一种丢包环境下的车辆侧倾角与俯仰角估计方法技术

本发明专利技术公开了一种丢包环境下的的车辆侧倾角与俯仰角估计方法，它包括如下步骤：对四轮车行驶情况建立连续动力学模型；考虑复杂环境下的混合扰动和无线通讯时的丢包现象，建立系统状态方程，包括观测方程和输出方程，构建系统滤波器；给出系统误差模型，进一步给出基于最差非随机扰动下的系统误差模型，设计并通过迭代算法求解滤波器增益。本发明专利技术考虑了复杂环境和数据传输丢包现象的影响，针对四轮车动力学模型建立了系统状态方程和观测方程，进一步构建滤波器，在保障系统鲁棒性和抗干扰能力的前提下，对车辆侧倾角α和俯仰角β进行实时高精度的估计，估计结果可以满足实际应用的精度与实时性要求，并且所需的相关参数均可以通过低成本的传感器测得。

【技术实现步骤摘要】
一种丢包环境下的车辆侧倾角与俯仰角估计方法
本专利技术属于汽车定位导航
，具体涉及一种丢包环境下的车辆侧倾角与俯仰角估计方法，它考虑了无线通讯时存在的丢包现象，在最差非随机干扰下对车辆侧倾角与俯仰角进行估计，是为了给导航系统提供在最差非随机扰动下侧倾角与俯仰角的高精度估计。
技术介绍
导航是以某种方法或技术引导航行体安全、准确、经济、便捷地按照一定路径或者轨迹行进到目标点，实现上述引导功能的硬件设备以及相应配套软件统称为导航系统。为了弥补GPS信号失锁时无法定位的缺陷，GPS/INS组合导航系统在发挥各自特长的同时，能互相弥补不足，增强导航系统的可靠性并提高导航的精度，是导航技术发展的主要趋势。四轮车在行驶过程中会发生侧倾或俯仰运动，为了防止汽车发生侧翻，一般四轮车都会安装车载行驶姿态检测系统。当产生侧倾或俯仰运动时，车身的四个悬架吊点相对各轮轮心的垂直位置发生了变化，从而会产生侧倾角与俯仰角。车载行驶姿态检测系统通过GPRS模块接收观测数据，当检测到侧倾或俯仰达到极限工况时发出报警信号。同时侧倾角与俯仰角这两个参数在GPS/INS组合导航系统的航位推算中也是必不可少的。虽然在本文档来自技高网...

【技术保护点】
1.一种丢包环境下的车辆侧倾角与俯仰角估计方法,其特征在于包括如下步骤：1)对四轮车行驶情况建立连续动力学模型；2)考虑复杂环境下的混合扰动和无线通讯时的丢包，建立系统状态方程，包括观测方程和输出方程，并构建系统滤波器；3)给出系统误差模型，进一步给出丢包环境下基于最差非随机扰动下的系统误差模型，设计并通过迭代算法求解滤波器增益。

【技术特征摘要】
1.一种丢包环境下的车辆侧倾角与俯仰角估计方法,其特征在于包括如下步骤：1)对四轮车行驶情况建立连续动力学模型；2)考虑复杂环境下的混合扰动和无线通讯时的丢包，建立系统状态方程，包括观测方程和输出方程，并构建系统滤波器；3)给出系统误差模型，进一步给出丢包环境下基于最差非随机扰动下的系统误差模型，设计并通过迭代算法求解滤波器增益。2.根据权利要求1所述的一种丢包环境下的车辆侧倾角与俯仰角估计方法,其特征在于步骤1)中，对四轮车行驶情况建立连续动力学模型的方法具体包括以下步骤：1.1)不考虑地球自转速度的情况下，假定侧倾角速度和俯仰角速度为零，建立四轮车行驶过程中的连续动力学方程如式(1)所示：其中，vx,vy分别表示纵向速度和横向速度，上标"·"表示微分，ax,ay分别表示纵向加速度和横向加速度，wz表示横摆角速度，g表示重力加速度，α,β分别表示侧倾角与俯仰角；1.2)由式(1)得到侧倾角α和俯仰角β的表达式如式(2)所示：实际车辆行驶过程中，相对于车辆的纵向速度vx和车辆的横向速度vy和均很小能忽略不计，因此式(2)简化后如式(3)所示：其中α,β分别表示侧倾角与俯仰角，纵向加速度ax，横向加速度αy，纵向速度vx以及横摆角速度wz由四轮车上安装的传感器测得，而纵向速度vx的微分通过测得的vx对时间求导来得到。3.根据权利要求1所述的一种丢包环境下的车辆侧倾角与俯仰角估计方法，其特征在于步骤2)中考虑复杂环境下的混合扰动和传感器数据传输时的丢包，建立系统状态方程和观测方程包括以下步骤：2.1)离散化后的状态方程如式(4)所示：x(k+1)＝Ax(k)+w0(k)+w(k)(4)其中，k表示当前离散化时刻，k+1表示下一离散化时刻，x表示估计对象，包括侧倾角α和俯仰角β，即x＝[αβ]T，上标"T"表示矩阵的转置，A表示估计对象x的状态转移矩阵，w0表示均值为零方差为Q的高斯白噪声，w表示非随机有界扰动信号；2.2)离散化后的观测方程如式(5)所示：y(k)＝C2x(k)+v0(k)(5)其中，k表示当前离散化时刻，y表示观测向量，x表示估计对象,C2表示估计对象x的观测矩阵，v0表示均值为零方差为R的高斯白噪声；离散化后的输出方程如式(6)所示：其中，k表示当前离散化时刻，z,z0表示系统输出，x表示估计对象；2.3)基于上述系统设计一个滤波器，如式(7)所示：其中，k表示当前离散化时刻，k+1表示下一离散化时刻，x表示估计对象，A表示估计对象x的状态转移矩阵，表示估计对象x的估计值，L表示需要设计的滤波器增益，Φ表示期望为μ的伯努利过程，用来模拟丢包环境，C2表示估计对象x的观测矩阵，y表示观测向量，分别表示系统输出z,z0的估计值；该滤波器的作用是使得估计值接近系统输出z,z0，从而实现对估计对象x,即侧倾角α和俯仰角β的实时高精度估计。4.根据权利要求3所述的一种丢包环境下的车辆侧倾角与俯仰角估计方法,其特征在于步骤3)中，给出系统误差模型，进一步给出丢包环境下基于最差非随机扰动下的系统误差模型，设计并通过迭代算法求解滤波器增益具体包括以下步骤：3.1)通过式(4)、式(5)、式(6)、式(7)得到误差系统模型如式(8)所示：其中，k表示当前离散化时刻，k+1表示下一离散化时刻，ex表示估计对象x与对应估计值的差值,e表示系统输出z与对应估计值的差值，e0表示系统输出z0与对应估计值的差值，A表示估计对象x的状态转移矩阵，L表示需要设计的滤波器增益，Φ表示期望为μ的伯努利过程，用来模拟丢包环境，C2表示估计对象x的观测矩阵，w0表示均值为零方差为Q的高斯白噪声，v0表示均值为零方差为R的高斯白噪声，w表示非随机有界扰动信号；3.2)基于误差系统，定义最差的非随机有界扰动信号w如式(9)所示：w(k)＝Wex(k)(9)将式(9)代入式(8)，进一步得到最差非随机扰动下的系统误差模型如式(10)所示：定义中间矩阵AL和AW分别如式(11)、式(12...

【专利技术属性】
技术研发人员：冯宇，聂煊赫，陈焯明，高佳斌，俞晓天，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：浙江,33