CN1640701A - 利用多种估计算法及一种选择程序控制车辆稳定性的*** - Google Patents

Abstract

车辆稳定性控制***，该***包括：对轮胎施加一纵向力的装置和计算滑移率值G^Opt的装置，其通过为每个与连续水平“i”对应的滑移率值G，利用并行的“n”个计算算法，每个都确定一个参数的目标值，使其能够具有与所使用的算法数量相同的目标值G^Cn，通过将“n”个目标值G^Cn进行比较，以除去最不可能的目标值，该***选择最佳的目标值G^Cn作为最佳滑移率值G^Opt，根据在路面上的轮胎的转动物理功能标码函数f(λ)，使其能够计算特性值。例如，一个感兴趣的特性值是G相对于时间的变化。

Description

利用多种估计算法及一种选择程序控制车辆稳定性的***

技术领域

本发明涉及车辆稳定性控制***。在具体应用中，本发明涉及用于防止车轮在紧急制动过程中抱死的***，普遍称为“ABS”。更具体地说，本发明是关于所有旨在通过自动作用在执行机构上以将车辆保持在一个稳定路线上的***，比如那些确定车轮驱动转矩或制动转矩的***，或者那些决定一个或多个车轮的转向的***，或者那些关于悬架的***，公知这也是对路线控制(例如主动防侧倾)是有效的。在上述特定应用中，执行机构是车轮上的制动器或者在车轮上施加驱动转矩的装置。

背景技术

作为参考信息，轮胎的纵向摩擦系数μ是纵向力除以所施加的垂直力即施加在轮胎上的负载(在纯制动力的简化情况下，本领域技术人员很容易知道如何更一般化地施加负载)的商；当轮胎速度与车速之间不存在滑动时，也就是说如果轮胎自由转动时，轮胎上的滑移率G＝0％，而轮胎被锁住转动时滑移率G＝100％。典型地，根据周围环境(路面性质(沥青，水泥)、干或湿(水的高度)、温度及轮胎的磨损情况)，作为滑移率G及路面性质的函数μ的值会非常剧烈地变化(μ_max在冰面上约等于0.15而在干路面上约等于1.2)。

已知当设法使胎面在对应于最大摩擦系数(有时也被称为附着系数)的滑移率G上起作用时车辆的制动会更有效。该最大摩擦系数称为μ_max。然而，普通司机不可能将制动协调成可以满足这个条件。

这就是为什么车辆稳定性控制***被研制成自动调节制动力，从而有助于得到一个被认为对应于最大摩擦系数的预定滑移率目标值。

特别地，2003年12月17日公开的专利申请EP1371534提出了一种利用一个被称作“不变量(Invariant)”的量来调节滑移率的方法，发明人的研究使得发现该量成为可能，这个量被称作“不变量”是因为无论轮胎是什么以及无论轮胎所滚动的路面的附着度为何，这个量都是基本恒定的。

尽管通过这种方法可以确定一个实际上更接近轮胎在实际滚动条件下的真实最大摩擦系数的滑移率目标值，然而确实存在可以确定一个更好的目标值的情况以能够提高制动效率(或者加速效率)。

发明内容

本发明提出了一种利用几种估计算法及一种选择程序的车辆稳定性控制***。

在总的描述中，本发明提出了一种车辆稳定性控制***，其中在路面上行驶的车辆轮胎功能的特性参数Q根据一个特定规律来作为参数P的函数进行变化，所述参数P的最优值由一个控制器直接或者间接地给出，从而可作用在下组中的至少一个要素上：施加在轮胎上的转矩、轮胎的转向角、轮胎的外倾角及施加在轮胎上的垂直力，其中该控制器包括装置来用于：

·确定多个连续水平“i”的估计值或测量值(P_i，Q_i)；

·利用并行的“n”个计算算法，每个都确定一个参数的目标值，从而得到与所使用的算法数量相同的目标值P^Cn，

·通过将“n”个目标值P^Cn进行比较，以除去最不可能的目标值，从而将获得的最佳的目标值P^Cn选为参数的最优值。

所要实现的结果是将参数Q的值保持在一个此时此刻对于车辆来说为理想的选定值上。在本文中，给出了应用在轮胎的防滑控制上的详细说明，特别是在制动操纵期间或者在对车辆的侧倾进行操纵期间(第一种情况是ABS公知的一种功能，第二种情况是ESP公知的一种功能)。最后，提到了一种利用除那些对车轮转矩起作用之外的执行机构来控制路线的应用。

在第一种应用中，本发明由此提出了车辆稳定性控制***，其中参数P是轮胎的滑移率(slip)G，特性参数Q为轮胎的摩擦系数μ，该***包括在轮胎上施加一个纵向力的装置、调整该纵向力的装置以及按下述方式计算在轮胎上施加纵向力的装置每次启动时的滑移参数GG^Opt的装置：

·对于相对于纵向力连续水平“i”的每个滑移率G_i，确定摩擦系数μ_i的值，

·利用并行的“n”个计算算法，每个都确定一个该滑移率的目标值，从而得到与所使用的算法数量相同的目标值G^Cn，

·通过将“n”个目标值G^Cn进行比较，以除去最不可能的目标值，从而将获得的最佳的目标值G^Cn选为最优滑移率值G^Opt。

根据对每个转矩变化操纵的最开始的观察(特别是在每个制动操纵的最开始，但对于加速操纵或者其它操纵例如转向来说也是有效的)，本发明由此提出了根据几种算法并从这些目标值中选择最优滑移率的值，以最终应用到滑移率的调节中。因此，目的是为了要将轮胎的摩擦系数保持在一个选定的车辆此时此刻的理想值上，例如在其最大的可能值上。

本发明选择的应用主要是关于在制动中对车轮打滑的控制。下文对这种情况的全部说明是关于一种对制动控制进行作用来调整纵向力的装置。再一次需要指出的是在这种情况中，上文指出的操作在每次制动操纵开始时进行初始化(i＝0)，下面将对其进行具体说明。然而，如果决定将本发明应用在加速时车轮的打滑控制上，则调整纵向力的装置就对车轮的驱动转矩进行作用，并且在每次当转矩超过一个预设转矩阈值而要求对驱动转矩进行变化时所指示出的操作被初始化(i＝0)。

还需要指出的是，在本发明的说明中，需处理附着系数的轮胎是否为充气轮胎、或者为非充气弹性体实心轮胎、或者履带都无关紧要。术语“胎面”、“轮胎”或者“充气轮胎”、“实心轮胎”、“弹性轮胎”、“履带”甚至“车轮”都可被解释成等效物。还需要指出的是确定各滑移率G_i的摩擦系数μ_i的值可以通过直接测量、或者从其它测量值估计、或者从对例如路面上的力及垂直负载的其它量值的估计中得出。

最优值的选择是通过在所有算法中进行比较评估来进行的。例如，对于算法1至n，在得到足够的G_i获取值之后，通过计算算法n的目标值G^Cn与前面“n-1”选择的G^Csel#n-1之间相对差的绝对值来进行比较评估。利用一个代表地面上轮胎滚动的物理功能特性参数值(λ)，并在前面计算的差值上利用该特性参数来选择一个容许范围。选择过程按如下方式进行：如果差值在该容许范围内，将G^Cn选为最优滑移率G^Opt；如果差值不在该容许范围中，将G^Csel#n-1选为最优滑移率G^Opt。

对于第一种选择，试验性地确定了一个优选算法，例如统计上给出了接近理想目标值的目标值的算法。所选的这种算法重复初始化，以给出目标值的第一选择，即一个第一参考值，从而指定目标值G^Csel#n-1。

可以将G随时间的变化用作特性参数λ，因为其能很好地描述所涉及的路面的类型；已知在一个低附着度的路面上，车轮开始会迅速抱死，从而其随时间的变化会很大，反之亦然。

容许范围的限度可以通过布尔逻辑或模糊逻辑或者任何数学函数来进行计算。

余下的说明表示了本发明根据实际环境来在三种算法中选择最相关的方法：

·第一种算法使用不变量原理，前面提到的专利申请已说明了关于通过这种原理来确定目标值得所有内容，为了简明本发明将其称作“不变量算法”，也用“Invt”指代；

·第二种算法，其本身是新的，为了简明本发明中将其成为“平均算法”，也用“Avg”指代；

·第三种算法，其本身是新的，为了简明本发明中将其成为“湿算法”，也用“Wet”指代。

附图说明

下面的附图表示了：

图1是本发明的概要图；

图2是出了对测量或者估计的第一获得值的一个特定处理过程；

图3更具体地示出了所述特定处理过程；

图4示出了对测量或者预估的获得数据的另一个特定处理过程。

图5示出了不变量算法；

图6示出了平均算法；

图7示出了湿算法；

图8是一个表示本发明实施例的方块图。

具体实施方式

关于“不变量”算法的一些提示

在这里只给出简要关于不变量算法的说明。特别地要参考在前文提及的专利申请中所描述的示例1，其是关于将车辆轮胎功能自动保持在某一摩擦系数上，例如在最大摩擦系数μ_max上。不变量算法使得其特别可以控制滑移率G，从而将其保持在一个预先设定的最优值G^Opt上。更具体地，但非限制性地，所述预定滑移率G^opt可以被选为摩擦系数的预定值基本相应于μ_max的值。在这种情况下，认为该特定的最优值可被称作G_max。已观察到该轮胎的最大位置会根据路面情况的不同而改变。对于这些不同的路面可共有一个不变量“Invt”。

通过将确定不变量的等式应用在分析作为滑移率函数的摩擦系数中，该不变量具体可以以下述方式计算： $\mathrm{Invt}=\frac{\frac{\mathrm{\μ}}{G}\left(G_{\max }\right)}{\frac{\mathrm{\μ}}{G}\left({p\·G}_{\max }\right)},$ 其中p为小于1的正数。

关于p，它的值最好在0.25到0.75之间，比如等于0.5，关于p值的选择的结论读者可以参考前面提到的专利申请的说明书。

通过这种方式可以得出：

$\frac{\frac{\mathrm{\μ}}{G}(G=G_{\max })}{\frac{\mathrm{\μ}}{G}(G=G_{\max }/2)}\≈0.58$

通过对应于最大摩擦系数μ_max的滑移率G的第一个值以及对相当于第一个值50％的第二个值，例如前面提及的滑移率的50％，来进行数据处理从而引入一个不变量“Invt”。

下一步必须进行的是确定图5所示曲线μ_i＝f(G_i)的斜率α_i。为此直接计算α_i＝μ_i/G_i，或者采用一种合适的回归法计算，例如线性回归。

例如，通过将下面的线性回归应用到测量或者估计点“q”上来计算两个特定的系数A^Lin和B^Lin，

$A^{\mathrm{Lin}}=\frac{q\·\mathrm{\ΣG}\·a-\mathrm{\ΣG}\·\mathrm{\Σa}}{q\·\mathrm{\Σ}{G}^2-{\left(\mathrm{\ΣG}\right)}^2},$ $B^{\mathrm{Lin}}=\frac{\mathrm{\Σ\α}\·\mathrm{\Σ}{G}^2-\mathrm{\ΣG}\·\mathrm{\α}\·\mathrm{\ΣG}}{q\·\mathrm{\Σ}{G}^2-{\left(\mathrm{\ΣG}\right)}^2}$

其给出了斜率的表达式α＝A^Lin·G+B^Lin

然后，以下述方式计算G^Opt：

$G^{\mathrm{Opt}}=-\frac{B^{\mathrm{Lin}}}{A^{\mathrm{Lin}}}\·\frac{1-\mathrm{Invt}}{1-p\·\mathrm{Invt}}$

另外一种适合的回归算法是指数回归。

因此，第一种算法指的是“不变量算法”，执行下述步骤：

·确定穿过原点和(G_i，μ_i)的直线的斜率α_i，

·通过直接计算或者适当的回归算法从足够数量的多对(α_i，G_i)中计算系数A.P.，从而模拟变化曲线α_i＝f(G_i，A_.P.)，

·利用一个预先设定的不变量“Invt”来计算第一目标滑移率G^Cinvt。

“平均”算法的说明

“平均”算法由检测曲线μ(G)的曲率变化构成。可以理解事实上这种变化表示了相似的最大附着度接近度。对此，可以对与两种回归相关的滑移率和摩擦系数值进行测量或者估算，这两种回归之一是用于模拟一个必须穿过原点的变化曲线，而另一个是用于模拟一个不必须穿过原点的变化曲线，也就是说其第一个点可以自由设定。

因此，第二种算法执行下述步骤：

·通过直接计算或者通过适当的回归法从足够数量的多对(μ_i，G_i)中来确定系数A_[avg/p]，从而模拟出第一变化曲线μ_i＝f(G_i，A_[avg/p])，该第一变化曲线按常规必定包括原点和该对或者这些对(μ_i，G_i)，其中μ_i不为零，

·确定所述第一变化曲线的平均斜率α₁指标，

·通过直接计算或者通过适当的回归法从足够数量的多对(μ_i，G_i)中来确定系数B_[avg/p]，从而模拟出第二变化曲线μ_i＝f(G_i，B_[avg/p])，该第二变化曲线包括该对或者这些对(μ_i，G_i)，其中μ_i不为零，

·确定所述第二变化曲线的平均斜率α₂指标，

·一旦α₁与α₂的差小于一个预定斜率阈值，对一对(G_i，μ_i)中各新的获取值重复前面的步骤，

·一旦α₁与α₂的差超过一个预定斜率阈值，就通过至少最后一对(G_i，μ_i)来确定一个目标滑移率G^Cavg。

优选地，在利用至少一对(G_i，μ_i)确定第二目标滑移率时增加第二个条件，该第二个条件是当G_i超过一个预定阈值例如15％。

特别指出使用了线性回归。在这种情况下，从图6所示的内容中可以看出两种线性回归之间的差别。在这种情况下，

·图6中虚线所示的第一变化曲线，是一条第一直线μ_i＝A_avg·G_i，其按常规包括原点(在修正值G₀之内，下文将对该修正值进行解释)，和通过计算第一系数A_avg的第一线性回归得到的该对或者多对(μ_i，G_i)。

·图6中点划线所示的第二变化曲线，是第二条直线μ_i＝A_lin·G_i+B_lin(垂直度较小的线段)，其包括该对或者多对(μ_i，G_i)，其左端是自由端且不穿过原点，该对或者多对(μ_i，G_i)是通过计算系数A_lin和B_lin的第二线性回归得到(不排除修正值G₀，下文将对其进行解释)。

当然，由于是线性回归，指标α₁和α₂直接就是各直线的斜率。

已经实验证明在通过直线进行模拟的情况下(线性回归)，α₁和α₂的差的预定斜率阈值优选为30％左右。

最终，所采用的目标滑移率G^Cavg非常简单，等于G_i的最后值。作为可选的，如要更精确的话，目标滑移率 $G^{\mathrm{Cavg}}=\mathrm{\β}\·\frac{{\mathrm{\μ}}^{\mathrm{MAX}}}{A^{\mathrm{AVG}}}$ 用带有一个微调参数β确定。当本文提到一个微调参数时，就意味着，即便存在该参数的一个值或者代表实际物理情况的一个数值范围，实际上可能将该参数作为一个控制车辆稳定性***的完成实际功能的微调按钮来使用。可以简单地加入参数β来表示对不变量的模拟，这使得β值约为1.04，相比之下不变量的值为0.58。

正如后面所看到的，不作为对本发明的限制，提出可以选择平均算法作为确定目标滑移率的参考，因为通过实验已经发现该算法对于所有类型的轮胎以及所有路面来说是最稳定的。因此这种算法用来验证基于其它算法所选择的目标值。本文的最后将对在各算法之中进行选择的过程进行说明。

“湿”算法的说明

如该算法名称所显示的，该算法是特别为湿路面(实际上即所有低附着性的路面)计算目标值而设计的。这是因为，在这类路面上，车轮会迅速抱死，从而存在太迟察觉曲线μ(G)超过最大值的危险。

该算法的原理是对作为时间函数的滑移率导数的变化进行研究。如果注意到了过快的变化，即实际上滑移率的过快变化，则可以推定***是不稳定的了，因为已经或者将要超过对应于最大附着度的滑移率了。因此，该算法包括：

·当得到G_i的值时，计算G随时间的变化，

·一旦所述变化超过一个低阈值，则通过直接计算或者通过一种适当的回归法来计算系数A_[wet，p]，从而通过(G_i，A_[wet，p])的函数变化曲线来模拟G随时间的变化，

·一旦所述变化超过一个高阈值，则利用至少A_[wet，p]的最后值来确定一个第三目标滑移率G^Cwet。

所述算法优选仅使用超过4％的滑移率值。优选地，所述低阈值在每秒100％左右，第二高阈值在每秒300％左右。

该算法的一个简单应用采用了线性回归法，它表示系数A_wet和B_wet是按照下文方式计算的：

$\•\frac{\mathrm{dG}}{\mathrm{dt}}=A^{\mathrm{WET}}\·G+B^{\mathrm{WET}}$

因而第三目标滑移率G^Cwet是这样确定的：

$\•G^{\mathrm{Cwet}}=\frac{\mathrm{dG}\_\mathrm{tgt}-B^{\mathrm{WET}}}{A^{\mathrm{WET}}}$

尽管如图7所示，参数“dG_tgt”的实验值每秒200％已经有较好的效果了，但是实际上可以任意将该参数作为车辆稳定性控制***的实际功能的微调按钮来使用，就像已提到的关于β及不变量参数一样。

关于初始数据获取值的改进建议

在进行下一步之前，对在制动操作最开始时的低滑移率及摩擦系数情况进行一些修正。在制动开始时，已发现曲线μ(G)有些异常。该算法这个第一部分的目的就是为了修正这种异常情况。在图2和图3中可以看到，在湿路面上，曲线μ(G)的根部不是直的，对于零μ，滑移率不为零。这可能是由于测量到的滑移率的值有误差。这显然不能代表胎面接触路面的物理现象。这对于基于对曲线μ(G)斜率的研究的目标滑移率计算算法是个障碍。当然，这尤其取决于车辆所用的获得该信息的实际技术设备。因此，在本文中给出的说明仅仅是当要处理这种情况时有用的简单建议，而非限制性的。更具体地说，如果作为滑移率函数的摩擦系数的变化曲线的走向非常的不真实，修正该曲线根部的形状则是有用的。

因此数据处理的第一部分包括计算滑移率的值，从该值中可以利用数据来可靠地计算目标滑移率或者最优滑移率。将此滑移率称作G₀。图2表示该G₀约等于3％。通过将G₀连到曲线上升部分的大致直线部分上可以获得曲线μ(G)更可信的走向。

因此，车辆稳定性控制***优选在利用作为G_i的函数μ_i的变化曲线进行的所有操作之前，对该曲线的起始部分进行修正，即通过只要G_i函数μ_i的变化基本上不是常数将第一实际对(μ_i，G_i)除去，并找到与零摩擦系数相关的滑移率G₀(这当然是非限制性的)，从而将(0，G₀)和未除去的(μ_i，G_i)大致对齐，并用一个始自点(0，G₀)并且连接未除去的对(μ_i，G_i)的曲线，从而对于任意一个大于G₀的G_i，G_i都由G_i-G₀替代。

对此，例如所使用的算法包括以下步骤：

·***地清除所有与摩擦系数小于0.01相关的滑移率；

·连续计算作为时间函数的μ和G的回归值，在图2和图3所示示例中考虑到曲线根部的走势而优选采用指数回归：

$\mathrm{\μ}=e^{A^{\mathrm{\μ}}\·(t-T^{\mathrm{Start}})+B^{\mathrm{\μ}}},$ $G=e^{A^G\·(t-T^{\mathrm{start}})+B^G}$

可以认为当预测的或测量到的摩擦系数大于0.1或者当滑移率超过4％时所得到的值代表了真实情况。

图3示出了从曲线上确定G₀的方法，该曲线分别给出了所得到的作为时间函数的摩擦系数的值以及作为时间函数的滑移率的值。可以找到当μ曲线回归等于某一个值例如0.05时的时间值(参见X轴为0而Y轴为0.05的点与虚线之间的水平线段)。该G₀值就是此时滑移率曲线的回归值(参见前面得到的点与实线曲线之间的垂直线段，给出了滑移率G₀的值)。

因此，在利用作为G_i的函数μ_i的变化曲线进行的所有操作之前，对该曲线的起始部分进行修正，通过只要G_i函数μ_i的变化基本上不是常数而将第一实际对(μ_i，G_i)除去，并找到与零摩擦系数相关的滑移率G₀，从而将(0，G₀)和未除去的(μ_i，G_i)大致对齐，并用一个始自点(0，G₀)并且连接未除去的对(μ_i，G_i)的曲线。以后在所有使用的算法中，对于任意一个大于G₀的G_i，G_i都由G_i-G₀替代。

到目前为止，假定已计算出了或者已估计出了μ的值。然而，在某些情况中，得到摩擦系数的方法(从本身是在制动压力基础上估计出的制动力中得到的摩擦系数，其中制动力压力已经考虑了各种车辆的特殊性并从轮速得到的)并没有给出满意的结果(计算得出的曲线μ(G)过于平直或者持续下降)。众所周知这是不符合实际的。为了纠正这个问题，需要对计算出的μ进行数值修正。这种修正是以作为时间函数的滑移率的变化率为基础的。这是因为，如果轮速(以及由其得到的滑移率)快速下降，这是因为会涉及到曲线μ(G)的不稳定区域。因此曲线μ(G)会下降，其具有车辆稳定性控制***的优点，在该***中，当滑移率相对于时间的变化大于变化的预定阈值时，在使用作为G_i函数的μ_i的变化曲线，所述曲线的端部，在超过所述预定变化阈值的部分，用相应于采用相对于时间变化的滑移率来代替，而进行修正，该修正的值如下：

${\mathrm{\μ}}_i^{\mathrm{Corr}}={\mathrm{\μ}}_i^{\mathrm{acquired}}\·{\left[\mathrm{Max}(\frac{\mathrm{dG}}{\mathrm{dt}};1)\right]}^{-\mathrm{ACorr}}$

其中“Acorr”是一个微调系数，可以根据各算法而设成特定值。例如，已证明对于“平均”算法0.2是一个较好的实用值。图4示出了这种修正。通过这种修正的优点，曲线μ(G)获得了一个更符合实际物理情况的曲线形状，这使得该算法可以产生更可信的目标值。

需要注意的是，如果μ_max自身的值是通过这种修正方法来进行调整的话，则所有使用的算法都是基于曲线的形状而不是它的值。读者也可参考前文提到的专利申请，从中可以看出事实上“不变量”算法使得滑移率目标值的计算甚至可以不需要计算相关的摩擦系数的准确值，后者对于车辆车轮的打滑控制的功能修正不是必要的。

在各种算法给出的滑移率之间进行选择

已通过所提出的各种算法(不变量算法，平均算法，湿算法)计算出不同的目标值。图1示出了一般的选择原则。可以看出利用测量或者估计来得出关于每个“i”的滑移率值，即所得到的一般的滑移率G_i和摩擦系数μ_i。通过n算法Alg“n”来同时计算滑移率的目标值G^ci。最后，在这些目标值之间进行选择，通过函数f(λ)来进行比较，从而可最终找到一个或多个表示路面上轮胎转动的物理功能的特性值。

现在将给出一个非限制性的选择最终值的实际应用情况，最终值即用来调节轮胎滑移率的最优滑移率。

图8示出了该步骤。这里“平均”算法被用作判断其它算法的参照物。在各目标值之间进行选择的算法原则是基于一个事实的，即将目标值之一作为参考值，无论路面上轮胎到底是什么轮胎，这个值都是可信的。可以通过与这个参考值的差来进行选择，并利用作为时间函数 的滑移率的导数，以特征化各种类型的路面。

例如，从“平均”算法和“湿”算法给出的目标值之中选择最优滑移率可通过下面的方式进行：

·计算G^Cavg和G^Cwet之间的相对差的绝对值G^E，

·以下述方式预选一个值G^Csel#1：

一旦G相对于时间的所述变化处于一个预定的区域内，将G^Cavg的值作为G^Csel#1的值，

一旦G相对于时间的所述变化不处于该预定区域中，确定一个预定的临界范围，其范围取决于G随时间的所述变化，并且：

→如果G^E被包括在该预定临界范围内，将G^Cavg的值作为G^Csel#1的值，

→如果G^E不包括在该预定临界范围内，将G^Cwet的值作为G^Csel#1的值

·将G^Csel#1作为最优滑移率G^Opt的值的最终选择。

最好令对应于滑移率G相对于时间变化的所述预定区域低于一个下限，且所述的预定临界范围对应于滑移率G相对于时间的变化大于一个第一临界阈值ΔG^max。该下限及临界阈值是***的微调参数。

该临界阈值优选通过一个模糊逻辑程序来选择，以使其为可变的且最符合实际情况。通过这种程序，阈值的值可以作为滑移率G相对于时间的变化值的函数来进行改变。仅通过图示的方式，已发现使该临界阈值在0％到2.5％之间变化能得到最佳效果，作为时间函数的滑移率的变化值在每秒350％(下限)到400％之间变化，并对于超过此上限的情况就将临界阈值固定为2.5％。

然后，如果使用“不变量”算法，最后一个步骤就换成在上述预选值和由“不变量”算法给出的目标值之间进行选择，具体操作如下：

·如果所述G相对于时间的变化处于一个预定范围之内，则最优滑移率G^Opt的值等于G^Csel#1。

·如果所述G相对于时间的变化不处在所述预定范围内，且如果G^Cinvt和G^sel#1之间的差值的绝对值G^E2处于一个预定优化范围内时，则最优滑移率G^Opt的值等于G^Cinvt。

·如果所述G相对于时间的变化不处在所述预定范围内，且G^Cinvt和G^sel#1之间的差值的绝对值G^E2也不处于所述预定优化范围内时，则最优滑移率G^Opt的值等于G^Csel#1。

优选地，对应于滑移率G相对于时间的变化的所述预定范围大于一个选择的预定阈值，且对应于滑移率G相对于时间的变化的所述预定优化范围低于一个优化阈值ΔG^Opt。选择阈值和优化阈值用作***中该部分的微调参数。该优化阈值也可以通过一个模糊逻辑程序来选择，从而是可变的且最适应真实情况。仅通过图示的方式，已发现将选择阈值固定为每秒300％以及将优化阈值固定为5％能得到比较好的效果。

已经看出选择程序具有两个相关的步骤。第一步骤涉及“平均”算法和“湿”算法，而第二步骤涉及“不变量”算法。下文对该第一步和第二步提出了另一种程序。

例如通过下面的方法从由“不变量”算法和“平均”算法给出的目标值中来选择最优滑移率：

·按下面的方式来预选一个G^Csel#1：

如果G相对于时间的所述变化处在一个预定范围内时，G^Csel#1的值等于G^Cavg；

如果G相对于时间的所述变化不处于该预定范围中时，并且如果G^Cinvt和G^Cavg之间的差值的绝对值G^E2处于一个预定优化范围内时，G^Csel#1的值等于G^Cinvt；

如果G相对于时间的所述变化不处于该预定范围中时，并且如果G^Cinvt和G^sel#1之间的差值的绝对值G^E2不处在该预定优化范围中时，G^Csel#1的值等于G^Cavg；

·将G^Csel#1作为最优滑移率G^Opt的值的最终选择。

然后，如果使用“湿”算法，最后一个步骤就换成在上述预选值和由“湿”算法给出的目标值之间进行选择，具体操作如下：

·计算G^Csel#1和G^Cwet之间的差的绝对值G^E，

·以下述方式选择G^Opt的值：

一旦G相对于时间的所述变化处于一个预定的区域内，将G^Csel#1的值作为G^Opt的值，

当G相对于时间的所述变化不处于所述预定区域中时，确定一个预定的临界范围，其范围取决于G随时间的所述变化，并且：

→如果G^E处于该预定临界范围内，将G^Csel#1的值作为G^Opt的值，

→如果G^E不处于该预定临界范围内，将G^Cwet的值作为G^Opt的值。

正如已经指出的，各种区域及范围优选按照阈值进行选择。这些阈值为该部分的***微调参数。其可以通过一个模糊逻辑程序来进行选择。注意在选择程序第一部分中描述的关于临界阈值、选择阈值和优化阈值的内容对于选择程序第二部分的内容仍然是有效的。

其它现象中的应用

在上述专利申请中，论证了采用“不变量”算法的其它应用的可能性，比如在充气轮胎或者弹性体轮胎中当工作区域靠近偏移力(driftthrust)的饱和区时对偏移力进行的分析。这是由于这些物理现象的规律具有相似性。同样，本发明除了在根据滑移率模拟摩擦系数各种算法的估计之间进行比较之外还可以有更广泛的应用。为此，在这里我们简单列举一下(可以理解这些附加部分不能作为本发明的限制)本发明也可以应用在车辆稳定性控制***中估计当侧力(也指“偏移力”)为最大值时充气轮胎的偏移角δ的值。

在这种情况下，参数P是轮胎的偏移角δ，特性参数Q是轮胎的偏移力F^y。这种情况是估计什么时候轮胎会到达其最大值而不再能完成其使车辆转向的主要功能，这是为了保证轮胎在偏移力预定值F^y处仍能实现其功能，或者警告驾驶员。为了维持轮胎在预定目标值时的功能，可以进行，也可能是自动进行，预防性干预(preventiveintervention)以使车辆减速，从而避免产生危险的驾驶状况(如果车辆不按照驾驶员的意图行驶，则很可能因此产生事故)。为了执行这些建议性方案，因此在各种算法给出几个目标值中进行选择也是非常有用的。

在这种情况中，本发明是关于一个***，该***包括根据车辆驾驶员在其控制设备上输入的指令以及根据由路线控制器发出的指令来控制参数“ζ”的装置、调整参数“ζ”的装置以及一旦启动这些装置以输入参数“ζ”时根据下列方式计算偏移角的δ^Opt的装置：

·当每次控制ζ变化的***起动时，对于至少两个不同水平“i”的偏移角，读取不同的F_Yi值(测量的或计算的)，并且通过估计或者直接测量来得到相关的偏移角δ_i，

·利用并行的“n”个计算算法，每个都确定一个所述滑移率的目标值，从而根据有几个算法就得到几个目标值δ^Cn，

通过将第“n”个目标值δ^Cn进行比较，以除去最不可能的目标值，从而将获得的最好的目标值δ^Cn选为偏移角的最优值。

Claims (32)

1.车辆稳定性控制***，其中在路面上行驶的车辆轮胎功能的特性参数Q根据一个特定规律作为参数P的函数进行变化，所述参数P的最优值由一个控制器直接或者间接地给出，从而可作用在下组中的至少一个要素上：施加在轮胎上的转矩、轮胎的转向角、轮胎的外倾角及施加在轮胎上的垂直力，其中该控制器包括装置来用于：

·通过直接计算或者通过适当的回归法从足够数量的对(P_i，Q_i)中来确定系数A_[avg/p]，从而模拟第一变化曲线Q_i＝f(P_i，A_[avg/p])，该第一变化曲线按常规必定包括原点和该对或者多对(Q_i，P_i)，其中μ_i不为零，

·确定所述第一变化曲线的平均斜率α₁指标，

·通过直接计算或者通过适当的回归法从足够数量的对(Q_i，P_i)中来确定系数B_[avg/p]，从而模拟第二变化曲线Q_i＝f(P_i，B_[avg/p])，该第二变化曲线包括该对或者多对(Q_i，P_i)，其中Q_i不为零，

·确定所述第二变化曲线的平均斜率α₂指标，

·一旦α1与α2之间的差值小于一个预定斜率阈值，对于一对(P_i，Q_i)中的各新的获取值重复前面的步骤，

·一旦α1与α2之间的差值超过一个预定斜率阈值，就使用至少最后一对(P_i，Q_i)来确定一个目标滑移率P^Cavg。

2.如权利要求1所述的车辆稳定性控制***，其特征在于，所述参数P是轮胎的滑移率G，所述特性参数Q为轮胎的摩擦系数μ，该***包括在轮胎上施加一个纵向力的装置、调整该纵向力的装置以及按下述方式计算在轮胎上施加纵向力的装置每次启动时的滑移参数G^Opt的装置：

·通过直接计算或者通过适当的回归法从足够数量的对(μ_i，G_i)中来确定系数A_[avg/p]，从而模拟第一变化曲线μ_i＝f(G_i，A_[avg/p])，该第一变化曲线按常规必定包括原点和该对或者多对(μ_i，G_i)的，其中μ_i不为零，

·确定所述第一变化曲线的平均斜率α₁指标，

·通过直接计算或者通过适当的回归法从足够数量的对(μ_i，G_i)中来确定系数B_[avg/p]，从而模拟第二变化曲线μ_i＝f(G_i，B_[avg/p])，该第二变化曲线包括该对或者多对(μ_i，G_i)，其中μ_i不为零，

·确定所述第二变化曲线的平均斜率α₂指标，

·一旦α1与α2之间的差值小于一个预定斜率阈值，对一对值(G_i，μ_i)中的各新的获取值重复前面的步骤，

·一旦α1与α2之间的差值超过一个预定斜率阈值，就使用至少最后一对(G_i，μ_i)来确定一个目标滑移率G^Cavg。

3.如权利要求2所述的车辆稳定性控制***，其特征在于，一旦滑移率G_i超过一个预定阈值，目标滑移率G^Cavg就由至少最后一对(G_i，μ_i)来确定。

4.如权利要求2或3所述的车辆稳定性控制***，其特征在于：

·第一变化曲线是一条第一直线μ_i＝A_avg·G_i，其按常规包括原点和该对或者多对(μ_i，G_i)，其通过计算第一系数A_avg的第一线性回归得到，

·第二变化曲线是第二条直线μ_i＝A_lin·G_i+B_lin，其包括该对或者多对(μ_i，G_i)，其通过计算系数A_lin和B_lin的第二线性回归得到。

5.如权利要求2至4任意一个所述的车辆稳定性控制***，其特征在于，所述目标滑移率G^Cavg被确定为等于G_i的最后值。

6.如权利要求2至4任意一个所述的车辆稳定性控制***，其特征在于，确定了带有一微调参数β的目标滑移率 $G^{\mathrm{Cavg}}=\mathrm{\β}\·\frac{{\mathrm{\μ}}^{\mathrm{MAX}}}{A^{\mathrm{AVG}}}.$

7.如权利要求6所述的车辆稳定性控制***，其特征在于，所述β约等于1.04。

8.如权利要求6所述的车辆稳定性控制***，其特征在于，所述β在***的微调中作为一个微调参数来使用。

9.如权利要求2至4任意一个所述的车辆稳定性控制***，其特征在于，所述α₁和α₂之间的差值的预定斜率阈值为30％左右。

10.如权利要求2至9任意一个所述的车辆稳定性控制***，其特征在于，所述调整纵向力的装置对制动控制进行作用，并且在每次制动操纵开始时指示的操作被初始化(i＝0)。

11.如权利要求2至9的任意一个所述的车辆稳定性控制***，其特征在于，所述调整纵向力的装置对车轮上的转矩进行作用，并且在每次当转矩超过一个预设转矩阈值而要求对驱动转矩进行变化时所指示出的操作被初始化(i＝0)。

12.如权利要求2至11的任意一个所述的车辆稳定性控制***，其特征在于，在所有的利用作为G_i的函数μ_i的变化曲线进行的操作之前，通过只要Gi函数μi的变化基本上不是常数将第一实际对(μi，Gi)除去，并通过找到与零摩擦系数相关的滑移率G₀，从而将(0，G₀)和未除去的(μ_i，G_i)大致对齐，使用一个自起始点(0，G0)并连接未除去部分(μi，Gi)的曲线，从而对于任意一个大于G₀的G_i，G_i都由G_i-G₀替代，而对该曲线的起始部分进行修正。

13.如权利要求2至12的任意一个所述的车辆稳定性控制***，其特征在于，所述，当滑移率相对于时间的变化超过一个预定变化阈值时，在所有利用作为G_i的函数μ_i的变化曲线进行的操作之前，在超过所述预定变化阈值时，通过用相对于时间的滑移率变化替换对应于滑移率的μ_i的值，对所述曲线的末端进行修正，按照下述方式来对μ_i值进行修正：

${\mathrm{\μ}}_i^{\mathrm{Corr}}={\mathrm{\μ}}_i\·{\left[\mathrm{Max}(\frac{\mathrm{dG}}{\mathrm{dt}};1)\right]}^{-\mathrm{ACorr}}$

其中“Acorr”是一个预设参数。

14.如权利要求13所述的车辆稳定性控制***，其特征在于，所述“Acorr”约等于0.2。

15.如权利要求13所述的车辆稳定性控制***，其特征在于，所述“Acorr”用作一个微调参数。

16.如权利要求1所述的车辆稳定性控制***，其特征在于，所述参数P是轮胎的偏移角δ，特性参数Q是轮胎的偏移力F_y，该***包括根据车辆驾驶员在其控制设备上输入的指令以及根据由路线控制器发出的指令来控制参数“ξ”的装置、调整参数“ξ”的装置以及在启动这些装置以输入参数“ξ”时根据下列方式计算偏移角参数δ^Opt的装置：

·当每次控制ξ变化的***起动时，对于不同水平“i”的偏移角，读取不同的F_Yi值，并且通过估计或者直接测量来得到相关的偏移角δ_i，

·通过直接计算或者通过适当的回归法从足够数量的对(F_i，δ_i)中来确定系数A_[avg/p]，从而模拟第一变化曲线F_i＝f(δ_i，A_[avg/p])，该第一变化曲线按常规必定包括原点和该对或者多对(F_i，δ_i)，其中μ_i不为零，

·确定所述第一变化曲线的平均斜率α₁指标，

·通过直接计算或者通过适当的回归法从足够数量的对(F_i，δ_i)中来确定系数B_[avg/p]，从而模拟第二变化曲线F_i＝f(δ_i，B_[avg/p])，该第二变化曲线包括该对或者多对(F_i，δ_i)，其中μ_i不为零，

·确定所述第二变化曲线的平均斜率α₂指标，

·一旦α1与α2之间的差值小于一个预定斜率阈值，对一对(δ_i，F_i)中的各新的获取值重复前面的步骤，

·一旦α1与α2之间的差值超过一个预定斜率阈值，就使用至少最后一对(δ_i，F_i)来确定一个目标滑移率G^Cavg。

17.一种轮胎测试***，其中所测试轮胎功能的特性参数Q根据一个特定规律来作为参数P的函数进行变化，所述参数P的最优值由一个控制器直接或者间接地给出，从而可作用在下组中的至少一个要素上：施加在轮胎上的转矩、轮胎的转向角、轮胎的外倾角及施加在轮胎上的垂直力，其中该控制器包括装置来用于：

·通过直接计算或者通过适当的回归法从足够数量的对(P_i，Q_i)中来确定系数A_[avg/p]，从而模拟第一变化曲线Q_i＝f(P_i，A_[avg/p])，该第一变化曲线按常规必定包括原点和该对或者多对(Q_i，P_i)，其中μi不为零，

·确定所述第一变化曲线的平均斜率α₁指标，

·通过直接计算或者通过适当的回归法从足够数量的对(Q_i，P_i)中来确定系数B_[avg/p]，从而模拟第二变化曲线Q_i＝f(P_i，B_[avg/p])，该第二变化曲线包括该对或者多对(Q_i，P_i)，其中Q_i不为零，

·确定所述第二变化曲线的平均斜率α₂指标，

·如果α1与α2之间的差值小于一个预定斜率阈值，对于一对(P_i，Q_i)中的各新的获取值重复前面的步骤，

·如果α1与α2之间的差值超过一个预定斜率阈值，就使用至少最后一对(P_i，Q_i)来确定一个目标滑移率P^Cavg。

18.如权利要求17所述的轮胎测试***，其特征在于，所述参数P是轮胎的滑移率G，特性参数Q为轮胎的摩擦系数μ，该***包括在轮胎上施加一个纵向力的装置、调整该纵向力的装置以及按下述方式计算在轮胎上施加纵向力的装置每次启动时的滑移参数G^Opt的装置：

·通过直接计算或者通过适当的回归法从足够数量的对(μ_i，G_i)中来确定系数A_[avg/p]，从而模拟第一变化曲线μi＝f(G_i，A_[avg/p])，该第一变化曲线按常规必定包括原点和该对或者多对(μ_i，G_i)，其中μ_i不为零，

·确定所述第一变化曲线的平均斜率α₁指标，

·通过直接计算或者通过适当的回归法从足够数量的对(μ_i，G_i)中来确定系数B_[avg/p]，从而模拟第二变化曲线μ_i＝f(G_i，B_[avg/p])，该第二变化曲线按常规必定包括原点和该对或者多对(μ_i，G_i)，其中μ_i不为零，

·确定所述第二变化曲线的平均斜率α₂指标，

·一旦α1与α2之间的差值小于一个预定斜率阈值，对于一对(G_i，μ_i)中各新的获取值重复前面的步骤，

·一旦α1与α2之间的差值超过一个预定斜率阈值，就使用至少最后一对(G_i，μ_i)来确定一个目标滑移率G^Cavg。

19.如权利要求18所述的轮胎测试***，其特征在于，所述，当滑移率G_i超过一个预定阈值时，目标滑移率G^Cavg就由最后一对(G_i，μ_i)来确定。

20.如权利要求2或3所述的轮胎测试***，其特征在于，所述：

·第一变化曲线是一条第一直线μ_i＝A_avg·G_i，其按常规包括原点和该对或者多对(μ_i，G_i)，其通过计算第一系数A_avg的第一线性回归得到，

·第二变化曲线是第二条直线μ_i＝A_lin·G_i+B_lin，其包括该对或者多对(μ_i，G_i)，其通过计算系数A_lin和B_lin的第二线性回归得到。

21.如权利要求18至20任意一个所述的轮胎测试***，其特征在于，所述目标滑移率G^Cavg被确定为等于G_i的最后值。

22.如权利要求18至20任意一个所述的轮胎测试***，其特征在于，确定了带有一微调参数β的目标滑移率 $G^{\mathrm{Cavg}}=\mathrm{\β}\·\frac{{\mathrm{\μ}}^{\mathrm{MAX}}}{A^{\mathrm{AVG}}}.$

23.如权利要求22所述的轮胎测试***，其特征在于，所述其中β约等于1.04。

24.如权利要求22所述的轮胎测试***，其特征在于，所述β在***的微调中作为一个微调参数来使用。

25.如权利要求18至20任意一个所述的轮胎测试***，其特征在于，所述α₁和α₂的差的预定斜率阈值为30％左右。

26.如权利要求18至25任意一个所述的轮胎测试***，其特征在于，所述调整纵向力的装置对制动控制进行作用，并且在每次制动操纵开始时指示的操作被初始化(i＝0)。

27.如权利要求18至25的任意一个所述的轮胎测试***，其特征在于，所述调整纵向力的装置对车轮上的转矩进行作用，并且在每次当转矩超过一个预设转矩阈值而要求对驱动转矩进行变化时所指示出的操作被初始化(i＝0)。

28.如权利要求18至27的任意一个所述的轮胎测试***，其特征在于，在所有的利用作为G_i的函数μ_i的变化曲线进行的操作之前，通过只要G_i函数μ_i的变化基本上不是常数就将第一实际对(μ_i，G_i)除去，并通过找到与零摩擦系数相关的滑移率G₀，从而将(0，G₀)和未除去的(μ_i，G_i)大致对齐，使用一个自起始点(0，G0)并连接未除去部分(μi，Gi)的曲线，从而对于任意一个大于G₀的G_i，G_i都由G_i-G₀替代，而对该曲线的起始部分进行修正。

29.如权利要求18至28的任意一个所述的车辆稳定性控制***，其特征在于，当滑移率相对于时间的变化超过一个预定变化阈值时，在所有利用作为G_i的函数μ_i的变化曲线进行的操作之前，在超过所述预定变化阈值时，通过用相对于时间的滑移率变化替换对应于滑移率的μ_i的值，而对所述曲线的末端进行修正，被修正的值如下：

${\mathrm{\μ}}_i^{\mathrm{Corr}}={\mathrm{\μ}}_i\·{\left[\mathrm{Max}(\frac{\mathrm{dG}}{\mathrm{dt}};1)\right]}^{-\mathrm{ACorr}}$

其中“Acorr”是一个预设参数。

30.如权利要求29所述的轮胎测试***，其特征在于，所述“Acorr”约等于0.2。

31.如权利要求29所述的轮胎测试***，其特征在于，所述“Acorr”用作一个微调参数。

32.如权利要求17所述的轮胎测试***，其特征在于，利用对在地面上进行测试的轮胎施加一个偏移角的装置，该装置配备有一个根据来自测试控制装置的指令以及根据由控制器发出的、用来保证轮胎在偏移力F^det预定值处的功能的指令来控制参数“ξ”的***，该控制器使用至少一个对应于偏移力F^det最大值的偏移角最优值δ^Opt，所述控制器包括执行下述操作的装置：

·当每次控制ξ变化的***起动时，对于至少两个不同水平“i”的偏移角，读取不同的F_Yi值(测量的或者估计的值)，并且通过估计或者直接测量来得到相关的偏移角δ_i，

·通过直接计算或者通过适当的回归法从足够数量的对(F_i，δ_i)中来确定系数A_[avg/p]，从而模拟第一变化曲线F_i＝f(δ_i，A_[avg/p])，该第一变化曲线按常规必定包括原点和该对或者多对(F_i，δ_i)，其中μ_i不为零，

·确定所述第一变化曲线的平均斜率α₁指标，

·通过直接计算或者通过适当的回归法从足够数量的对(F_i，δ_i)中来确定系数B_[avg/p]，从而模拟第二变化曲线F_i＝f(δ_i，B_[avg/p])，该第二变化曲线包括该对或者多对(F_i，δ_i)，其中μ_i不为零，

·确定所述第二变化曲线的平均斜率α₂指标，

·一旦α1与α2之间的差值小于一个预定斜率阈值，对于一对(δ_i，F_i)中的各新的获取值重复前面的步骤，

·一旦α1与α2之间的差值超过一个预定斜率阈值，就使用至少最后一对(δ_i，F_i)来确定一个目标滑移率G^Cavg。

Images