一种基于参数识别的车辆状态估计方法技术

本发明专利技术公开一种基于参数识别的车辆状态估计方法，包括：建立簧上质量参数观测器；建立车辆状态观测器；初始化参数观测器和状态观测器；计算k时刻的悬架合力H

【技术实现步骤摘要】
一种基于参数识别的车辆状态估计方法


[0001]本专利技术涉及车辆参数识别与车辆状态估计领域，特别涉及一种基于参数识别的半主动悬架车辆状态估计方法。

技术介绍

[0002]半主动悬架系统的控制力大多是基于车辆运行状态信息进行反馈计算的，因此要求能够获得尽可能多的车辆运行状态信息，以实现更好的控制性能。但是，在工程应用中并非所有状态变量都能够由车载传感器直接准确测量获得。一方面原因是传感器难以直接测量某些状态变量；另一方面原因是传感器本身存在的标定误差、零飘、测量噪声等问题都会导致测量精度随传感器数量的增多而降低。此外，使用的传感器越多，半主动悬架系统的成本也相应越高。这些因素都会严重制约半主动悬架系统控制效果程度充分发挥。因此，通过已知的系统信息和可观测的信号估计得到完整且准确的半主动悬架车辆运行状态具有重要价值。
[0003]目前获得半主动悬架车辆状态的常用方法是设计基于车辆动力学参考模型的状态观测算法，根据已知的系统输入量以及易于传感器测量的车辆状态量来预测其它未知的状态量，再通过引入测量变量偏差反馈对预测的状态量进行修正，最终获得比较可靠的状态变量估计值。但是，该状态观测算法受到描述车辆运动状态的参考模型的影响较大。由于乘员数量或车辆空满载等工况变化，会引起车辆的簧上质量发生变化，使得参考模型与实际模型之间的模型误差变大，进而导致观测的状态变量估计值不准确。因此，对簧上质量进行实时参数识别，准确估计完整的车辆运行状态具有相当大的工程意义。
[0004]管继富等在中国专利技术公开专利CN115431696A公开的“一种车辆悬架动力学状态观测方法及控制方法”中，仅利用悬架动行程信号来对悬架系统的状态量以及路面高程进行估计。但是，该方法中表征模型误差的过程噪声只考虑了路面不平度激励的影响，没有涉及由于主观或客观因素导致的用于估计的参考模型与实际运动过程之间的动态模型误差，尤其是由于车辆载重即簧上质量变化引起的车辆状态观测器预测结果的误差，估计结果并不精确。

技术实现思路

[0005]为了解决现有技术中存在的问题，本专利技术提供一种基于参数识别的车辆状态估计方法，该方法先对半主动悬架车辆的簧上质量进行参数识别，从而更新车辆状态观测器的状态方程。再基于更新后的车辆状态观测器，根据悬架高度传感器信号，即可估计出完整车辆运行状态。
[0006]为实现本专利技术目的，本专利技术提供的一种基于参数识别的车辆状态估计方法，按以下步骤实现：
[0007](1)建立簧上质量参数观测器：
[0008]车辆在行驶过程中，簧上质量是几乎不变的，因此可以认为前一时刻的簧上质量
与后一时刻的簧上质量相等，即：
[0009]m
k+1
＝m
k (14)
[0010]其中，下标k和k+1表示时刻；m为簧上质量。
[0011]选取状态变量测量变量系统输入u＝[u]T
，可建立如下簧上质量参数观测器：
[0012][0013]其中，下标k和k+1表示时刻；m
s
为簧上质量，为簧上质量的垂向加速度，u为减振器可调作动力，H为包含减振器阻尼力和弹簧力的悬架合力；w为过程噪声，v为测量噪声，二者分别满足w～N(0,Q
w
)、v～N(0,R
v
)的高斯分布，其中Q
w
与R
v
分别表示过程噪声和测量噪声满足的协方差矩阵。此外，噪声w与v相互独立且和状态变量无关。
[0014](2)建立车辆状态观测器：
[0015]选取状态变量测量变量y＝[x
s
‑
x
u
]T
，系统输入u＝[u]T
，可建立如下车辆状态观测器：
[0016][0017]其中，A为系统状态矩阵，B为输入矩阵，C为输出状态矩阵；ω为过程噪声，υ为测量噪声，二者分别满足ω～N(0,Q
ω
)，υ～N(0,R
υ
)的高斯分布，其中Q
ω
与R
υ
分别表示过程噪声和测量噪声满足的协方差矩阵。此外，噪声ω与υ相互独立且和状态变量无关。
[0018]考虑到工程实际应用中的传感器和ECU等元件都是以采样时间T运行工作的，因此，对车辆状态观测器进行离散化：
[0019][0020]由此得到离散化形式的车辆状态观测器：
[0021][0022]其中，下标k和k+1表示时刻，下标d表示离散化形式；A
d
、B
d
、C
d
为离散化形式的矩阵。
[0023](3)初始化参数观测器和状态观测器：
[0024]设定簧上质量参数观测器的模型参数，包括设定初始簧上质量参数值θ0、初始参数误差协方差矩阵根据参数模型误差和簧上质量加速度传感器测量误差，设定过程噪声w和测量噪声v满足的协方差矩阵Q
w
与R
v
；设定簧上质量参数观测器的采样时间T
θ
。
[0025]设定车辆状态观测器的模型参数，包括设定初始车辆状态x0、初始状态误差协方差矩阵根据状态模型误差和悬架高度传感器测量误差，设定过程噪声ω和测量噪声υ满足的协方差矩阵Q
ω
与R
υ
；设定车辆状态观测器的采样时间T
x
。
[0026]其中，表征模型误差的过程噪声w和ω满足的协方差矩阵Q
w
和Q
ω
是通过离线调整取值使估计结果最优的方法确定的，表征传感器测量误差的测量噪声v和υ满足的协方差矩阵R
v
和R
υ
是通过对传感器测量信号进行噪声分析的方法确定的。
[0027](4)计算k时刻的悬架合力H
k
：
[0028]通过悬架高度传感器测量得到k时刻的悬架动挠度x
s
‑
x
u
，并对其信号进行离散微分，可得到k时刻的悬架动速度此外，由阻尼连续可调减振器控制单元得到k时刻的减振器可调作动力u
k
。由此，计算k时刻的悬架合力H
k
：
[0029][0030](5)计算k时刻的参数预测值和参数预测误差协方差
[0031]根据簧上质量参数观测器的预测方程，由k
‑
1时刻的参数估计值计算k时刻的参数预测值
[0032][0033]其中，上标折线表示预测值，上标波浪线表示估计值。
[0034]计算k时刻的参数预测误差协方差求解计算公式如下：
[0035][0036]其中，上标折线表示预测误差协方差，上标波浪线表示估计误差协方差。
[0037](6)计算k时刻的参数估计值和参数估计误差协方差
[0038]根据簧上质量加速度传感器的测量值与参数观测器的输出预测值之间的偏差，对k时刻的参数预测值进行反馈校正，求解计算公式如本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于参数识别的车辆状态估计方法，其特征在于，包括以下步骤：(1)建立簧上质量参数观测器；选取状态变量测量变量系统输入u＝[u]
T
，建立如下簧上质量参数观测器：其中，下标k和k+1表示时刻；y
k+1
表示k+1时刻的簧上质量加速度传感器的测量值，m
s
为簧上质量，为簧上质量的垂向加速度，u为减振器可调作动力，H为包含减振器阻尼力和弹簧力的悬架合力；w为过程噪声，v为测量噪声，二者分别满足w～N(0,Q
w
)、v～N(0,R
v
)的高斯分布，其中Q
w
与R
v
分别表示过程噪声和测量噪声满足的协方差矩阵；(2)建立车辆状态观测器；选取状态变量测量变量y＝[x
s
‑
x
u
]
T
，系统输入u＝[u]
T
，建立如下车辆状态观测器：其中，下标k和k+1表示时刻；x
s
为簧上质量的垂向位移，x
u
为簧下质量的垂向位移，u为减振器可调作动力；下标d表示离散化形式；A
d
为离散化的系统状态矩阵，B
d
为离散化的输入矩阵，C
d
为离散化的输出状态矩阵；ω为过程噪声，υ为测量噪声，二者分别满足ω～N(0,Q
ω
)，υ～N(0,R
υ
)的高斯分布，其中Q
ω
与R
υ
分别表示过程噪声和测量噪声满足的协方差矩阵；(3)初始化簧上质量参数观测器和车辆状态观测器；设定簧上质量参数观测器的模型参数，包括设定初始簧上质量参数值θ0、初始参数误差协方差矩阵根据参数模型误差和簧上质量加速度传感器测量误差，设定过程噪声w和测量噪声v满足的协方差矩阵Q
w
与R
v
；设定簧上质量参数观测器的采样时间T
θ
；设定车辆状态观测器的模型参数，包括设定初始车辆状态x0、初始状态误差协方差矩阵根据状态模型误差和悬架高度传感器测量误差，设定过程噪声ω和测量噪声υ满足的协方差矩阵Q
ω
与R
υ
；设定车辆状态观测器的采样时间T
x
；(4)计算k时刻的悬架合力H
k
：其中，为悬架动速度，x
s
‑
x
u
为悬架动挠度，u
k
为减振器可调作动力；(5)计算k时刻的参数预测值和参数预测误差协方差和参数预测误差协方差和参数预测误差协方差其中，上标折线表示预测情况，上标波浪线表示估计情况；
(6)计算k时刻的参数估计值和参数估计误差协方差和参数估计误差协方差和参数估计误差协方差式(6)和式(7)中：其中，为k时刻的参数偏差增益，为k时刻的簧上质量加速度传感器的测量值，I表示单位矩阵；(7)更新k时刻的车辆状态观测器：对参数估计值取倒数，得到k时刻的簧上质量估计值将k时刻的簧上质量估计值代入式(2)，更新车辆状态观测器，并根据状态观测器的采样时间T
x...

【专利技术属性】
技术研发人员：杜灿杰，殷智宏，上官文斌，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：