CN104408265B - 车辆行驶状态和轮胎魔术公式参数联合估计的方法 - Google Patents
车辆行驶状态和轮胎魔术公式参数联合估计的方法 Download PDFInfo
- Publication number
- CN104408265B CN104408265B CN201410764137.4A CN201410764137A CN104408265B CN 104408265 B CN104408265 B CN 104408265B CN 201410764137 A CN201410764137 A CN 201410764137A CN 104408265 B CN104408265 B CN 104408265B
- Authority
- CN
- China
- Prior art keywords
- particle
- mrow
- magic formula
- tire
- msub
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Tires In General (AREA)
Abstract
本发明专利涉及一种轮胎关键参数和车辆行驶状态的辨识方法，属于信息科学领域。该方法包括：建立多自由度车辆动力学方程，将轮胎魔术公式中确定的侧向力代入其中，利用龙格—库塔方法将车辆动力学方程转化为马尔科夫链形式，通过粒子滤波实现车辆行驶状态和魔术公式参数的联合估计，引入辅助变量，通过二次加权操作使得粒子权值的变化更为稳定，粒子重采样通过多项式采样法进行，重采样过程中引入随机摄动方法，改善粒子退化的同时增加粒子的多样性，实现轮胎魔术公式参数和车辆行驶状态的同时估计，可以获得较好的估计结果，更进一步可以通过估计出来的参数计算路面附着系数，确定路面特征，为未来的智能车辆行驶操纵提供依据。
Description
技术领域
本发明属于信息技术中的***状态和关键参数估计领域，特别涉及一种车辆行驶状态和轮胎魔术公式参数联合估计的方法。
背景技术
汽车行驶过程中的状态估计，是汽车动力学中的重要问题，其目的在于确定汽车行驶状态下纵向车速、横摆角速度、质心侧偏角、横摆角位移等重要的状态变量，是实现汽车底盘主动控制的关键技术之一。汽车的纵向动力学控制，依赖于对纵向车速的准确估计；汽车的侧向动力学控制依赖于对横摆角速度或质心侧偏角的准确估计。这些待估计的状态变量，虽然均可用传感器直接测量，但必须依赖价格昂贵的特殊试验设备，且需要特定的安装固定方式，不适于配置在量产车上，只适合于开发试验阶段。因此，从节约成本和实际应用的角度来看，必须根据量产车上的传感器配置，通过车辆状态估计技术，准确计算得到其他所需、但不可测的状态信息。
另一方面，在汽车产品中新型结构、新的控制***的研发阶段，用于描述汽车操纵动力学行为的数学模型中存在不确定因素。模型中主要的不确定因素来自于由轮胎与地面之前非线性的、由质心侧偏角、铅垂载荷等参数共同确定的侧向力。旨在确定轮胎侧向力等车辆动力学行为的操纵动力学分析主要应用到的轮胎模型是Pacejka教授提出的魔术公式模型：
FTA＝DAsin(CAarctan(BAαA-EA(BAαA-arctan(BAαA))))
FTP＝DPsin(CParctan(BPαP-EP(BPαP-arctan(BPαP))))
上式中FTA、FTP表示前、后轮的侧向力，αA、αP表示前、后轮的侧倾角，DA、CA、BA、EA分别表示前轮的峰值因子、形状因子、斜度因子、曲率因子；DP、CP、BP、EP分别表示后轮的峰值因子、形状因子、斜度因子、曲率因子；上述八个参数是计算轮胎侧向力的关键参数。
这是基于试验数据的半经验轮胎模型，模型的建立依赖于广泛的数据而不是轮胎结构本身，因此需要大量的试验数据来不断的修正魔术公式中的各个参数，并最终确定这些参数，才能够确定车辆的动力学行为，这就大大的增加了确定这些参数的成本。
目前较为常用的估计算法有卡尔曼滤波算法、龙贝格观测器、鲁棒观测器、滑模观测器、模糊观测器以及基于利亚普诺夫理论推导的非线性观测器。
普通Kalman滤波只能够对线性汽车动力学模型进行状态估计。扩展Kalman滤波(EKF)及其改进算法，可以对包含非线性因素的汽车操纵动力学模型进行状态估计，但是要以牺牲精度为前提；龙贝格观测器是通过***的极点配置来达到状态估计目的的一种方法，对反馈矩阵提出了较高的要求；鲁棒观测器和滑膜观测器的估计效果不够理想，因此寻找一种突破***高斯、线性束缚，同时能够保证较高精度的算法就显得非常有必要。
粒子滤波算法是通过寻找一组在状态空间中传播的随机样本来近似的表示概率密度函数，用样本均值代替积分运算，从而获得***状态的最小方差估计的过程，对非线性、非高斯***的状态估计有较好的效果。
国内在车辆状态估计问题方面的研究处于起步阶段。研究的重点在于通过卡尔曼滤波器及其改进算法来估计车辆的横摆角速度、车速等，且大多停留在仿真研究阶段，由于Kalman滤波自身的局限性，估计的精度和稳定性也较差；而关于车辆关键参数尤其是轮胎的关键参数的辨识问题的研究，目前的研究也较少，而车辆轮胎参数和车辆行驶状态的联合估计的研究对于未来的智能驾驶技术又尤其重要。
发明内容
本发明是针对目前的实用需求，减少确定魔术公式的各个参数所需的试验数量和数据，提出一种车辆行驶状态和轮胎魔术公式参数联合估计的方法，该方法包括下述步骤：
步骤1，建立多自由度车辆动力学方程，通过龙格-库塔方法，实现方程降阶，将方程转化成马尔科夫链的形式；
步骤2，根据需要估计的物理量、先验信息对粒子进行初始化，完成粒子权重计算；
步骤3，通过辅助粒子滤波技术，通过二次加权，使粒子分布更为合理；
步骤4，在重采样过程中采用了随机摄动技术，对权值最大的粒子迭加随机摄动，在解决粒子退化的同时，增加粒子多样性；
步骤5，实现了车辆行驶状态和魔术公式中峰值因子D、曲率因子E、形状因子C、斜度因子B的估计，并通过估计得到的魔术公式参数，进一步实现了车辆行驶状态的估计。
本发明的优点效果如下：
利用较低成本的传感器获取容易测得的试验数据，利用这些数据，可以同时实现针对于行驶车辆中描述轮胎动力学行为的魔术公式的多个关键参数的估计，进而实现车辆行驶状态的估计和轮胎侧向力的间接估计，并通过轮胎侧向力的变化，实时掌握路面情况，为未来智能驾驶***的进一步操作提供参考。
附图说明
图1为本发明方法的流程框图。
图2为本发明方法的粒子滤波计算流程框图。
具体实施方式
本发明方法，结合附图详细说明如下：
1)建立多自由度车辆动力学方程，通过龙格-库塔方法，实现方程降阶，将方程转化成马尔科夫链的形式；
2)根据需要估计的物理量、先验信息对粒子进行初始化，完成粒子权重计算；
3)通过辅助粒子滤波技术，通过二次加权，使粒子分布更为合理；
4)在重采样过程中采用了随机摄动技术，对权值最大的粒子迭加随机摄动，在解决粒子退化的同时，增加粒子多样性。
5)实现了车辆行驶状态和魔术公式中峰值因子D、曲率因子E、形状因子C、斜度因子B的估计，并通过估计得到的魔术公式参数，进一步实现了车辆行驶状态的估计。
6)建立车辆动力学方程，确定需要估算的行驶状态变量和关键参数。
7)计算系数k1＝f(tn,yn)
8)计算系数
9)计算系数
10)计算系数k4＝f(tn+h,yn+hk3)
11)并利用龙格库塔方法将方程转化成如下迭代形式：
12)步骤11中h表示算法的时间间隔，采用定步长算法，此处需多次反复试验，寻找合适步长。
13)确定过程噪声和初始误差协方差；
14)确定粒子数目，对粒子进行初始化；
15)确定粒子初始分布；
16)确定魔术公式中前、后轮峰值因子D的约束条件；
17)确定魔术公式中前、后轮曲率因子E的约束条件；
18)确定魔术公式中前、后轮形状因子C的约束条件；
19)确定魔术公式中前、后轮斜度因子B的约束条件；
20)利用测量数据计算权重；
21)由μk(i)～p(xk/xk-1(i))计算μk(i)，其中i＝1,2,3…num,num代表粒子数目，k表示所在时刻，通过μk(i)的引入，通过二次加权操作，使权重的分配更为合理。
22)通过先验条件概率抽样xk(i)～p(xk)；
23)利用公式计算权值，同时进行归一化。
24)归一化权重值；
25)采用多项式重采样方法实现重采样，避免粒子退化；
26)判断Neff＜N/3；
27)将粒子按照权重实现降序排列；
28)保持有效粒子总体数目不变；
29)对失效粒子进行随机摄动再采样，即
30)对再采样后的粒子集中的粒子重新赋予权值
31)将估计出的轮胎参数再次带入到状态方程中，利用龙格-库塔方法实现车辆行驶中质心侧偏角、横摆角速度的估计。
32)利用已经估计得到的轮胎魔术公式参数和质心侧偏角、横摆角速度等数据实现前轮侧向力、后轮侧向力的估计。
Claims (5)
1.一种车辆行驶状态和轮胎魔术公式参数联合估计的方法，其特征在于包括下述步骤：
1)建立多自由度车辆动力学方程，通过龙格-库塔方法，实现方程降阶，将方程转化成马尔科夫链的形式；
2)根据需要估计的物理量、先验信息对粒子进行初始化，完成粒子权重计算；
3)通过辅助粒子滤波技术，通过二次加权，使粒子分布更为合理；
4)在重采样过程中采用了随机摄动技术，对权值最大的粒子迭加随机摄动，在解决粒子退化的同时，增加粒子多样性；
5)实现了车辆行驶状态和魔术公式中峰值因子D、曲率因子E、形状因子C、斜度因子B的估计，并通过估计得到的魔术公式参数，进一步实现了车辆行驶状态的估计。
2.根据权利要求1所述的车辆行驶状态和轮胎魔术公式参数联合估计的方法，其特征在于所述的步骤1中，建立动力学方程，并利用龙格库塔方法将方程转化成马尔科夫链的形式，具体方法如下：
1)建立车辆动力学方程，确定需要估算的行驶状态变量和轮胎参数；
2)计算系数k1＝f(tn,yn)；
5)计算系数k4＝f(tn+h,yn+hk3)；
6)并利用龙格库塔方法将方程转化成马尔科夫链的形式：
<mrow>
<msub>
<mi>y</mi>
<mrow>
<mi>n</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>y</mi>
<mi>n</mi>
</msub>
<mo>+</mo>
<mfrac>
<mi>h</mi>
<mn>6</mn>
</mfrac>
<mrow>
<mo>(</mo>
<msub>
<mi>k</mi>
<mn>1</mn>
</msub>
<mo>+</mo>
<mn>2</mn>
<msub>
<mi>k</mi>
<mn>2</mn>
</msub>
<mo>+</mo>
<mn>2</mn>
<msub>
<mi>k</mi>
<mn>3</mn>
</msub>
<mo>+</mo>
<msub>
<mi>k</mi>
<mn>4</mn>
</msub>
<mo>)</mo>
</mrow>
</mrow>
其中h表示算法的时间间隔，采用定步长算法，即h确定，将状态方程转换成迭代形式。
3.根据权利要求1所述的车辆行驶状态和轮胎魔术公式参数联合估计的方法，其特征在于所述的步骤2中，确定要实现估计的物理量，对各个参数根据其实际的物理意义对粒子初始化后，具体方法如下：
1)确定过程噪声和初始误差协方差；
2)确定粒子数目，对粒子进行初始化；
3)确定粒子初始分布；
4)确定魔术公式中前、后轮峰值因子D的约束条件；
5)确定魔术公式中前、后轮曲率因子E的约束条件；
6)确定魔术公式中前、后轮形状因子C的约束条件；
7)确定魔术公式中前、后轮斜度因子B的约束条件；
8)利用测量数据计算权重；
9)归一化权重值；
10)利用多项式重采样方法实现重采样，避免粒子退化；
11)将估计出的轮胎参数再次带入到状态方程中，利用龙格-库塔方法实现车辆行驶中质心侧偏角、横摆角速度的估计；
12)利用已经估计得到的轮胎魔术公式参数和质心侧偏角、横摆角速度等数据实现前轮侧向力、后轮侧向力的估计。
4.根据权利要求1中所述的车辆行驶状态和轮胎魔术公式参数联合估计的方法，其特征在于所述的步骤3中，通过二次加权操作，使权重的分配更为合理，具体的方法如下：
1)由μk(i)～p(xk/xk-1(i))计算μk(i)，其中i＝1,2,3…num,num代表粒子数目，k表示所在时刻，通过μk(i)的引入，通过二次加权操作，使权重的分配更为合理；
2)通过先验条件概率抽样xk(i)～p(xk)；
3)利用公式计算权值，同时进行归一化。
5.根据权利要求1所述的车辆行驶状态和轮胎魔术公式参数联合估计的方法，其特征在于所述的步骤4中，具体方法如下：
1)判断Neff＜N/3，Neff为有效粒子数，N为粒子总数；
2)将粒子xk(i)按照权重wk(i)实现降序排列；
3)保持有效粒子总体数目不变；
4)对失效粒子进行随机摄动再采样；
<mrow>
<msubsup>
<mover>
<mi>x</mi>
<mo>^</mo>
</mover>
<mi>k</mi>
<mrow>
<mo>&lsqb;</mo>
<mrow>
<mo>(</mo>
<mi>N</mi>
<mi>e</mi>
<mi>f</mi>
<mi>f</mi>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>:</mo>
<mi>N</mi>
<mo>&rsqb;</mo>
</mrow>
</msubsup>
<mo>=</mo>
<msubsup>
<mover>
<mi>x</mi>
<mo>^</mo>
</mover>
<mi>k</mi>
<mi>i</mi>
</msubsup>
<mo>+</mo>
<mi>r</mi>
<mi>a</mi>
<mi>n</mi>
<mi>d</mi>
<mi>n</mi>
</mrow>
5)对再采样后的粒子集中的粒子重新赋予权值
<mrow>
<msubsup>
<mi>w</mi>
<mi>k</mi>
<mrow>
<mo>&lsqb;</mo>
<mn>1</mn>
<mo>:</mo>
<mi>N</mi>
<mo>&rsqb;</mo>
</mrow>
</msubsup>
<mo>=</mo>
<mn>1</mn>
<mo>/</mo>
<mi>N</mi>
<mo>.</mo>
</mrow>
2
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410764137.4A CN104408265B (zh) | 2014-12-10 | 2014-12-10 | 车辆行驶状态和轮胎魔术公式参数联合估计的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410764137.4A CN104408265B (zh) | 2014-12-10 | 2014-12-10 | 车辆行驶状态和轮胎魔术公式参数联合估计的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104408265A CN104408265A (zh) | 2015-03-11 |
| CN104408265B true CN104408265B (zh) | 2017-10-31 |
Family
ID=52645896
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410764137.4A Expired - Fee Related CN104408265B (zh) | 2014-12-10 | 2014-12-10 | 车辆行驶状态和轮胎魔术公式参数联合估计的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104408265B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104809292B (zh) * | 2015-04-28 | 2017-11-28 | 西安理工大学 | 一种高速列车非线性动力学模型参数的在线辨识方法 |
| CN106203684A (zh) * | 2016-06-29 | 2016-12-07 | 长安大学 | 一种用于轮胎魔术公式的参数辨识及优化方法 |
| CN110884499B (zh) * | 2019-12-19 | 2021-03-19 | 北京理工大学 | 一种确定车辆质心侧偏角的方法和*** |
| CN111241692B (zh) * | 2020-01-16 | 2022-11-08 | 南京航空航天大学 | 一种用于轮胎魔术公式的参数辨识方法 |
| CN112784355A (zh) * | 2020-12-21 | 2021-05-11 | 吉林大学 | 一种基于多体动力学的十四自由度车辆动力学模型建模方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103310044A (zh) * | 2013-05-27 | 2013-09-18 | 上海工程技术大学 | 基于改进粒子滤波算法的轨道车辆悬挂***参数估计方法 |
| CN104182991A (zh) * | 2014-08-15 | 2014-12-03 | 辽宁工业大学 | 一种车辆行驶状态估计方法及装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5062331B2 (ja) * | 2008-10-29 | 2012-10-31 | 日産自動車株式会社 | 車両接地面摩擦状態推定装置及びその方法 |
-
2014
- 2014-12-10 CN CN201410764137.4A patent/CN104408265B/zh not_active Expired - Fee Related
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103310044A (zh) * | 2013-05-27 | 2013-09-18 | 上海工程技术大学 | 基于改进粒子滤波算法的轨道车辆悬挂***参数估计方法 |
| CN104182991A (zh) * | 2014-08-15 | 2014-12-03 | 辽宁工业大学 | 一种车辆行驶状态估计方法及装置 |
Non-Patent Citations (2)
| Title |
|---|
| Optimal SIR algorithm vs. fully adapted auxiliary particle filter: a non asymptotic analysis;Yohan Petetin· François Desbouvries.;《Stat Comput(2013)》;20120811;第759-775页 * |
| 基于粒子滤波算法的汽车状态估计技术;林棻等;《农业机械学报》;20110228;第42卷(第2期);第22-27页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104408265A (zh) | 2015-03-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104408265B (zh) | 车辆行驶状态和轮胎魔术公式参数联合估计的方法 | |
| CN108482379B (zh) | 轮毂电机驱动车辆路面附着系数及路面坡度同步实时估算***及方法 | |
| Zhao et al. | Design of a nonlinear observer for vehicle velocity estimation and experiments | |
| US6508102B1 (en) | Near real-time friction estimation for pre-emptive vehicle control | |
| CN106394561B (zh) | 一种车辆的纵向车速的估计方法和装置 | |
| CN104590276B (zh) | 汽车绕z轴转动惯量和轮胎侧偏刚度识别方法 | |
| US20090177346A1 (en) | Dynamic estimation of vehicle inertial parameters and tire forces from tire sensors | |
| CN110884499B (zh) | 一种确定车辆质心侧偏角的方法和*** | |
| US20190263421A1 (en) | Determining driving state variables | |
| CN111547059A (zh) | 一种分布式驱动电动汽车惯性参数估计方法 | |
| CN109606378A (zh) | 面向非高斯噪声环境的车辆行驶状态估计方法 | |
| CN104182991A (zh) | 一种车辆行驶状态估计方法及装置 | |
| CN103279675B (zh) | 轮胎-路面附着系数与轮胎侧偏角的估计方法 | |
| Cheng et al. | A new nonlinear observer using unscented Kalman filter to estimate sideslip angle, lateral tire road forces and tire road friction coefficient | |
| CN103909933A (zh) | 一种分布式电驱动车辆的前轮侧向力估算方法 | |
| CN110147628A (zh) | 考虑多因素变化的轮胎侧偏刚度分区计算方法 | |
| CN110341714B (zh) | 一种同时估计车辆质心侧偏角和扰动的方法 | |
| Chen et al. | Longitudinal-lateral-cooperative estimation algorithm for vehicle dynamics states based on adaptive-square-root-cubature-Kalman-filter and similarity-principle | |
| CN108241773A (zh) | 一种改进的车辆行驶状态估计方法 | |
| Ichalal et al. | Observer design for motorcycle lean and steering dynamics estimation: A Takagi-Sugeno approach | |
| CN102980580A (zh) | 基于张量积多胞鲁棒h2滤波的无陀螺卫星姿态确定方法 | |
| CN111959516B (zh) | 一种车辆状态与路面附着系数联合估计的方法 | |
| CN106671985A (zh) | 电动汽车动力学***建模方法 | |
| Li et al. | Vehicle velocity estimation for real-time dynamic stability control | |
| Slimi et al. | Motorcycle lateral dynamic estimation and lateral tire-road forces reconstruction using sliding mode observer |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20171031 Termination date: 20211210 |