一种基于改进自适应扩展卡尔曼滤波的车辆状态估计方法技术

本发明专利技术公开了一种基于改进自适应扩展卡尔曼滤波的车辆状态估计方法，包括：建立三自由度车辆动力学模型；基于车辆动力学模型进行动力学方程求解；采用递归最小二乘法估计轮胎的侧偏刚度，得到轮胎的实时侧偏刚度；基于动力学方程设计模糊自适应扩展卡尔曼滤波器；其中，所述模糊自适应扩展卡尔曼滤波器能够对估计过程中存在的观测噪声进行实时修正；所述模糊自适应扩展卡尔曼滤波器中使用所述轮胎的实时侧偏刚度作为轮胎侧偏刚度值；使用所述模糊自适应扩展卡尔曼滤波器进行车辆状态参数的估计。本发明专利技术提供的车辆状态估计方法能够不断修正轮胎的侧偏刚度，并且能够实时调整观测噪声，有效地提高了车辆状态参数的估计精度。有效地提高了车辆状态参数的估计精度。有效地提高了车辆状态参数的估计精度。

【技术实现步骤摘要】
一种基于改进自适应扩展卡尔曼滤波的车辆状态估计方法


[0001]本专利技术属于车辆状态参数估计
，特别涉及一种基于改进自适应扩展卡尔曼滤波的车辆状态估计方法。

技术介绍

[0002]“安全”一直是车主对车辆考核的重要指标，车辆主动安全控制系统通过安装在车上的各种传感器收集车辆状态参数信息，并且将这些信息实时地反馈给驾驶员，以提高驾驶员在驾驶车辆行驶过程中提前规避危险的能力。并且，在车辆突然发生故障或遭遇交通事故时，主动安全系统可以对行驶状况进行干预，使车辆能够平稳减速直至停车，避免发生侧翻或纵向翻倾而造成更为严重的后果。
[0003]在主动安全系统的闭环控制中，最重要的一个环节便是对车辆的行驶状态进行估计。要实现主动控制的前提是传感器必须要准确的测量出车辆行驶过程中的实时状态参数信息，这些信息包括纵向车速、侧向车速、质心侧偏角、横摆角速度等，并传递给车辆主动安全系统。对这些参数的精确获取能够提高主动安全系统控制的准确度，使车辆在各种路况下能够更稳定、更安全的行驶。为了降低使用传感器带来的成本，通常采用在车辆动力学模型的基础上构建车辆行驶状态估计器的方法对车辆主动安全系统在进行主动安全控制过程中所需要的状态参数进行估计。该方法具有较高的模型精度，能够很好地描述车辆的整体运动特性，取得了较好的估计效果。但由于车辆在行驶过程中其某些参数和观测噪声也在实时发生变化，若采用固定值直接输入到模型中将会在一定程度上影响状态估计的准确性。

技术实现思路

[0004]本专利技术的目的是提供一种基于改进自适应扩展卡尔曼滤波的车辆状态估计方法，其能够克服在运用扩展卡尔曼滤波估计车辆状态参数过程中侧偏刚度为固定值的缺点，并且能够实时调整观测噪声，有效地提高车辆状态参数的估计精度。
[0005]本专利技术提供的技术方案为：
[0006]一种基于改进自适应扩展卡尔曼滤波的车辆状态估计方法，包括：
[0007]建立三自由度车辆动力学模型；
[0008]基于车辆动力学模型进行动力学方程求解；
[0009]采用递归最小二乘法估计轮胎的侧偏刚度，得到轮胎的实时侧偏刚度；
[0010]基于动力学方程设计模糊自适应扩展卡尔曼滤波器；
[0011]其中，所述模糊自适应扩展卡尔曼滤波器能够对估计过程中存在的观测噪声进行实时修正；所述模糊自适应扩展卡尔曼滤波器中使用所述轮胎的实时侧偏刚度作为轮胎侧偏刚度值；
[0012]使用所述模糊自适应扩展卡尔曼滤波器进行车辆状态参数的估计。
[0013]优选的是，所述动力学方程为：
[0014][0015]其中，u为纵向车速；为纵向车速的导数；v为侧向车速；为侧向车速的导数；ω为横摆角速度；为横摆角速度的导数；a
y
为侧向加速度；a
x
为纵向加速度；J
z
为绕车辆动力学模型中z轴的转动惯量；Γ为横摆力矩。
[0016]优选的是，估计轮胎的侧偏刚度的方法为：
[0017]确定轮胎侧向力与侧偏刚度的线性回归方程为：
[0018][0019]式中，Y
k
为k时刻的系统输出样本集合，w
k
为系统辨识参数集合，为k时刻的样本集合，V
k
为k时刻的系统噪声；
[0020]其中，
[0021][0022]式中，C
αf
和C
αr
分别为前、后轮的侧偏刚度，ω为车辆的横摆角速度，为车辆的横摆角速度的导数，m为整车质量，L为轴距，δ
f
为前轮转角，u为纵向车速，为侧向车速的导数。
[0023]根据递归最小二乘法的遗忘因子递推算法公式，得到轮胎的侧偏刚度：
[0024]其中，所述递推算法公式为：
[0025][0026]式中，G
k
为k时刻的增益矢；P
k
、P
k
‑1分别为k、k
‑
1时刻的误差协方差矩阵，λ为遗忘因子，为k
‑
1时刻的样本集合。
[0027]优选的是，所述遗忘因子λ的取值范围为[0.98,1]。
[0028]优选的是，设计模糊自适应扩展卡尔曼滤波器的方法为：
[0029]基于动力学方程得到扩展卡尔曼滤波器；
[0030]将扩展卡尔曼滤波器中理论方差与实际方差之间的差值e和e的导数ec作为模糊控制器的两个输入，模糊控制器的输出为调节因子U；
[0031]将在k时刻模糊控制器输出的滤波因子U与观测噪声协方差矩阵相乘，得到该时刻的观测噪声协方差矩阵的估计值；实现扩展卡尔曼滤波算法的模糊自适应。
[0032]本专利技术的有益效果是：
[0033](1)本专利技术搭建的三自由度车辆动力学模型考虑了车辆行驶过程的非线性动力学问题，充分表征了车辆在行驶过程中的主要行为特征。
[0034](2)本专利技术基于递归最小二乘法的侧偏刚度估计器能够不断修正轮胎的侧偏刚度，同时基于模糊自适应扩展卡尔曼滤波能够对估计过程中存在的观测噪声进行实时修正，有效地降低了使用卡尔曼滤波器估计车辆状态参数时的误差。
附图说明
[0035]图1为本专利技术所述的基于改进自适应扩展卡尔曼滤波的车辆状态估计方法的流程图。
[0036]图2为三自由度车辆动力学模型示意图。
[0037]图3为模糊控制中输入e的隶属度函数图。
[0038]图4为模糊控制中输入ec的隶属度函数图。
[0039]图5为模糊控制中输出U的隶属度函数图。
[0040]图6为转向工况下横摆角速度估计结果图。
[0041]图7为转向工况下质心侧偏角估计结果图。
[0042]图8为转向工况下纵向车速估计结果图。
[0043]图9为蛇形工况下横摆角速度估计结果图。
[0044]图10为蛇形工况下质心侧偏角估计结果图。
[0045]图11为蛇形工况下纵向车速估计结果图。
[0046]图12为双移线工况下横摆角速度估计结果图。
[0047]图13为双移线工况下质心侧偏角估计结果图。
[0048]图14为双移线工况下纵向车速估计结果图。
具体实施方式
[0049]下面结合附图对本专利技术做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。
[0050]如图1所示，本专利技术提供了一种基于改进自适应扩展卡尔曼滤波的车辆状态估计方法，具体过程如下。
[0051]一、建立三自由度车辆动力学模型
[0052]以整车左右中心对称面为Y基准平面，以垂直于Y基准平面且平行通过车体纵梁平面或地板大面的平面为Z基准平面，以垂直Y基准平面同时垂直Z基准平面且过整备状态前轮轮心的平面为X基准平面。所建立的动力学模型如图2所示，包括车辆的纵向、侧向以及横摆运动，并对模型做出以下假设：
[0053](1)忽略悬架系统的影响，车身只作平行于地面的平面本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进自适应扩展卡尔曼滤波的车辆状态估计方法，其特征在于，包括：建立三自由度车辆动力学模型；基于车辆动力学模型进行动力学方程求解；采用递归最小二乘法估计轮胎的侧偏刚度，得到轮胎的实时侧偏刚度；基于动力学方程设计模糊自适应扩展卡尔曼滤波器；其中，所述模糊自适应扩展卡尔曼滤波器能够对估计过程中存在的观测噪声进行实时修正；所述模糊自适应扩展卡尔曼滤波器中使用所述轮胎的实时侧偏刚度作为轮胎侧偏刚度值；使用所述模糊自适应扩展卡尔曼滤波器进行车辆状态参数的估计。2.根据权利要求1所述的基于改进自适应扩展卡尔曼滤波的车辆状态估计方法，其特征在于，所述动力学方程为：其中，u为纵向车速；为纵向车速的导数；v为侧向车速；为侧向车速的导数；ω为横摆角速度；为横摆角速度的导数；a
y
为侧向加速度；a
x
为纵向加速度；J
z
为绕车辆动力学模型中z轴的转动惯量；Γ为横摆力矩。3.根据权利要求2所述的基于改进自适应扩展卡尔曼滤波的车辆状态估计方法，其特征在于，估计轮胎的侧偏刚度的方法为：确定轮胎侧向力与侧偏刚度的线性回归方程为：式中，Y
k
为k时刻的系统输出样本集合，w
k
为系统辨识参数集合，为k时刻的样本集合，V
k
为k时刻的系统噪声...

【专利技术属性】
技术研发人员：付尧，王鸿林，雷雨龙，刘科，孙熙淮，
申请(专利权)人：吉林大学，
类型：发明
国别省市：