【技术实现步骤摘要】
一种基于双扩展卡尔曼滤波的车辆侧倾状态估计方法
[0001]本专利技术属于汽车电子控制领域，具体涉及一种基于双扩展卡尔曼滤波的车辆侧倾状态估计方法。
技术介绍
[0002]车辆在行驶过程中的侧倾运动会造成左右两侧车轮的负载发生变化，同时加剧车身的振动，对保证车辆主动安全性和乘员乘坐舒适性都极为不利。尤其是对于商用车而言，由于其质心较高，侧翻风险较大，对侧倾状态进行控制显得更加重要。
[0003]近年来，人们通过在汽车上配备防侧倾控制系统实现对车辆的侧向稳定性控制。为了保证防侧倾控制系统的控制性能，需要实时获取车辆的侧倾状态作为控制系统的输入。然而，传统的用于车辆运动状态监测的惯性测量单元(IMU)只能量测绕车辆x、y、z三个轴的角速度，而不能量测绕车辆x、y、z三个轴的角度。差分GPS可以量测绕车辆x、y、z三个轴的角度，但造价较高且适用工况有限。因此，急需设计出一种实时性好、精度高的观测器，利用可量测的车辆信号估计不可量测的车辆信号，以实现对车辆侧倾状态的实时监测，保证车辆的行驶安全性和乘坐舒适性。
[00...
【技术保护点】
【技术特征摘要】
1.一种基于双扩展卡尔曼滤波的车辆侧倾状态估计方法，其特征在于包括以下步骤：根据力矩平衡建立考虑侧倾运动和横摆运动的五自由度车辆动力学模型，得到系统的状态方程和输出方程；基于采集的待估计车辆的相关数据，利用双扩展卡尔曼滤波方法对所述状态方程和输出方程进行求解，得到待估计车辆侧倾状态的估计结果。2.如权利要求1所述的一种基于双扩展卡尔曼滤波的车辆侧倾状态估计方法，其特征在于：所述根据力矩平衡建立考虑侧倾运动和横摆运动的五自由度车辆动力学模型，得到系统的状态方程和输出方程的方法，包括：根据力矩平衡建立适用于商用车的五自由度车辆动力学模型；根据建立的五自由度车辆动力学模型，得到系统的状态方程和输出方程。3.如权利要求2所述的一种基于双扩展卡尔曼滤波的车辆侧倾状态估计方法，其特征在于：所述五自由度车辆动力学模型为：在于：所述五自由度车辆动力学模型为：在于：所述五自由度车辆动力学模型为：其中，m为整车质量；v
x
为车辆纵向速度；为质心侧偏角的一阶导数；m
s
为簧载质量；h为簧载质量质心到侧倾中心的距离；为车厢侧倾角速度；β为质心侧偏角；C
f
为前轴侧偏刚度；C
r
为后轴侧偏刚度；l
r
为车辆质心到后轴中心的距离；l
f
为车辆质心到前轴中心的距离；ψ为横摆角，为横摆角速度；δ
f
为前轮转角；φ为车厢侧倾角；φ
u
为非簧载质量侧倾角；为非簧载质量侧倾角速度；m
us
为非簧载质量，g为重力加速度，取9.8m/s2；I
XX
为侧倾转动惯量；I
XZ
为横摆
‑
侧倾转动惯量；I
ZZ
为横摆转动惯量；k
us
为非簧载质量侧倾刚度；k
s
为悬架侧倾刚度，是待估计的不确定参数；b
s
为悬架阻尼系数；h
u
为非簧载质量质心高度；r为侧倾中心的高度。4.如权利要求2所述的一种基于双扩展卡尔曼滤波的车辆侧倾状态估计方法，其特征在于：所述系统的状态方程和输出方程为：在于：所述系统的状态方程和输出方程为：其中，δ
f
为前轮转角，是系统的输入；M
‑1K为系统矩阵，M
‑1F为输入矩阵，C为输出矩阵；x为系统的状态；y为系统的量测输出。5.如权利要求2所述的一种基于双扩展卡尔曼滤波的车辆侧倾状态估计方法，其特征
在于：所述系统的量测输出采用惯性测量单元采集得到。6.如权利要求1所述的一种基于双扩展卡尔曼滤波的车辆侧倾状态估计方法，其特征在于：所述基于采集的待估计车辆的相关数据，利用双扩展卡尔曼滤波方法对所述状态方程和输出方程进行求解，得到待估计车辆侧倾状态的估计结果的方法，包括：对系统的状态方程和输出方程进行离散化处理，得到离散形式的状态观测系统和参数估计系统的状态空间方程，并进行系统初始化；基于离散形式的状态观测系统和参数估计系统的状态空间方程以及采集的待估计车辆的系统输入向量，采用双扩展卡尔曼滤波算法进行状态观测和参数估计，得到车辆侧倾状态估计结果。7.如权利要求6所述的一种基于双扩展卡尔曼滤波的车辆侧倾状态估计方法，其特征在于：所述状态观测系统的状态空间方程为：x
k+1
＝f(x
k
，u
k
，θ
k
)+w
k
y
k+1
＝h(x
k
，u
k
，θ
k
)+v
k
其中，x
k
为状态向量，x
k+1
为下一时刻的状态向量，u
k
为输入向量，θ
k
为时变的模型参数向量，y
k+1
为下一时刻状态观测系统的输出向量；w
k
、v
k
分别为状态观测系统的过程噪声序列和量测噪声序列；f(
·
)、h(
·
)均表示x
...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。