CN115284809B - 智能网联车队主动悬架控制方法、***及计算机设备 - Google Patents

智能网联车队主动悬架控制方法、***及计算机设备 Download PDF

Info

Publication number
CN115284809B
CN115284809B CN202211224542.8A CN202211224542A CN115284809B CN 115284809 B CN115284809 B CN 115284809B CN 202211224542 A CN202211224542 A CN 202211224542A CN 115284809 B CN115284809 B CN 115284809B
Authority
CN
China
Prior art keywords
active suspension
road
profile information
road profile
vehicle
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
Application number
CN202211224542.8A
Other languages
English (en)
Other versions
CN115284809A (zh
Inventor
高小林
邱香
易星
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangxi University of Technology
Original Assignee
Jiangxi University of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jiangxi University of Technology filed Critical Jiangxi University of Technology
Priority to CN202211224542.8A priority Critical patent/CN115284809B/zh
Publication of CN115284809A publication Critical patent/CN115284809A/zh
Application granted granted Critical
Publication of CN115284809B publication Critical patent/CN115284809B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60G—VEHICLE SUSPENSION ARRANGEMENTS
    • B60G17/00—Resilient suspensions having means for adjusting the spring or vibration-damper characteristics, for regulating the distance between a supporting surface and a sprung part of vehicle or for locking suspension during use to meet varying vehicular or surface conditions, e.g. due to speed or load
    • B60G17/015—Resilient suspensions having means for adjusting the spring or vibration-damper characteristics, for regulating the distance between a supporting surface and a sprung part of vehicle or for locking suspension during use to meet varying vehicular or surface conditions, e.g. due to speed or load the regulating means comprising electric or electronic elements
    • B60G17/016—Resilient suspensions having means for adjusting the spring or vibration-damper characteristics, for regulating the distance between a supporting surface and a sprung part of vehicle or for locking suspension during use to meet varying vehicular or surface conditions, e.g. due to speed or load the regulating means comprising electric or electronic elements characterised by their responsiveness, when the vehicle is travelling, to specific motion, a specific condition, or driver input
    • B60G17/0165—Resilient suspensions having means for adjusting the spring or vibration-damper characteristics, for regulating the distance between a supporting surface and a sprung part of vehicle or for locking suspension during use to meet varying vehicular or surface conditions, e.g. due to speed or load the regulating means comprising electric or electronic elements characterised by their responsiveness, when the vehicle is travelling, to specific motion, a specific condition, or driver input to an external condition, e.g. rough road surface, side wind
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60G—VEHICLE SUSPENSION ARRANGEMENTS
    • B60G2400/00—Indexing codes relating to detected, measured or calculated conditions or factors
    • B60G2400/80—Exterior conditions
    • B60G2400/82—Ground surface

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Vehicle Body Suspensions (AREA)

Abstract

本发明提供了一种智能网联车队主动悬架控制方法、***及计算机设备，该智能网联车队主动悬架控制方法包括：构建主动悬架动力学模型，并根据主动悬架动力学模型获取模型状态空间方程；基于模型状态空间方程并结合估计器对当前道路进行领航车道路轮廓估计，得到第一道路轮廓信息，获取当前道路的第二道路轮廓信息；计算出第一道路轮廓信息和第二道路轮廓信息的第一参考对比值，将第一参考对比值与允许误差阈值进行对比；根据对比结果切换领航车主动悬架控制模式。通过本申请，领航车可以随时检测传感器预瞄的第二道路轮廓信息的准确性，避免第二道路轮廓信息不准确时导致车辆出现错误判断的问题，以此来提升舒适性、稳定性以及行驶安全性。

Description

智能网联车队主动悬架控制方法、***及计算机设备
技术领域
本发明涉及车队控制技术领域，特别涉及一种智能网联车队主动悬架控制方法、***及计算机设备。
背景技术
随着汽车电子电器架构的高速发展，汽车的电动化、智能化以及电控趋势明显，悬架的发展主要体现在控制形式的提升，可以分为被动式悬架、半主动悬架以及主动式悬架。
目前，主动式悬架主要依据当前状态或输出通过反馈控制方式决定未来的控制输入，且通常利用传感器预瞄的方式来获取道路高程信息，而这种传感器预瞄方法比较脆弱，可能会被路面上的水、雪或者其他软障碍迷惑，且易受限于短距离，也就是说，当智能车队距离很近时，主动式悬架预瞄控制的传感器无法准确检测预瞄点的道路高程信息，导致车辆出现错误判断。
发明内容
基于此，本发明的目的是提供一种智能网联车队主动悬架控制方法、***及计算机设备，以解决上述现有技术中的不足。
为实现上述目的，本发明提供了一种智能网联车队主动悬架控制方法，包括：
构建主动悬架动力学模型，并根据所述主动悬架动力学模型获取模型状态空间方程；
基于所述模型状态空间方程并结合估计器对当前道路进行领航车道路轮廓估计，得到第一道路轮廓信息，并获取所述当前道路的第二道路轮廓信息；
计算出所述第一道路轮廓信息和所述第二道路轮廓信息的第一参考对比值，并将所述第一参考对比值与允许误差阈值进行对比；
当所述第一参考对比值大于等于所述允许误差阈值时，将领航车的主动悬架控制模式切换为反馈控制模式；
当所述第一参考对比值小于所述允许误差阈值时，将所述领航车的主动悬架控制模式切换为前馈-反馈控制模式。
优选的，所述模型状态空间方程的表达式如下：
Figure 225929DEST_PATH_IMAGE001
其中，
Figure 476782DEST_PATH_IMAGE003
为所述主动悬架控制***状态变量的一阶导数，x(t)为主动悬架控制*** 状态变量； A、B、D分别为***矩阵、控制矩阵、路面输入矩阵，可由主动悬架动力学模型得 到；w(t)为所述第一道路轮廓信息；u(t)为主动悬架控制***作用下的作动器作用力。
优选的，所述估计器选用卡尔曼滤波估计器，所述基于所述模型状态空间方程并结合估计器对当前道路进行领航车道路轮廓估计，得到第一道路轮廓信息的步骤包括：
根据所述模型状态空间方程和卡尔曼滤波估计器估计出所述领航车的车辆轮胎挠度；
获取所述领航车的簧下质量速度；
根据所述车辆轮胎挠度和所述簧下质量速度计算出第一道路轮廓信息；
所述第一道路轮廓信息的计算公式如下所示：
Figure 52119DEST_PATH_IMAGE004
其中，
Figure 388423DEST_PATH_IMAGE005
为t时刻轮胎垂向振动位移；
Figure 707409DEST_PATH_IMAGE006
为t时刻轮胎垂向振动速度；
Figure 812768DEST_PATH_IMAGE007
为路 面轮廓干扰位移输入；
Figure 559007DEST_PATH_IMAGE008
为路面轮廓干扰速度输入。
优选的，根据所述模型状态空间方程和卡尔曼滤波估计器估计所述领航车的车辆轮胎挠度的步骤包括：
基于所述模型状态空间方程构建主动悬架***控制模型；
基于所述主动悬架***控制模型，并结合卡尔曼滤波估计原理构建状态观测器估计模型；
利用所述状态观测器估计模型估计所述领航车的车辆轮胎挠度。
优选的，所述主动悬架***控制模型的函数表达式如下所示：
Figure 117027DEST_PATH_IMAGE009
其中，C为主动悬架控制***输出矩阵，
Figure 505283DEST_PATH_IMAGE010
为t时刻的高斯白噪声，
Figure 465149DEST_PATH_IMAGE011
为t时刻 测量误差，y为主动悬架控制***的输出量；
所述状态观测估计器模型的函数表达式如下所示：
Figure 382290DEST_PATH_IMAGE012
其中，
Figure 693185DEST_PATH_IMAGE013
为t时刻所述状态观测器估计模型的状态变量估计值，
Figure 353974DEST_PATH_IMAGE014
为所述状态观 测器估计模型的状态变量估计值的一阶导数，
Figure 168346DEST_PATH_IMAGE015
为t时刻状态观测器增益。
优选的，所述方法还包括：
获取第三道路轮廓信息，并对所述当前道路进行跟随车道路轮廓估计，以得到第四道路轮廓信息；
将所述第二道路轮廓信息和所述第三道路轮廓信息分别与所述第四道路轮廓信息进行比较，并根据比较结果切换跟随车对应的主动悬架控制模式。
优选的，将所述第二道路轮廓信息和所述第三道路轮廓信息分别与所述第四道路轮廓信息进行比较，根据比较结果来切换跟随车对应的主动悬架控制模式的步骤包括：
分别计算出所述第三道路轮廓信息和所述第四道路轮廓信息的第二参考对比值及计算出所述第二道路轮廓信息和所述第四道路轮廓信息的第三参考对比值；
当所述第二参考对比值和所述第三参考对比值均大于等于所述允许误差阈值时，将所述跟随车的主动悬架控制模式切换为反馈控制模式；
当所述第二参考对比值大于等于所述允许误差阈值，所述第三参考对比值小于所述允许误差阈值时，将所述跟随车的主动悬架控制模式切换为前馈-反馈控制模式，且输出所述第一道路轮廓信息；
当所述第二参考对比值小于所述允许误差阈值，所述第三参考对比值大于等于所述允许误差阈值时，将所述跟随车的主动悬架控制模式切换为前馈-反馈控制模式，且输出所述第三道路轮廓信息；
当所述第二参考对比值和所述三参考对比值均小于所述允许误差阈值时，将所述跟随车的主动悬架控制模式切换为前馈-反馈控制模式，且输出所述第一道路轮廓信息或所述第三道路轮廓信息。
为实现上述目的，本发明还提供了一种智能网联车队主动悬架控制***，所述***包括：
构建模块，用于构建主动悬架动力学模型，并根据所述主动悬架动力学模型获取模型状态空间方程；
得到模块，用于基于所述模型状态空间方程并结合估计器对当前道路进行道路轮廓估计，得到第一道路轮廓信息，并获取所述当前道路的第二道路轮廓信息；
计算模块，用于计算出所述第一道路轮廓信息和所述第二道路轮廓信息的第一参考对比值，并将所述第一参考对比值与允许误差阈值进行对比；
第一切换模块，用于当所述第一参考对比值大于等于所述允许误差阈值时，将领航车的主动悬架控制模式切换为反馈控制模式；
第二切换模块，用于当所述第一参考对比值小于所述允许误差阈值时，将所述领航车的主动悬架控制模式切换为前馈-反馈控制模式。
优选的，所述***还包括：
获取模块，用于获取第三道路轮廓信息，并对所述当前道路进行跟随车道路轮廓估计，以得到第四道路轮廓信息；
比较模块，用于将所述第二道路轮廓信息和所述第三道路轮廓信息分别与所述第四道路轮廓信息进行比较，并根据比较结果切换跟随车对应的主动悬架控制模式。
为实现上述目的，本发明还提供了一种计算机设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述中所述的智能网联车队主动悬架控制方法。
上述本发明提供了一种智能网联车队主动悬架控制方法、***及计算机设备，通过对当前道路进行领航车道路轮廓估计出第一道路轮廓信息，并通过传感器预瞄的方式获取当前道路的第二道路轮廓信息，然后分别从第一道路轮廓信息和第二道路轮廓信息提取出相应的第一高程信息和第二高程信息，以计算出第一高程信息和第二高程信息的第一参考对比值，将第一参考对比值与允许误差阈值进行对比，然后根据对比结果来切换主动悬架控制模式，使得领航车可以随时检测传感器预瞄的第二道路轮廓信息的准确性，避免第二道路轮廓信息不准确时导致车辆出现错误判断的问题，以此来提升舒适性、稳定性以及行驶安全性。
本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
图1为本发明第一实施例提供的智能网联车队主动悬架控制方法的流程图；
图2为本发明第一实施例提供的预瞄传感器的原理图；
图3为本发明第一实施例提供的估计器的原理图；
图4为本发明第一实施例提供的智能网联车队主动悬架控制方法的原理图；
图5为本发明第二实施例提供的智能网联车队主动悬架控制***的结构框图；
图6为本发明第三实施例提供的计算机设备的硬件结构示意图。
如下具体实施方式将结合上述附图进一步说明本发明。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行描述和说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。基于本申请提供的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
显而易见地，下面描述中的附图仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其他类似情景。此外，还可以理解的是，虽然这种开发过程中所作出的努力可能是复杂并且冗长的，然而对于与本申请公开的内容相关的本领域的普通技术人员而言，在本申请揭露的技术内容的基础上进行的一些设计，制造或者生产等变更只是常规的技术手段，不应当理解为本申请公开的内容不充分。
在本申请中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是，本申请所描述的实施例在不冲突的情况下，可以与其它实施例相结合。
除非另作定义，本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制，可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形，意图在于覆盖不排他的包含；例如包含了一系列步骤或模块（单元）的过程、方法、***、产品或设备没有限定于已列出的步骤或单元，而是可以还包括没有列出的步骤或单元，或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电气的连接，不管是直接的还是间接的。本申请所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。本申请所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象，不代表针对对象的特定排序。
本发明第一实施例提供了一种智能网联车队主动悬架控制方法，适用于智能网联车辆，特别适用于缺乏驾驶员主观评价反馈的自动驾驶车辆.
可以理解的，当前主动悬架道路预瞄方法主要有三种，1）“前瞻”传感器预瞄，采用反射光（如激光雷达）、超声波或雷达波束技术在汽车前端安装一个“前瞻”传感器进行道路高程信息测量。这种传感器预瞄方法比较脆弱，不仅可能会被路面水、雪或其他软障碍所迷惑；且易受限于短距离，当智能车队距离很近时，主动悬架预瞄控制控制的传感器无法准确检测预瞄点的道路高程信息；2）轴距预瞄，通过假设后轮道路输入与前轮相同，并具有适当的时间延迟，从前轮悬架的响应来估计后桥的道路轮廓。该种方法应用场景范围窄，只能应用于前后轴路径重合度高的车辆的后轴悬架控制；3）领航车辆预瞄，车辆网联化和多车协同化发展，实现领航车预估，将领航车作为前瞻传感器，预先估计道路高程轮廓，利用智能网联车辆的优势，并将预瞄信息通过网联与其他车辆共享。该种方法也存在路面轮廓预估错误的风险，如果一个松散的障碍物被移走或清除，或者智能车队中跟随车辆路径发生变化，导致一辆车错过了一个离散的道路事件，那么不同车辆之间的地形可能会发生变化。通过本申请中的智能网联车队主动悬架控制方法，可以保证智能网联车辆驾驶员在反馈较少和路面预瞄不准确情况下主动悬架能提供更高舒适性能和性能安全性能。
图1是本申请实施例的智能网联车队主动悬架控制方法的流程图，如图1所示，所述方法包括如下步骤：
步骤S101，构建主动悬架动力学模型，并根据所述主动悬架动力学模型获取模型状态空间方程；
其中，根据牛顿第二定律，建立领航车的1/4二自由度主动悬架动力学模型，并选 取图2中的悬架位移
Figure 521967DEST_PATH_IMAGE016
、簧载质量速度
Figure 54579DEST_PATH_IMAGE017
、轮胎挠度
Figure 784638DEST_PATH_IMAGE018
Figure 453517DEST_PATH_IMAGE019
、簧下质量 速度
Figure 978039DEST_PATH_IMAGE020
为主动悬架控制***状态变量
Figure 997948DEST_PATH_IMAGE021
，统一处理主动悬架控制***动力学模型为如 下状态空间模型：
Figure 539DEST_PATH_IMAGE022
其中，
Figure 789503DEST_PATH_IMAGE023
为所述主动悬架控制***状态变量的一阶导数，
Figure 750506DEST_PATH_IMAGE024
为主动悬架控制*** 状态变量； A、B、D分别为***矩阵、控制矩阵、路面输入矩阵，本发明三个矩阵均是由智能 车队簧载质量、非簧载质量等悬架参数确定，可由主动悬架动力学模型得到；
Figure 992131DEST_PATH_IMAGE025
为所述第 一道路轮廓信息；
Figure 798413DEST_PATH_IMAGE026
为主动悬架控制***作用下的作动器作用力。
步骤S102，基于所述模型状态空间方程并结合估计器对当前道路进行领航车道路轮廓估计，得到第一道路轮廓信息，并获取所述当前道路的第二道路轮廓信息；
其中，所述估计器选用卡尔曼滤波估计器，如图3所示，所述卡尔曼滤波估计器包括：智能网联车队主动悬架控制模块决定的主动悬架***控制模型、由***待观测量决定的观测器估计模型、由卡尔曼滤波估计器决定的观测器增益、由测量***导致的噪声、有主动悬架控制模块决定的反馈增益、控制***输出测量值与观测器估计模型输出值的比较模块以及道路轮廓输入。
需要说明的是，所述第二道路轮廓信息通过安装在领航车的第一预瞄传感器测量得到。预瞄传感器采用固态激光雷达，激光雷达可对路面凹凸进行测量，且要能实现2mm的超高精度测量，同一时间点可对多点进行测量，在高速行驶的状况下也能进行测量。
步骤S103，计算出所述第一道路轮廓信息和所述第二道路轮廓信息的第一参考对比值，并将所述第一参考对比值与允许误差阈值进行对比；
其中，为了降低两个模块时滞导致的误差影响，本实施例中采用道路轮廓高程信息加权均方根值RMS与所述允许误差阈值进行比较，即将所述第一参考对比值为所述第一高程信息和所述第二高程信息之间的加权均方根值。
需要说明的是，分别从所述第一道路轮廓信息和所述第二道路轮廓信息提取出第一高程信息和第二高程信息，所述第一参考对比值为所述第一高程信息和所述第二高程信息计算出的数值。
步骤S104，当所述第一参考对比值大于等于所述允许误差阈值时，将领航车的主动悬架控制模式切换为反馈控制模式；
其中，所述反馈控制模式是将上一周期扰动输入产生作用后，才能通过反馈控制调节***，因此会有控制滞后的弊端。前馈-反馈控制是在悬架***接收路面轮廓输入干扰但是还没产生后果之前，接入一个前馈控制作用，使得能够在干扰点上抵消路面输入干扰对主动悬架***控制变量的影响。
步骤S105，当所述第一参考对比值小于所述允许误差阈值时，将所述领航车的主动悬架控制模式切换为前馈-反馈控制模式。
其中，所述前馈-反馈控制模式为在悬架***接收路面轮廓输入干扰但是还没产生后果之前，接入一个前馈控制作用，使得能够在干扰点上抵消路面输入干扰对主动悬架***控制变量的影响。需要说明的是，前馈-反馈控制模式能够起到前馈控制的前提是能够提前感知（预瞄）到路面轮廓输入信号，因此本发明只有在能够预瞄道路轮廓信息的模块起作用时前馈-反馈控制方法才能使用，也就是说，所述第一参考对比值小于所述允许误差阈值时，预瞄的所述第二道路轮廓信息与估计模块估计的所述第一道路轮廓信息匹配，该所述第二道路轮廓信息为所述前馈-反馈控制模式的输入。
通过上述步骤，对当前道路进行领航车道路轮廓估计出第一道路轮廓信息，并通过传感器预瞄的方式获取当前道路的第二道路轮廓信息，然后分别从第一道路轮廓信息和第二道路轮廓信息提取出相应的第一高程信息和第二高程信息，以计算出第一高程信息和第二高程信息的第一参考对比值，将第一参考对比值与允许误差阈值进行对比，然后根据对比结果来切换主动悬架控制模式，使得领航车可以随时检测传感器预瞄的第二道路轮廓信息的准确性，避免第二道路轮廓信息不准确时导致车辆出现错误判断的问题，以此来提升舒适性、稳定性以及行驶安全性。
在其中一些实施例中，所述模型状态空间方程的表达式如下：
Figure 710393DEST_PATH_IMAGE027
其中，
Figure 311139DEST_PATH_IMAGE003
为所述主动悬架控制***状态变量的一阶导数；
Figure 305640DEST_PATH_IMAGE028
为主动悬架控制*** 状态变量； A、B、D分别为***矩阵、控制矩阵、路面输入矩阵，可由主动悬架动力学模型得 到；
Figure 650033DEST_PATH_IMAGE029
为所述第一道路轮廓信息；
Figure 413590DEST_PATH_IMAGE030
为主动悬架控制***作用下的作动器作用力。
在其中一些实施例中，所述估计器选用卡尔曼滤波估计器，所述基于所述模型状态空间方程并结合估计器对当前道路进行领航车道路轮廓估计，得到第一道路轮廓信息的步骤包括：
根据所述模型状态空间方程和卡尔曼滤波估计器估计出所述领航车的车辆轮胎挠度；
获取所述领航车的簧下质量速度；
根据所述车辆轮胎挠度和所述簧下质量速度计算出第一道路轮廓信息；
需要说明的是，领航车估计模块进行所述第一道路轮廓信息
Figure 185237DEST_PATH_IMAGE031
估计时，是根据 领航车辆的状态，轮胎的挠度
Figure 667034DEST_PATH_IMAGE032
和簧下质量速度
Figure 80698DEST_PATH_IMAGE033
的组合生成的，
所述第一道路轮廓信息的计算公式如下所示：
Figure 698761DEST_PATH_IMAGE034
其中，
Figure 906888DEST_PATH_IMAGE035
为t时刻轮胎垂向振动位移；
Figure 610402DEST_PATH_IMAGE036
为t时刻轮胎垂向振动速度；
Figure 296598DEST_PATH_IMAGE037
为路 面轮廓干扰位移输入；
Figure 34747DEST_PATH_IMAGE038
为路面轮廓干扰速度输入；其它符号同上文一致。
所述簧上质量速度和簧下质量速度可以通过传感器测量，所述传感器为加速度传 感器，且在车辆悬架、以及靠近前后保险杠处各安装有1个，所述轮胎挠度
Figure 148197DEST_PATH_IMAGE039
是不 能够利用传感器进行测量的。为了实现领航车估计模块的道路轮廓估计功能，本实施例采 用了如图3所示的观测器估计模型进行轮胎挠度观测。
在其中一些实施例中，根据所述模型状态空间方程和卡尔曼滤波估计器估计所述领航车的车辆轮胎挠度的步骤包括：
基于所述模型状态空间方程构建主动悬架***控制模型；
其中，在本发明中的步骤S101中已经确定好了模型状态空间方程，为了能够估计 主动悬架的状态量，本发明实施例设计的控制***输出量需为可测量，即输出量为测量量， 需要说明的是，测量量
Figure 339006DEST_PATH_IMAGE040
，其中C=[1 0 0 0；0 1 0 0；0 0 0 1]，包含悬架挠度
Figure 828894DEST_PATH_IMAGE041
、簧上质量速度
Figure 421549DEST_PATH_IMAGE042
和簧下质量速度
Figure 237058DEST_PATH_IMAGE043
，这三个量均可以通过传感 器进行测量。
因此，包含输出量的领航车主动悬架***控制模型为：
Figure 915164DEST_PATH_IMAGE044
其中，C为主动悬架控制***输出矩阵，
Figure 943163DEST_PATH_IMAGE045
为t时刻的高斯白噪声，
Figure 390325DEST_PATH_IMAGE046
为t时刻 测量误差，y为主动悬架控制***的输出量，其它符号同上文一致。
输入和测量噪声方差矩阵分别为：
Figure 111156DEST_PATH_IMAGE047
，
Figure 542138DEST_PATH_IMAGE048
。
上式中，
Figure 373827DEST_PATH_IMAGE049
表示期望值函数，其中传感器误差和测量值的
Figure 409917DEST_PATH_IMAGE050
值与高斯白噪声 标准偏差相关。
基于所述主动悬架***控制模型，并结合卡尔曼滤波估计原理构建状态观测器估计模型；
其中，所述状态观测估计器模型的函数表达式如下所示：
Figure 567228DEST_PATH_IMAGE051
式中，
Figure 219927DEST_PATH_IMAGE052
为t时刻所述状态观测器估计模型的状态变量估计值，
Figure 589728DEST_PATH_IMAGE053
为所述状态观 测器估计模型的状态变量估计值的一阶导数，
Figure 11482DEST_PATH_IMAGE054
为t时刻状态观测器增益，其它符号同上 文一致。
需要说明的是，由卡尔曼滤波估计器的基本原理可得所述状态观测估计器模型的增益为：
Figure 71186DEST_PATH_IMAGE055
其中，T为矩阵转置符号，W为测量噪声方差矩阵。
P(t)为下面Riccati方程（黎卡提方程）的解。
Figure 945602DEST_PATH_IMAGE056
其中，P(t)为黎卡提方程的唯一正定解，V为输入噪声方差矩阵，其它符号同上文一致。
因此，本发明实施例中所述状态观测估计器模型输出的是一个包含轮胎挠度的估计状态向量，带入所述第一道路轮廓信息的计算公式中可得到本发明实施例中的领航车估计模块的第一道路轮廓信息。
利用所述状态观测器估计模型估计所述领航车的车辆轮胎挠度。
在其中一些实施例中，所述主动悬架***控制模型的函数表达式如下所示：
Figure 384673DEST_PATH_IMAGE057
其中，C为主动悬架控制***输出矩阵，
Figure 926513DEST_PATH_IMAGE058
为t时刻的高斯白噪声，
Figure 894469DEST_PATH_IMAGE059
为t时刻测 量误差，y为主动悬架控制***的输出量；其它符号同上文一致。
所述状态观测估计器模型的函数表达式如下所示：
Figure 521759DEST_PATH_IMAGE060
其中，
Figure 233363DEST_PATH_IMAGE061
为t时刻所述状态观测器估计模型的状态变量估计值，
Figure 629710DEST_PATH_IMAGE053
为所述状态观 测器估计模型的状态变量估计值的一阶导数，
Figure 34146DEST_PATH_IMAGE062
为t时刻状态观测器增益。
在其中一些实施例中，所述方法还包括：
获取第三道路轮廓信息，并对所述当前道路进行跟随车道路轮廓估计，以得到第四道路轮廓信息；
将所述第二道路轮廓信息和所述第三道路轮廓信息分别与所述第四道路轮廓信息进行比较，并根据比较结果切换跟随车对应的主动悬架控制模式。
具体地，将所述第二道路轮廓信息发送至跟随车移位寄存器；通过跟随车预瞄模块中的第二预瞄传感器测量得到所述第三道路轮廓信息，并对所述当前道路进行跟随车道路轮廓估计，得到第四道路轮廓信息，将所述第三道路轮廓信息发送至所述跟随车移位寄存器；通过所述移位寄存器将所述第二道路轮廓信息和所述第三道路轮廓信息发送至跟随车中的比较模块，并直接将所述第四道路轮廓信息发送至所述比较模块；通过所述比较模块将所述第二道路轮廓信息和所述第三道路轮廓信息分别与所述第四道路轮廓信息进行比较，根据比较结果来切换跟随车对应的主动悬架控制模式。
可以理解的，所述跟随车移位寄存器采用线性反馈移位寄存器，它的上限移位速度取决于移位单元的延迟时间，所述跟随车移位寄存器移位单元的延迟时间由智能车队行驶速度和车队间距决定。
所述第四道路轮廓信息通过跟随车估计模块进行道路轮廓估计得到，且所述第四道路轮廓信息的估计方式与所述第一道路轮廓信息的估计方式大体相同，在此不再赘述。
在其中一些实施例中，将所述第二道路轮廓信息和所述第三道路轮廓信息分别与所述第四道路轮廓信息进行比较，根据比较结果来切换跟随车对应的主动悬架控制模式的步骤包括：
分别计算出所述第三道路轮廓信息和所述第四道路轮廓信息的第二参考对比值及计算出所述第二道路轮廓信息和所述第四道路轮廓信息的第三参考对比值；
当所述第二参考对比值和所述第三参考对比值均大于等于所述允许误差阈值时，将所述跟随车的主动悬架控制模式切换为反馈控制模式；
当所述第二参考对比值大于等于所述允许误差阈值，所述第三参考对比值小于所述允许误差阈值时，将所述跟随车的主动悬架控制模式切换为前馈-反馈控制模式，且输出所述第一道路轮廓信息；
当所述第二参考对比值小于所述允许误差阈值，所述第三参考对比值大于等于所述允许误差阈值时，将所述跟随车的主动悬架控制模式切换为前馈-反馈控制模式，且输出所述第三道路轮廓信息；
当所述第二参考对比值和所述三参考对比值均小于所述允许误差阈值时，将所述跟随车的主动悬架控制模式切换为前馈-反馈控制模式，且输出所述第一道路轮廓信息或所述第三道路轮廓信息。
其中，在跟随车中，可以通过接收来自所述领航车发送的第二道路轮廓信息作为输入以启动所述跟随车的主动悬架控制模式，也可以通过自身的预瞄模块中的第二预瞄传感器实时测量的所述第三道路轮廓信息作为输入以启动所述跟随车的主动悬架控制模式。而根据哪个道路轮廓信息作为输入来启动所述跟随车的主动悬架控制模式，需要进行以上所述第二参考对比值和所述第三参考对比值与所述允许误差阈值的比较结果进行判断，以及判断所述跟随车的主动悬架控制模式。
可以理解的，当所述第二参考对比值和所述第三参考对比值均大于或等于所述允许误差阈值时，则说明所述第二道路轮廓信息和所述第三道路轮廓信息以及所述第三道路轮廓信息和所述第四道路轮廓信息误差大，不匹配，因此选择反馈控制模式，无需输入作为启动信号的道路轮廓信息，自动实现主动悬架控制。
除此之外，当所述所述第二参考对比值和所述第三参考对比值中的任一个值小于所述允许误差阈值时，则说明小于所述允许误差阈值中的相应的道路轮廓信息之间误差小，能够匹配的上，即可以将其中相应的道路轮廓信息作为启动信号输入至前馈-反馈控制模式中，以启动该模式进入工作。
如图4所示，本申请的一个较佳实施例中提供了一种智能网联车队主动悬架控制方法，该方法实现步骤如下：
分别建立领航车和跟随车的主动悬架动力学模型及模型状态空间方程；
分别通过领航车预瞄传感器和跟随车预瞄传感器获取第一道路轮廓信息和第二道路轮廓信息；
分别通过领航车估计模块和跟随车估计模块对当前道路进行道路轮廓估计，得到第三道路轮廓信息和第四道路轮廓信息；
通过领航车道路轮廓信息比较模块计算出所述第一道路轮廓信息和所述第三道路轮廓信息的第一参考对比值，并同步将所述第一参考对比值与允许误差阈值进行比较，以使所述领航车根据比较结果切换相应的领航车主动悬架控制模式；
通过所述领航车道路轮廓信息比较模块将所述第三道路轮廓信息发送至跟随车移位寄存器；
通过所述跟随车预瞄模块将所述第二道路轮廓信息发送至所述跟随车移位寄存器，并通过所述跟随车估计模块将所述第四道路轮廓信息发送至跟随车道路轮廓信息比较模块；
通过所述跟随车移位寄存器将所述第二道路轮廓信息和所述第三道路轮廓信息发送至所述跟随车道路轮廓信息比较模块；
通过所述跟随车道路轮廓信息比较模块计算出所述第二道路轮廓信息和所述第四道路轮廓信息的第二参考对比值，以及计算出所述第四道路轮廓信息和所述第三道路轮廓信息的第三参考对比值；
通过所述跟随车道路轮廓信息比较模块将所述第二参考对比值和所述第三参考对比值分别与所述允许误差阈值进行比较，以使所述跟随车根据所述比较结果切换跟随车主动悬架控制模式。
通过上述步骤，智能车队领航车可以随时检测传感器道路预瞄是否准确，且能在传感器路面预瞄出现错误时，切换领航车主动悬架控制模式，保证领航车悬架性能的稳定性和行驶安全性；智能车队跟随车随时检测领航车传递的道路轮廓信息和自身传感器预瞄的道路轮廓信息的准确性，且能择优选取，能够提高跟随车辆主动悬架性能；同时当两者路面信息均有错误时，能够切换跟随车主动悬架控制模式，保证跟随车悬架性能的稳定性和行驶安全性。
需要说明的是，在上述流程中或者附图的流程图中示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
本申请第二实施例还提供了一种智能网联车队主动悬架控制***，该***用于实现上述第一实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”、“单元”、“子单元”等可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
图5为本申请第二实施例的智能网联车队主动悬架控制***的结构框图，如图5所示，所述***包括：
构建模块10，用于构建主动悬架动力学模型，并根据所述主动悬架动力学模型获取模型状态空间方程；
得到模块20，用于基于所述模型状态空间方程并结合估计器对当前道路进行道路轮廓估计，得到第一道路轮廓信息，并获取所述当前道路的第二道路轮廓信息；
计算模块30，用于计算出所述第一道路轮廓信息和所述第二道路轮廓信息的第一参考对比值，并将所述第一参考对比值与允许误差阈值进行对比；
第一切换模块40，用于当所述第一参考对比值大于等于所述允许误差阈值时，将领航车的主动悬架控制模式切换为反馈控制模式；
第二切换模块50，用于当所述第一参考对比值小于所述允许误差阈值时，将所述领航车的主动悬架控制模式切换为前馈-反馈控制模式。
通过上述步骤，对当前道路进行领航车道路轮廓估计出第一道路轮廓信息，并通过传感器预瞄的方式获取当前道路的第二道路轮廓信息，然后分别从第一道路轮廓信息和第二道路轮廓信息提取出相应的第一高程信息和第二高程信息，以计算出第一高程信息和第二高程信息的第一参考对比值，将第一参考对比值与允许误差阈值进行对比，然后根据对比结果来切换主动悬架控制模式，使得领航车可以随时检测传感器预瞄的第二道路轮廓信息的准确性，避免第二道路轮廓信息不准确时导致车辆出现错误判断的问题，以此来提升舒适性、稳定性以及行驶安全性。
在其中一些实施例中，所述估计器选用卡尔曼滤波估计器，所述得到模块20包括：
估计单元，用于根据所述模型状态空间方程和卡尔曼滤波估计器估计出所述领航车的车辆轮胎挠度；
获取单元，用于获取所述领航车的簧下质量速度；
第一计算单元，用于根据所述车辆轮胎挠度和所述簧下质量速度计算出第一道路轮廓信息。
在其中一些实施例中，所述第一计算单元包括：
第一构建子单元，用于基于所述模型状态空间方程构建主动悬架***控制模型；
第二构建子单元，用于基于所述主动悬架***控制模型，并结合卡尔曼滤波估计原理构建状态观测器估计模型；
估计子单元，用于利用所述状态观测器估计模型估计所述车辆轮胎挠度。
在其中一些实施例中，所述***还包括：
获取模块，用于获取第三道路轮廓信息，并对所述当前道路进行跟随车道路轮廓估计，以得到第四道路轮廓信息；
比较模块，用于将所述第二道路轮廓信息和所述第三道路轮廓信息分别与所述第四道路轮廓信息进行比较，并根据比较结果切换跟随车对应的主动悬架控制模式。
在其中一些实施例中，所述比较模块包括：
第二计算单元，用于分别计算出所述第三道路轮廓信息和所述第四道路轮廓信息的第二参考对比值及计算出所述第二道路轮廓信息和所述第四道路轮廓信息的第三参考对比值；
第一切换单元，用于当所述第二参考对比值和所述第三参考对比值均大于等于所述允许误差阈值时，将所述跟随车的主动悬架控制模式切换为反馈控制模式；
第二切换单元，用于当所述第二参考对比值大于等于所述允许误差阈值，所述第三参考对比值小于所述允许误差阈值时，将所述跟随车的主动悬架控制模式切换为前馈-反馈控制模式，且输出所述第一道路轮廓信息；
第三切换单元，用于当所述第二参考对比值小于所述允许误差阈值，所述第三参考对比值大于等于所述允许误差阈值时，将所述跟随车的主动悬架控制模式切换为前馈-反馈控制模式，且输出所述第三道路轮廓信息；
第四单元，用于当所述第二参考对比值和所述三参考对比值均小于所述允许误差阈值时，将所述跟随车的主动悬架控制模式切换为前馈-反馈控制模式，且输出所述第一道路轮廓信息或所述第三道路轮廓信息。
上述各模块、单元被执行时所实现的功能或操作步骤与上述方法实施例大体相同，在此不再赘述。
本发明实施例所提供的智能网联车队主动悬架控制***，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。
需要说明的是，上述各个模块可以是功能模块也可以是程序模块，既可以通过软件来实现，也可以通过硬件来实现。对于通过硬件来实现的模块而言，上述各个模块可以位于同一处理器中；或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。
另外，结合图1描述的本申请第三实施例智能网联车队主动悬架控制方法可以由计算机设备来实现。图6为根据本申请实施例的计算机设备的硬件结构示意图。
计算机设备可以包括处理器62以及存储有计算机程序指令的存储器63。
具体地，上述处理器62可以包括中央处理器（CPU），或者特定集成电路（Application Specific Integrated Circuit，简称为ASIC），或者可以被配置成实施本申请实施例的一个或多个集成电路。
其中，存储器63可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器63可包括硬盘驱动器（Hard Disk Drive，简称为HDD）、软盘驱动器、固态驱动器（SolidState Drive，简称为SSD）、闪存、光盘、磁光盘、磁带或通用串行总线（Universal SerialBus，简称为USB）驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器63可包括可移除或不可移除（或固定）的介质。在合适的情况下，存储器63可在数据处理装置的内部或外部。在特定实施例中，存储器63是非易失性（Non-Volatile）存储器。在特定实施例中，存储器63包括只读存储器（Read-Only Memory，简称为ROM）和随机存取存储器（RandomAccess Memory，简称为RAM）。在合适的情况下，该ROM可以是掩模编程的ROM、可编程ROM（Programmable Read-Only Memory，简称为PROM）、可擦除PROM（Erasable ProgrammableRead-Only Memory，简称为EPROM）、电可擦除PROM（Electrically Erasable ProgrammableRead-Only Memory，简称为EEPROM）、电可改写ROM（Electrically Alterable Read-OnlyMemory，简称为EAROM）或闪存（FLASH）或者两个或更多个以上这些的组合。在合适的情况下，该RAM可以是静态随机存取存储器（Static Random-Access Memory，简称为SRAM）或动态随机存取存储器（Dynamic Random Access Memory，简称为DRAM），其中，DRAM可以是快速页模式动态随机存取存储器（Fast Page Mode Dynamic Random Access Memory，简称为FPMDRAM）、扩展数据输出动态随机存取存储器（Extended Date Out Dynamic RandomAccess Memory，简称为EDODRAM）、同步动态随机存取内存（Synchronous Dynamic Random-Access Memory，简称SDRAM）等。
存储器63可以用来存储或者缓存需要处理和/或通信使用的各种数据文件，以及处理器62所执行的可能的计算机程序指令。
处理器62通过读取并执行存储器63中存储的计算机程序指令，以实现上述实施例中的任意一种智能网联车队主动悬架控制方法。
在其中一些实施例中，计算机设备还可包括通信接口64和总线61。其中，如图6所示，处理器62、存储器63、通信接口64通过总线61连接并完成相互间的通信。
通信接口64用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。通信接口64还可以实现与其他部件例如：外接设备、图像/数据采集设备、数据库、外部存储以及图像/数据处理工作站等之间进行数据通信。
总线61包括硬件、软件或两者，将计算机设备的部件彼此耦接在一起。总线61包括但不限于以下至少之一：数据总线（Data Bus）、地址总线（Address Bus）、控制总线（Control Bus）、扩展总线（Expansion Bus）、局部总线（Local Bus）。举例来说而非限制，总线61可包括图形加速接口（Accelerated Graphics Port，简称为AGP）或其他图形总线、增强工业标准架构（Extended Industry Standard Architecture，简称为EISA）总线、前端总线（Front Side Bus，简称为FSB）、超传输（Hyper Transport，简称为HT）互连、工业标准架构（Industry Standard Architecture，简称为ISA）总线、无线带宽（InfiniBand）互连、低引脚数（Low Pin Count，简称为LPC）总线、存储器总线、微信道架构（Micro ChannelArchitecture，简称为MCA）总线、***组件互连（Peripheral Component Interconnect，简称为PCI）总线、PCI-Express（PCI-X）总线、串行高级技术附件（Serial AdvancedTechnology Attachment，简称为SATA）总线、视频电子标准协会局部（Video ElectronicsStandards Association Local Bus，简称为VLB）总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线61可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线，但本申请考虑任何合适的总线或互连。
该计算机设备可以基于获取到的计算机程序，执行本申请实施例中的智能网联车队主动悬架控制方法，从而实现结合图1描述的智能网联车队主动悬架控制方法。
另外，结合上述实施例中的智能网联车队主动悬架控制方法，本申请实施例可提供一种可读存储介质来实现。该可读存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现上述实施例中的任意一种智能网联车队主动悬架控制方法。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种智能网联车队主动悬架控制方法，其特征在于，包括：
构建主动悬架动力学模型，并根据所述主动悬架动力学模型获取模型状态空间方程；
基于所述模型状态空间方程并结合估计器对当前道路进行领航车道路轮廓估计，得到第一道路轮廓信息，并通过领航车的第一预瞄传感器获取所述当前道路的第二道路轮廓信息，所述第一道路轮廓信息和所述第二道路轮廓信息分别为所述领航车的主动悬架控制***的输入；
所述第一道路轮廓信息的计算公式如下所示：
Figure 976864DEST_PATH_IMAGE001
其中，
Figure 176902DEST_PATH_IMAGE002
为t时刻轮胎垂向振动位移；
Figure 435845DEST_PATH_IMAGE003
为t时刻轮胎垂向振动速度；
Figure 455753DEST_PATH_IMAGE004
为路面 轮廓干扰位移输入；
Figure 458344DEST_PATH_IMAGE005
为路面轮廓干扰速度输入；
计算出所述第一道路轮廓信息和所述第二道路轮廓信息的第一参考对比值，并将所述第一参考对比值与允许误差阈值进行对比；
当所述第一参考对比值大于等于所述允许误差阈值时，将领航车的主动悬架控制模式切换为反馈控制模式；
当所述第一参考对比值小于所述允许误差阈值时，将所述领航车的主动悬架控制模式切换为前馈-反馈控制模式；
其中，所述反馈控制模式为将上一周期扰动输入产生作用后，通过反馈控制调节***，所述前馈-反馈控制模式为在悬架***接收路面轮廓输入干扰且未产生作用前，接入前馈控制。
2.根据权利要求1所述的智能网联车队主动悬架控制方法，其特征在于，所述模型状态空间方程的表达式如下：
Figure 512888DEST_PATH_IMAGE006
其中，
Figure 208311DEST_PATH_IMAGE007
为主动悬架控制***状态变量的一阶导数，x(t)为主动悬架控制***状态变 量； A、B、D分别为***矩阵、控制矩阵、路面输入矩阵，可由主动悬架动力学模型得到；w(t) 为所述第一道路轮廓信息；u(t)为主动悬架控制***作用下的作动器作用力。
3.根据权利要求2所述的智能网联车队主动悬架控制方法，其特征在于，所述估计器选用卡尔曼滤波估计器，所述基于所述模型状态空间方程并结合估计器对当前道路进行领航车道路轮廓估计，得到第一道路轮廓信息的步骤包括：
根据所述模型状态空间方程和卡尔曼滤波估计器估计出所述领航车的车辆轮胎挠度；
获取所述领航车的簧下质量速度；
根据所述车辆轮胎挠度和所述簧下质量速度计算出第一道路轮廓信息。
4.根据权利要求3所述的智能网联车队主动悬架控制方法，其特征在于，根据所述模型状态空间方程和卡尔曼滤波估计器估计所述领航车的车辆轮胎挠度的步骤包括：
基于所述模型状态空间方程构建主动悬架***控制模型；
基于所述主动悬架***控制模型，并结合卡尔曼滤波估计原理构建状态观测器估计模型；
利用所述状态观测器估计模型估计所述领航车的车辆轮胎挠度。
5.根据权利要求4所述的智能网联车队主动悬架控制方法，其特征在于，所述主动悬架***控制模型的函数表达式如下所示：
Figure 715516DEST_PATH_IMAGE008
其中，C为主动悬架控制***输出矩阵，
Figure 256219DEST_PATH_IMAGE009
为t时刻的高斯白噪声，
Figure 165269DEST_PATH_IMAGE010
为t时刻测量误 差，y为主动悬架控制***的输出量；
所述状态观测估计器模型的函数表达式如下所示：
Figure 766015DEST_PATH_IMAGE011
其中，
Figure 26095DEST_PATH_IMAGE012
为t时刻所述状态观测器估计模型的状态变量估计值，
Figure 104909DEST_PATH_IMAGE013
为所述状态观测器 估计模型的状态变量估计值的一阶导数，
Figure 868466DEST_PATH_IMAGE014
为t时刻状态观测器增益。
6.根据权利要求1所述的智能网联车队主动悬架控制方法，其特征在于，所述方法还包括：
构建跟随车主动悬架动力学模型，并根据所述跟随车主动悬架动力学模型获取第一模型状态空间方程，基于所述第一模型状态空间方程并结合第一估计器对当前道路进行跟随车道路轮廓估计，得到第四道路轮廓信息，并通过跟随车的第二预瞄传感器获取第三道路轮廓信息，所述第三道路轮廓信息和所述第四道路轮廓信息分别为所述跟随车的主动悬架控制***的输入；
将所述第二道路轮廓信息和所述第三道路轮廓信息分别与所述第四道路轮廓信息进行比较，并根据比较结果切换跟随车对应的主动悬架控制模式。
7.根据权利要求6所述的智能网联车队主动悬架控制方法，其特征在于，将所述第二道路轮廓信息和所述第三道路轮廓信息分别与所述第四道路轮廓信息进行比较，根据比较结果来切换跟随车对应的主动悬架控制模式的步骤包括：
分别计算出所述第三道路轮廓信息和所述第四道路轮廓信息的第二参考对比值及计算出所述第二道路轮廓信息和所述第四道路轮廓信息的第三参考对比值；
当所述第二参考对比值和所述第三参考对比值均大于等于所述允许误差阈值时，将所述跟随车的主动悬架控制模式切换为反馈控制模式；
当所述第二参考对比值大于等于所述允许误差阈值、所述第三参考对比值小于所述允许误差阈值时，将所述跟随车的主动悬架控制模式切换为前馈-反馈控制模式，且输出所述第一道路轮廓信息；
当所述第二参考对比值小于所述允许误差阈值、所述第三参考对比值大于等于所述允许误差阈值时，将所述跟随车的主动悬架控制模式切换为前馈-反馈控制模式，且输出所述第三道路轮廓信息；
当所述第二参考对比值和所述三参考对比值均小于所述允许误差阈值时，将所述跟随车的主动悬架控制模式切换为前馈-反馈控制模式，且输出所述第一道路轮廓信息或所述第三道路轮廓信息。
8.一种智能网联车队主动悬架控制***，其特征在于，所述***包括：
构建模块，用于构建主动悬架动力学模型，并根据所述主动悬架动力学模型获取模型状态空间方程；
得到模块，用于基于所述模型状态空间方程并结合估计器对当前道路进行领航车道路轮廓估计，得到第一道路轮廓信息，并通过领航车的第一预瞄传感器获取所述当前道路的第二道路轮廓信息，所述第一道路轮廓信息和所述第二道路轮廓信息分别为所述领航车的主动悬架控制***的输入；
计算模块，用于计算出所述第一道路轮廓信息和所述第二道路轮廓信息的第一参考对比值，并将所述第一参考对比值与允许误差阈值进行对比；
第一切换模块，用于当所述第一参考对比值大于等于所述允许误差阈值时，将领航车的主动悬架控制模式切换为反馈控制模式，所述反馈控制模式为将上一周期扰动输入产生作用后，通过反馈控制调节***；
第二切换模块，用于当所述第一参考对比值小于所述允许误差阈值时，将所述领航车的主动悬架控制模式切换为前馈-反馈控制模式，所述前馈-反馈控制模式为在悬架***接收路面轮廓输入干扰且未产生作用前，接入前馈控制。
9.根据权利要求8所述的智能网联车队主动悬架控制***，其特征在于，所述***还包括：
获取模块，用于构建跟随车主动悬架动力学模型，并根据所述跟随车主动悬架动力学模型获取第一模型状态空间方程，基于所述第一模型状态空间方程并结合第一估计器对当前道路进行跟随车道路轮廓估计，得到第四道路轮廓信息，并通过跟随车的第二预瞄传感器获取第三道路轮廓信息，所述第三道路轮廓信息和所述第四道路轮廓信息分别为所述跟随车的主动悬架控制***的输入；
比较模块，用于将所述第二道路轮廓信息和所述第三道路轮廓信息分别与所述第四道路轮廓信息进行比较，并根据比较结果切换跟随车对应的主动悬架控制模式。
10.一种计算机设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的智能网联车队主动悬架控制方法。
CN202211224542.8A 2022-10-09 2022-10-09 智能网联车队主动悬架控制方法、***及计算机设备 Active CN115284809B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211224542.8A CN115284809B (zh) 2022-10-09 2022-10-09 智能网联车队主动悬架控制方法、***及计算机设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211224542.8A CN115284809B (zh) 2022-10-09 2022-10-09 智能网联车队主动悬架控制方法、***及计算机设备

Publications (2)

Publication Number Publication Date
CN115284809A CN115284809A (zh) 2022-11-04
CN115284809B true CN115284809B (zh) 2023-01-24

Family

ID=83834525

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211224542.8A Active CN115284809B (zh) 2022-10-09 2022-10-09 智能网联车队主动悬架控制方法、***及计算机设备

Country Status (1)

Country Link
CN (1) CN115284809B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020126480A1 (de) * 2018-12-21 2020-06-25 Continental Automotive Gmbh Verfahren zur anpassung einer übertragungsfunktion eines aktiven fahrwerks eines fahrzeugs
CN111873744A (zh) * 2020-07-15 2020-11-03 吉林大学 基于相机传感器路面信息识别的主动悬架预瞄控制方法
CN113147308A (zh) * 2021-03-30 2021-07-23 浙江工业大学 基于双目视觉技术的悬架预瞄控制方法及悬架控制装置
CN113752773A (zh) * 2020-06-02 2021-12-07 丰田自动车株式会社 减振控制装置以及减振控制方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110154666B (zh) * 2019-04-28 2021-12-21 西安理工大学 一种可实现路况预测的车辆悬架***自适应反推控制方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020126480A1 (de) * 2018-12-21 2020-06-25 Continental Automotive Gmbh Verfahren zur anpassung einer übertragungsfunktion eines aktiven fahrwerks eines fahrzeugs
CN113752773A (zh) * 2020-06-02 2021-12-07 丰田自动车株式会社 减振控制装置以及减振控制方法
CN111873744A (zh) * 2020-07-15 2020-11-03 吉林大学 基于相机传感器路面信息识别的主动悬架预瞄控制方法
CN113147308A (zh) * 2021-03-30 2021-07-23 浙江工业大学 基于双目视觉技术的悬架预瞄控制方法及悬架控制装置

Also Published As

Publication number Publication date
CN115284809A (zh) 2022-11-04

Similar Documents

Publication Publication Date Title
CN109421630B (zh) 用于监测自主车辆的健康的控制器架构
KR101741608B1 (ko) 선행 차량 선택 장치
US20210171050A1 (en) System for evaluating vehicle performance
EP3712806A1 (en) Driving assistance apparatus
EP2694344A1 (en) Estimation of road inclination
CN107884002A (zh) 移动体的状态计算装置和计算方法、程序和记录介质
KR102024986B1 (ko) 차로 유지 제어 장치 및 방법
US8401784B2 (en) Course evaluation apparatus and course evaluation method
US11897511B2 (en) Multi-hypothesis object tracking for automated driving systems
JP2017138660A (ja) 物体検出方法、物体検出装置、およびプログラム
JP2019066302A (ja) 対象物推定装置
US20190186962A1 (en) Quality of Service for a Vehicular Plug-and-Play Ecosystem
CN110550041B (zh) 一种基于云端数据共享的路面附着系数估计方法
KR101618501B1 (ko) 자차량의 에고 모션 추정방법
CN114296095A (zh) 自动驾驶车辆的有效目标提取方法、装置、车辆及介质
CN111959515B (zh) 一种基于视觉检测的前向目标选择方法、装置及***
CN115284809B (zh) 智能网联车队主动悬架控制方法、***及计算机设备
CN113176562A (zh) 多目标跟踪方法、装置、电子设备及可读存储介质
JP6555132B2 (ja) 移動物体検出装置
JP2021135191A (ja) 物体検知装置
CN107719373B (zh) 用于估计路面摩擦的方法和***
CN116022163A (zh) 基于超局部子图的自动驾驶车辆扫描匹配和雷达姿态估计器
CN104517464A (zh) 前方车辆选择设备
CN112069867B (zh) 多目标跟踪与多感官数据和缺失模态的学习关联
CN115098821A (zh) 轨迹参考曲率确定方法、装置、设备、介质及程序

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
GR01 Patent grant
GR01 Patent grant