速度传感器输出的横摆角速度信号进行修正。横摆角速度信号偏移量可以通过实验得出，例如使车辆在平坦路面上静止然后读取横摆角速度传感器的输出。由于摆角速度传感器的性能会随着时间而改变，因此横摆角速度信号偏移量并非是一成不变的，而是可以自动更新。此外，为了防止由于偶然误差等原因而将横摆角速度信号偏移量更新为明显错误的值，可以设置横摆角速度信号偏移量在每次更新时的差值上限。在更新横摆角速度信号偏移量时，如果更新后的横摆角速度信号偏移量与更新前的横摆角速度信号偏移量的差值超过上限，则认定更新过程中出现偶然误差，继而在更新后仍采用更新前的横摆角速度信号偏移量，以消除偶然误差的影响。引入横摆角速度信号偏移量可以获得较为准确的横摆角速度信号。
在对车辆状态信号有效性进行校验并对车辆状态信号中的偏移进行补偿之后，可以获得较为真实的车辆状态信号，但此时的车辆状态信号往往存在较大噪声。噪声的来源通常包括外部环境的干扰和传感器自身的结构。因此，需要对车辆状态信号进行平滑化。平滑化可以通过对车辆状态信号进行滤波来实现。具体而言，可以对车辆状态信号应用低通滤波或卡尔曼滤波等滤波器。经滤波后的车辆状态信号更为平滑，有利于后续的动态估算。
对于步骤114，所建立的车辆运动学模型为：
在式(1)中：
δfw是车辆的前轮转角，可以基于车辆的方向盘转角和车辆转向系统的传动比来计算得出，其中；
L是车辆的轴距；
γ是车辆的横摆角速度；
v是车辆的车速；
Kv是要估算的不足转向梯度；
Ay是车辆的侧向加速度，
G是重力加速度；以及
dr是转换系数。
对于步骤116，由(1)式可以得出不足转向梯度的表达式为：
将在步骤112中获得的车速、横摆角速度和方向盘转角代入式(2)，即可获得车辆在当前状态下的不足转向梯度的估算值。
当车辆的车速为零时，即车辆处于静止状态时，无法通过式(2)来估算不足转向梯度。在这种情况下，不足转向梯度可以被指定为通过实验测得的不足转向梯度。
对于步骤118，对动态地估算出的不足转向梯度进行优化包括去除估算出的不足转向梯度中的异常值和减小不足转向梯度的噪声。在步骤116中获得的不足转向梯度可能存在异常值。例如，当车辆直行时，横摆角速度为0rad/s，此时估算出的不足转向梯度为异常值。在这种情况下，不足转向梯度可以被指定为先验值，即事先通过实验测得的值。
虽然已经在步骤112中对车辆状态信号进行过滤波，但由于算法中可能引入的其他变量和算法本身的放大作用，估算出的不足转向梯度仍存在一定程度的噪声。因此，可以对估算出的不足转向梯度进行低通滤波处理，并通过先验值对估算出的不足转向梯度进行校验。
对于步骤120，对估算出的不足转向梯度进行转换的具体方式如下文所述。式(1)的车辆运动学模型也可以被改写为：
在式(3)中：
K是转向灵敏度；以及
ay＝Ay*G。
由式(1)和式(3)可以得到转向灵敏度的表达式：
当车辆处于转向不足状态时，由转向灵敏度K与特征车速Vch的关系可以得出：
在式(5)中，Kv为正值对应于车辆处于转向不足状态，Kv为零值对应于车辆处于转向中性状态，而Kv为负值对应于车辆转向过度状态。特征车速Vch仅对应于转向不足状态，转向过度状态对应于临界车速，不属于本申请的讨论范围。
图2是根据本申请的用于动态估算车辆的不足转向梯度的系统200的框图。系统200包括总线202或其他用于通信信息的通信机制，以及与总线202耦合以处理信息的一个或多个硬件处理器204。硬件处理器204可以是，例如，一个或多个通用的微处理器。
系统200还包括与总线202耦合的主存储器206，诸如随机存取存储器(RAM)、高速缓存和/或其他动态储存设备，用于储存将由处理器204运行的信息和指令。硬件处理器204在运行该信息和指令时执行根据上文所述的用于动态估算车辆的不足转向梯度的方法。主存储器206也可用于在执行将由处理器204运行的指令期间储存临时变量或其他中间信息。此类指令，当储存在处理器204可访问的储存介质中时，使系统200成为特殊用途的机器，该机器被定制来执行指令中指定的操作。系统200进一步包括只读存储器(ROM)208或其他与总线202耦合的静态储存设备，用于储存用于处理器204的静态信息和指令。提供储存设备210，诸如磁片、光盘或USB驱动器(闪存驱动器)等，并与总线202耦合，用于储存信息和指令。
系统200可以使用定制的硬接线逻辑、一个或多个ASIC或FPGA、固件和/或程序逻辑来实施本文所述的技术，这些逻辑与计算机系统相结合，使系统200成为特殊用途的机器或对其进行编程。根据一个实施方式，本文描述的操作、方法和过程由系统200响应于处理器204运行被包含在主存储器206中的一个或多个指令的一个或多个序列来执行。此类指令可以从另一个储存介质(诸如储存设备210)被读取到主存储器206中。运行被包含在主存储器206中的指令序列使处理器204执行本文所述的处理步骤。在其他实施方式中，可以使用硬接线电路来代替或与软件指令相结合。
主存储器206、ROM 208和/或储存器210可以包括非暂时性储存介质。本文所用的术语“非暂时性介质”和类似术语是指储存数据和/或指令的任何介质，这些数据和/或指令导致机器以特定方式运行。此类非暂时性介质可以包括非易失性介质和/或易失性介质。非易失性介质包括，例如，光学或磁性磁盘，诸如储存设备210。易失性介质包括动态存储器，诸如主存储器206。非暂时性介质的常见形式包括，例如，软盘、软盘、硬盘、固态驱动器、磁带或任何其他磁性数据储存介质、CD-ROM、任何其他光学数据储存介质、任何具有孔的图案的物理介质、RAM、PROM和EPROM、FLASH-EPROM、NVRAM、任何其他存储芯片或盒，以及上述这些的联网版本。
系统200还包括与总线202耦合的网络接口218。网络接口218提供与连接至一个或多个本地网络212的一个或多个网络链接耦合的双向数据通信耦合。例如，网络接口218可以是集成服务数字网络(ISDN)卡、电缆调制解调器、卫星调制解调器，或提供与相应类型电话线的数据通信连接的调制解调器。作为另一个实施例，网络接口218可以是局域网(LAN)卡，以提供与兼容的局域网(或与广域网通信的广域网成分)的数据通信连接。也可以实施无线链接。在任何此类实施方案中，网络接口218发送和接收电、电磁或光学信号，这些信号携带代表各种类型信息的数字数据流。
系统200可以通过网络、网络链接和网络接口218发送消息和接收数据，包括程序代码。在互联网的实施例中，服务器可能通过互联网、ISP、本地网络和网络接口218传送用于应用程序的请求代码。
收到的代码可以由处理器204在收到时运行，和/或被存储在储存设备210，或其他非易失性存储中以便稍后运行。
前面各节所述的每个过程、方法和算法可以体现在由包括一个或多个计算机系统或计算机硬件的计算机处理器运行的代码模块中，并完全或部分地自动化。各过程和算法可以部分或全部在特定应用电路中实现。
上面描述的各种特征和过程可以相互独立使用，也可以以各种方式组合。所有可能的组合和子组合都是为了落在本公开的范围内。本文描述的示例性方法的各种操作可以至少部分地由算法执行。算法可以由存储在存储器(例如，上述的非暂时性计算机可读储存介质)中的程序代码或指令组成。此类算法可以包括机器学习算法。在一些实施方式中，机器学习算法可以不明确地对计算机进行编程以执行某项功能，但可以从训练数据中学习以做出执行该功能的预测模型。
本文描述的示例性方法的各种操作可以至少部分地由一个或多个处理器执行，这些处理器被临时配置(例如，通过软件)或永久配置以执行相关操作。无论是临时配置还是永久配置，此类处理器可以构成处理器实施的引擎，其操作以执行本文所述的一个或多个操作或功能。
同样，本文所述的方法至少可以部分由处理器实施，特定的一个或多个处理器是硬件的实施例。例如，方法的至少部分操作可以由一个或多个处理器或处理器实施的引擎执行。此外，该一个或多个处理器也可以操作以支持相关操作在“云计算”环境中或作为“软件即服务”(SaaS)执行。例如，至少一些操作可以由一组计算机(作为包括处理器的机器的实施例)执行，这些操作可以经由网络(例如互联网)和经由一个或多个适当的接口(例如应用程序接口API)来访问。
某些操作的性能可以在处理器之间分配，不仅驻留在单一机器内，而且部署在若干机器上。在一些示例性实施方式中，处理器或处理器实施的引擎可以位于单一地理位置。在其他示例性实施方式中，处理器或处理器实施的引擎可以分配在许多地理位置上。
在本说明书中，多个实例可以作为单一实例描述的成分、操作或结构实施。尽管一个或多个方法的各个操作被作为单独的操作进行说明和描述，但各个操作中的一个或多个可以同时进行，而且没有任何东西要求这些操作按照说明的顺序进行。在示例性配置中作为独立成分呈现的结构和功能可以作为组合结构或成分来实施。同样地，作为单一成分呈现的结构和功能可以作为独立的成分来实施。这些和其他的变化、修改、补充和改进都属于本文的主题范围。
尽管已经参照具体的示范性实施例描述了本主题的概况，但在不偏离本公开的实施方式的更广泛范围的情况下，可以对这些实施方式进行各种修改和变化。主题的此类实施方式在这里可以独立或集体地用“发明”一词来称呼，这仅仅是为了方便，并不打算将本申请的范围自愿限制在任何单一的公开或概念上，如果事实上公开了一个以上的概念。
此处说明的实施方式已被描述得足够详细，以使本领域的技术人员能够实践所公开的教导。其他实施方式可以被使用和从其得出，使得结构和逻辑上的替换和改变可以在不偏离本公开范围的情况下进行。因此，具体实施方式不应具有限制性意义，各种实施方式的范围仅由所附的权利要求书以及此类权利要求书所具有的全部等价物来界定。
本文描述的流程图和/或附图中描绘的任何流程描述、元素或块应理解为可能代表代码的模块、段或部分，其中包括用于实现流程中特定逻辑功能或步骤的一个或多个可运行指令。替代实施方案被包括在本文所述的实施方式的范围内，其中元素或功能可以被删除，不按所示或讨论的顺序运行，包括基本上同时或以相反的顺序执行，这取决于所涉及的功能，这将被本领域的技术人员所理解。
如本文所使用的，术语“或”可以在包容或排斥的意义上解释。此外，可以为本文描述的资源、操作或结构提供复数实例，作为单一实例。此外，各种资源、操作、引擎和数据存储之间的界限在某种程度上是任意的，并且特定的操作是在特定的说明性配置的背景下说明的。其他功能的分配是可以设想的，并且可以落在本公开的各种实施方式的范围内。一般来说，在示例性配置中作为单独资源呈现的结构和功能可以作为组合结构或资源来实现。同样地，作为单一资源呈现的结构和功能可以作为单独的资源来实现。这些和其他的变化、修改、补充和改进都属于所附权利要求书所代表的本公开的实施方式的范围。因此，本说明书和附图应以说明性而非限制性的意义来看待。
条件性语言，例如，“可以”、“可能”或“能够”，除非特别说明，或在使用的上下文中以其他方式理解，一般旨在表达某些实施方式包括，而其他实施方式不包括某些特征、元素和/或步骤。因此，此类条件性语言一般不意味着特征、元素和/或步骤以任何方式是一个或多个实施方式所必需的，或一个或多个实施方式必须包括用于确定在有或没有用户输入或提示的情况下，这些特征、元素和/或步骤是否包括或在任何特定实施方式中执行的逻辑。

Claims (10)

1.一种用于动态估算车辆的不足转向梯度的方法，其特征在于，所述方法包括以下步骤：
接收车辆状态信号；
对接收到的车辆状态信号进行初步处理；
建立车辆运动学模型；
借助于所建立的车辆运动学模型，动态地估算车辆的不足转向梯度；以及
对动态地估算出的不足转向梯度进行优化。
2.根据权利要求1所述的方法，其特征在于，所述动态估算方法包括以下步骤：
对估算出的不足转向梯度进行转换，得出转向灵敏度和特征车速参数；以及
输出估算出的不足转向梯度、转向灵敏度和/或特征车速参数。
3.根据权利要求1或2所述的方法，其特征在于，
车辆状态信号包括车速信号、方向盘转角信号、横摆角速度信号和信号有效性标志位，
车辆状态信号由设置在车辆中的各种传感器给出。
4.根据权利要求3所述的方法，其特征在于，
设置在车辆中的各种传感器包括车速传感器、方向盘转角传感器和横摆角速度传感器。
5.根据权利要求3所述的方法，其特征在于，
初步处理包括对车辆状态信号的有效性进行校验、对车辆状态信号中的偏移进行补偿和对车辆状态信号进行平滑化。
6.根据权利要求5所述的方法，其特征在于，对车辆状态信号的有效性进行校验包括：
在信号有效性标志位指示出车辆状态信号有效的情况下，认可所获得的车辆状态信号，
在信号有效性标志位指示出车辆状态信号无效的情况下，将车辆状态信号指定为默认值。
7.根据权利要求5所述的方法，其特征在于，对车辆状态信号中的偏移进行补偿包括：
借助于车辆状态信号偏移量对车辆状态信号进行修正，
以可变的时间间隔更新车辆状态信号偏移量，
在更新车辆状态信号偏移量时，如果更新后的车辆状态信号偏移量与更新前的车辆状态信号偏移量的差值超过阈值，则在更新后仍采用更新前的车辆状态信号。
8.根据权利要求5所述的方法，其特征在于，对车辆状态信号进行平滑化包括：
对车辆状态信号应用低通滤波或卡尔曼滤波。
9.根据权利要求1或2所述的方法，其特征在于，动态地估算车辆的不足转向梯度包括：
当车辆状态信号指示出车辆的车速为零或车辆直行时，将不足转向梯度指定为不足转向梯度实测值；以及
对估算出的不足转向梯度进行低通滤波处理。
10.一种用于动态估算车辆的不足转向梯度的系统，其特征在于，所述系统包括：
总线(202)，
硬件处理器(204)，其与总线(202)耦合以处理信息，
主存储器(206)，其与总线(202)耦合并且储存将由硬件处理器(204)运行的信息和指令，硬件处理器(204)在运行所述信息和指令时执行根据权利要求1-9中任一项所述的用于动态估算车辆的不足转向梯度的方法，
静态储存设备(208)，其与总线(202)耦合并且储存用于处理器(204)的静态信息和指令，以及
储存设备(210)，其与总线(202)耦合并且储存信息和指令。
CN202210329997.XA 2022-03-28 2022-03-28 用于动态估算车辆的不足转向梯度的方法和系统 Pending CN116853268A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210329997.XA CN116853268A (zh) 2022-03-28 2022-03-28 用于动态估算车辆的不足转向梯度的方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210329997.XA CN116853268A (zh) 2022-03-28 2022-03-28 用于动态估算车辆的不足转向梯度的方法和系统

Publications (1)

Publication Number Publication Date
CN116853268A true CN116853268A (zh) 2023-10-10

Family

ID=88234621

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210329997.XA Pending CN116853268A (zh) 2022-03-28 2022-03-28 用于动态估算车辆的不足转向梯度的方法和系统

Country Status (1)

Country Link
CN (1) CN116853268A (zh)

Similar Documents

Publication Publication Date Title
CN111527382B (zh) 用于控制车辆的系统及方法
EP3484755A1 (en) Method and system for controlling a vehicle
CN113465628B (zh) 惯性测量单元数据补偿方法及系统
KR20140060349A (ko) 차량용 타이어 파라미터를 추정하는 방법
CN113002549A (zh) 一种车辆状态估算方法、装置、设备及存储介质
CN113771857B (zh) 一种用于车辆控制的纵向车速估计方法和系统
CN115752471A (zh) 一种传感器数据的处理方法、设备及计算机可读存储介质
CN107878462B (zh) 车速预测方法和装置
CN113720349A (zh) 一种基于卡尔曼滤波的里程计信息平滑方法
CN116853268A (zh) 用于动态估算车辆的不足转向梯度的方法和系统
CN114063131A (zh) 一种gnss/ins/轮速组合定位实时平滑的方法
CN113212431A (zh) 一种跟踪控制方法、装置、设备及存储介质
CN114655224A (zh) 一种道路坡度估算方法、电子设备和存储介质
CN115659662A (zh) 车重的估算方法、装置、存储介质及工程车辆
CN111929585B (zh) 电池电荷状态计算装置、方法、服务器及介质
JP3441562B2 (ja) ヨーレイト推定器及びヨーレイトセンサ故障診断装置
CN113335294A (zh) 路面纵向坡度的估计方法、装置、电子设备和存储介质
CN110525442B (zh) 坡度检测方法、系统及车辆
CN112346479A (zh) 一种基于集中式卡尔曼滤波的无人航行器状态估计方法
CN116968752B (zh) 确定横摆角速度的方法、装置、系统及存储介质
FR3106885A1 (fr) Procede d’aide à la navigation d’un porteur mobile
CN112867908A (zh) 用于转速传感器的转速传感器信号的偏移校准的方法、系统、计算机程序
CN117590441B (zh) 一种完好性保护水平计算方法及相关设备
CN117470237A (zh) 停车检测方法、装置、设备及存储介质
CN114735014A (zh) 车辆加速度确定方法、装置及电子设备、存储介质

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