CN113830094B - 一种考虑多源输入信息的车辆质心侧偏角自适应融合与补偿方法 - Google Patents
一种考虑多源输入信息的车辆质心侧偏角自适应融合与补偿方法 Download PDFInfo
- Publication number
- CN113830094B CN113830094B CN202111084263.1A CN202111084263A CN113830094B CN 113830094 B CN113830094 B CN 113830094B CN 202111084263 A CN202111084263 A CN 202111084263A CN 113830094 B CN113830094 B CN 113830094B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- slip angle
- tire
- centroid
- yaw rate
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 230000004927 fusion Effects 0.000 title claims abstract description 24
- 238000013016 damping Methods 0.000 claims abstract description 14
- 238000005259 measurement Methods 0.000 claims description 30
- 230000001133 acceleration Effects 0.000 claims description 15
- 230000033001 locomotion Effects 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 10
- 230000003044 adaptive effect Effects 0.000 claims description 7
- 238000005562 fading Methods 0.000 claims description 4
- 238000009499 grossing Methods 0.000 claims description 3
- 230000009977 dual effect Effects 0.000 claims 1
- 238000004364 calculation method Methods 0.000 abstract description 6
- 230000006870 function Effects 0.000 description 25
- 230000000875 corresponding effect Effects 0.000 description 13
- 238000012937 correction Methods 0.000 description 6
- 230000010354 integration Effects 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 230000004069 differentiation Effects 0.000 description 3
- 238000000691 measurement method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/12—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to parameters of the vehicle itself, e.g. tyre models
- B60W40/13—Load or weight
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/12—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to parameters of the vehicle itself, e.g. tyre models
- B60W40/13—Load or weight
- B60W2040/1315—Location of the centre of gravity
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
- B60W40/109—Lateral acceleration
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
- B60W40/11—Pitch movement
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
- B60W40/112—Roll movement
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Mathematical Physics (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
- Steering Control In Accordance With Driving Conditions (AREA)
Abstract
本发明提供一种考虑多源输入信息的车辆质心侧偏角自适应融合与补偿方法,利用方向盘转角和横摆率,确定模糊逻辑***的输入论域,对于不同的方向盘转角区间以及横摆率区间,模糊逻辑***根据决策规则确定权重系数,自适应地调节根据平滑变结构滤波器估计得到的车辆质心侧偏角以及利用积分阻尼法计算得到的车辆质心侧偏角的权值,进而保证质心侧偏角信息的可靠融合;当车辆处于剧烈工况时,触发质心侧偏角补偿策略,根据融合后的质心侧偏角、轮胎侧偏角、轮胎侧向力以及车轮转角之间的关系,通过迭代计算实现对轮胎侧偏刚度的准确修正,修正的轮胎侧偏刚度将用于下一时刻轮胎纵向力的计算更新。本发明可保证所有工况下车辆质心侧偏角准确可靠输出。
Description
技术领域
本发明属于车辆***关键信息感知技术领域,尤其涉及一种考虑多源输入信息的车辆质心侧偏角自适应融合与补偿方法。
背景技术
质心侧偏角是车辆动力学控制领域的关键参数,对该参数的测量方法主要分为两种:直接测量法和软测量法。其中直接测量法需要采用昂贵的光学传感器,对传感器的安装要求较高且测量精度易受外界环境干扰,难以在量产车上进行大规模的应用。相比较而言,基于普通车载传感器信号的质心侧偏角软测量法具有成本低、环境适应性强等显著优点,更适宜量产实现。
目前,质心侧偏角的软测量方法主要有积分法和滤波估计法两种。利用合理的融合策略对根据积分法和滤波估计法得到的结果进行融合,可以充分发挥两种方法各自的优点,得到更为可靠的测量结果。现有的方案多采用确定的拟合系数来实现信息的融合。但是,不同工况下,根据积分法与滤波估计法得到的质心侧偏角误差曲线并不存在随时间变化的一般性规律。因此,现有融合方案中采用确定的拟合系数的做法并不合理。理论上,模糊逻辑***可以解决此类问题:确定模糊逻辑***的输入并设计相应的隶属函数,可以用不同类型的输入论域(对应于不同的输入区间组合)分别表示车辆的不同运行工况。模糊逻辑***采用统一的规则来处理特定输入区间组合内的数据融合问题,隶属函数的存在可以保证输出结果在不同输入区间组合之间的平稳过渡,从而获得稳定、光滑的输出结果。此外,模糊逻辑***的输入论域可以随工况的变化而自适应地变化,以实现两种质心侧偏角软测量结果的高性能融合。
另一方面,轮胎侧偏刚度对基于滤波估计法的质心侧偏角的准确获取极为重要。由于线性和非线性区域内的轮胎侧偏刚度数值差异很大,轮胎力的计算常存在较大的误差:当车辆剧烈运动时,轮胎的动态特性常处于非线性区域,此时若仍使用线性区域内的常值侧偏刚度计算轮胎力,将导致基于滤波估计法的质心侧偏角结果不可靠。
目前,有研究人员利用融合后的质心侧偏角结果来修正轮胎的侧偏刚度。但是,对于轮胎特性的非线性区域,该修正策略仍采用线区域性的轮胎侧偏刚度。这与实际的轮胎侧偏刚度存在较大差距,故实际的修正效果一般。此外,神经网络方法也被用于获取任意时刻的侧偏刚度,但该方法需要大量的训练数据且不同车辆之间的数据无法互用,实施难度较大。上述方法可在一定程度上改善轮胎侧偏刚度的获取效果,但存在准确性和通用性等方面的问题。
发明内容
针对现有技术中存在的不足,本发明提供了一种考虑多源输入信息的车辆质心侧偏角自适应融合与补偿方法,在车辆运动剧烈时,该方法通过迭代计算实现对轮胎侧偏刚度的准确修正,进而保证所有工况下质心侧偏角准确、可靠地输出。
本发明是通过以下技术手段实现上述技术目的的。
一种考虑多源输入信息的车辆质心侧偏角自适应融合与补偿方法,具体为:
利用平滑变结构滤波器估计车辆质心侧偏角:所述平滑变结构滤波器的输入向量/>状态向量xe=[vx vy r ax ay M]T、量测向量
利用积分阻尼法计算车辆的质心侧偏角:
利用纵向车速和横摆率确定模糊逻辑***的输入论域:对于不同的方向盘转角区间以及横摆率区间,模糊逻辑***根据决策规则确定相应的权重系数ω,进而利用β=ωβint+(1-ω)βest实现质心侧偏角的融合;
其中:δ为前轮转角,是由Dugoff轮胎模型得到的轮胎纵向力,/>为对未知输入观测器的观测结果进行分配得到的各个车轮的侧向力(i=1,2,3,4),vx为车辆质心处的纵向速度,vy为车辆质心处的侧向速度,r为车辆横摆率,ax为车辆质心处的纵向加速度,ay为车辆质心处的侧向加速度,M为轮胎力产生的横摆力矩,vxeq和vyeq分别为车辆后轴中心处纵向和侧向速度量测值,/>为橫摆角速度一阶保持值,rm为横摆率量测值,axm和aym为车辆质心处的纵向和侧向加速度量测值,Iz为车辆绕z轴的转动惯量,vy,k和vx,k为k时刻车辆的侧向和纵向速度估计值,βint,k为k时刻通过积分阻尼法得到的质心侧偏角。
进一步地,当纵向车速vx高于80km/h且质心侧偏角β的估计值大于0.01rad时,根据融合后的质心侧偏角、轮胎侧偏角、轮胎力侧向力以及车轮转角之间的关系,得到此时的轮胎侧偏刚度,并用于下一时刻轮胎纵向力的计算更新。
进一步地,所述车辆后轴中心处纵向、侧向速度的量测值满足下列公式:
其中,ω3m和ω4m分别为左后轮和右后轮的轮速传感器量测值,c为积分阻尼系数,Reff为车轮的有效半径。
进一步地,所述k时刻车辆的侧向速度vy,k满足公式:
其中:ay,k-1为k-1时刻车辆质心处的侧向加速度量测值,rk-1为k-1时刻横摆率量测值,τ为阻尼系数。
进一步地,所述输入论域的确定过程如下:
若车辆处于双移线工况,根据双移线工况下的拟合函数进行插值,确定论域的边界值b11、b15;若车辆处于非双移线工况,则根据非双移线工况下的拟合函数进行插值,确定论域的边界值b11、b15;根据所述边界值b11、b15以及b1i=b11+(i-1)ξ(i=2,3,4),确定隶属度函数横坐标中b12、b13、b14的值,其中
更进一步地,所述双移线和非双移线工况通过特定车速下横摆率的幅值大小进行判定。
进一步地,所述决策规则根据如下方式实行:选择与运算(AND)处理方向盘转角与横摆率之间的关系,采用IF-THEN规则和枚举方式设计所述决策规则。
本发明的有益效果为:
(1)本发明针对车辆不同行驶工况及纵向车速调整权重系数,自适应地调节根据平滑变结构滤波器估计得到的车辆质心侧偏角以及利用积分阻尼法计算得到的车辆质心侧偏角的权值,进而保证质心侧偏角信息的可靠融合。
(2)本发明利用平滑变结构滤波器实现车辆质心侧偏角的估计,对路面附着系数、车辆转动惯量等的突变具有较好的鲁棒性。
(3)当纵向车速vx高于80km/h且质心侧偏角β的估计值大于0.01rad时,触发轮胎侧偏刚度修正策略,保证在非线性区域内轮胎力的计算精度。
(4)本发明将方向盘转角、横摆率与模糊逻辑***的输入进行关联,在相对清晰地描述车辆运动状态的前提下,减少了整个过程的计算量,保证了***的实时性。
(5)根据发明中设计的工况识别方法,可以通过车辆瞬态过程中横摆率与纵向车速两类信息,实现对车辆运行工况的简单识别。
附图说明
图1为本发明所述考虑多源输入信息的车辆质心侧偏角自适应融合与补偿方法流程图;
图2为本发明所述模糊逻辑***的相关隶属度函数图;
图3为本发明所述车辆运行工况确定流程图;
图4为本发明所述轮胎侧偏刚度修正流程图。
具体实施方式
下面结合附图以及具体实施例对本发明作进一步的说明,但本发明的保护范围并不限于此。
如图1所示,本发明考虑多源输入信息的车辆质心侧偏角自适应融合与补偿方法,具体包括如下步骤:
步骤(1),建立车辆侧向动力学模型,进而设计车辆前、后轴侧向力观测器,实现对前后轴侧向力的观测
首先,建立车辆侧向运动与横摆运动的动力学方程:
其中,m为车辆整备质量,ay为车辆质心处的侧向加速度,Fyf为底盘坐标系下前轴的侧向合力,Fyr为底盘坐标系下后轴的侧向合力,Iz为车辆绕z轴的转动惯量,r为车辆横摆率,为车辆横摆率的一阶微分,lF、lR分别为汽车质心到前、后轴的距离,ΔFxf为底盘坐标系下前轴左、右车轮驱动力之差,BF为车辆前轴的轮距,且有:
其中,Fy1、Fy2分别为轮胎坐标系下前轴左右侧车轮的侧向力,Fy3、Fy4分别为轮胎坐标系下后轴左右侧车轮的侧向力,Fx1、Fx2分别为轮胎坐标系下前轴左右侧车轮的纵向力,δ为前轮转角。
其次,设计未知输入观测器(Unknown Input Observer,UIO),对轮胎侧向力进行观测。
定义如下的前轴侧向力观测器:
其中,和/>分别为观测得到的横摆角速度和前轴侧向力,/>为观测得到的横摆角速度的一阶微分,/>为观测得到的前轴侧向力的一阶微分,γ为观测器增益。
后轴侧向力未知输入观测器设计与前轴侧向力观测器的设计过程类似。
观测器得到的前后轴侧向力根据轮胎垂向载荷大小线性分配,即可确定前后轴左右侧车轮对应的侧向力。
步骤(2),考虑车辆的垂向、横摆以及侧倾运动,建立车辆的动力学模型,利用带渐消因子的改进最小二乘法,实现对四个轮胎垂向力的观测
考虑车辆的垂向、俯仰和侧倾运动,确定如下动力学方程:
其中,Fzi(i=1,2,3,4)分别代表左前轮、右前轮、左后轮和右后轮的轮胎垂直载荷,BR为车辆后轴的轮距,ax为车辆质心处的纵向加速度,g为重力加速度,h为车辆质心高度。
定义模型Y=ΓFz,利用带渐消因子λ的改进最小二乘法,计算得到各个轮胎受到的垂向力Fz=[Fz1 Fz2 Fz3 Fz4]T,其中的Y和Γ定义如下:
Y=[axh -ayh g]T (5)
带渐消因子λ的改进最小二乘法表达如下:
Fz,k+1=Fz,k+Ck+1(Y-ΓFz,k) (7)
Ck+1=PkΓT(λI+ΓPkΓT) (8)
其中,I为单位矩阵,Pk为k时刻的协方差矩阵,Ck+1为k+1时刻的最小二乘增益,Fz,k为k时刻各个车轮受到的垂向力。
步骤(3),根据Dugoff轮胎模型估计前轴左、右侧轮胎的纵向力
考虑计算的工作量与实时性,本发明中选择简单常用的Dugoff轮胎模型,结合步骤(2)得到的轮胎垂向力信息与其他车辆动态信息,估计前轮左右侧轮胎的纵向力。
步骤(4),车辆正常行驶中,其运动学方程可表示为:
车辆平面运动动力学方程为:
式中,M为轮胎力产生的横摆力矩,是由Dugoff轮胎模型得到的轮胎纵向力,/>为为对未知输入观测器的观测结果进行分配得到的各个车轮的侧向力(i=1,2,3,4),总的风阻系数Cx可近似为:
式中,ρ、CAero和AAero分别为空气密度、风阻系数和车辆前向投影面积。
步骤(5),利用平滑变结构滤波器(SVSF)实现车辆质心侧偏角的估计
根据步骤(4)的动力学方程,建立如下的非线性状态空间:
式中,m(·)和n(·)分别为状态方程和量测方程中的非线性函数,we和ve分别为过程噪声和量测噪声,状态向量xe=[vx vy r ax ay M]T,量测向量为ze,控制输入向量其中,M为轮胎力产生的横摆力矩,/>为由Dugoff轮胎模型得到的轮胎纵向力,/>为状态量的一阶微分。
对于SVSF而言,量测向量需要与状态向量保持相同的维数。因此,选择量测向量其中/>为橫摆角速度一阶保持值,rm为横摆率量测值,axm和aym为车辆质心处的纵向和侧向加速度量测值,vxeq和vyeq为车辆后轴中心处纵向速度和侧向速度的量测值,且:
式中,ω3m和ω4m分别为左后轮和右后轮的轮速传感器量测值,c为积分阻尼系数,Reff为车轮的有效半径。
利用状态向量中的vx和vy,可得到质心侧偏角的估计值βest:
步骤(6),利用积分阻尼法计算车辆的质心侧偏角
由于无法对车辆***动力学进行精准建模且轮胎的侧偏刚度难以准确获取,基于动力学方法的估计结果必然存在误差。积分法仅使用车载传感器输出的实时信号,不需要任何的车辆结构参数,对模型参数的变化具有较好的鲁棒性。但是,车载传感器的输出信号中常存在噪声的干扰。引入合适的阻尼项可以在一定程度上抑制此类量测噪声的影响:
其中:vy,k为k时刻车辆侧向速度的估计值,vx,k为k时刻车辆的纵向速度的估计值,βint,k为k时刻通过积分法得到的质心侧偏角,ay,k-1为k-1时刻车辆质心处的侧向加速度量测值,rk-1为k-1时刻横摆率量测值,τ为阻尼系数(经验值)。
步骤(7),基于自适应模糊逻辑的质心侧偏角融合策略
考虑到车辆运动状态的改变主要来自方向盘转动:在车辆剧烈运动中,车辆纵向车速一般不会发生突变,所以纵向、侧向加速度的变化主要来自车辆的横摆运动;对于不同的方向盘转角区间以及横摆率区间,步骤(5)、(6)中两种方法计算的质心侧偏角偏差存在较为规律的变化趋势。同时考虑到模糊逻辑***的运算量与实时性,最终选择方向盘转角与横摆率两个变量与模糊逻辑***的输入进行关联。并据此分别设计模糊逻辑***的各个输入权值对应的隶属度函数。利用不同的方向盘转角区间以及横摆率区间进行组合,可以确定模糊逻辑***的决策规则。最后,选择合适的去模糊化方法,即可获得完整的模糊逻辑***。具体的步骤如下:
步骤(7.1),输入信号的模糊化
在横摆率与方向盘转角论域内,选择五个隶属度函数(本发明中均选择常用的三角形函数)与模糊逻辑***的输入进行关联,得到关于模糊逻辑***输入的隶属度函数(见图2,其中NB代表小,NS代表较小,Z代表中,PS代表较大,PB代表大)。
不同工况下,模糊逻辑***输入变量的论域会发生改变。为了实现自适应模糊逻辑的目标,应使输入论域的大小以及隶属度函数的形状随变化的工况进行相应的调整——图2中三角形隶属度函数的横坐标自动随工况变化而变化,相应的步骤如下(具体流程如图3所示)。
1)利用车轮轮速传感器与陀螺仪分别得到车辆的纵向速度vx与横摆率r。
2)确定参考横摆率rref:
rref=-2.083e-06vx 3+0.0005vx 2-0.03667vx+1.1 (18)
3)判断车辆是否属于双移线工况
双移线工况下,车辆的横摆率明显小于其他工况(如方向盘标准正弦信号输入)下的横摆率。故利用特定车速下横摆率的幅值大小与参考横摆率的大小关系即可判定是否属于双移线工况。
4)确定模糊逻辑***输入论域的边界
若车辆处于双移线工况,则根据双移线工况下的拟合函数进行插值,确定论域的边界值b11、b15;若车辆处于非双移线工况,则根据非双移线工况下的拟合函数进行插值,进而确定论域的边界值b11、b15。
5)具体论域的确定
根据已确定论域的边界值b11、b15及公式(19),可以确定隶属度函数横坐标中b12、b13、b14的值。
本发明所使用的拟合参数中,非双移线工况数据均来自正弦函数方向盘转角输入(Sine Wave Steer Input)下的仿真结果。这是因为,除双移线工况之外的其余典型工况,其横摆率的大小和方向盘的转角范围与正弦函数方向盘转角输入工况下的数值接近。因此,该工况具有一定普适性,且计算量较小。
相关的工况拟合过程和***输入论域边界插值结果可参考如下的具体例程。方向盘转角对应的隶属度函数同理可得。
以65km/h的DLC工况为例。首先根据公式(18)得到参考横摆率为0.26rad/s,整个过程中的车辆横摆率均小于参考值,故选择双移线工况的拟合公式进行插值。双移线工况下的待拟合数据如表1所示。
表1 双移线工况下的待拟合数据
选取如下的拟合公式:
式中,y1代表横摆率的最小值,y2代表横摆率的最大值,y3代表方向盘转角的最小值,y4代表方向盘转角的最大值。
横摆率输入作用下的插值结果b11、b15分别为-0.172和0.167。同理,对应方向盘转角输入的插值结果b11、b12分别为-27.80°和26.70°。由公式(17)可得:对应横摆率输入的b12、b13、b14分别为-0.087、-0.003、0.082;对应方向盘转角输入的b12、b13、b14分别为-14.18°、-0.55°、13.08°。
步骤(7.2),决策规则的设计
根据各个隶属度函数范围内采用两种方法得到的质心侧偏角偏差的特点,选择与运算(AND)来处理方向盘转角与横摆率之间的关系,采用IF-THEN规则和枚举方式设计模糊逻辑***的决策规则(见表2),此处NB、NS、Z、PS、PB代表的隶属函数对应的权值,分别为0、0.25、0.5、0.75、1。
表2 模糊逻辑***的决策规则
步骤(7.3),权重系数的隶属度函数设计
仍然选择如图1所示的隶属度函数形状,图中NB、NS、Z、PS、PB分别对应于0、0.25、0.5、0.75、1。
步骤(7.4),去模糊化
利用加权平均判决法求解权重系数的隶属度函数。
在上述步骤完成后,对于任意大小的方向盘转角与横摆率输入,模糊逻辑***均会自动地输出相应的权重系数ω。
最终,采用如下的策略实现质心侧偏角的信息融合:
β=ωβint+(1-ω)βest (21)
步骤(8),质心侧偏角补偿策略
通过修正轮胎的侧偏刚度来实现对质心侧偏角的补偿。纵向车速vx高于80km/h且质心侧偏角β的估计值大于0.01rad时,将触发轮胎侧偏刚度修正策略,此时的质心侧偏角(步骤(7)融合后的值)将被反馈到轮胎侧偏刚度修正模块。根据融合后的质心侧偏角、轮胎侧偏角、轮胎力侧向力以及车轮转角之间的关系(如公式(22)、公式(23)所示),即可得到该时刻的轮胎侧偏刚度,此刻的轮胎侧偏刚度将被用于下一时刻轮胎纵向力的计算。
其中:Cf表示前轴的轮胎总侧偏刚度,Cr表示后轴的轮胎总侧偏刚度,αf表示前轴的轮胎侧偏角,αr表示后轴的轮胎侧偏角。
具体过程见图4。
所述实施例为本发明的优选的实施方式,但本发明并不限于上述实施方式,在不背离本发明的实质内容的情况下,本领域技术人员能够做出的任何显而易见的改进、替换或变型均属于本发明的保护范围。
Claims (5)
1.一种考虑多源输入信息的车辆质心侧偏角自适应融合与补偿方法,其特征在于:
建立车辆侧向动力学模型,进而设计车辆前、后轴侧向力观测器,实现对前后轴侧向力的观测;
考虑车辆的垂向、横摆以及侧倾运动,建立车辆的动力学模型,利用带渐消因子的改进最小二乘法,实现对四个轮胎垂向力的观测;
根据Dugoff轮胎模型估计前轴左、右侧轮胎的纵向力;
基于车辆平面运动动力学方程,利用平滑变结构滤波器估计车辆质心侧偏角:所述平滑变结构滤波器的输入向量/>状态向量xe=[vx vyr ax ay M]T、量测向量/>
利用积分阻尼法计算车辆的质心侧偏角:所述k时刻车辆的侧向速度vy,k满足公式:/>
基于自适应模糊逻辑的质心侧偏角融合策略:利用纵向车速和横摆率确定模糊逻辑***的输入论域:对于不同的方向盘转角区间以及横摆率区间,模糊逻辑***根据决策规则,确定相应的权重系数ω,进而利用β=ωβint+(1-ω)βest实现质心侧偏角的融合;
质心侧偏角补偿策略:通过修正轮胎的侧偏刚度来实现对质心侧偏角的补偿,当纵向车速vx高于80km/h且质心侧偏角β的估计值大于0.01rad时,根据融合后的质心侧偏角、轮胎侧偏角、轮胎力侧向力估计值以及车轮转角之间的关系,得到该时刻的轮胎侧偏刚度,并用于下一时刻轮胎纵向力的计算;
其中:δ为前轮转角,是由Dugoff轮胎模型得到的轮胎纵向力,/>为对未知输入观测器的观测结果进行分配得到的各个车轮的侧向力,vx为车辆质心处的纵向速度,vy为车辆质心处的侧向速度,r为车辆横摆率,ax为车辆质心处的纵向加速度,ay为车辆质心处的侧向加速度,M为轮胎力产生的横摆力矩,vxeq和vyeq为车辆后轴中心处纵向速度的量测值和侧向速度的量测值,/>为橫摆角速度一阶保持值,rm为横摆率量测值,axm为车辆质心处纵向加速度量测值,aym为车辆质心处侧向加速度量测值,Iz为车辆绕z轴的转动惯量,vx,k和vy,k为k时刻车辆的纵向和侧向速度的估计值,βint,k为k时刻通过积分阻尼法得到的质心侧偏角,i=1,2,3,4,ay,k-1为k-1时刻车辆质心处的侧向加速度量测值,rk-1为k-1时刻的横摆率量测值,τ为阻尼系数。
2.根据权利要求1所述的考虑多源输入信息的车辆质心侧偏角自适应融合与补偿方法,其特征在于,所述车辆后轴中心处纵向速度的量测值、侧向速度的量测值满足下列公式:
其中,ω3m和ω4m分别为左后轮和右后轮的轮速传感器测量值,c为积分阻尼系数,Reff为车轮的有效半径。
3.根据权利要求1所述的考虑多源输入信息的车辆质心侧偏角自适应融合与补偿方法,其特征在于,所述输入论域的确定过程如下:
若车辆处于双移线工况,根据双移线工况下的拟合函数进行插值,确定论域的边界值b11、b15;若车辆处于非双移线工况,则根据非双移线工况下的拟合函数进行插值,确定论域的边界值b11、b15;根据所述边界值b11、b15以及b1i=b11+(i-1)ξ,确定隶属度函数横坐标中b12、b13、b14的值,其中
4.根据权利要求3所述的考虑多源输入信息的车辆质心侧偏角自适应融合与补偿方法,其特征在于,所述双移线工况通过特定车速下横摆率的幅值大小进行判定。
5.根据权利要求1所述的考虑多源输入信息的车辆质心侧偏角自适应融合与补偿方法,其特征在于,所述决策规则根据如下方式实行:选择与运算处理方向盘转角与横摆率之间的关系,采用IF-THEN规则和枚举方式设计所述决策规则。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111084263.1A CN113830094B (zh) | 2021-09-16 | 2021-09-16 | 一种考虑多源输入信息的车辆质心侧偏角自适应融合与补偿方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111084263.1A CN113830094B (zh) | 2021-09-16 | 2021-09-16 | 一种考虑多源输入信息的车辆质心侧偏角自适应融合与补偿方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113830094A CN113830094A (zh) | 2021-12-24 |
CN113830094B true CN113830094B (zh) | 2024-04-30 |
Family
ID=78959436
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111084263.1A Active CN113830094B (zh) | 2021-09-16 | 2021-09-16 | 一种考虑多源输入信息的车辆质心侧偏角自适应融合与补偿方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113830094B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN105151047A (zh) * | 2015-09-08 | 2015-12-16 | 吉林大学 | 一种汽车质心侧偏角测量方法 |
CN105774902A (zh) * | 2016-03-08 | 2016-07-20 | 南京航空航天大学 | 一种带有容错功能的汽车动力转向控制装置及控制方法 |
CN108284841A (zh) * | 2017-12-11 | 2018-07-17 | 江苏大学 | 一种分布式驱动电动汽车行驶状态自适应迭代估计方法 |
CN108482379A (zh) * | 2018-03-16 | 2018-09-04 | 武汉理工大学 | 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 |
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 |
CN109606352A (zh) * | 2018-11-22 | 2019-04-12 | 江苏大学 | 一种车辆路径跟踪与稳定性协调控制方法 |
CN109760677A (zh) * | 2019-03-13 | 2019-05-17 | 广州小鹏汽车科技有限公司 | 一种车道保持辅助方法及*** |
CN110116732A (zh) * | 2019-04-09 | 2019-08-13 | 吉林大学 | 一种考虑轮胎侧偏刚度变化的车辆侧向稳定控制方法 |
CN110920605A (zh) * | 2018-08-31 | 2020-03-27 | 华为技术有限公司 | 一种车辆控制方法及设备 |
CN111645699A (zh) * | 2020-06-10 | 2020-09-11 | 北京理工大学 | 基于多传感器信息融合的模型自适应侧向速度估计方法 |
CN111873985A (zh) * | 2019-05-29 | 2020-11-03 | 长春工业大学 | 一种四轮驱动电动汽车的集成底盘控制方法 |
CN113104040A (zh) * | 2021-04-21 | 2021-07-13 | 江苏大学 | 一种考虑观测信息时域衰减的轮胎-路面附着系数获取方法 |
-
2021
- 2021-09-16 CN CN202111084263.1A patent/CN113830094B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN105151047A (zh) * | 2015-09-08 | 2015-12-16 | 吉林大学 | 一种汽车质心侧偏角测量方法 |
CN105774902A (zh) * | 2016-03-08 | 2016-07-20 | 南京航空航天大学 | 一种带有容错功能的汽车动力转向控制装置及控制方法 |
CN108284841A (zh) * | 2017-12-11 | 2018-07-17 | 江苏大学 | 一种分布式驱动电动汽车行驶状态自适应迭代估计方法 |
CN108482379A (zh) * | 2018-03-16 | 2018-09-04 | 武汉理工大学 | 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 |
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 |
CN110920605A (zh) * | 2018-08-31 | 2020-03-27 | 华为技术有限公司 | 一种车辆控制方法及设备 |
CN109606352A (zh) * | 2018-11-22 | 2019-04-12 | 江苏大学 | 一种车辆路径跟踪与稳定性协调控制方法 |
CN109760677A (zh) * | 2019-03-13 | 2019-05-17 | 广州小鹏汽车科技有限公司 | 一种车道保持辅助方法及*** |
CN110116732A (zh) * | 2019-04-09 | 2019-08-13 | 吉林大学 | 一种考虑轮胎侧偏刚度变化的车辆侧向稳定控制方法 |
CN111873985A (zh) * | 2019-05-29 | 2020-11-03 | 长春工业大学 | 一种四轮驱动电动汽车的集成底盘控制方法 |
CN111645699A (zh) * | 2020-06-10 | 2020-09-11 | 北京理工大学 | 基于多传感器信息融合的模型自适应侧向速度估计方法 |
CN113104040A (zh) * | 2021-04-21 | 2021-07-13 | 江苏大学 | 一种考虑观测信息时域衰减的轮胎-路面附着系数获取方法 |
Non-Patent Citations (4)
Title |
---|
一种基于数据融合的全轮驱动车辆质心侧偏角估计方法;张征;刘春光;马晓军;张运银;;兵工学报;20200515(05);13-20 * |
基于多信息融合的汽车质心侧偏角估算;来恩铭;罗玉涛;;科学技术与工程;20130308(07);183-188 * |
基于多模型迭代的车辆状态融合估计方法;陈特;陈龙;蔡英凤;徐兴;江浩斌;;农业机械学报;20180409(06);392-399 * |
基于质心侧偏角估计的车辆侧向稳定性T-S模糊H_∞控制;汪选要;张海伦;叶友东;;机械设计;20180320(03);71-78 * |
Also Published As
Publication number | Publication date |
---|---|
CN113830094A (zh) | 2021-12-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108594652B (zh) | 一种基于观测器信息迭代的车辆状态融合估计方法 | |
CN109606352B (zh) | 一种车辆路径跟踪与稳定性协调控制方法 | |
CN107415939B (zh) | 一种分布式驱动电动汽车转向稳定性控制方法 | |
CN112758097B (zh) | 一种用于无人驾驶车辆的状态预测与估计方法 | |
CN112733270A (zh) | 车辆行驶轨迹预测和轨迹偏离危险度评估的***与方法 | |
CN109094644B (zh) | 极限工况下的主动后轮转向与直接横摆力矩控制方法 | |
CN113126623B (zh) | 一种考虑输入饱和的自适应动态滑模自动驾驶车辆路径跟踪控制方法 | |
JP6070044B2 (ja) | サスペンション制御装置 | |
CN115406446A (zh) | 基于神经网络与无迹卡尔曼滤波的多轴特种车状态估计方法 | |
CN111688715B (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 | |
CN115675524A (zh) | 一种自动驾驶半挂卡车横向轨迹跟踪自适应控制方法 | |
CN113771857B (zh) | 一种用于车辆控制的纵向车速估计方法和*** | |
CN112613125B (zh) | 一种路面激励情况下汽车侧倾中心辨识和动态修正的方法 | |
US20190030981A1 (en) | Suspension control system and vehicle | |
CN113401113A (zh) | 基于车辆稳定包络线的无人驾驶汽车直接横摆力矩控制方法及控制器 | |
CN113830094B (zh) | 一种考虑多源输入信息的车辆质心侧偏角自适应融合与补偿方法 | |
CN111231976B (zh) | 一种基于变步长的车辆状态估计方法 | |
CN112287289A (zh) | 一种面向云控智能底盘的车辆非线性状态融合估计方法 | |
CN113071282B (zh) | 一种车辆调节方法及装置 | |
Hirao et al. | A semi-active suspension system using ride control based on bi-linear optimal control theory and handling control considering roll feeling | |
CN115817509A (zh) | 一种基于ampc的多轴分布式驱动车辆转向辅助轨迹跟踪方法 | |
JP2017001561A (ja) | 車両制御装置 | |
CN111559380B (zh) | 一种车辆主动安全控制方法及装置 | |
CN110758404B (zh) | 一种针对车辆稳定***执行器故障的容错控制方法 | |
Elhefnawy et al. | On the control strategies for vehicle stability enhancement |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20240329 Address after: 213032 No. 666 Liaohe Road, Xinbei District, Changzhou City, Jiangsu Province Applicant after: CHANGZHOU INSTITUTE OF TECHNOLOGY Country or region after: China Address before: Zhenjiang City, Jiangsu Province, 212013 Jingkou District Road No. 301 Applicant before: JIANGSU University Country or region before: China |
|
GR01 | Patent grant | ||
GR01 | Patent grant |