本发明专利技术公开了一种基于递归最小二乘的车辆侧倾角与俯仰角估计方法，本方法针对陆地行驶四轮车辆，建立符合其行驶特征的车辆动力学模型，进一步通过带遗忘因子的递归最小二乘方法实现对车辆侧倾角与俯仰角的实时、准确估计，且仅需低成本车载传感器，成本较低，所估计出的侧倾角与俯仰角信息可满足有关汽车组合导航与定位的需要。
【技术实现步骤摘要】
本专利技术涉及，其目的在于对汽车行驶的动力学过程进行适当的建模，并利用带遗忘因子的递归最小二乘方法获得车辆侧倾角与俯仰角估计值，这些估计值可用于车辆组合导航与定位，具有精度高、成本低、实时性好等显著优点，属于汽车定位导航领域。
技术介绍
近年来，智能交通系统ITS (Intelligent Transportation Systems)在世界范围内得到了高度的重视和快速的发展，ITS功能有效发挥的一个重要基础是实现车辆的准确可靠定位。在车辆准确可靠定位的情况下，ITS可以更有效的诱导车辆，提高运行效率，改善行车安全，减少尾气排放。目前，车辆导航定位领域应用最多的是GPS技术。但由于遮挡或多路径现象，GPS会出现定位不准甚至失效的问题，无法实现准确可靠的连续定位。为克服GPS的不足，车辆多传感器组合导航的研究引起了广泛的重视，即在GPS失效的情况下，利用惯导传感器或航位推算来进行推算定位，从而在GPS失效时获取较为准确的定位信息。车辆在实际道路上行驶过程中，由于道路纵向和横向坡度的存在以及车辆悬架的运动，导致存在着一定的车辆侧倾角和俯仰角，虽然其值一般较小，但其对于推算定位的准确性所起的作用却难以忽略。在陆地车辆应用中，车辆的加速度往往远小于重力加速度，以至于较小的侧倾角和俯仰角可能导致在车体坐标系下测量纵向和侧向加速度时产生较大的误差，这些误差会累积导致推算速度和位置信息时产生较大的累积误差。因此，对侧倾角和俯仰角等姿态角进行准确的测量或估计是推算出准确的定位信息的重要保证，其准确性是影响影响车辆组合定位精度的一个重要因素。通常用来确定侧倾角和俯仰角等姿态角信息的方法是使用完整的六维惯性测量单元IMU (Inertial Measurement Unit),该IMU包括3个加速度计和3个角速度陀螺仪，车辆的姿态角信息可以通过六维IMU的捷联算法计算得出。然而，六维MU价格昂贵，特别是三个陀螺仪的价格。考虑到许多车辆安装有电子稳定控制或横摆稳定控制系统，部分IMU信号可以通过车辆的CAN (Controller Area Network,控制器局域网络)总线较容易的获取，这些信号通常包括横摆角速度、纵向加速度与侧向加速度，为了有效降低成本，本专利即利用这些可获取的信息来估计车辆的侧倾角和俯仰角。理论上，如果车辆的初始状态已知且车辆的横摆角速度可获取，车辆的侧倾角和俯仰角可以通过数值积分方法计算。然而事实上，直接积分方法由于传感器误差和不可避免的数值运算误差，会导致较大的漂移，特别是在使用车载低成本MEMS(Micro-Electro-Mechanic System,微机电系统)传感器时，因此，本专利技术并不采用直接积分方法，而是提出一种实时递归最小二乘(Recursive Least Squares, RLS)算法来对车辆的侧倾角和俯仰角进行估计。
技术实现思路
本专利技术的目的是克服现有技术的不足，提出，该方法精度高、成本低、实时性好，能够汽车定位导航的需求。本专利技术采用的技术方案如下:，其特征在于:本专利技术针对陆地行驶四轮车辆，建立符合其行驶特征的车辆动力学模型，进一步通过带遗忘因子的递归最小二乘(Recursive Least Squares, RLS)方法实现对车辆侧倾角与俯仰角的实时、准确估计，且仅需低成本车载传感器，成本较低；具体步骤包括:1)建立汽车行驶过程的动力学模型忽略地球旋转速度，假设车辆的俯仰角速度、侧倾角速度与垂向速度为零，则可建立车辆行驶过程的动力学方程为:本文档来自技高网...
【技术保护点】
一种基于递归最小二乘的车辆侧倾角与俯仰角估计方法，其特征在于：本专利技术针对陆地行驶四轮车辆，建立符合其行驶特征的车辆动力学模型，进一步通过带遗忘因子的递归最小二乘（Recursive?Least?Squares,RLS）方法实现对车辆侧倾角与俯仰角的实时、准确估计，且仅需低成本车载传感器，成本较低；具体步骤包括：1）建立汽车行驶过程的动力学模型忽略地球旋转速度，假设车辆的俯仰角速度、侧倾角速度与垂向速度为零，则可建立车辆行驶过程的动力学方程为：v.x=ax+ωzvy+gsinθv.y=ay-ωzvx-gsinφcosθ---(1)式（1）中，vx,vy分别表示车辆的纵向速度和侧向速度，ax,ay分别表示车辆的纵向加速度和侧向加速度，ωz表示车辆的横摆角速度，上述定义都是针对车体坐标系，g表示重力加速度，φ,θ分别表示车辆的侧倾角与俯仰角，上标志“·”表示微分，如表示对vx的微分；由（1）式可得θ=arcsin(v.x-ax-ωzvyg)φ=arcsin(ay-ωzvx-v.ygcosθ)---(2)式（2）中，纵向车速的微分可通过纵向车速对时间求导获取，考虑到车辆正常行驶中，vy与数值较小因而可以忽略，同时，考虑到在大部分路面情况下，车辆的侧倾角与俯仰角通常是小角度，即有arcsin(·)≈·，则式（2）可简化为：θ=arcsin(v.x-axg)≈v.x-axgφ=arcsin(ay-ωzvx-v.ygcosθ)≈ay-ωzvxgcosθ---(3)2）所需车载传感器安装由式（3）可知，只需测得车辆的纵向速度、纵向加速度、侧向加速度与横摆角速度，即可利用所建立并合理简化后的车辆行驶动力学方程，即式（3）来估计车辆的俯仰角和侧倾角；因此，仅需要两个低成本MEMS（Micro?Electro?Mechanic?System，微机电系统）加速度传感器，一个低成本MEMS陀螺仪以及车速传感器即可满足测量要求；其中两个低成本MEMS加速度传感器安装于车辆质心位置附近，一个沿车体坐标系纵轴，用以测量纵向加速度，一个沿车体坐标系横轴，用以测量侧向加速度，低成本MEMS陀螺仪也安装于车辆质心位置附近，沿车体坐标系垂向轴安装，用以测量横摆角速度，车速传感器用于测量纵向车速，霍尔车速传感器或轮速传感器等传感器均可采用，在此不做限定，但要求车速测量精度误差小于0.05米/秒，在测得纵向车速信号后，将其对时间求导即可获取其微分；3）基于递归最小二乘的车辆侧倾角与俯仰角估计将式（3）表示为参数识别标准形式：式（4）中，k表示离散时刻，γ(k)=θ^(k)φ^(k)表示待估参数矩阵，其中，与分别表示待估计的车辆俯仰角与侧倾角；y(k)=v.x_m-ax_may_m-ωz_mvx_m表示系统输出矩阵，ax_m、ay_m与ωz_m分别表示利用低成本MEMS传感器所测得的纵向加速度、侧向加速度与横摆角速度，vx_m表示通过车速传感器所获取的车辆纵向速度，表示vx_m的微分，由车速传感器所测得的纵向速度信号对时间求导来获取，即在每一离散时刻k，有：v.x_m(k)=vx_m(k)-vx_m(k-1)dt---(5)式（5）中，dt表示采样时间间隔，本专利技术中，dt=0.01（秒）；表示输入回归矩阵，本专利技术中上角标T表示对矩阵转置；则利用带遗忘因子的递归最小二乘（Recursive?Least?Squares,RLS）算法实时估计车辆侧倾角与横摆角的估计步骤如下：（1）计算系统输出矩阵y(k)，并计算输入回归矩阵（2）计算增益矩阵K(k)；其中，方差矩阵参数λ为遗忘因子，能有效减少不再与模型相关的旧数据的影响，并防止协方差发散，通常取值范围在[0.9,1]，本专利技术取0.975；（3）计算待估参数矩阵γ(k)；其中I为2×2单位矩阵，至此，可实时估计出车辆侧倾角与横摆角。FDA0000440694710000014.jpg,FDA0000440694710000015.jpg,FDA0000440694710000021.jpg,FDA0000440694710000023.jpg,FDA0000440694710000024.jpg,FDA0000440694710000026.jpg,FDA0000440694710000028.jpg...
【技术特征摘要】
1.一种基于递归最小二乘的车辆侧倾角与俯仰角估计方法，其特征在于:本发明针对陆地行驶四轮车辆，建立符合其行驶特征的车辆动力学模型，进一步通过带遗忘因子的递归最小二乘(Recursive Least Squares, RLS)方法实...
【专利技术属性】
技术研发人员：李旭，宋翔，
申请(专利权)人：东南大学，
类型：发明
国别省市：
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。