CN117222565A - 估算潜在的轮胎与地面的附着力的方法 - Google Patents

Abstract

本发明属于评估轮胎在轮胎所滚动的地面上的滚动参数的领域，更具体地涉及估算潜在的轮胎与地面的抓地力。因此，本发明涉及实现这种估算的方法和系统。

Description

估算潜在的轮胎与地面的附着力的方法

技术领域

本发明涉及轮胎在滚动表面上的滚动参数的评估的领域，更具体地，涉及轮胎的潜在的轮胎与地面的附着力的估算。

背景技术

随着车载技术的持续发展，获取越来越多有关车辆的行驶状况的信息成为可能。因此，为了在车辆中提供各种驾驶员辅助和安全系统，实时了解轮胎在给定表面上的潜在附着力是有用的，从而能够防止因附着力的损失引起的任何打滑的风险。

为了清楚起见，此处指定，在整个说明书中，符号μ或术语“mu”将用于表示轮胎在滚动表面上的附着系数。

在该领域中，已知许多描述用于估算这些参数的方法的科学出版物和专利文献。例如，可以提及专利文献EP3028909A1，其涉及用于估算道路附着力水平的智能方法。

现有方法可以分为两大类：

-采用安装在车辆上的一个或更多个特定传感器的方法，例如声学、热学或光学传感器，以及

-依靠从可用车辆数据重建信息的无传感器方法。

第一种方法的主要缺点在于成本、对车辆的工业干扰以及设备维护方面。无传感器方法未发现这种缺点。然而，到目前为止，还没有一种无传感器方法可以确保在所有载荷条件下都具有良好的估算水平。因此，使用对准扭矩值的方法是已知的，但是具有仅适用于轻应力载荷的条件的缺点，因为对准扭矩值比横向力更迅速地变得饱和。另一种方法使用轮胎模型，但没有考虑轮胎的热特性，因此歪曲了针对低载荷确定出的值。然而，所有这些现有的方法都是基于当达到或接近达到最大附着力(最大附着力的80％与100％之间)时精确估算最大附着力的共同原理。然而，这些方法都不能估算低载荷条件下的最大附着力，例如，当运行条件使得载荷低于最大mu的40％时。

机器学习方法也是已知的，其不使用关于轮胎的物理操作的信息源。然而，这些方法需要学习非常复杂的学习过程，这些学习过程实施起来非常繁琐，并且没有方法证明其有效性。

最后，已经注意到，许多方法旨在当潜在附着力已经达到或接近达到时估算潜在附着力，从而在车辆上触发即时的校正措施。例如，现在广泛部署在重型货车和乘用车辆上的ABS和ESP系统所采用的方法就是这种情况。然而，这些方法不能提供附着力的预防性估算，这将使车辆的行为能够提前修改，从而避免必须启用校正措施。

因此，本发明提出了一种能够弥补现有技术的诸多缺点的方法。

发明内容

因此，本发明涉及一种用于估算轮胎在滚动表面上的潜在附着力的方法，所述轮胎安装在配备有该方法的车辆上，该方法包括以下步骤：

-第一步骤，根据车辆模型和状态观测器来估算轮胎所承受的力，

-第二步骤，根据轮胎的热机械模型来估算轮胎所承受的力，

-对在第一估算步骤和第二估算步骤中确定出的力进行统计比较的步骤，以及

-根据该比较步骤的结果确定轮胎与地面潜在附着力的值的步骤。

第一个估算步骤使得能够观察由每个轴产生并转录到车轮中心的力。该步骤基于车辆模型，所述车辆模型将在下文借助附图进行描述。

在优选的实施方案中，所述车辆模型是自行车模型，并且/或者，所述状态观测器是卡尔曼滤波器。

在第二估算步骤中使用热机械轮胎模型提供了影响潜在附着力的各种物理现象的良好呈现，例如温度的影响。通过考虑热效应，能够提供一种比目前可用的方法更可靠的方法。

如图1所示，潜在附着力对应于根据滑动率的归一化的纵向摩擦力曲线的最大值。该最大值由图1的曲线上的μ_max表示，其横轴上显示滑动率在0至0.4之间，纵轴上显示纵向摩擦力F_x除以垂直载荷F_z。

μ_max的值需要即使在低载荷下也能够进行估算，即在图1的曲线的线性部分(滑动小于0.08)。然而，已经发现该线性部分的梯度取决于几个参数，特别是温度。因此，未考虑热效应会阻碍在低载荷下正确估算潜在附着力。这同样适用于其他参数，例如压力、载荷或磨损。

根据实施方案，有几种方法可以用于执行比较步骤和确定潜在附着力。这些方法包括采用贝叶斯逻辑的方法，例如蒙特卡罗马尔可夫链方法。这些方法将在下文详细描述。

在一个实施方案中，所述轮胎的热机械模型包括在附着和滑动接触区域之间的过渡点处轮胎的纵向力、横向力、自对准扭矩和基本剪切力与滑动力的平衡的模型。在专利申请EP2057567和EP2062176中具体地描述了该模型。然而，本发明不限于该实施方案，并且可以使用任何热机械轮胎模型。然而，优选使用至少考虑充气压力、施加的载荷和轮胎磨损的热机械模型。

在一个实施方案中，根据本发明的方法至少在第二估算步骤之前包括简化轮胎模型的步骤。该特征使得能够实时实现根据本发明的方法。

该简化步骤有利地包括以下子步骤：

-使用热力学模型为轮胎参数的不同值生成观察矩阵，所述参数例如为载荷、压力或温度，

-计算该矩阵的值和奇异向量，

-计算观测时间的投影系数，以及

-执行能够用于所有参数值的插值。

以这样的方式，使用简化模型无需在每个时间步长计算完整模型，由此减少了所需的计算资源，并使模型能够嵌入车辆中以进行实时确定。

本发明还涉及一种用于估算轮胎在滚动表面上的潜在附着力的系统，所述轮胎安装在车辆上，所述系统包括：

-用于根据车辆模型和状态观测器来估算轮胎所承受的力的装置，

-用于根据轮胎的热机械模型来估算轮胎所承受的力的装置，

-对在第一估算步骤和第二估算步骤中确定出的力进行统计比较的装置，以及

-根据该比较步骤的结果确定轮胎与地面潜在附着力的值的装置。

根据一个实施方案，该系统使得各种装置安装在车辆上。

根据一个实施方案，该系统进一步包括安装在车辆上的传感器。

附图说明

将借助于附图以非限制性的方式更详细地描述本发明的其它优点和实施方案，其中：

图1(已经描述过)显示了根据滑动率的归一化纵向摩擦力曲线，

图2是概述根据本发明的方法的框图，

图3和图4是本发明使用的模型中作用在车辆上的力的描述。

具体实施方式

根据本发明的方法包括采用各种数据的几个步骤，如图2所示。

下表显示了附图中出现的各种参数的含义及其单位。

[表1]

所考虑的轮胎安装在装配有各种传感器的车辆上。基于车辆的己知的发动机和制动扭矩，并根据由各种传感器测量出的数据，在方框1中确定车辆11的一组行驶参数，包括纵向车速和滑动率。任何干扰12也被纳入考虑。

然后使用这些数据来执行估算轮胎所承受的力的两个步骤。在方框2中，第一步骤包括根据车辆模型21和任何干扰22确定轮胎所承受的力。

有利地，使用了自行车模型，如图3所示，该模型考虑了纵向动态变化和俯仰变化。为了将这些俯仰变化纳入考虑，还需要考虑悬挂模型，如图4所示的模型。

使用自行车模型和悬挂模型可以得出以下状态表示：

[数学式1]

以及[数学式2]

和[数学式3]

使用的状态观测器是扩展卡尔曼滤波器。

自行车模型的主要假设如下：

-左前转向角＝右前转向角，

-后转向角为零，

-车辆在平地上移动(无倾斜)。

此外，在该模型中，俯仰和侧倾的影响经常忽略不计。

在本示例中，侧倾动力确实被忽略了，但是俯仰动力没有被忽略，这是因为考虑了悬挂系统。

在方框3中的第二步骤基于热机械模型4估算所承受的力。该模型是由一组参数确定的，特别是温度。使用该模型，可以计算出在所遇到的轮胎工作条件(在计算时遇到的压力、载荷、温度等)下基于滑动率的mu值，从而确定针对提供给模型的mu₀值的最大潜在附着力。通过对mu₀的不同设定值重复此过程，获得对应于不同的地面附着力可能水平的mu_max值的列表。

在有利的实施方案中，初始模型被简化以实现更少的资源密集型计算，因此更容易直接嵌入车辆中。

然后在步骤5中比较方框2和方框3的结果，以确定潜在附着力。

在前面两部分中估算出的力之间的比较在此处使用贝叶斯逻辑方法进行。这种方法的优点是除了所寻求的值之外，还提供了相关的概率。为了实现该方法，首先需要对已知潜在附着力的估算力的概率密度做出假设。由于卡尔曼滤波器通过考虑高斯噪声来工作，因此选择出的概率密度具有高斯分布的形式。因此，具有：

[数学式4]

然后使用贝叶斯公式来确定已知摩擦力的潜在附着力的概率，其给出：

[数学式5]：

因此，通过计算加权和来获得附着系数：

[数学式6]

因此，潜在附着力是该加权和的最大值。

在另一示例中，使用的不是贝叶斯方法，而是称为MCMC的蒙特卡罗马尔可夫链方法。

在贝叶斯方法中，μ被视为离散随机变量，因此贝叶斯公式的分母是易于计算的离散和。通过使用MCMC方法，可以将μ视为连续随机变量，从而实现更高的精度。然而，在这种情况下，贝叶斯公式的分母不再是离散和，而是积分，其计算起来更加复杂。因此，MCMC方法提出计算概率密度比，从而免除分母的需要。该方法还具有利用低载荷测量值工作的优点。在该方法中，这些测量值是使用卡尔曼滤波器估算出的力。

因此，根据本发明的方法提供了潜在附着力的可靠估算。本发明已经针对纵向情况做出了详细描述。然而，该描述不是限制性的，对于横向或两者的组合，可以设想类似的方法。

Claims (10)

1.一种用于估算轮胎在滚动表面上的潜在附着力的方法，所述轮胎安装在配备有所述方法的车辆上，所述方法包括以下步骤：

-第一步骤，根据车辆模型和状态观测器来估算轮胎所承受的力，

-第二步骤，根据轮胎的热机械模型来估算轮胎所承受的力，

-对在第一估算步骤和第二估算步骤中确定出的力进行统计比较的步骤，以及

-根据比较步骤的结果确定轮胎与地面潜在附着力的值的步骤。

2.根据权利要求1所述的估算方法，其中，所述车辆模型是自行车模型，并且/或者其中，所述状态观测器是卡尔曼滤波器。

3.根据权利要求1或2所述的估算方法，其中，所述比较步骤采用贝叶斯逻辑方法。

4.根据权利要求1或2所述的估算方法，其中，所述比较步骤采用蒙特卡罗马尔可夫链方法。

5.根据前述权利要求中的任一项所述的估算方法，其中，所述轮胎的热机械模型包括在附着和滑动接触区域之间的过渡点处轮胎的纵向力、横向力、自对准扭矩和基本剪切力与滑动力的平衡的模型。

6.根据前述权利要求中的任一项所述的估算方法，至少在第二估算步骤之前包括简化轮胎模型的步骤。

7.根据前述权利要求中的任一项所述的估算方法，其中，所有步骤都是实时执行的。

8.一种用于估算轮胎在滚动表面上的潜在附着力的系统，所述轮胎安装在车辆上，所述系统包括：

-用于根据车辆模型和状态观测器来估算轮胎所承受的力的装置，

-用于根据轮胎的热机械模型来估算轮胎所承受的力的装置，

-对在第一估算步骤和第二估算步骤中确定出的力进行统计比较的装置，以及

-根据比较步骤的结果确定轮胎与地面潜在附着力的值的装置。

9.根据权利要求8所述的估算系统，其中，各个装置安装在车辆上。

10.根据权利要求8或9所述的估算系统，进一步包括安装在车辆上的传感器。