KR20150134349A

KR20150134349A - 차량 레퍼런스 속도를 결정하는 방법 및 이러한 방법을 갖는 차량 제어기

Info

Publication number: KR20150134349A
Application number: KR1020157026350A
Authority: KR
Inventors: 천 장; 율린 레플리어; 필립 케쓸러
Original assignee: 콘티넨탈 테베스 아게 운트 코. 오하게
Priority date: 2013-03-25
Filing date: 2014-03-24
Publication date: 2015-12-01
Also published as: EP2978643A1; EP2978643B1; CN105073526A; WO2014154639A1; US20150375719A1; CN105073526B; US9701289B2; DE102013205245A1

Abstract

본 발명은 차량 레퍼런스 속도를 결정하는 방법 및 이러한 방법을 갖는 차량 제어기에 관한 것이고, 여기서 상태 신호들은 차량 상태 신호들 각각과 연관된 가중 팩터들을 포함하는, 직접적으로 또는 간접적으로 결정 또는 추정된 주행 상태 신호들은 병합 모듈 (10) 에서 병합되고, 이 병합 모듈 (10) 은 물리적 차량 파라미터들에 대응하는 신호들을 서로 교환하는 적어도 2 개의 확률적 추정기들 (1, 2, 3, 7) 을 포함하고, 이 추정기들 (1, 2, 3, 7) 과의 연관은 차량 거동에 대한 물리적 모델에 따라 선택된다.

Description

차량 레퍼런스 속도를 결정하는 방법 및 이러한 방법을 갖는 차량 제어기{METHOD FOR DETERMINING A VEHICLE REFERENCE SPEED AND VEHICLE CONTROLLER HAVING SUCH A METHOD}

본 발명은 청구항 제 1 항의 전제부에 따른 방법에 관한 것이다.

자동차들에 대한 자동차 브레이크 제어 시스템들, 드라이브 슬립 제어기들 및 주행 다이내믹스 제어기들에서 신뢰할 만한 차량 레퍼런스 속도를 결정하기 위한 다양한 방법들이 이미 알려져 있다.

DE 43 14 830 A1 에 따르면, 이것은 단지 휠 속도들의 분석에 기초한다. 추가의 센서들이 차량에서 이용 가능한 경우, 레퍼런스 속도 결정에 또한 동일하게 사용될 수도 있다. 따라서, WO 02/103366 은 길이방향 가속도 센서, 휠 회전율 센서들에 의한 ESP/ESC 제어기에서 차량 레퍼런스 속도의 결정 및 GPS 센서에 의한 포지션 결정을 개시한다. DE 10 2008 045 619 A1 은 또한, 카메라에 의해 결정된 포지션 정보를 프로세싱한다. 결정 방법은 DE 10 2004 060 677 A1 으로부터 알려지고, 여기서 그라운드에 대한 속도는 광학적 방법에 의해 결정된다. WO 2011 023 591 A1 및 DE 10 259 272 A1 은 휠 속도 정보, 길이방향 가속도에 대한 모델 및 휠 다이내믹스 모델의 조합에 관련된다. 휠 다이내믹스 모델 및 길이방향 가속도 모델은 휠 변위에 기초하여 차량의 가속도를 추정 또는 결정한다.

비-구동 축의 휠들의 슬립-프리 회전 (slip-free rolling) 에 순수하게 기초한 방법으로, 차량 속도가 정확하게 결정될 수 없는 상황들이 발생할 수 있다. 차량 레퍼런스 속도 신호는 그러면, 일부 제동 프로세스들 동안 또는 드라이브 슬립의 경우에서 실제 차량 속도를 대표하지 않는다. 이 문제는 드라이브 슬립 또는 드래그 토크의 경우의 모든 휠 드라이브 차량들에서 더욱 특히 존재한다. 이것은 종종, 추정된 속도가 모든 타입들의 차량에 대한 제동 상황에서 과소평가되고 모든 휠 드라이브 차량들에 대한 드라이브 상황에서 과대평가되는 것을 초래할 수 있다.

가속도 신호 및 엔진 토크를 포함함으로써, 추정된 속도를 타당한 것으로 만드는 것이 가능하다. 그러나, 엔진이 디커플링될 수 있기 때문에 엔진 토크 신호가 항상 제동 상황에서 이용 가능하지는 않다. 또한, 드래그 토크 신호는 드라이브 상황에서 엔진 토크 신호에 비교할만한 고품질을 갖지 않는다. 더욱이, 엔진 토크는 휠들이 스핀 또는 록킹될 수 있기 때문에 도로로 충분히 트랜스퍼될 수 없다. 반면에, 관성 센서 시스템의 가속도 신호는 장기 드리프트, 어셈블리 부정확성들 및 도로 경사도 때문에 오프셋된다. 또한, 신호는 차축 진동으로부터의 잡음 및 관성에 의해 야기된 감속에 영향을 받는다. 가속도 센서에 대한 동등한 리던던시가 존재하지 않는다.

전술된 DE 10 259 272 A1 은 상이한 신뢰성을 갖는 신호들의 병합 (fusion) 의 문제게 관련된다. 설명된 방법에 따르면, 차량 속도는, 컴퓨팅 결과에 대한 영향이 가중 팩터들에 의존하는 복수의 이용 가능한 센서 신호들을 포함함으로써 결정된다.

본 발명의 목적은, 길이방향 가속도 센서 또는 브레이크 압력과 같은 추가적인 주행 상태 센서들을 포함하는 휠 회전율 정보에 기초하여 가중 팩터들과의 병합 방법을 사용하여 특히 정확하고, 강건한 그리고 신뢰성 있는 차량 레퍼런스 속도 결정 방법을 제공하기 위한 것이다.

이 목적은 청구항 제 1 항에 따른 방법에 의해 본 발명에 따라 달성된다.

본 발명에 따른 차량 레퍼런스 속도 결정 방법에 따르면, 주행 상태 신호들은 서로 병합 (fuse) 되고, 여기서 각각의 주행 상태 신호와 연관된 가중 팩터들의 포함이 수행된다. 이를 위해 모든 신호가 가중 팩터를 포함해야 하는 것은 아니다. 그러나, 이것은 보통의 경우이고, 게다가 특히 유리하다.

예를 들어, 신호들은 물리적 주행 상태들 또는 주행 파라미터들이며, 이들은 센서들로부터 간접적으로 또는 직접적으로 비롯되거나 이것들은 다른 신호들을 프로세싱함으로써 간접적으로 결정 또는 추정된다.

전술된 방법에 의해, 특히 정확한 휠 슬립 계산을 수행하는 것이 가능하고, 이에 의해 본 발명에 따른 차량 레퍼런스 속도 결정의 수단이 되는 주행 다이내믹스 제어기들, 드라이브 슬립 제어기들 및 브레이크 제어기들이 상당히 개선될 수 있다.

특히 바람직한 실시형태에 따르면, 본 발명은 따라서 확률적 추정기 (stochastic estimator) 들의 계층적 구조에 의해 주행 상태, 특히 차량 속도, 가속도 및 도로 경사도를 결정하는 방법에 관련된다.

퓨전 모델은 바람직하게, 적어도 2 개의 계층적으로 구조화된 모델 계산 레벨들로 분할 또는 세분되고, 여기서 각각의 모델 계산 레벨은 차량의 서브 영역을 모델링하고 특히 모든 레벨은 적어도 하나의 확률적 추정기들을 포함한다.

모델 계산 레벨들은 특히 바람직하게, 다음의 레벨들로 분할된다.

- 차량 모델,

- 타이어 모델, 및

- 드라이브 트레인 모델

여기서 차량 모델은 가장 특히 바람직하게, 차량의 길이방향 다이내믹스 모델이다.

더욱이, 본 발명은 이하에서 설명된 바람직한 실시형태들 A) 내지 F) 를 포함한다.

A) 차량 속도 추정을 위한 방법

여기서 설명된 방법에 따르면, 모델-기반 레퍼런스 차량 속도 추정은 3 개의 레벨들 (a1 내지 a3) 에 대한 모델들을 사용하여 수행된다.

a1) 드라이브 트레인 (드라이브 트레인 모델) 을 시뮬레이트하기 위한 방법

컴퓨터 시뮬레이션에 의해 시뮬레이트하는 것은 엔진 토크, 브레이크 토크 및 드라이브 트레인 컴포넌트들 (엔진, 클러치, 트랜스미션, 차동기 (differential), 휠들) 을 포함함으로써 수행된다.

a2) 타이어 특징 (슬립 커브에 대한 μ, 소위 타이어 특징 모델) 의 시뮬레이션 (컴퓨터 시뮬레이션) 을 위한 방법

특징 파라미터들을 결정하기 위해, 퓨전 모델은 바람직하게, 확률적 추정기들 외에, 적어도 하나의 다른 확률적 추정기에 추가하여, 특히 최소제곱법에 따른 연산, 및/또는 물리적 컴퓨터 모델을 포함한다. 최소제곱법은 재귀형 최소제곱법이 유리하다.

a3) 특히 차량 가속 또는 감속 모델에 기초한 길이방향 차량 모델

길이방향 차량 모델은 적어도 하나의 퓨전 필터를 포함한다. 기지의 확률적 추정기, 예컨대 칼만 필터는 유리하게, 퓨전 필터로서 고려된다.

B) 3 개의 레벨들 (b1-b3) 에 대한 복수의 확률적 상태 추정기들을 갖는 계층적 상태 추정 구조

b1) 드라이브 트레인 모델 레벨:

각각의 대안의 바람직한 실시형태에 따르면, 차축들에 대한 드라이브 트레인 모델이 각각의 경우에서 제공되고, 여기서 상이한 차축들에 대한 휠들의 속도들이 이와 함께 프로세싱된다. 상태를 추정하기 위해, 따라서 자동차의 2 개의 차축들로의 모델의 분할을 수행하는 것이 가능하다. 다시 말해, 각각의 경우에서 상태 추정기는 그러면, 하나의 차축을 담당하는데, 일반적으로 전방 차축에 대한 추정기 및 후방 차축에 대한 추정기가 존재한다.

대안으로, 또한 제동 상태를 포함하는 차량들에서의 드라이브의 모든 가능한 타입들에 대해 일반적인 솔루션을 사용하는 것이 가능하다. 이 경우에서, 각각의 상태 추정기는 입력들로서 드라이브 토크 및 브레이크 토크를 갖는다. 예를 들어, 2 개의 휠들 또는 하나의 차축에서만 구동된 차량의 경우에서, 단지 구동된 차축에 대한 상태 추정기에는 양의 주행 토크가 공급되는 반면에, 비-구동된 차축에 대한 상태 추정기에는 제로 드라이브 토크가 공급된다. 모든-휠 드라이브 차량의 경우에서, 각각의 차축은 부분 드라이브 토크를 수신한다. 제동 프로세스 동안, 각각의 차축에는 음의 브레이크 토크가 공급된다.

b2) 타이어/도로 접촉을 결정하기 위한 타이어 모델 레벨

휠-특정 슬립 커브 추정은 바람직하게, 타이어 특징의 파라미터들을 결정하는데 사용된다. 이것은, 재귀적 최소제곱법에 따른 추정에 의해 특히 수행된다. 상기 추정 동안, 마찰력 및 타이어 강성의 최대 이용 가능한 계수들이 계산에 유리하게 포함된다.

b3) 차량 모델 레벨

바람직한 실시형태에 따르면, 주행 상태 신호들은 다음의 신호 소스들로부터 형성된다:

- ESC 운전 상태 센서들, 예컨대 바람직하게

i) 휠 속도들 (ω_i) 및

ii) 차량 길이방향 가속도 (a_x,sensor).

특히 이들은,

- 차량 길이방향 속도 (v_ref),

- 차량 길이방향 가속도 (a_ref) 및

- 도로 경사도 각 (γ_ref)

을 포함한다.

다른 바람직한 실시형태에 따르면, 차량 속도 및 차량 길이방향 가속도의 결정은 적어도 다음의 부분들을 포함하여 수행된다:

- 측정된 차량 가속도, 특히 장기 오프셋 및 경사도에 대해 보상된 병합에 대한 선형 다이내믹스를 갖는 확률적 추정기,

- 모델로부터 계산된 차량 가속도, 및

- 슬립에 대해 조정된 4 개의 휠 속도들.

모델 차량 가속도 (a_x,model) 를 결정하는 것은, 차량 길이방향 모델에서 비롯되는 차량 질량 및 타이어 특징으로부터의 원주방향 힘들에 기초하여 차량 모델 레벨에서 바람직하게 수행된다. 특히 바람직하게, 경사도 각도에 대한 별개의 추정기 및 전체 차량에 대한 별개의 추정기가 바람직하게 여기서 사용된다.

바람직한 실시형태들에 따르면, 측정된 차량 가속도 및 추정된 차량 가속도의 확률적 추정은 바람직하게, 차량 경사도를 결정하기 위한 이 방식에서 수행된다.

C) 시스템 잡음 및 측정 잡음의 모델링

c1) 바람직한 실시형태에 따르면, 확률적 퓨전 필터로부터 측정 잡음의 모델-기반 도출은 b1) 필터의 불확실성들로부터 드라이브 트레인의 더 낮은 모델 레벨에서 수행된다.

c2) 또한, 방법의 유사한 바람직한 실시형태에 따르면, 예컨대 특히 적어도 차량 중량, 관성들 및 과도 응답 (transient response) 을 포함하는, 차량 특성들을 포함하는 측정 잡음의 모델링이 수행될 수 있다.

c3) 다른 바람직한 실시형태에 따르면, 최종적으로 시스템 잡음의 상황-의존적인 모델-기반 결정이 또한, 수행될 수 있다.

D) (전체 필터를 복수의 추정기들로 분할함으로써) 개별의 추정기들의 디멘전 감축 및 컴퓨팅 부하 및 RAM/ROM 리소스들 뿐만 아니라 더 좋은 정확도의 연관된 감축

E) 길이방향 가속도 센서들의 일시적 실패에 대한 리던던시

F) 표준 ESC 센서들의 전용 사용, 예컨대: 휠 회전율들, 길이방향 가속도 센서, 엔진 토크 및 브레이크 압력들, 여기서 브레이크 압력들은 센서들에 의해 결정될 수 있거나 모델 베이시스에 대해 결정될 수 있다.

이것은, 방법이 표준 ESP/ESC 브레이크 제어기들에서 특히 단순히 구현될 수 있다는 이점을 제공한다.

본 발명에 따른 방법은 바람직하게, 수학적 계산들을 사용하는 고정 소수점 연산에서 순전히 프로그램적으로 구현된다. 이것은 본 발명에 따라 달성되는 디멘전 감축에 의해 모두 가능하다. 이것은, 통상적인 자동차 제어기들에서의 경우와 같이, 특히 비교적 낮은 프로세싱 속도들을 갖는 컴퓨터 시스템들에서 높은 프로세싱 속도를 초래한다.

본 발명에 따라 바람직하게 수행되는 센서들에 의해 추정 또는 결정되는 물리적 주행 상태 변수들의 리던턴트 프로세싱은, 계산 방법의 에러가 있는 센서 신호들 또는 센서 실패들에 대한 전체적으로 더 좋은 강건성을 초래한다.

바람직한 실시형태에 따라 사용되는 확률적 신호 프로세싱에 의한 멀티-가설 추적 전략 때문에, 신호들 (예를 들어, 휠 속도들) 간의 단순한 스위칭에 비해 개선된 성공 확률이 결과로 생긴다.

종속 청구항들 및 도면들을 이용하는 예시적인 실시형태들에 대한 다음의 설명으로부터 다른 바람직한 실시형태들이 생긴다.
도면에서,
도 1 은 복수의 상호연결된 확률적 추정기들로 분할되는 차량 레퍼런스 속도 결정 방법의 프리젠테이션을 나타낸다.

도 1 에서, 차량 레퍼런스 속도를 결정하기 위한 추정기 (10) 는 메인 계산 블록들로 도시되고, 예컨대 ESC/ESP 브레이크 제어기와 같은 전자 차량 제어기 또는 차량 중심 컴퓨터에서 사용될 수 있다. 전자 제어기는 제어기에 연결되거나 제어기 내에 포함되는 차량 센서들, 예컨대, 휠 회전율 센서들, 요 레이트 센서 또는 길이방향 가속도 센서로부터 신호들을 수신하고, 이 신호들을 마이크로제어기에서 프로세싱한다. 내부 디지털 신호 프로세싱 때문에, 따라서 별개의 칼만 필터들이 상태들의 퓨전에 특히 유리하다.

추정기 (10) 는 3 개의 레벨들을 갖는 계층적 필터 포메이션이다. 상태 공간 모델은 휠 당 휠 속도들 ω_i(i=1 내지 4), 차량 속도 (v_x) 및 차량의 길이방향 (x) 에서의 가속도 (a_x) 간의 수학적 관계를 생성하는 일반적인 상태 방정식에 의해 2 개의 휠 드라이브 차량에 대해 또는 모든 휠 드라이브 차량에 대해 표현될 수 있다.

추정기 (10) 는 다음의 디지털적으로 변환된 센서 신호들을 프로세싱한다:

- ω_i = (도 1 의 RDF 로서 지칭된) 휠 회전율 신호들 (9),

- a_x,sensor= 가속도 센서 신호 (8),

- T_eng = 엔진 토크 신호 (11), 및

- P_THZ = 운전자의 초기 압력 (12)(THZ, 도 1 에서의 "브레이크 토크" 박스).

전술된 컴퓨팅-집약적 상태 방정식의 관찰은 추정기 (10) 에서 3 개의 독립적인 계산 레벨들로 분할되고, 이들 각각은 독립적인 차량 모델로서 고려될 수 있다:

- 슬립 특징을 결정하기 위한 λ,μ 커브 추정기 (2) 를 포함하는 타이어 모델 (200),

- 휠 다이내믹스 모델 (3) 을 포함하는 드라이브 트레인 모델 (300), 및

- 차량의 길이방향 다이내믹스 모델 (100).

예에 따른 방법은 세분된, 특히 적어도 부분적으로 계층적으로 구조화된 확률적 추정기들의 구조로서 이해될 수 있다. 따라서, 상위 레벨에 있는 관측자는 하위 레벨들에 있는 정보를 조합 및 평가할 수 있다. 결과의 계층적 구조는 태스크 분리가 수행되는 이점을 갖는다. 이러한 구조의 하위 추정기는 프리-필터링을 생산하는 반면에, 상위 레벨은 병합을 담당한다. "탑-다운" 및 "바텀-업" 영향들의 적응적 셀프-구성이 존재할 수 있다. 또한, 하위 레벨들에서 추정기들은 계층적 구조의 "탑-다운" 영향으로부터 이익을 얻는다. 이것은, 하위 레벨들이, 예를 들어 더 정확한 모델의 복수의 입력들의 상위 정보 콘텐트 때문에 더 정확한 결과들을 생성할 수 있는, 상위 레벨들의 예측들을 사용할 수 있다는 것을 의미한다. 또한, 상위 레벨들에서 결정된 우선순위들은 더 특정한 관점 (view of thing) 을 갖는 하위 관측자를 지원하도록 전해질 수 있다. 상위 레벨들에 대해서는 반대로, 상위 레벨들 만이 그들이 측정치로서 수신하는 하위 레벨들의 예측들을 관리해야 하기 때문에 "바텀-업" 영향이 중요하다.

확률적 추정기는, 예를 들어 기지의 칼만 필터, 특히 이산 칼만 필터이다. 상기 필터를 이용하여, 센서들에 의해 결정된 측정 신호들 (예를 들어, 물리적 주행 상태들의 측정 변수들, 예컨대 길이방향 가속도 센서로 측정된 길이방향 가속도), 및 또한 추정된 신호들의 퍼지니스 (fuzziness)(신뢰 구간 또는 "품질") 에 따라 동시적 가중을 갖는 소위 의사-측정 신호들 (예를 들어, 다른 신호들로부터 또는 이들과 계산되거나 추정되는 물리적 주행 상태 변수들) 양자 모두를 함께 병합하는 것이 가능하다. 신호들의 프로세싱 동안 신호 품질을 항상 포함할 수 있기 위해서, 신호들의 전송은 바람직하게 현재 전송되고 있는 신호들의 현재 품질과 함께 다음 컴퓨팅 모듈로 현재 신호 값을 통해 전송 또는 핸딩 (handing) 함으로써 수행된다.

이산 칼만 필터가 선형 방정식 시스템들에 특히 적합한 필터이기 때문에, 예를 들어 확장된 칼만 필터 (EKF) 또는 "분산점 (unscented)" 칼만 필터 (UKF) 의 특히 바람직한 사용에 의해 작업 포인트의 영역에서 선형화를 수행하는 것이 유리하다. 차량 제어기에서의 구현을 위해, 확장된 칼만 필터들이 더 특히 바람직한데, 사용된 물리적 컴퓨터들 (리소스들) 의 필요한 용량에 관련된 이점들을 동일하게 갖기 때문이다.

타이어 도로 접촉의 모델링은 비선형 전체 시스템을 초래하고, 이것은 비교적 높은 컴퓨팅 시간 요건으로 수치적으로 처리될 수 있다. 따라서, 선형 시스템들에 대해 주요하게 구상되는 단순한 칼만 필터들의 전용 사용을 수행하지 않는 것이 유리할 수 있다. EKF 필터들이 여기에 설명된 목적에 특히 적합한 것으로 도시되었는데, 상기 필터들을 사용하여 현재 작업 포인트에 관한 시스템을 선형화하는 것이 가능하기 때문이다.

시스템의 비선형성을 다루는 다른 가능성은 UKF 필터의 사용이다.

이 예에서 사용된 확률적 추정기들은 이하에서 설명된 적어도 컴포넌트들 1) 내지 7) 을 포함한다. 상기 넘버링은 본 발명의 예의 제한으로서 이해되지 않아야 한다. 차라리, 현재 요건들에 따라 추가의 컴포넌트들이 추가되거나 개별의 컴포넌트들을 제거하는 것이 가능하다.

휠 다이내믹스 및 차량 다이내믹스의 차이 때문에, 예를 들어 차량 가속도 및 레퍼런스 속도의 추정은 각속도들의 추정과 별개이다. 차량 레퍼런스 속도의 추정이 목표이고, 따라서 동일한 것에 대한 추정기가 상위 레벨에 배치된다. 각속도들의 모델을 추가로 단순화시키기 위해서, 전방 및 후방 차축들로 분할된다. 상기 구성의 선택은, 좌측 및 우측 휠들로의 분할과 대조적으로, 양 차축들에 상에서 그 휠들이 서로 강하게 커플링된다는 이점을 갖는다.

이 방식에서 형성된 추정기는 상대적으로 정확하고 과도하게 상이한 다이내믹스의 결과와 같은 특정한 수치적 문제들을 포함하지 않는다. 완전한 모델에 대한 추정기에 대조적으로, 분할 및 셀프-구성 구조는 또한, 파라미터화하기에 더 쉬운 능력의 이점을 제공한다. 전방 및 후방 차축들로의 분할은 또한, 관측자가 차량의 다른 타입들에 대해 더 쉽게 구성할 수 있게 한다. 따라서, 대체로 추정기 (10) 의 설계는 차량 컴퓨터에서의 구현을 용이하게 한다.

하위 레벨 (300) 에서, 2 개의 EKF 필터들 (3) 이 존재하고, 이 필터들은 슬립-영향받은 각속도들, 전방 차축에서 ω_FL 와 ω_FR 및 후방 차축에서 ω_RL 와 ω_RR 을 추정한다. 추정기들은 엔진의 구동 토크 (T_eng; 11) 뿐만 아니라 브레이크 토크들 (T_brk; 12) 을 입력들로서 사용한다. 브레이크 토크들은 차량 브레이크 시스템의 브레이크 압력들로부터 계산될 수 있다.

2 개의 드라이브 유닛들을 갖는 차량의 모델링을 사용하는 경우, 전방 차축의 추정기는 전방 엔진의 엔진 토크를 사용하고 후방 차축의 추정기는 후방 엔진의 엔진 토크를 사용한다. 유사하게, 브레이크 토크들은 차축들 간의 연결의 분리의 결과로서 나누어진다.

상위 레벨 (100) 에서, 퓨전 필터로서 사용되는 칼만 필터 (7) 가 존재한다. 이것은 차량의 속도 (v_ref) 및 가속도 (a_ref) 를 추정한다. 따라서 예시된 예에서 총 3 개의 추정기들, 하나는 전방 차축의 다이내믹스에 대해, 하나는 후방 차축의 다이내믹스에 대해, 그리고 하나는 차량의 전체 다이내믹스에 대해 사용되고 있다. 레벨 (100) 의 하부 부분에는, 퓨전 필터에 이용 가능하게 되는 4 개의 슬립-보상된 휠 속도들의 형태로 가속도에 대한 의사-측정치들을 생성하기 위한 블록 (5) 이 존재한다. 또한, 블록 (8) 의 가속도 센서의 측정 신호를 동일하게 사용한다. 계층적 구조의 세기들을 활용할 수 있기 위해서, 하위 레벨의 필터들에 의해 결정된 표준 편차는 퓨전 필터들로 포워딩된다. 또한, 전방 및 후방 차축들에 대한 추정기들은 그들의 추정치들을 서로 교환하고, 퓨전 필터들의 속도 및 가속도의 추정치를 입력으로서 사용한다. 2 개의 드라이브 유닛들을 갖는 차량을 모델링하는 경우, 그들 간의 하위 레벨의 추정치들의 사용이 생략된다.

1) "경사도 각 추정기" 컴포넌트

결정된 차량 레퍼런스 가속도 (v_ref) 뿐만 아니라 7 로부터 측정된 가속도 (a_ref) 및 10 으로부터 측정된 가속도 (a_x,sensor) 로부터, 도로 경사도 각 (γ_ref) 이 확률적 필터에 의해 추정된다.

2) "μ 슬립 특징 추정기", "λ,μ-커브 추정기" 컴포넌트

차량의 오프셋-보정된 길이방향 가속도 (a_{x,sensor,corr}) 를 사용하여, 사용된 마찰력의 계수 (μ_used) 가 계산될 수 있고, 이 마찰력의 계수는 드라이브의 타입 (2-휠 드라이브, 모든-휠-센터 차동기) 에 따라 4 개의 휠들 사이에서 분할될 수 있다. 파라미터화된 타이어 특징에 기초하고 사용된 마찰력 계수들 (μ_used,i) 및 4 로부터의 휠들의 계산된 슬립들 (λ_i) 를 사용하여, 레퍼런스 특징의 파라미터들 (c₀, c₁및 c₂) 은 최소제곱법에 의해 결정되고 마찰력의 최대 계수들 (μ_{max, i}) 이 또한 그로부터 결정된다. 마찰력의 모델 계수들 (μ_model,i) 및 연관된 주변 휠 힘들,

F_x,i = F_n,i

μ_model,i

슬립들에 따라 획득된 특징으로부터 도출될 수 있다.

3) "회전율 추정기" 컴포넌트

엔진 토크 신호 (T_eng) 의 분석에 의해, 회전율 신호 (ω_i), 1 로부터 추정된 경사도 각 (γ_ref) 의, 7 로부터 추정된 추정된 차량 가속도 (a_ref), 결정된 주변 타이어 힘들 (F_x,i), 및 2 로부터의 타이어 특성들 (슬립 커브) 의 분석에 의해, 잡음-감소된 휠 속도들 (

) 은 드라이브 트레인 모델 (타이어 다이내믹스 모델 포함) 을 고려하는 확률적 추정 방법 (예를 들어, 확장된 칼만 필터) 에 의해 결정된다.

4) "슬립 계산" 컴포넌트

휠 슬립들 (λ_i) 은 7 로부터 추정된 차량 속도 (v_ref) 및 3 으로부터 추정된 휠 회전율 (

) 을 사용하여 계산된다.

5) "모델 가속도" 컴포넌트

모델 차량 가속도 (a_x,model) 은 2 로부터 추정된 타이어 힘들 (F_x,i) 의 합을 질량으로 나눔으로써 계산된다.

6) "슬립 조정된 휠 속도들" 컴포넌트

4 로부터 추정된 슬립들 (λ_i) 은 측정된 휠 속도 (ω_i) 로부터 감산되고, 차량 속도에 대응하고 슬립에 대해 조정된 휠 속도들 (

) 이 따라서 계산된다.

7) "퓨전 필터" 컴포넌트

확률적 퓨전 필터 (예를 들어, 칼만 필터) 에서, 차량 속도 (V_ref) 및 차량 가속도 (a_ref) 는 선형 동적 모델에 의해 다음의 정보로부터 추정된다:

- 컴포넌트 6) 의

,

- 경사도 각 (γ_ref) 의 효과를 감산한 후에, 측정된 차량 가속도 (a_x,sensor), 및

- 컴포넌트 5) 로부터의 모델 차량 가속도 (a_x,model).

전체 프레임워크는 확률적 신호 프로세싱을 겪는다. 이것은, 추정된 신호들 자신들에 추가하여 컴포넌트들이 또한, 추가의 신호 프로세싱에서 고려되는, 추정된 신호들의 퍼지니스 (신뢰 구간들) 를 트랜스퍼하는 것을 의미한다. 알 수 있는 바와 같이, 측정치들의 수는 상태들의 수보다 크고 칼만 필터의 구조는 측정 신호들이 의사 측정 신호들과 함께 병합될 수 있게 한다. 칼만 필터는 신호 잡음을 사용하여 리던던트 속도 신호들 및 가속도 신호들로부터 가장 신뢰할 수 있는 정보를 필터링한다.

Claims

직접적으로 또는 간접적으로 결정 또는 추정된 주행 상태 신호들이 상기 주행 상태 신호들과 연관된 각각의 가중 팩터들을 통합하면서 퓨전 모델에 병합되는, 차량 레퍼런스 속도 결정 방법으로서,
상기 퓨전 모델 (10) 은 물리적 차량 변수들에 대응하는 신호들을 서로 교환하는 적어도 2 개의 확률적 추정기들 (1, 2, 3, 7) 을 포함하고, 상기 추정기들 (1, 2, 3, 7) 의 조합은 차량 거동의 물리적 모델에 따라 선택되는 것을 특징으로 하는 차량 레퍼런스 속도 결정 방법.
제 1 항에 있어서,
상기 퓨전 모델은 적어도 2 개의 계층적으로 구조화된 모델 계산 레벨들 (100, 200, 300) 로 구조화되고,
각각의 모델 계산 레벨 (100, 200, 300) 은 차량의 서브 영역을 모델링하고 특히 각각의 레벨은 적어도 하나의 확률적 추정기를 포함하는 것을 특징으로 하는 차량 레퍼런스 속도 결정 방법.
제 1 항 또는 제 2 항에 있어서,
확률적 추정기들 (1, 3, 7) 외에, 상기 퓨전 모델은 추가적으로, 특히 최소제곱법에 따라 작업하는 추가적인 확률적 추정기 (2) 및/또는 물리적 컴퓨터 모델 (4, 5, 6) 을 포함하는 것을 특징으로 하는 차량 레퍼런스 속도 결정 방법.
제 1 항 내지 제 3 항 중 어느 한 항에 있어서,
상기 주행 상태 신호들은, ESC-주행 상태 센서들,
예컨대 특히,
i) 휠 속도들 (ω_i), 및
ii) 차량 길이방향 가속도 (a_x,sensor) 로부터 도출되고,
상기 주행 상태 신호들은 특히 바람직하게,
- 차량 길이방향 속도 (v_ref),
- 차량 길이방향 가속도 (a_ref) 및
- 도로 경사도 각 (γ_ref)
을 포함하는 것을 특징으로 하는 차량 레퍼런스 속도 결정 방법.
제 1 항 내지 제 4 항 중 어느 한 항에 있어서,
상기 모델 계산 레벨들은, 레벨들
- 차량 모델 (100)
- 타이어 모델 (200), 및
- 드라이브 트레인 모델 (300) 을 포함하고,
상기 차량 모델 (100) 은 특히 상기 차량의 길이방향 동적 모델인 것을 특징으로 하는 차량 레퍼런스 속도 결정 방법.
제 1 항 내지 제 5 항 중 어느 한 항에 있어서,
타이어 특징들의 파라미터들을 결정하기 위해 휠-특정 슬립 커브 추정이 사용되는 것을 특징으로 하는 차량 레퍼런스 속도 결정 방법.
제 1 항 내지 제 6 항 중 어느 한 항에 있어서,
측정된 휠 속도들 및 추정된 차량 속도로부터 슬립 조정된 휠 속도들을 결정하는 각각의 차축에 대해 확률적 추정기가 사용되는 것을 특징으로 하는 차량 레퍼런스 속도 결정 방법.
제 1 항 내지 제 7 항 중 어느 한 항에 있어서,
차량 속도 및 차량 길이방향 가속도의 결정이 수행되고,
상기 수행 동안,
- 특히 장기 오프셋 및 경사도에 대해 보상된, 측정된 차량 가속도의 병합을 위한 선형 다이내믹스를 갖는 확률적 추정기,
- 모델로부터 계산된 차량 가속도, 및
- 슬립에 대해 조정된 4 개의 휠 속도들
이 사용되는 것을 특징으로 하는 차량 레퍼런스 속도 결정 방법.
제 1 항 내지 제 8 항 중 어느 한 항에 있어서,
차량 길이방향 모델에 기초한 차량 질량 및 상기 타이어 특징들로부터 원주방향 힘들에 기초하여 모델 차량 가속도 (a_x,model) 의 결정이 수행되는 것을 특징으로 하는 차량 레퍼런스 속도 결정 방법.
제 1 항 내지 제 9 항 중 어느 한 항에 있어서,
도로 경사도의 확률적 결정 또는 추정은 측정된 차량 가속도 및 추정된 상기 차량 가속도로부터 수행되는 것을 특징으로 하는 차량 레퍼런스 속도 결정 방법.
제 1 항 내지 제 10 항 중 어느 한 항에 기재된 방법이 구현되는 것을 특징으로 하는 차량 제어기.