一种基于无迹卡尔曼滤波的车速估算方法及系统技术方案

本申请公开了一种基于无迹卡尔曼滤波的车速估算方法及系统，涉及车速估算技术领域，该车速估算方法包括步骤：建立高精度车辆模型，获取整车参数；建立多自由度车辆动力学模型，根据所述整车参数，确定无迹卡尔曼滤波器的状态方程和观测方程，并确定所述无迹卡尔曼滤波器的输入量、状态量以及观测量，所述状态量至少包括纵向速度和侧向速度；利用车速估算器，结合当前时刻的状态量，以及所述状态方程和观测方程，估算下一时刻的纵向速度和侧向速度。本申请的基于无迹卡尔曼滤波的车速估算方法及系统，通过车速估算器结合无迹卡尔曼滤波算法，可在车辆运行过程中准确地估算出车辆的实时纵向速度和侧向速度，以提高车辆动力学控制的精度。

【技术实现步骤摘要】
一种基于无迹卡尔曼滤波的车速估算方法及系统
本申请涉及车速估算
，具体涉及一种基于无迹卡尔曼滤波的车速估算方法及系统。
技术介绍
目前，在车辆动力学控制中，车速是一个至关重要的状态量，它是计算车轮滑移率的基础，而滑移率是车辆动力学控制中的主要控制量。由于在车上安装直接测量车速的传感器成本太高，因此，在实际研究和开发中，车速一般都是作为一个不可直接获取的状态量，采用各种估算算法对车速进行估算。相关技术中，现有的估算算法有最大轮速法、斜率法和综合法，上述算法过程简单，实现方便，且成本低廉，但是估算精度不高，只适用于对控制精度要求不高的传统车辆。随着汽车智能化、网联化的发展，现代汽车对车辆动力学的集成控制精度要求进一步提高，因此亟需重新设计车速估算的数学模型和相应估算算法。在车速估算过程中存在不可避免的过程误差和观测误差，由于卡尔曼滤波KF(KalmanFilter)是一种线性估算算法，只能在线性高斯模型下解决线性系统的状态估算问题，而实际工程应用中的系统总是存在不同程度的非线性，例如车辆系统中的轮胎就是一个典型的高度非本文档来自技高网...

【技术保护点】
1.一种基于无迹卡尔曼滤波的车速估算方法，其特征在于，其包括步骤：/n建立高精度车辆模型，获取整车参数；/n建立多自由度车辆动力学模型，根据所述整车参数，确定无迹卡尔曼滤波器的状态方程和观测方程，并确定所述无迹卡尔曼滤波器的输入量、状态量以及观测量，所述状态量至少包括纵向速度和侧向速度；/n利用车速估算器，结合当前时刻的状态量，以及所述状态方程和观测方程，估算下一时刻的纵向速度和侧向速度。/n

【技术特征摘要】
1.一种基于无迹卡尔曼滤波的车速估算方法，其特征在于，其包括步骤：
建立高精度车辆模型，获取整车参数；
建立多自由度车辆动力学模型，根据所述整车参数，确定无迹卡尔曼滤波器的状态方程和观测方程，并确定所述无迹卡尔曼滤波器的输入量、状态量以及观测量，所述状态量至少包括纵向速度和侧向速度；
利用车速估算器，结合当前时刻的状态量，以及所述状态方程和观测方程，估算下一时刻的纵向速度和侧向速度。


2.如权利要求1所述的基于无迹卡尔曼滤波的车速估算方法，其特征在于，所述获取整车参数之前，还包括：
整车控制器输出各车轮的制动压力至所述高精度车辆模型；
所述高精度车辆模型根据所述各车轮的制动压力，对车辆进行实时模拟，得到所述整车参数；
所述整车参数包括纵向加速度、侧向加速度、横摆角速度、四个车轮的轮速以及四个车轮处的路面附着系数。


3.如权利要求2所述的基于无迹卡尔曼滤波的车速估算方法，其特征在于，所述获取整车参数之后，还包括：
所述高精度车辆模型输出四个车轮的轮速至所述整车控制器。


4.如权利要求2所述的基于无迹卡尔曼滤波的车速估算方法，其特征在于：
所述输入量包括四个车轮的轮速，所述状态量还包括纵向加速度、侧向加速度、横摆角速度、以及四个车轮处的路面附着系数，所述观测量包括纵向加速度、侧向加速度、以及横摆角速度。


5.如权利要求1所述的基于无迹卡尔曼滤波的车速估算方法，其特征在于，所述利用车速估算器，结合当前时刻的状态量，以及无迹卡尔曼滤波器的状态方程和观测方程，估算下一时刻的纵向速度和侧向速度，具体包括：
对当前时刻的状态量进行无迹变换，得到多个sigma点，并计算每个sigma点的权值；
根据所述状态方程和观测方程，计算先验状态估计值、先验误差协方差和先验观测估计值；
根据所述先验状态估计值、先验误差协方差和先验观测估计值，更新下一步观测值和误差协方差。


6.如权利要求1所述的基于无迹卡尔曼滤波的车速估算方法，其特征在于...

【专利技术属性】
技术研发人员：户亚威，苟斌，王成君，车顺，杜佩瑾，
申请(专利权)人：东风汽车集团有限公司，
类型：发明
国别省市：湖北;42