一种轮毂电机驱动电动汽车的车速估计系统及方法技术方案

本发明专利技术公开一种轮毂电机驱动电动汽车的车速估计系统及方法，估计系统由传感器模块、UKF观测器、数据融合模块和BDS信号处理模块组成，基于BLDCM电动汽车离散化非线性数学模型对车速进行估计，采用UKF算法，从非线性三自由度车辆动力学模型出发，结合传感器模块和数据融合模块的信号，估计得到轮毂电机驱动电动汽车的实时车速，利用融合数据对模型估计的数据进行校正，并结合车轮轮速信号实现了多传感器的数据融合，采用扩展传感器数据的方法，扩展了BDS测速信号，统一各个传感器采样时间间隔，从而抑制空气阻力以及滚动阻力等车辆非线性等因素对于车速估计的干扰，提高对BLDCM电动汽车车速的估计精度。汽车车速的估计精度。汽车车速的估计精度。

【技术实现步骤摘要】
一种轮毂电机驱动电动汽车的车速估计系统及方法


[0001]本专利技术涉及轮毂电机驱动的电动汽车，具体是对该电动汽车的车速作估计的估计系统及方法，提升电动汽车的操作稳定性和行驶安全性。

技术介绍

[0002]随着汽车产业往电动化、智能化、共享化的不断发展，轮毂电机驱动电动汽车的车辆主动安全技术已经成为提高车辆操作稳定性和行驶安全性的重要方向之一，其中，车辆行驶速度是轮毂电机驱动电动汽车实现主动安全重要参数。目前，为了能获取较为准确的车速信号，一方面通过非驱动轮轮速或利用GPS等技术来估算车辆的行驶速度，另一方面，基于车辆不同传感器信号数据并建立各个传感器信号数据与车速之间的数学模型，采用数据融合的方法对不同模型结果进行数据融合进而估算车速，该方法能够抑制在一定干扰下车速的估算偏差。
[0003]中国专利号为201810223552.7的文献提出了一种基于观测器的车辆状态融合估计方法，该方法基于车辆模型分别采用信息融合滤波算法以及岭估计法对车辆状态进行估计，为了抑制估计所带来的数据扰动，设计了模糊控制器，根据质心侧偏角以及滑移率变化，调整两者之间的权重。中国专利号为201810831292.1的文献中提出了一种基于多模型融合的轮毂电机驱动车辆车速估计方法，该方法基于不同的传感器信号，采用卡尔曼滤波的方法对数据进行处理，最后采用数据加权融合的方法对车速进行估计。上述两专利技术方案均采用线性估计方法，忽略了车辆行驶过程中的非线性滚动阻力以及空气阻力。中国专利号为201811416992.0的文献中提出了一种多轮分布式电驱动系统纵向车速估计方法，该方法结合了GPS导航系统以及电机转速的测量数据并采用卡尔曼滤波方法进行数据融合，然而其忽略了GPS导航系统以及电机转速的测量数据之间采样频率的差异。
[0004]无迹卡尔曼滤波(Unscented Kalman Filter，UKF)，是一种基于非线性系统的估计方法，不同于扩展卡尔曼滤波将非线性系统线性化的方法，它是对非线性函数的概率密度分布进行近似。由于没有将非线性系统的高阶项忽略，因此针对于非线性系统具有较高的估计效果。无迹卡尔曼滤波基于模型通过一定的采样方法产生能够代表当前模型状态的分布的采样点(Sigma)点，将Sigma点通过非线性系统模型变换产生新的数据点，然后基于这些新的点结合传感器数据得到后验模型状态的分布。

技术实现思路

[0005]本专利技术针对现有轮毂电机驱动电动汽车导航系统与轮速传感器采样频率的差异以及车辆在行驶过程中存在的非线性因素的问题，提出了一种基于UKF(无迹卡尔曼滤波)的轮毂电机驱动电动汽车的车速估计系统以及估计方法，采用扩展传感器数据，统一各个传感器采样频率，实现对车速的实时估计，进一步提高轮毂电机驱动电动汽车的综合性能。
[0006]本专利技术所述的一种轮毂电机驱动电动汽车的车速估计系统采用的技术方案是：其由传感器模块、UKF观测器、数据融合模块和BDS信号处理模块组成，所述的传感器模块测量
并获取轮毂电机驱动电动汽车的四个车轮转速四个车轮转矩电流以及前轮转角δ
k
，k为当前时刻；所述的BDS信号处理模块用于获取并处理由北斗导航系统发送的汽车大地坐标系下的车速以及航向角输出车体质心坐标系下的汽车的纵向车速与横向车速所述的数据融合模块接收四个车轮转速纵向车速和横向车速输出车速融合数据Z
k；
；所述的UKF观测器接收车速融合数据Z
k
、四个车轮转速四个车轮转矩电流和前轮转角δ
k
，估计出当前k时刻汽车的纵向速度横向速度以及横摆角ψ
k
，将纵向速度和横向速度输入轮毂电机驱动电动汽车中，将横摆角ψ
k
输入到BDS信号处理模块中；i＝1,2,3,4，分别是左前，右前，左后以及右后轮。
[0007]所述的UKF观测器由预测模块和更新模块相互连接组成，所述的预测模块由轮胎侧偏角模块、魔术轮胎模块、BLDCM模块、单轮滚动动力学模块、车辆三自由度模块、第一无迹变换模块、非线性车速估计模块以及第一数理统计计算模块组成，轮胎侧偏角模块和魔术轮胎模块串联后连接车辆三自由度模块的输入端，BLDCM模块和单轮滚动动力学模块串联后连接车辆三自由度模块的输入端，车辆三自由度模块的输出端与第一无迹变换模块、非线性车速估计模块以及第一数理统计计算模块依次串联；所述的更新模块由第二无迹变换模块、第二数理统计计算模块以及卡尔曼滤波算法模块依次串联组成。
[0008]所述的四个车轮转矩电流输入到所述的BLDCM模块中，BLDCM模块计算出各个轮胎轮毂电机驱动电机的驱动转矩并将驱动转矩输入到单轮滚动动力学模块中；
[0009]所述的四个车轮转速输入到所述的单轮滚动动力学模块中，单轮滚动动力学模块以驱动转矩和四个车轮转速为输入，计算得到四个轮胎纵向力
[0010]所述的轮胎侧偏角模块以车速横摆角速度γ
k
‑
dt
和前轮转角δ
k
作为输入，估计出四个轮胎侧偏角dt为传感器模块的采样时间间隔；
[0011]所述的魔术轮胎模块以轮胎侧偏角作为输入，计算出轮胎侧向力并输入到车辆三自由度计算模块中；
[0012]所述的车辆三自由度计算模块以前轮转角δ
k
、轮胎侧向力轮胎纵向力为输入，计算出k时刻的车辆的纵向力侧向力横摆角速度γ
k
以及横摆角ψ
k
；
[0013]所述的第一无迹变换模块以车辆的纵向力和侧向力以及保存在其中的由更新模块输入的k
‑
dt时刻的协方差矩阵P
k
‑
dt
为输入，确定出车辆作用力的状态变量u
k
和扩展为状态变量sigma点集合(u
k
)
j
；
[0014]所述的非线性速度估计模块以集合(u
k
)
j
和k时刻的横摆角速度γ
k
为输入，估计出纵向预测车速集合和横向预测车速集合
[0015]所述的第一数理统计计算模块基于纵向预测车速集合和横向预测车速集合得到车辆纵向预测车速估计值横向预测车速估计值纵向车速预测
方差横向车速预测方差和预测协方差矩阵P
k/k
‑
dt
；
[0016]所述的第二无迹变换模块获取所述的车速融合数据Z
k
，输出扩展的车速融合数据集合(Z
k
)
j
；
[0017]所述的第二数理统计计算模块以纵向预测车速集合横向预测车速集合纵向预测车速估计值横向预测车速估计值以及车速融合数据集合(Z
k
)
j
为输入，得到融合数据估计值车辆状态变量与融合数据的协方差矩阵以及融合数据的方差矩阵
[0018]所述的卡尔曼滤波算法模块以纵向预测车速估计值横向预测车速估计值预测协方差矩阵P<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种轮毂电机驱动电动汽车的车速估计系统，其特征是：其由传感器模块、UKF观测器、数据融合模块和BDS信号处理模块组成，所述的传感器模块测量并获取轮毂电机驱动电动汽车的四个车轮转速四个车轮转矩电流以及前轮转角δ
k
，k为当前时刻；所述的BDS信号处理模块用于获取并处理由北斗导航系统发送的汽车大地坐标系下的车速以及航向角输出车体质心坐标系下的汽车的纵向车速与横向车速所述的数据融合模块接收四个车轮转速纵向车速和横向车速输出车速融合数据Z
k；
；所述的UKF观测器接收车速融合数据Z
k
、四个车轮转速四个车轮转矩电流和前轮转角δ
k
，估计出当前k时刻汽车的纵向速度横向速度以及横摆角ψ
k
，将纵向速度和横向速度输入轮毂电机驱动电动汽车中，将横摆角ψ
k
输入到BDS信号处理模块中；i＝1,2,3,4，分别是左前，右前，左后以及右后轮。2.根据权利要求1所述的一种轮毂电机驱动电动汽车的车速估计系统，其特征是：所述的UKF观测器由预测模块和更新模块相互连接组成，所述的预测模块由轮胎侧偏角模块、魔术轮胎模块、BLDCM模块、单轮滚动动力学模块、车辆三自由度模块、第一无迹变换模块、非线性车速估计模块以及第一数理统计计算模块组成，轮胎侧偏角模块和魔术轮胎模块串联后连接车辆三自由度模块的输入端，BLDCM模块和单轮滚动动力学模块串联后连接车辆三自由度模块的输入端，车辆三自由度模块的输出端与第一无迹变换模块、非线性车速估计模块以及第一数理统计计算模块依次串联；所述的更新模块由第二无迹变换模块、第二数理统计计算模块以及卡尔曼滤波算法模块依次串联组成。3.根据权利要求2所述的一种轮毂电机驱动电动汽车的车速估计系统，其特征是：所述的四个车轮转矩电流输入到所述的BLDCM模块中，BLDCM模块计算出各个轮胎轮毂电机驱动电机的驱动转矩并将驱动转矩输入到单轮滚动动力学模块中；所述的四个车轮转速输入到所述的单轮滚动动力学模块中，单轮滚动动力学模块以驱动转矩和四个车轮转速为输入，计算得到四个轮胎纵向力所述的轮胎侧偏角模块以车速横摆角速度γ
k
‑
dt
和前轮转角δ
k
作为输入，估计出四个轮胎侧偏角dt为传感器模块的采样时间间隔；所述的魔术轮胎模块以轮胎侧偏角作为输入，计算出轮胎侧向力并输入到车辆三自由度计算模块中；所述的车辆三自由度计算模块以前轮转角δ
k
、轮胎侧向力轮胎纵向力为输入，计算出k时刻的车辆的纵向力侧向力横摆角速度γ
k
以及横摆角ψ
k
；所述的第一无迹变换模块以车辆的纵向力和侧向力以及保存在其中的由更新模
块输入的k
‑
dt时刻的协方差矩阵P
k
‑
dt
为输入，确定出车辆作用力的状态变量u
k
和扩展为状态变量sigma点集合(u
k
)
j
；所述的非线性速度估计模块以集合(u
k
)
j
和k时刻的横摆角速度γ
k
为输入，估计出纵向预测车速集合和横向预测车速集合所述的第一数理统计计算模块基于纵向预测车速集合和横向预测车速集合得到车辆纵向预测车速估计值横向预测车速估计值纵向车速预测方差横向车速预测方差和预测协方差矩阵P
k/k
‑
dt
；所述的第二无迹变换模块获取所述的车速融合数据Z
k
，输出扩展的车速融合数据集合(Z
k
)
j
；所述的第二数理统计计算模块以纵向预测车速集合横向预测车速集合纵向预测车速估计值横向预测车速估计值以及车速融合数据集合(Z
k
)
j
为输入，得到融合数据估计值车辆状态变量与融合数据的协方差矩阵以及融合数据的方差矩阵所述的卡尔曼滤波算法模块以纵向预测车速估计值横向预测车速估计值预测协方差矩阵P
k/k
‑
dt
、融合数据估计值车辆状态变量与融合数据的协方差矩阵以及融合数据的方差矩阵为输入，得到k时刻纵向车速横向车速以及k时刻协方差矩阵P
k
。4.一种轮毂电机驱动电动汽车的车速估计方法，其特征是包括以下步骤：步骤1)：采用传感器模块测量轮毂电机驱动电动汽车的四个车轮转速四个车轮转矩电流以及前轮转角δ
k
，并将四个车轮转速传输到数据融合模块中，将四个车轮转速和四个车轮转矩电流以及前轮转角δ
k
传输到UKF观测器中，k为当前时刻；步骤2)：采用BDS信号处理模块获取并处理由北斗导航系统发送的汽车大地坐标系下的车速以及航向角将大地坐标系下的车速转化为车体质心坐标系下的汽车的纵向车速与横向车速并将纵向车速与横向车速传递给数据融合模块；步骤3)：数据融合模块基于所述的四个车轮转速以及所述的纵向车速和横向车速计算出k时刻扩展后的BDS纵向车速BDS横向车速得到车速融合数据b1、b2分别为信任系数，da为BDS信号处理模块的采样时间间隔，dt为传感器模块的采样时间间隔，cdt满
足不等式dt≤cdt＜da，c为在da采样时间间隔内第c次传感器模块的采样，i＝1,2,3,4，分别...

【专利技术属性】
技术研发人员：李仲兴，虞屹，
申请(专利权)人：江苏大学，
类型：发明
国别省市：