车辆行驶状态和轮胎魔术公式参数联合估计的方法技术

本发明专利技术专利涉及一种轮胎关键参数和车辆行驶状态的辨识方法，属于信息科学领域。该方法包括：建立多自由度车辆动力学方程，将轮胎魔术公式中确定的侧向力代入其中，利用龙格—库塔方法将车辆动力学方程转化为马尔科夫链形式，通过粒子滤波实现车辆行驶状态和魔术公式参数的联合估计，引入辅助变量，通过二次加权操作使得粒子权值的变化更为稳定，粒子重采样通过多项式采样法进行，重采样过程中引入随机摄动方法，改善粒子退化的同时增加粒子的多样性，实现轮胎魔术公式参数和车辆行驶状态的同时估计，可以获得较好的估计结果，更进一步可以通过估计出来的参数计算路面附着系数，确定路面特征，为未来的智能车辆行驶操纵提供依据。

【技术实现步骤摘要】

本专利技术属于信息技术中的系统状态和关键参数估计领域，特别涉及一种车辆行驶 状态和轮胎魔术公式参数联合估计的方法。
技术介绍
汽车行驶过程中的状态估计，是汽车动力学中的重要问题，其目的在于确定汽车 行驶状态下纵向车速、横摆角速度、质心侧偏角、横摆角位移等重要的状态变量，是实现汽 车底盘主动控制的关键技术之一。汽车的纵向动力学控制，依赖于对纵向车速的准确估计； 汽车的侧向动力学控制依赖于对横摆角速度或质心侧偏角的准确估计。这些待估计的状态 变量，虽然均可用传感器直接测量，但必须依赖价格昂贵的特殊试验设备，且需要特定的安 装固定方式，不适于配置在量产车上，只适合于开发试验阶段。因此，从节约成本和实际应 用的角度来看，必须根据量产车上的传感器配置，通过车辆状态估计技术，准确计算得到其 他所需、但不可测的状态信息。 另一方面，在汽车产品中新型结构、新的控制系统的研发阶段，用于描述汽车操纵 动力学行为的数学模型中存在不确定因素。模型中主要的不确定因素来自于由轮胎与地面 之前非线性的、由质心侧偏角、铅垂载荷等参数共同确定的侧向力。旨在确定轮胎侧向力等 车辆动力学行为的操纵动力学分析主要应用到的轮胎模型是Pacejka教授提出的魔术公 式模型： Fta = DAsin (CAarctan (Ba a A-EA (Ba a A-arctan (Ba a A)))) Ftp = DPsin (CParctan (Bp a p-EP (Bp a p-arctan (Bp a p)))) 上式中FTA、FTP表示前、后轮的侧向力，aA、％表示前、后轮的侧倾角，〇 4、(；、84、￡4分别表示前轮的峰值因子、形状因子、斜度因子、曲率因子；DP、CP、BP、E p分别表示后轮的峰 值因子、形状因子、斜度因子、曲率因子；上述八个参数是计算轮胎侧向力的关键参数。 这是基于试验数据的半经验轮胎模型，模型的建立依赖于广泛的数据而不是轮胎 结构本身，因此需要大量的试验数据来不断的修正魔术公式中的各个参数，并最终确定这 些参数，才能够确定车辆的动力学行为，这就大大的增加了确定这些参数的成本。 目前较为常用的估计算法有卡尔曼滤波算法、龙贝格观测器、鲁棒观测器、滑模观 测器、模糊观测器以及基于利亚普诺夫理论推导的非线性观测器。 普通Kalman滤波只能够对线性汽车动力学模型进行状态估计。扩展Kalman滤波 (EKF)及其改进算法，可以对包含非线性因素的汽车操纵动力学模型进行状态估计，但是 要以牺牲精度为前提；龙贝格观测器是通过系统的极点配置来达到状态估计目的的一种方 法，对反馈矩阵提出了较高的要求；鲁棒观测器和滑膜观测器的估计效果不够理想，因此寻 找一种突破系统高斯、线性束缚，同时能够保证较高精度的算法就显得非常有必要。 粒子滤波算法是通过寻找一组在状态空间中传播的随机样本来近似的表示概率 密度函数，用样本均值代替积分运算，从而获得系统状态的最小方差估计的过程，对非线 性、非高斯系统的状态估计有较好的效果。 国内在车辆状态估计问题方面的研究处于起步阶段。研究的重点在于通过卡尔曼 滤波器及其改进算法来估计车辆的横摆角速度、车速等，且大多停留在仿真研究阶段，由于 Kalman滤波自身的局限性，估计的精度和稳定性也较差；而关于车辆关键参数尤其是轮胎 的关键参数的辨识问题的研究，目前的研究也较少，而车辆轮胎参数和车辆行驶状态的联 合估计的研究对于未来的智能驾驶技术又尤其重要。
技术实现思路
本专利技术是针对目前的实用需求，减少确定魔术公式的各个参数所需的试验数量 和数据，提出一种，该方法包括下述步 骤： 步骤1，建立多自由度车辆动力学方程，通过龙格-库塔方法，实现方程降阶，将方 程转化成马尔科夫链的形式； 步骤2,根据需要估计的物理量、先验信息对粒子进行初始化，完成粒子权重计 算； 步骤3,通过辅助粒子滤波技术，通过二次加权，使粒子分布更为合理； 步骤4,在重采样过程中采用了随机摄动技术，对权值最大的粒子迭加随机摄动， 在解决粒子退化的同时，增加粒子多样性； 步骤5,实现了车辆行驶状态和魔术公式中峰值因子D、曲率因子E、形状因子C、斜 度因子B的估计，并通过估计得到的魔术公式参数，进一步实现了车辆行驶状态的估计。 本专利技术的优点效果如下： 利用较低成本的传感器获取容易测得的试验数据，利用这些数据，可以同时实现 针对于行驶车辆中描述轮胎动力学行为的魔术公式的多个关键参数的估计，进而实现车辆 行驶状态的估计和轮胎侧向力的间接估计，并通过轮胎侧向力的变化，实时掌握路面情况， 为未来智能驾驶系统的进一步操作提供参考。 【附图说明】 图1为本专利技术方法的流程框图。 图2为本专利技术方法的粒子滤波计算流程框图。 【具体实施方式】 本专利技术方法，结合附图详细说明如下： 1)建立多自由度车辆动力学方程，通过龙格-库塔方法，实现方程降阶，将方程转 化成马尔科夫链的形式； 2)根据需要估计的物理量、先验信息对粒子进行初始化，完成粒子权重计算； 3)通过辅助粒子滤波技术，通过二次加权，使粒子分布更为合理； 4)在重采样过程中采用了随机摄动技术，对权值最大的粒子迭加随机摄动，在解 决粒子退化的同时，增加粒子多样性。 5)实现了车辆行驶状态和魔术公式中峰值因子D、曲率因子E、形状因子C、斜度因 子B的估计，并通过估计得到的魔术公式参数，进一步实现了车辆行驶状态的估计。 6)建立车辆动力学方程，确定需要估算的行驶状态变量和关键参数。 7)计算系数 Ic1 = f (tn, yn)本文档来自技高网...

【技术保护点】
一种车辆行驶状态和轮胎魔术公式参数联合估计的方法，其特征在于包括下述步骤：1)建立多自由度车辆动力学方程，通过龙格‑库塔方法，实现方程降阶，将方程转化成马尔科夫链的形式；2)根据需要估计的物理量、先验信息对粒子进行初始化，完成粒子权重计算；3)通过辅助粒子滤波技术，通过二次加权，使粒子分布更为合理；、4)在重采样过程中采用了随机摄动技术，对权值最大的粒子迭加随机摄动，在解决粒子退化的同时，增加粒子多样性；5)实现了车辆行驶状态和魔术公式中峰值因子D、曲率因子E、形状因子C、斜度因子B的估计，并通过估计得到的魔术公式参数，进一步实现了车辆行驶状态的估计。

【技术特征摘要】
1. 一种车辆行驶状态和轮胎魔术公式参数联合估计的方法，其特征在于包括下述步 骤： 1) 建立多自由度车辆动力学方程，通过龙格-库塔方法，实现方程降阶，将方程转化成 马尔科夫链的形式； 2) 根据需要估计的物理量、先验信息对粒子进行初始化，完成粒子权重计算； 3) 通过辅助粒子滤波技术，通过二次加权，使粒子分布更为合理；、 4) 在重采样过程中采用了随机摄动技术，对权值最大的粒子迭加随机摄动，在解决粒 子退化的同时，增加粒子多样性； 5) 实现了车辆行驶状态和魔术公式中峰值因子D、曲率因子E、形状因子C、斜度因子B 的估计，并通过估计得到的魔术公式参数，进一步实现了车辆行驶状态的估计。2. 根据权利要求1所述的车辆行驶状态和轮胎魔术公式参数联合估计的方法，其特征 在于所述的步骤1中，建立动力学方程，并利用龙格库塔方法将方程转化成迭代形式，具体 方法如下： 1) 建立车辆动力学方程，确定需要估算的行驶状态变量和轮胎参数； 2) 计算系数h=f(tn,yn)5) 计算系数k4 =f(tn+h,yn+hk3) 6) 并利用龙格库塔方法将方程转化成如下迭代形式：其中h表示算法的时间间隔，采用定步长算法，即h确定，将状态方程转换成迭代形式。3. 根据权利要求1所述的车辆行驶状态和轮胎魔术公式参数联合估计的方法，其特征 在于所述的步骤2中，确定要实现估计的物理量，对各个参数根据其实际的物理意义对粒 子初始化后，具体方法如下： 1) 确定过程噪声和初始误差协方差； 2) 确定粒子数目，对粒子进行初始化； 3) 确定粒子初始分布； ...

【专利技术属性】
技术研发人员：包瑞新，石成江，栗佳，张涛，于会龙，
申请(专利权)人：辽宁石油化工大学，
类型：发明
国别省市：辽宁;21