CN110516311A - 一种针对车用加速度传感器常值误差的综合补偿策略构建方法 - Google Patents
一种针对车用加速度传感器常值误差的综合补偿策略构建方法 Download PDFInfo
- Publication number
- CN110516311A CN110516311A CN201910700562.XA CN201910700562A CN110516311A CN 110516311 A CN110516311 A CN 110516311A CN 201910700562 A CN201910700562 A CN 201910700562A CN 110516311 A CN110516311 A CN 110516311A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- acceleration sensor
- error
- constant error
- constant
- 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.)
- Granted
Links
- 230000001133 acceleration Effects 0.000 title claims abstract description 67
- 238000000034 method Methods 0.000 title claims abstract description 14
- 238000010276 construction Methods 0.000 title claims abstract description 8
- 238000005259 measurement Methods 0.000 claims abstract description 16
- 238000012937 correction Methods 0.000 claims description 12
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000009941 weaving Methods 0.000 abstract 1
- 239000011159 matrix material Substances 0.000 description 10
- 230000004927 fusion Effects 0.000 description 4
- 238000001914 filtration Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000005034 decoration Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000005295 random walk Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Landscapes
- Steering Control In Accordance With Driving Conditions (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本发明公开了一种针对车用加速度传感器常值误差的综合补偿策略构建方法,首先建立关于车辆侧向和横摆运动的动力学表达式,实现对车辆侧向速度的观测;其次根据加速度传感器误差漂移模型以及车辆的横向和纵向运动学关系确定估计器的状态量和量测量,利用卡尔曼滤波器估计加速度传感器常值误差;最后通过对轮胎正压力模型和轮胎侧偏刚度的修正以及对车辆侧向速度观测器输入信息的反馈,完成加速度传感器常值误差的补偿更新。本发明能够以较高的频率实现车用加速度传感器常值误差的估计和迭代更新,在提高车辆运动状态估计整体精度的同时并不过多地损失实时性,具有简单高效的特点。
Description
技术领域
本发明属于车用传感器误差估计与补偿领域,尤其涉及一种针对车用加速度传感器常值误差的综合补偿策略构建方法,目的在于进一步提升车辆行驶状态估计的准确性和实时性。
背景技术
随着车辆主动安全技术的发展,智能传感理论已成为其重要的研究热点之一。对汽车而言,防抱死***需要根据轮速传感器的输出判别车轮的滑移程度,而电子稳定控制程序则根据横摆角速度传感器的信号确定汽车的运动模式以实现直接横摆力矩控制。但是,这些常用传感器的输出信号中均包含无法避免的噪声,其他的一些传感器(如车用加速度传感器等)的输出甚至存在误差随时间漂移的现象。在对传感器信号进行时域积分操作时,这些噪声和漂移都会使输出信号的误差不断放大。
发明内容
为了解决现有技术存在的问题,降低传感器误差漂移带来的精度损失,本发明提出一种针对车用加速度传感器常值误差的综合补偿策略构建方法。
本发明是通过以下技术方案实现上述技术目的的。
一种针对车用加速度传感器常值误差的综合补偿策略构建方法,构造侧向速度观测器作为加速度传感器常值误差估计的数据前处理,获取车辆侧向速度的观测结果,根据观测的结果和融合的状态方程实现加速度传感器常值误差的在线估计,进而通过构造轮胎正压力误差补偿模型实现对轮胎侧偏刚度的修正,最后将修正结果反馈到侧向速度观测器中,完成加速度传感器常值误差的补偿更新。
进一步,所述常值误差的估计采用的状态方程融合了车辆运动学模型和加速度传感器误差模型。
更进一步,所述状态方程为:其中ax,mes、ay,mes为加速度传感器的量测输出,ax,bias、ay,bias为加速度传感器的常值误差,w1、w2、w3、w4分别为高斯白噪声,vx为车辆的纵向速度,vy为车辆的侧向速度,r为车辆的横摆角速度。
更进一步,所述状态方程选取量测量v'x为从动轮轮速传感器的纵向速度,为侧向速度的观测值。
进一步,所述侧偏刚度Cσ与四个轮胎受到的正压力Fz之间的关系为:Cσ=a1sin[a2arctan(a3Fz)],其中a1、a2、a3为待拟合参数。
更进一步,所述正压力根据加速度信号的修正结果进行计算,所述加速度信号的修正结果由加速度传感器的常值误差确定。
更进一步,所述加速度信号的修正结果满足:其中ax,mes、ay,mes为加速度传感器的量测输出,为加速度传感器常值误差的最优估计值。
更进一步,所述正压力的误差补偿模型为:其中m为车辆车身质量,i={F,R},F表示前轮,R表示后轮;j={L,R},L表示左轮,R表示右轮;h为汽车质心离地面的垂直高度,l=lf+lr为汽车前后轴之间距离,bF、bR为汽车前、后轮距。
本发明的有益效果为:
1.本发明在对传感器误差进行建模的同时融合车辆运动学模型,同时构造侧向速度观测器,将侧向速度观测器得到的侧向速度作为融合模型的量测量,提高了加速度传感器常值误差的更新速度,与利用GPS进行辅助的误差估计方法相比,数据更新频率高,同时成本低;该方法在提高车辆运动状态估计整体精度的同时并不过多地损失实时性,具有简单高效的特点,且能够很好地跟踪加速度传感器的误差漂移。
2.本发明根据估计得到的加速度传感器常值误差最优估计值,可以实现对车用加速度传感器常值误差的补偿和修正,从而为车辆运动状态的测量以及其他的车辆控制方案提供准确的信息。
附图说明
图1为误差补偿策略流程图。
具体实施方式
下面将结合附图,对本发明的具体方案作进一步的说明,但是本发明的保护范围并不限于此。
如图1所示,一种针对车用加速度传感器常值误差的综合补偿策略构建方法包括如下步骤:
步骤(1),车辆侧向速度的观测
车辆采用前轮驱动方式,并规定车辆的质心为车体坐标系原点,水平向前为x轴正向,水平向左为y轴正向,垂直水平面向上为z轴正向,且所有的回转角和力矩均以水平面内的逆时针方向为正。
首先,确定车辆关于侧向和横摆运动的动力学方程:
其中,vy、r分别为车辆的侧向速度、横摆角速度,Cf、Cr分别为汽车前、后轮的侧偏刚度,δ为车辆的前轮转角,lf、lr分别为车辆质心离前、后轴的距离,m为车辆车身质量,Iz为车辆绕z轴的转动惯量,vx为车辆的纵向速度,且Reff表示轮胎的有效半径,ω3和ω4分别为左后、右后轮的轮速。
其次,设计龙贝格观测器作为加速度传感器常值误差估计的数据前处理,实现对车辆侧向速度的观测。
假设真实的车辆侧向速度观测模型为:
其中,状态量X=[vy r]T,控制量U=δ,量测量Y=r,
侧向和横摆运动的车辆动力学模型矩阵侧向和横摆运动的车辆动力学控制矩阵侧向和横摆运动的车辆动力学量测矩阵C=[0 1]。
采用如下龙贝格观测器结构:
其中,L=[k1k2]T为用于车辆侧向速度观测的极点配置。
为了使侧向速度观测的真实值和估计值之间的误差快速收敛到0,将式(2)和式(3)进行相减,得到误差的状态方程:
令矩阵A-LC的特征值小于零,即可确定侧向速度观测所需的极点配置参数k1和k2,k1、k2的选取在满足矩阵A–LC特征值小于零的情况下,需要考虑状态误差的收敛速度。
步骤(2),建立加速度传感器的误差模型
其中,ax,mes、ay,mes为加速度传感器的量测输出,ax、ay为车辆的纵向、侧向加速度,ax,bias、ay,bias为加速度传感器的常值误差,w1、w2、w3、w4分别为高斯白噪声。本实施例中,近似认为加速度传感器误差模型为随机游走模型,即:
步骤(3),利用卡尔曼滤波器估计加速度传感器常值误差
建立关于车辆纵向和侧向的运动学模型,即:
将加速度传感器误差模型和车辆运动学模型进行融合(以下简称融合模型),即将传感器的误差模型代入到车辆关于纵向和侧向的运动学模型中,可以得到如下的状态方程:
选取状态量x=[vx ax,bias vy ay,bias]T,控制量u=[ax,mes ay,mes]T,量测量其中为侧向速度的观测值,且有从动轮轮速传感器的纵向速度v'x=vx,状态方程和量测方程可进一步表示为:
其中,融合模型状态矩阵融合模型控制矩阵融合模型量测矩阵高斯白噪声
基于卡尔曼滤波算法的车用加速度常值误差估计包括以下几个步骤:
1)时间更新
对车辆纵向、侧向速度和车辆纵向、侧向加速度常值偏差等状态量进行一步预测:
xk|k-1=Φk-1xk-1|k-1+Guk-1 (10)
其中:xk|k-1为融合模型从k–1时刻的状态利用状态方程传递到k时刻的预测状态,uk-1为融合模型k–1时刻的控制量;
计算所述状态量的误差协方差预测值:
Pk|k-1=Φk-1Pk-1|k-1Φk-1 T+Q (11)
其中,Q为估计过程的噪声协方差,Pk-1|k-1为融合模型状态量k–1时刻的最优协方差,Pk|k-1为融合模型状态量k时刻的预测协方差,且有状态转移矩阵:
Φk-1=exp(Fk-1Tt)≈I+Fk-1Tt (12)
其中,Tt为卡尔曼滤波算法的更新步长,Fk-1为k–1时刻融合模型状态矩阵,I为单位矩阵,维度与状态量x的维度一致。
2)量测更新
确定状态量估计的卡尔曼增益:
Kk=Pk|k-1Hk T(HkPk|k-1Hk T+R)-1 (13)
其中,Hk为k时刻的量测矩阵,R为量测噪声的协方差;
对车辆纵向、侧向速度和车辆纵向、侧向加速度常值偏差等状态量进行更新:
xk|k=xk|k-1+Kk(yk-Hkxk|k-1) (14)
其中,yk为k时刻状态的量测值,包括纵向速度和侧向速度,所述纵向速度由轮速传感器提供,侧向速度由龙贝格观测器提供。
更新所述状态量的误差协方差:
Pk|k=(I-KkHk)Pk|k-1(I-KkHk)T+KkRKk T (15)
考虑到卡尔曼滤波对噪声特性的处理仅限于高斯分布,在选取噪声协方差初始值时,需要综合参考所建立的模型(式(8))的准确程度和传感器的精度等级,该模型中,构成量测量的信息来自从动轮轮速传感器的纵向速度v′x和侧向速度的观测值
卡尔曼滤波基于传感器的误差模型和关于车俩纵向和侧向运动学模型对常值误差状态量进行不断的预测和修正,从而最终得到精确的加速度传感器常值误差。
步骤(4),根据估计得到的加速度传感器常值误差,确定加速度信号的修正结果
其中,为融合模型估计得到的加速度传感器常值误差的最优估计值。
步骤(5),根据加速度信号的修正结果,计算四个轮胎受到的正压力Fzij
根据公式(17)可知,补偿的轮胎正压力误差Fzij,bias补偿模型为:
其中,g为重力加速度,i={F,R},F表示前轮,R表示后轮;j={L,R},L表示左轮,R表示右轮;h为汽车质心离地面的垂直高度,l=lf+lr为汽车前后轴之间距离,bF、bR为汽车前、后轮距。
步骤(6),计算前后轮的侧偏刚度
由于行驶过程中车轮的载荷是时变的,相应的轮胎的侧偏刚度也会发生变化,轮胎侧偏刚度Cσ和正压力Fz之间的关系如下:
Cσ=a1sin[a2arctan(a3Fz)] (19)
其中,a1、a2、a3为待拟合参数,可利用CarSim软件中的Tester模块进行数据拟合;
结合式(17),确定车辆模型中前、后轮的侧偏刚度Cf、Cr:
其中,CσFL、CσFR、CσRL、CσRR分别为车辆前左、前右、后左、后右轮胎的侧偏刚度。
步骤(7),将计算得到的轮胎侧偏刚度反馈到步骤(1)中的龙贝格观测器中,由于龙贝格观测器是关于侧向和横摆运动的车辆动力学模型,模型中包含了轮胎参数-侧偏刚度,通过对加速度的常值误差进行估计,将修正后的轮胎侧偏刚度作为龙贝格观测器中所需的轮胎侧偏刚度,完成加速度传感器常值误差的补偿更新,从而实现车辆侧向速度观测的更新。
基于龙贝格观测器的侧向速度观测和基于卡尔曼滤波的加速度传感器常值误差估计之间通过相互迭代,形成互补的闭环结构,最终实现车辆运动状态估计精度的逐步提升。
以上所述对本发明进行了简单说明,只要采取本发明思路和工作方法进行简单修改,或在不改变本发明主要构思原理下做出改进和润饰的等行为,均在本发明的保护范围之内。
Claims (8)
1.一种针对车用加速度传感器常值误差的综合补偿策略构建方法,其特征在于,构造侧向速度观测器作为加速度传感器常值误差估计的数据前处理,获取车辆侧向速度的观测结果,根据观测的结果和融合的状态方程实现加速度传感器常值误差的在线估计,进而通过构造轮胎正压力误差补偿模型实现对轮胎侧偏刚度的修正,最后将修正结果反馈到侧向速度观测器中,完成加速度传感器常值误差的补偿更新。
2.根据权利要求1所述的针对车用加速度传感器常值误差的综合补偿策略构建方法,其特征在于,所述常值误差的估计采用的状态方程融合了车辆运动学模型和加速度传感器误差模型。
3.根据权利要求2所述的针对车用加速度传感器常值误差的综合补偿策略构建方法,其特征在于,所述状态方程为:其中ax,mes、ay,mes为加速度传感器的量测输出,ax,bias、ay,bias为加速度传感器常值误差,w1、w2、w3、w4分别为高斯白噪声,vx为车辆的纵向速度,vy为车辆的侧向速度,r为车辆的横摆角速度。
4.根据权利要求3所述的针对车用加速度传感器常值误差的综合补偿策略构建方法,其特征在于,所述状态方程选取量测量v'x为从动轮轮速传感器的纵向速度,为侧向速度的观测值。
5.根据权利要求1所述的针对车用加速度传感器常值误差的综合补偿策略构建方法,其特征在于,所述侧偏刚度Cσ与四个轮胎受到的正压力Fz之间的关系为:Cσ=a1 sin[a2arctan(a3Fz)],其中a1、a2、a3为待拟合参数。
6.根据权利要求5所述的针对车用加速度传感器常值误差的综合补偿策略构建方法,其特征在于,所述正压力根据加速度信号的修正结果进行计算,所述加速度信号的修正结果由加速度传感器的常值误差确定。
7.根据权利要求6所述的针对车用加速度传感器常值误差的综合补偿策略构建方法,其特征在于,所述加速度信号的修正结果满足:其中ax,mes、ay,mes为加速度传感器的量测输出,为加速度传感器常值误差的最优估计值。
8.根据权利要求7所述的针对车用加速度传感器常值误差的综合补偿策略构建方法,其特征在于,所述正压力的误差补偿模型为:其中m为车辆车身质量,i={F,R},F表示前轮,R表示后轮;j={L,R},L表示左轮,R表示右轮;h为汽车质心离地面的垂直高度,l=lf+lr为汽车前后轴之间距离,bF、bR为汽车前、后轮距。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910700562.XA CN110516311B (zh) | 2019-07-31 | 2019-07-31 | 一种针对车用加速度传感器常值误差的综合补偿策略构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910700562.XA CN110516311B (zh) | 2019-07-31 | 2019-07-31 | 一种针对车用加速度传感器常值误差的综合补偿策略构建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110516311A true CN110516311A (zh) | 2019-11-29 |
CN110516311B CN110516311B (zh) | 2023-03-24 |
Family
ID=68625056
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910700562.XA Active CN110516311B (zh) | 2019-07-31 | 2019-07-31 | 一种针对车用加速度传感器常值误差的综合补偿策略构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110516311B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112950812A (zh) * | 2021-02-04 | 2021-06-11 | 南京航空航天大学 | 一种基于长短时记忆神经网络的车辆状态容错估计方法 |
CN114684159A (zh) * | 2022-03-21 | 2022-07-01 | 潍柴动力股份有限公司 | 一种车辆质量估算方法、装置、电子设备和存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108594652A (zh) * | 2018-03-19 | 2018-09-28 | 江苏大学 | 一种基于观测器信息迭代的车辆状态融合估计方法 |
CN109606378A (zh) * | 2018-11-19 | 2019-04-12 | 江苏大学 | 面向非高斯噪声环境的车辆行驶状态估计方法 |
-
2019
- 2019-07-31 CN CN201910700562.XA patent/CN110516311B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108594652A (zh) * | 2018-03-19 | 2018-09-28 | 江苏大学 | 一种基于观测器信息迭代的车辆状态融合估计方法 |
CN109606378A (zh) * | 2018-11-19 | 2019-04-12 | 江苏大学 | 面向非高斯噪声环境的车辆行驶状态估计方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112950812A (zh) * | 2021-02-04 | 2021-06-11 | 南京航空航天大学 | 一种基于长短时记忆神经网络的车辆状态容错估计方法 |
CN112950812B (zh) * | 2021-02-04 | 2022-07-26 | 南京航空航天大学 | 一种基于长短时记忆神经网络的车辆状态容错估计方法 |
CN114684159A (zh) * | 2022-03-21 | 2022-07-01 | 潍柴动力股份有限公司 | 一种车辆质量估算方法、装置、电子设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110516311B (zh) | 2023-03-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106250591B (zh) | 一种考虑侧倾影响的汽车行驶状态估计方法 | |
CN111645699B (zh) | 基于多传感器信息融合的模型自适应侧向速度估计方法 | |
CN111007722B (zh) | 一种四轮转向自动驾驶汽车横向鲁棒容错控制***及方法 | |
US8886400B2 (en) | Method for determining the drawbar length of a trailer of a tractor vehicle | |
US8626389B2 (en) | Method and system for determining a reference yaw rate for a vehicle | |
CN110979026B (zh) | 一种基于实时路况的分布式驱动公交车转矩分配方法 | |
KR20200088396A (ko) | 차량, 차량 운동 상태 추정 장치 및 차량 운동 상태 추정 방법 | |
CN111688715A (zh) | 四轮驱动电动汽车基于融合技术的质心侧偏角观测方法 | |
CN116552550A (zh) | 基于参数不确定性和横摆稳定性的车辆轨迹跟踪控制*** | |
CN114620052A (zh) | 一种车辆信号处理方法、装置和驾驶设备 | |
CN110516311B (zh) | 一种针对车用加速度传感器常值误差的综合补偿策略构建方法 | |
CN114423655A (zh) | 用于调节机动车辆的横向位置的方法 | |
CN113811472B (zh) | 触地负荷推定装置、控制装置及触地负荷推定方法 | |
CN108394413B (zh) | 一种四轮独立驱动与转向的电动汽车状态与参数校正方法 | |
CN111736598B (zh) | 基于自适应神经网络的收获机路径跟踪控制方法和*** | |
CN114435371B (zh) | 一种道路坡度估计方法和装置 | |
CN113650621B (zh) | 面向复杂工况的分布式驱动电动汽车状态参数估计方法 | |
CN114044003B (zh) | 前后双轴转向车辆的循迹控制方法 | |
CN113978476B (zh) | 一种考虑传感器数据丢失的线控汽车轮胎侧向力估计方法 | |
JP2016519625A (ja) | 制御可能なサスペンションシステムを備える自動車両の転覆リスクを軽減させる方法 | |
CN113853329B (zh) | 触地负荷推定装置、控制装置及触地负荷推定方法 | |
CN117807703B (zh) | 一种动静态参数互校正的滑板底盘车辆关键参数估计方法 | |
JP3271955B2 (ja) | 車両の路面摩擦係数推定装置 | |
Gao et al. | Robust estimation of sideslip angle for heavy-duty vehicles under payload conditions using a series-connected structure estimator | |
CN110758378B (zh) | 一种无人驾驶汽车抗侧风控制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230302 Address after: 213032 No. 666 Liaohe Road, Xinbei District, Changzhou City, Jiangsu Province Applicant after: CHANGZHOU INSTITUTE OF TECHNOLOGY Address before: Zhenjiang City, Jiangsu Province, 212013 Jingkou District Road No. 301 Applicant before: JIANGSU University |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |