DE102006055550A1

DE102006055550A1 - Verfahren zur Schätzung zumindest einer Fahrzustandsgröße eines Fahrzeugs

Info

Publication number: DE102006055550A1
Application number: DE200610055550
Authority: DE
Inventors: Sergiy Antonov; Matthias Feldt
Original assignee: Robert Bosch GmbH
Current assignee: Robert Bosch GmbH
Priority date: 2006-11-24
Filing date: 2006-11-24
Publication date: 2008-05-29

Abstract

Bei einem Verfahren zur Schätzung zumindest einer Fahrzustandsgröße eines Fahrzeugs werden die Ist-Größen sensorisch ermittelt und der Berechnung von nicht gemessenen Fahrzustandsgrößen zugrunde gelegt. Dazu werden ein nichtlinearer Schätzalgorithmus und ein mathematisches Fahrzeugmodell eingesetzt.

Description

Die Erfindung bezieht sich auf ein Verfahren zur Schätzung zumindest einer Fahrzustandsgröße eines Fahrzeugs.
Stand der Technik
In „ATZ Automobiltechnische Zeitschrift 96", 1994, Seiten 674 bis 689 wird ein Fahrdynamik-Regelungsverfahren für Kraftfahrzeuge beschrieben, mit dessen Hilfe sowohl die Fahrzeuglängsdynamik als auch die Fahrzeugquerdynamik zur Erhöhung der Fahrstabilität in Grenzbereichen berücksichtigt werden. Zur Beeinflussung der Fahrzeugdynamik werden Aktuatoren im Fahrzeug verstellt, beispielsweise werden gezielte Bremseingriffe an einzelnen Rädern im Fahrzeug durchgeführt, um das für die Fahrzeugquerführung benötigte Giermoment zu erzeugen. Die Stellwerte, über die das Bremssystem eingestellt wird, werden aus Fahrzustands-Sollgrößen in einem Gierratenregler generiert, wobei die Soll-Größen in einem Fahrzeugmodell unter Berücksichtigung sensorisch ermittelter Ist-Größen berechnet werden, die den tatsächlichen, aktuellen Fahrzeugzustand beschreiben.
Üblicherweise werden nicht sämtliche benötigten Ist-Größen zur Beschreibung des aktuellen Fahrzeugzustandes über die Sensoren ermittelt. Die Standard-Sensorausstattung besteht in der Regel aus vier Raddrehzahlfühlern, einem Gierratensensor und einem Querbeschleunigungssensor; optional können noch ein Längsbeschleunigungssensor und Drucksensoren vorgesehen sein. Für die Fahrdynamikregelung relevante Größen wie beispielsweise die Fahrzeuglängsgeschwindigkeit und der Schwimmwinkel werden dagegen nicht unmittelbar gemessen, sondern mithilfe von Schätzverfahren gewonnen, beispielsweise mittels eines Kalman-Filters, der in der Lage ist, Sensorungenauigkeiten und -rauschen berücksichtigen und kompensieren zu können.
Der Kalman-Filter ist auf lineare Systeme anwendbar. Da jedoch mathematische Fahrzeugmodelle, die fahrdynamischen Reglern und Schätzern zugrunde liegen, stark nichtlinear sind und darüber hinaus auch nichtlineare Reifenmodelle zu berücksichtigen sind, muss zunächst eine Linearisierung des Modells um einen Arbeitspunkt durchgeführt werden. Um die Linearisierungsfehler klein zu halten und die gewünschte Genauigkeit gewährleisten zu können, ist es notwendig, mit sehr kleinen Abtastzeiten zu arbeiten, was aber hohe Rechenleistungen im Regel- und Steuergerät erfordert.
Zwar können die Rechenzeiten dadurch reduziert werden, dass für verschiedene Zustandsgrößen jeweils ein Schätzverfahren durchgeführt wird, beispielsweise für die Fahrzeuglängsgeschwindigkeit und für den Schwimmwinkel. Nachteilig hierbei ist jedoch die Inkonsistenz der einzelnen Größen.
Offenbarung der Erfindung
Der Erfindung liegt die Aufgabe zugrunde, mit einfachen Maßnahmen und einem möglichst geringen Aufwand an Sensorik im Fahrzeug Fahrzustandsgrößen mit hoher Güte berechnen zu können.
Diese Aufgabe wird erfindungsgemäß mit den Merkmalen des Anspruches 1 gelöst. Die Unteransprüche geben zweckmäßige Weiterbildungen an.
Der nichtlineare Schätzalgorithmus setzt ein mathematisches Fahrzeugmodell zur Schätzung von Fahrzeugzustandsgrößen ein. Die gemessenen Fahrzeugzustandsgrößen dienen zur Plausibilisierung geschätzter Größen und zur Verbesserung der Schätzung derjenigen benötigten Zustandsgrößen, die nicht gemessen werden können. Im Unterschied zu Ausführungen aus dem Stand der Technik werden nichtlineare Schätzverfahren eingesetzt, die kein lineares bzw. linearisiertes Fahrzeugmodell benötigen, sondern auch auf nichtlineare Fahrzeugmodelle anwendbar sind. Dementsprechend kann auf eine Linearisierung des Fahrzeugmodells verzichtet werden, was zu einem geringeren Rechenaufwand führt, da bei linearisierten Modellen sehr kleine Abtastzeiten zum Erreichen einer gewünschten Genauigkeit erforderlich sind. Der Einsatz eines nichtlinearen Schätzalgorithmus macht zum einen die Linearisierung um eine Mehrzahl von Arbeitspunkten obsolet und erlaubt zum anderen zumindest abschnitts- bzw. bereichsweise größere Abtastzeiten. Die Qualität der Ergebnisse wird verbessert bei zugleich verringertem Rechenzeitaufwand.
Als nichtlinearer Schätzalgorithmus wird bevorzugt ein so genannter Unscented Kalman Filter (UKF) verwendet. Es handelt sich hierbei um eine nichtlineare Kalman-Filtervariante, die auf modellbasierter Prädiktion mit anschließender Korrektion anhand der verfügbaren Messdaten basiert.
Alternativ zu einem Unscented Kalman Filter können auch sonstige nichtlineare „Sigma Punkte"-basierte Schätzalgorithmen eingesetzt werden.
Zweckmäßig wird in dem Verfahren zusätzlich ein nichtlineares Reifenmodell berücksichtigt, wodurch die Qualität der Ergebnisse weiter verbessert werden kann. Es kann vorteilhaft sein, in dem Reifenmodell zusätzlich zu den stationären auch dynamische Reifeneigenschaften zu berücksichtigen. Darüber hinaus kann es zweckmäßig sein, auch den so genannten Combined-Slip-Effekt zu berücksichtigen. Als Reifenmodell kann beispielsweise ein nichtlineares, dynamisches LuGre-Reifenmodell bzw. die „Magic Formula" von Pacejka verwendet werden.
In vorteilhafter Weise wird das mathematische Fahrzeugmodell um ein Straßenoberflächenmodell erweitert, um die Straßenverhältnisse berücksichtigen zu können. Hierbei werden bevorzugt sowohl vertikale Straßenanregungen abgebildet, also Fahrbahnunebenheiten, als auch gemäß einer weiteren vorteilhaften Ausführung der Reibwert zwischen Reifen und Straßenoberfläche ermittelt, beispielsweise durch Zugrundelegen von Raddifferenzdrehzahlen. Es kann zweckmäßig sein, jedem Rad einen individuellen Reibwert zuzuordnen.
Als mathematisches, nichtlineares Fahrzeugmodell kommen Modelle mit unterschiedlichen Modellierungstiefen in Betracht, mit denen das dynamische Verhalten des Fahrzeuges möglichst realistisch nachgebildet werden soll. Als vorteilhaft hat sich beispielsweise der Einsatz eines ebenen Zweispurmodells herausgestellt, das trotz eines verhältnismäßig einfachen Aufbaus genaue Lösungen liefert. In dem ebenen Zweispurmodell können auch Raddynamiken eingeschlossen sein.
Bei dem Verfahren zur Regelung oder Steuerung zumindest einer Fahrzustandsgröße eines Fahrzeugs werden Ist-Größen, die den Fahrzeugzustand beschreiben, mithilfe der im Fahrzeug mitgeführten Sensorik ermittelt und einem Vergleich mit Fahrzeugzustands-Sollgrößen zugrunde gelegt, die in einem mathematischen Fahrzeugersatzmodell berechnet werden. Die Abweichung zwischen Soll- und Ist-Größen wird einem Regler zugeführt, welcher Stellwerte zur Einstellung mindestens eines Aktuators im Fahrzeug generiert, um eine Änderung der aktuellen Einstellung zu bewirken. Gegebenenfalls kann auf eine rückführende Regelschleife auch verzichtet werden; in diesem Fall wird das gesamte Verfahren als offene Steuerung durchgeführt. Das mathematische Fahrzeugmodell, das der Berechnung der Fahrzeugzustands-Sollgrößen zugrunde gelegt wird, wird um den vorbeschriebenen nichtlinearen Schätzalgorithmus erweitert bzw. ergänzt, der zur Schätzung von Fahrzeugzustands-Istgrößen dient.
Das modellbasierte Verfahren eignet sich für die Realisierung beliebiger Fahrdynamik-Regel- oder Steuerungssysteme in Kraftfahrzeugen, beispielsweise für den Einsatz in elektronischen Stabilitätsprogrammen ESP, in aktiven Fahrwerken ABC, in Antriebsschlupfregelsystemen ASR, in Antiblockiersystemen ABS oder in aktiven Lenkungen.
Weitere Vorteile und zweckmäßige Ausführungen sind den weiteren Ansprüchen, der Figurenbeschreibung und den Zeichnungen zu entnehmen. Es zeigen:
1 in schematischer Darstellung ein Fahrzeug in Draufsicht, mit jeweils einem Raddrehzahlsensor an jedem Rad, einem Gierratensensor und einem Querbeschleunigungssensor, mit eingezeichneten Kräften an jedem Rad,
2 eine 1 entsprechende Darstellung, jedoch mit eingezeichnetem Schräglaufwinkel an jedem Rad.
Folgende Symbole werden nachfolgend verwendet:

Lenkwinkel δ_H,
Radpositionen: vorne links FL, vorne rechts FR, hinten links RL, hinten rechts RR,
Einschlag der vorderen Räder δ_F,
Fahrzeugmasse m,
Fahrzeugträgheitsmoment um die Hochachse I_z,
Fahrzeuglängsgeschwindigkeit ν_x,
Fahrzeugquergeschwindigkeit ν_y,
Längsgeschwindigkeit des Reifenaufstandpunktes ν_Tire,x,
Schwimmwinkel β,
Fahrzeugquerbeschleunigung a_y,
Fahrzeuggiergeschwindigkeit ψ .,
Kraft F,
Reibwert μ,
Schräglaufwinkel der vorderen Räder α_F,
Schräglaufwinkel der hinteren Räder α_R,
Längsschlupf κ,
Abstand zwischen der Vorderachse und dem Fahrzeugschwerpunkt l_F
Abstand zwischen der Hinterachse und dem Fahrzeugschwerpunkt l_R,
Halbe Spurweite l_G,
Antriebsmoment am Rad M_p,
Bremsmoment am Rad M_b,
Systemzustandsvektor x,
Systemeingangsvektor u,
Systemausgangsvektor v,
Sigma-Points-Vektor χ,
Rauschenvektoren ω, ν,
Kovarianzmatrizen P, Q, R,
Bezugssystem B.

In dem Ausführungsbeispiel wird ein Fahrzeug betrachtet, welches mit vier Raddrehzahlfühlern, einem Gierratensensor und einem Querbeschleunigungssensor ausgestattet ist. Das Verfahren ist aber auch auf andere Sensorkombinationen anwendbar.
Die Bewegungsgleichungen für das in den Figuren dargestellte Fahrzeugmodell lauten:
Der Luftwiderstand wird folgendermaßen berücksichtigt:
Die Radbewegungen werden durch die folgenden vier Drallgesetze beschrieben:
Die Schräglaufwinkel lauten (siehe 2):
Die Radschlupfwerte sind wie folgt definiert:
Um die Radkräfte zu berechnen, wird die so genannte „Magic Formula" von Pacejka eingesetzt: Fx = Gxα·Fx0, Fy = Gyκ·Fy0. Fx0 = Fzμmax,xsin(Cxarctan(Bxκnew – Ex(Bxκnew – arctan(Bxκnew)))) + Sv,x. Fy0 = Fxμmax,ysin(Cyarctan(Byαnew – Ey(Byαnew – arctan(Byαnew)))) + Sv,y. κnew = κ + Sh,x, αnew = α + Sh,y. Gxα = cos[Cxαarctan(Bxαα – Exα(Bxαα – arctanα))].
Die Vertikalkräfte F_i,z können beispielsweise aus Quer- und Längsbeschleunigungen ausgerechnet werden.
Verallgemeinert ergibt sich ein nichtlineares dynamisches System der Form
Die Eingangs-, Zustands-, und Ausgangsvektoren lauten:
Im folgenden wird ein Unscented Kalman Filter als nichtlinearer Schätzalgorithmus zum Schätzen von Fahrzustandsgrößen beschrieben.
Es wird angenommen, dass das Prozessrauschen ω und das Messrauschen ν folgende Eigenschaften aufweisen:
Die Erweiterung der Systemgleichungen mit den Rauschtermen ergibt eine allgemeine nichtlineare Funktion der Form: x .(k + 1) = f(x(k), u(k)) + ω, y(k + 1) = h(x(k+ 1), u(k + 1)) + ν.
Weiterhin wird die folgende vereinfachte Schreibweise verwendet: fa(x, w, u) = f(x, u) + w ha(x, v, u) = h(x, u) + v
Die Dimension des Zustandsvektors x(t) wird mit n bezeichnet, die Dimension des Ausgangsvektors y(t) mit m.
Zusätzliche Hilfsgrößen L und η sind wie folgt definiert: L = n + n + m η = √L + κ
Hierin ist κ ein Einstellparameter, welcher in der Regel in der Weise festgelegt wird, dass die Bedingung L + κ = 3erfüllt ist.
Die Gewichtungsfaktoren ω_i lauten:
Am Anfang werden der geschätzte Zustandsvektor x ^ und die entsprechende Kovarianzmatrix P_x initialisiert: x ^0 = E[x0] Px0 = E[x0 – x ^0)(x0 – x ^0)T]
Die Schätzergleichungen für einen Berechnungsschritt lauten: x ^a(k|k) = [x ^(k|k)T 0 0]T
χx(k + 1|k) = fa(χx(k|k), χw(k|k), u(k))
γ(k + 1|k) = ha(χx(k|k), χv(k|k), u(k))
K(k + 1) = Pxy(k + 1|k)Py(k + 1|k)–1 x ^(k + 1|k + 1) = x ^(k + 1|k) + K(k + 1)(ymess(k + 1) – y ^(k + 1|k)) Px(k + 1|k + 1) = Px(k + 1|k) – K(k + 1)Py(k + 1|k)K(k + 1)T
Alternativ zu dem vorbeschriebenen Unscented Kalman Filter können auch sonstige nichtlineare „Sigma Punkte"-basierte Schätzalgorithmen eingesetzt werden.

Claims

Verfahren zur Schätzung zumindest einer Fahrzustandsgröße eines Fahrzeugs, bei dem Fahrzeugzustandsgrößen sensorisch ermittelt und zur Berechnung von nicht gemessenen Fahrzeugzustandsgrößen verwendet werden, dadurch gekennzeichnet, dass ein nichtlinearer Schätzalgorithmus und ein mathematisches Fahrzeugmodell zur Schätzung von Fahrzeugzustandsgrößen eingesetzt werden.
Verfahren nach Anspruch 2, dadurch gekennzeichnet, dass der nichtlineare Schätzalgorithmus ein „Sigma Punkte"-basierter Kalman Filter ist.
Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass der nichtlineare Schätzalgorithmus ein Unscented Kalman Filter ist.
Verfahren nach einem der Ansprüche 1 bis 3, dadurch gekennzeichnet, dass in dem mathematischen Fahrzeugmodell ein nichtlineares Reifenmodell berücksichtigt wird.
Verfahren nach Anspruch 4, dadurch gekennzeichnet, dass in dem Reifenmodell stationäre und dynamische Reifeneigenschaften berücksichtigt werden,
Verfahren nach einem der Ansprüche 1 bis 5, dadurch gekennzeichnet, dass in dem mathematischen Fahrzeugmodell ein Modell zur Abbildung der Straßenoberfläche berücksichtigt wird.
Verfahren nach Anspruch 6, dadurch gekennzeichnet, dass in dem Straßenoberflächenmodell vertikale Straßenanregungen berücksichtigt werden.
Verfahren nach Anspruch 6 oder 7, dadurch gekennzeichnet, dass in dem Straßenoberflächenmodell ein maximaler aktueller Reibwert berücksichtigt wird.
Verfahren nach Anspruch 8, dadurch gekennzeichnet, dass an den Rädern unterschiedliche Reibwerte berücksichtigt werden.
Verfahren nach einem der Ansprüche 1 bis 9, dadurch gekennzeichnet, dass das mathematische Fahrzeugmodell als ebenes Zweispurmodell ausgeführt ist.
Verfahren zur Regelung oder Steuerung zumindest einer Fahrzustandsgröße eines Fahrzeugs, bei dem Fahrzeugzustands-Istgrößen sensorisch ermittelt und der Berechnung von Fahrzeugzustands-Sollgrößen in einem mathematischen Fahrzeugmodell zugrunde gelegt werden, aus denen Stellwerte zur Einstellung mindestens eines Aktuators im Fahrzeug zur Änderung des Fahrzeugzustandes erzeugt werden, wobei ein nichtlineares Schätzverfahren nach einem der Ansprüche 1 bis 10 zur Schätzung von Fahrzeugzustands-Istgrößen eingesetzt wird.
Regel- und Steuergerät zur Durchführung des Verfahrens nach einem der Ansprüche 1 bis 11.