JP6478318B2 - Vehicle motion parameter estimation device - Google Patents
Vehicle motion parameter estimation device Download PDFInfo
- Publication number
- JP6478318B2 JP6478318B2 JP2014263141A JP2014263141A JP6478318B2 JP 6478318 B2 JP6478318 B2 JP 6478318B2 JP 2014263141 A JP2014263141 A JP 2014263141A JP 2014263141 A JP2014263141 A JP 2014263141A JP 6478318 B2 JP6478318 B2 JP 6478318B2
- Authority
- JP
- Japan
- Prior art keywords
- yaw rate
- steering angle
- actual yaw
- vehicle
- estimated
- 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
- 238000012937 correction Methods 0.000 claims description 52
- 238000004364 calculation method Methods 0.000 claims description 35
- 238000011156 evaluation Methods 0.000 claims description 24
- 238000012886 linear function Methods 0.000 claims description 17
- 230000004044 response Effects 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 4
- 238000000034 method Methods 0.000 description 25
- 230000006870 function Effects 0.000 description 12
- 238000012545 processing Methods 0.000 description 10
- 238000012546 transfer Methods 0.000 description 8
- 238000002474 experimental method Methods 0.000 description 5
- 238000013459 approach Methods 0.000 description 3
- 230000007935 neutral effect Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- NCGICGYLBXGBGN-UHFFFAOYSA-N 3-morpholin-4-yl-1-oxa-3-azonia-2-azanidacyclopent-3-en-5-imine;hydrochloride Chemical compound Cl.[N-]1OC(=N)C=[N+]1N1CCOCC1 NCGICGYLBXGBGN-UHFFFAOYSA-N 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
Images
Landscapes
- Steering Control In Accordance With Driving Conditions (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Description
本発明は、車両の操舵特性であるスタビリティファクタや応答遅れの時定数等を精度良く推定して車両運動パラメータを精度良く算出する車両運動パラメータ推定装置に関する。 The present invention relates to a vehicle motion parameter estimation device that accurately estimates a vehicle stability parameter by accurately estimating a stability factor that is a steering characteristic of a vehicle, a time constant of response delay, and the like.
近年、車両においては様々な車両制御装置が搭載されてきており、このような車両制御装置では、実際に検出されるセンサ値と、車両運動モデルから推定される理論値とを比較して制御量を算出し、制御を実行するものがある。例えば、特開平８−３１８８４１号公報（以下、特許文献１）では、車両運動モデルに基づき車速及び操舵角に応じた車両の目標ヨーレートを求め、車両の実ヨーレートを検出し、目標ヨーレートと実ヨーレートとの偏差に基づき車両のドリフトアウト状態を判別し、所定の車輪にブレーキ力を付加して車両のドリフトアウトを抑制する方向に車両にヨーモーメントを付加する車両の挙動制御装置の技術が開示されている。また、特開平１１−２３２６４号公報（以下、特許文献２）では、車両運動モデルに基づき車速及び操舵角に応じた車両の基準ヨーレートを求め、車両の実ヨーレートを検出し、基準ヨーレートと実ヨーレートとの偏差を算出し、該偏差に車両の諸元及び車両状態量から求めた係数を乗算することで路面カント角を算出する路面カント検出装置の技術が開示されている。 In recent years, various vehicle control devices have been mounted on vehicles. In such vehicle control devices, a control amount is compared by comparing a sensor value actually detected with a theoretical value estimated from a vehicle motion model. There is one that calculates and executes control. For example, in Japanese Patent Application Laid-Open No. 8-318841 (hereinafter referred to as Patent Document 1), a target yaw rate of a vehicle corresponding to a vehicle speed and a steering angle is obtained based on a vehicle motion model, an actual yaw rate of the vehicle is detected, and a target yaw rate and an actual yaw rate are detected. A vehicle behavior control device is disclosed that discriminates a vehicle drift-out state based on the deviation from the vehicle and applies a braking force to a predetermined wheel to add a yaw moment to the vehicle in a direction that suppresses the vehicle drift-out. ing. In Japanese Patent Laid-Open No. 11-23264 (hereinafter referred to as Patent Document 2), a reference yaw rate of a vehicle corresponding to a vehicle speed and a steering angle is obtained based on a vehicle motion model, an actual yaw rate of the vehicle is detected, and a reference yaw rate and an actual yaw rate are determined. And a road surface cant detecting device that calculates a road surface cant angle by multiplying the deviation by a coefficient obtained from vehicle specifications and a vehicle state quantity is disclosed.
ところで、上述の特許文献１の目標ヨーレートや、特許文献２の基準ヨーレートのように、車両運動モデルに基づき操舵角から目標（基準）ヨーレートを算出する場合、伝達関数に、実際には操舵角からヨーレートが発生するための応答遅れや、定常値としても操舵特性を示すスタビリティファクタ等のタイヤ種別・温度・空気圧等によって変動するパラメータが存在するため、目標（基準）ヨーレートの値自体の精度が悪化し、その結果、制御の精度や路面カント推定値の精度が悪化してしまうという課題がある。また、検出される操舵角の値自体にも、例えば、車輪のトー角ずれや、操舵角センサのオフセット誤差等の車両要因によるオフセット誤差が含まれるため、このような誤差も制御の精度や路面カント推定値の精度を低下させる要因となってしまう。
By the way, when the target (reference) yaw rate is calculated from the steering angle based on the vehicle motion model, like the target yaw rate of
本発明は上記事情に鑑みてなされたもので、車両運動モデルを用いてパラメータを算出する際に伝達関数やセンサ値を精度良く補正し、制御精度や車両の状態を精度良く求めることができる車両運動パラメータ推定装置を提供することを目的としている。 The present invention has been made in view of the above circumstances, and can accurately calculate a transfer function and a sensor value when calculating a parameter using a vehicle motion model, and can accurately determine a control accuracy and a vehicle state. An object of the present invention is to provide a motion parameter estimation device.
本発明の車両運動パラメータ推定装置の一態様は、実際に車両に発生しているヨーレートを実ヨーレートとして取得する実ヨーレート取得手段と、車両運動モデルにより、操舵角入力に対する定常ゲインと応答遅れに基づいて操舵角入力により発生するヨーレートを操舵角推定ヨーレートとして推定する操舵角推定ヨーレート算出手段と、を備えた車両運動パラメータ推定装置であって、上記定常ゲインは、少なくとも車両の操舵特性であるスタビリティファクタを含み、上記実ヨーレートに対する上記操舵角推定ヨーレートの座標上において、上記実ヨーレートと上記操舵角推定ヨーレートとの関係を一次関数で近似し、該一次関数の傾きが１になる方向に上記スタビリティファクタを学習補正する一方、上記応答遅れは、少なくとも一次遅れで近似し、上記実ヨーレートに対する上記操舵角推定ヨーレートの座標上において、上記実ヨーレートに対する上記操舵角推定ヨーレートのリサージュ波形のヒステリシス特性の幅の平均に基づく評価値を算出し、該評価値が最小となるように上記一次遅れの時定数を学習補正する。 One aspect of the vehicle motion parameter estimation device of the present invention is based on a steady gain and a response delay with respect to a steering angle input by an actual yaw rate acquisition means for acquiring a yaw rate actually generated in a vehicle as an actual yaw rate, and a vehicle motion model Steering angle estimation yaw rate calculation means for estimating a yaw rate generated by steering angle input as a steering angle estimation yaw rate, wherein the steady gain is at least a stability characteristic of the vehicle. The relationship between the actual yaw rate and the estimated steering angle yaw rate is approximated by a linear function on the coordinates of the estimated steering angle yaw rate with respect to the actual yaw rate. The response delay is at least first order Approximated by Les, in the steering angle yaw rate on the coordinate with respect to the actual yaw rate, it calculates an evaluation value based on the average of the width of the hysteresis characteristic of the steering angle yaw rate Lissajous waveform with respect to the actual yaw rate, the evaluation value The first-order lag time constant is learned and corrected so as to be minimized .
本発明による車両運動パラメータ推定装置によれば、車両運動モデルを用いてパラメータを算出する際に伝達関数やセンサ値を精度良く補正し、制御精度や車両の状態を精度良く求めることが可能となる。 According to the vehicle motion parameter estimation device of the present invention, when calculating a parameter using a vehicle motion model, it is possible to accurately correct a transfer function and a sensor value, and to accurately determine control accuracy and a vehicle state. .
以下、図面に基づいて本発明の実施の形態を説明する。 Hereinafter, embodiments of the present invention will be described with reference to the drawings.
図１において、符号１は、車両の走行状態を示すパラメータの一例として車両が走行する路面の路面カントを推定算出する路面カント推定装置を示し、この路面カント推定装置１には、車速Ｖを検出する車速センサ２、操舵角（前輪舵角）θＨを検出する操舵角センサ３、画像情報を基に車線区画線（左右白線）を検出し、車線区画線から車線情報と、車線に対する車両の姿勢角・位置情報を取得する車線検出手段としての機能を有する前方認識装置４が接続されている。
In FIG. 1,
前方認識装置４は、例えば、車室内の天井前方に一定の間隔をもって取り付けられ、車外の対象を異なる視点からステレオ撮像する１組のＣＣＤカメラと、このＣＣＤカメラからの画像データを処理するステレオ画像処理装置とから構成されている。
The
前方認識装置４のステレオ画像処理装置における、ＣＣＤカメラからの画像データの処理は、例えば以下のように行われる。まず、ＣＣＤカメラで撮像した自車両の進行方向の１組のステレオ画像対に対し、対応する位置のずれ量から距離情報を求め、距離画像を生成する。
The processing of image data from the CCD camera in the stereo image processing device of the
白線データの認識では、白線は道路面と比較して高輝度であるという知得に基づき、道路の幅方向の輝度変化を評価して、画像平面における左右の白線の位置を画像平面上で特定する。この白線の実空間上の位置（ｘ，ｙ，ｚ）は、画像平面上の位置（ｉ，ｊ）とこの位置に関して算出された視差とに基づいて、すなわち、距離情報に基づいて、周知の座標変換式より算出される。自車両の位置を基準に設定された実空間の座標系は、本実施の形態では、例えば、図６に示すように、ステレオカメラの中央真下の道路面を原点として、車幅方向をＸ軸（左方向を「＋」）、車高方向をＹ軸（上方向を「＋」）、車長方向（距離方向）をＺ軸（前方向を「＋」）とする。このとき、Ｘ−Ｚ平面（Ｙ＝０）は、道路が平坦な場合、道路面と一致する。道路モデルは、道路上の自車両の車線を距離方向に複数区間に分割し、各区間における左右の白線を所定に近似して連結することによって表現される。尚、本実施の形態では、車線の形状を１組のＣＣＤカメラからの画像を基に認識する例で説明したが、他に、単眼カメラ、カラーカメラからの画像情報を基に求めるものであっても良い。 In recognition of white line data, based on the knowledge that the white line is brighter than the road surface, the brightness change in the width direction of the road is evaluated, and the positions of the left and right white lines on the image plane are specified on the image plane. To do. The position (x, y, z) of the white line in the real space is known based on the position (i, j) on the image plane and the parallax calculated with respect to this position, that is, based on the distance information. Calculated from the coordinate conversion formula. In the present embodiment, the coordinate system of the real space set based on the position of the host vehicle is, for example, as shown in FIG. 6, with the road surface directly below the center of the stereo camera as the origin and the vehicle width direction as the X axis. (Left direction is “+”), vehicle height direction is Y-axis (upward direction is “+”), and vehicle length direction (distance direction) is Z-axis (front direction is “+”). At this time, the XZ plane (Y = 0) coincides with the road surface when the road is flat. The road model is expressed by dividing the lane of the host vehicle on the road into a plurality of sections in the distance direction, and connecting the left and right white lines in each section with a predetermined approximation. In the present embodiment, the example of recognizing the shape of the lane based on images from a pair of CCD cameras has been described. However, the lane shape is obtained based on image information from a monocular camera and a color camera. May be.
そして、路面カント推定装置１は、上述の各入力信号に基づいて、実際に車両に発生しているヨーレートを実ヨーレートγｓとして取得し、車両運動モデルにより、操舵角θＨ入力に対する定常ゲインと応答遅れに基づいて操舵角入力により発生するヨーレートを操舵角推定ヨーレートγstrとして推定し、これら実ヨーレートγｓと操舵角推定ヨーレートγstrを基に路面カントθcaを算出する。この際、車両運動モデルの伝達関数の定常ゲインは、少なくとも車両の操舵特性であるスタビリティファクタＡを含み、このスタビリティファクタＡを実ヨーレートγｓに対する操舵角推定ヨーレートγstrの座標上において、実ヨーレートγｓと操舵角推定ヨーレートγstrとの関係を一次関数で近似し、該一次関数の傾きが１になる方向に学習補正する。また、車両運動モデルの伝達関数の応答遅れは、少なくとも一次遅れ（時定数Ｔ）で近似し、実ヨーレートγｓに対する操舵角推定ヨーレートγstrの座標上において、実ヨーレートγｓに対する操舵角推定ヨーレートγstrのリサージュ波形におけるヒステリシス特性の幅Ｗｌが０に近づく方向に一次遅れの時定数Ｔを学習補正する。更に、実ヨーレートγｓに対する操舵角推定ヨーレートγstrの座標上において、実ヨーレートγｓと操舵角推定ヨーレートγstrとの関係を一次関数で近似し、該一次関数の座標軸に対する切片が０になる方向に操舵角θＨを補正する操舵角の補正量θHoffsetを算出する。
Then, the road surface
このため、路面カント推定装置１は、図１に示すように、実ヨーレート算出部１０と、操舵角推定ヨーレート算出部１１と、時定数補正部１２と、スタビリティファクタ補正部１３と、操舵角補正部１４、路面カント推定部１５とから主要に構成されている。
For this reason, as shown in FIG. 1, the road surface
実ヨーレート算出部１０は、車速センサ２から車速Ｖが入力され、前方認識装置４から車線情報と車線に対する車両の姿勢角・位置情報が入力される。そして、実ヨーレート算出部１０は、例えば、以下の（１）式により、実ヨーレートγｓを算出し、時定数補正部１２、スタビリティファクタ補正部１３、操舵角補正部１４、路面カント推定部１５に出力する。
The actual yaw rate calculation unit 10 receives the vehicle speed V from the
γｓ＝κ・Ｖ＋（ｄθyaw／ｄｔ） …（１）
ここで、κは車線の曲率、θyawは自車両の対車線ヨー角を示す。
γs = κ · V + (dθyaw / dt) (1)
Here, κ represents the curvature of the lane, and θyaw represents the lane yaw angle of the host vehicle.
すなわち、図６において、自車両の左側の車線区画線は最小自乗法により、以下の（２）式により近似される。 That is, in FIG. 6, the lane marking on the left side of the host vehicle is approximated by the following equation (2) by the method of least squares.
ｘ＝ＡＬ・ｚ２＋ＢＬ・ｚ＋ＣＬ …（２）
また、自車両の右側の白線は最小自乗法により、以下の（３）式により近似される。
x = AL · z 2 + BL · z + CL (2)
The white line on the right side of the host vehicle is approximated by the following equation (3) by the method of least squares.
ｘ＝ＡＲ・ｚ２＋ＢＲ・ｚ＋ＣＲ …（３）
ここで、上述の（２）式、（３）式における、「ＡＬ」と「ＡＲ」は、それぞれの曲線における曲率を示し、左側の白線の曲率は、２・ＡＬであり、右側の白線の曲率は、２・ＡＲである。従って、車線の曲率κは、以下の（４）式により、算出できる。
x = AR · z 2 + BR · z + CR (3)
In the above equations (2) and (3), “AL” and “AR” indicate the curvature of each curve, the curvature of the left white line is 2 · AL, The curvature is 2 · AR. Therefore, the curvature κ of the lane can be calculated by the following equation (4).
κ＝（２・ＡＬ＋２・ＡＲ）／２＝ＡＬ＋ＡＲ …（４）
また、（１）式、（２）式における、「ＢＬ」と「ＢＲ」は、それぞれの曲線の自車両の幅方向における傾きを示し、「ＣＬ」と「ＣＲ」は、それぞれの曲線の自車両の幅方向における位置を示す。
κ = (2 · AL + 2 · AR) / 2 = AL + AR (4)
In the equations (1) and (2), “BL” and “BR” indicate the inclinations of the respective curves in the width direction of the host vehicle, and “CL” and “CR” indicate the respective curves. The position in the width direction of the vehicle is shown.
これにより、自車両の対車線ヨー角θyawは、以下の（５）式により算出できる。 Thereby, the on-vehicle yaw angle θyaw of the host vehicle can be calculated by the following equation (5).
θyaw＝ｔａｎ−１（（ＢＬ＋ＢＲ）／２） …（５）
すなわち、前方認識装置４からの画像情報による車線情報は、自車両の相対運動として検出されるため、上述の（１）式により、精度良く実ヨーレートγｓを検出することができる。尚、路面等のノイズが無視できる場合には、ジャイロを用いた公知のヨーレートセンサからの検出値を実ヨーレートとして用いても良い。このように、実ヨーレート算出部１０は、実ヨーレート取得手段として設けられている。
θyaw = tan −1 ((BL + BR) / 2) (5)
That is, since the lane information based on the image information from the
操舵角推定ヨーレート算出部１１は、車速センサ２から車速Ｖが入力され、操舵角センサ３から操舵角θＨが入力され、時定数補正部１２から時定数Ｔが入力され、スタビリティファクタ補正部１３からスタビリティファクタＡが入力され、操舵角補正部１４から操舵角の補正量θHoffsetが入力される。そして、操舵角推定ヨーレート算出部１１は、例えば、以下の（６）式により、車両運動モデルにより、操舵角θＨ入力に対する定常ゲインと応答遅れに基づいて操舵角入力により発生するヨーレートを操舵角推定ヨーレートγstrとして推定し、時定数補正部１２、スタビリティファクタ補正部１３、操舵角補正部１４、路面カント推定部１５に出力する。
γstr＝（Ｖ／（１＋Ａ・Ｖ２））・（ｌ／（ｌｗ・ｒsgr））
・（１／（１＋ｓ・Ｔ））・（θＨ＋θHoffset） …（６）
ここで、ｌｗはホイールベース、ｒsgrはステアリングギヤ比、ｓはラプラス演算子である。すなわち、この（６）式は、操舵角入力の項（補正した操舵角入力の項：θＨ＋θHoffset）に対する伝達関数の中で、（Ｖ／（１＋Ａ・Ｖ２））・（ｌ／（ｌｗ・ｒsgr））の項が定常ゲインの項であり、（１／（１＋ｓ・Ｔ））の項が応答遅れ（一次遅れで近似）の項となっている。このように、操舵角推定ヨーレート算出部１１は、操舵角推定ヨーレート算出手段として設けられている。
The steering angle estimation yaw rate calculation unit 11 receives the vehicle speed V from the
γstr = (V / (1 + A · V 2 )) · (l / (lw · rsgr))
(1 / (1 + s · T)) · (θH + θHoffset) (6)
Here, lw is a wheel base, rsgr is a steering gear ratio, and s is a Laplace operator. In other words, the expression (6) is expressed as (V / (1 + A · V 2 )) · (l / (lw · rsgr) in the transfer function for the steering angle input term (corrected steering angle input term: θH + θHoffset). )) Is a steady gain term, and (1 / (1 + s · T)) is a response delay (approximate first order delay) term. Thus, the steering angle estimation yaw rate calculation unit 11 is provided as steering angle estimation yaw rate calculation means.
時定数補正部１２は、実ヨーレート算出部１０から実ヨーレートγｓを読み込み、操舵角推定ヨーレート算出部１１から操舵角推定ヨーレートγstrを読み込む。そして、図３のフローチャートに従って、実ヨーレートγｓに対する操舵角推定ヨーレートγstrの座標上において、実ヨーレートγｓに対する操舵角推定ヨーレートγstrのリサージュ波形におけるヒステリシス特性の幅が０に近づく方向（図７中において、ｆ1(γｓ)→ｆn(γｓ)となる方向は、位相非適合方向と適合方向とがあるが、位相非適合は、後述する評価値Ｊが大きくなる方向になるため、移動適合方向側である：図８参照）に一次遅れの時定数Ｔの学習補正を進め、適宜、操舵角推定ヨーレート算出部１１に出力する。
The time
以下、一次遅れの時定数Ｔの学習補正の具体的手法について、図３のフローチャートで説明する。本実施の形態では、評価値Ｊ（後述する）が最小値となる時定数Ｔの値を最適解（真値）として求めるアルゴリズムの手法を用いるものとする。 Hereinafter, a specific method for learning correction of the first-order delay time constant T will be described with reference to the flowchart of FIG. In the present embodiment, it is assumed that an algorithm method is used in which the value of the time constant T at which the evaluation value J (described later) is the minimum value is obtained as the optimal solution (true value).
まず、ステップ（以下、「Ｓ」と略称）２０１で、現在設定されている時定数ＴをＴ(k-1)として読み込む。尚、このプログラムの初期値として、予め実験、演算等により設定しておいた値が設定されている。尚、以下、符号の添字（ｋ−１）は前回の値であることを示し、添字（ｋ）は今回の値であることを示す。 First, in step (hereinafter abbreviated as “S”) 201, the currently set time constant T is read as T (k−1). Note that, as an initial value of this program, a value set in advance by experiment, calculation or the like is set. Hereinafter, the subscript (k-1) of the sign indicates the previous value, and the subscript (k) indicates the current value.
次に、Ｓ２０２に進み、時定数Ｔ(k-1)を前述の（６）式に適用して操舵角推定ヨーレートγstrを算出する。 Next, in S202, the steering angle estimation yaw rate γstr is calculated by applying the time constant T (k−1) to the above-described equation (6).
次いで、Ｓ２０３に進み、図７に示すような、実ヨーレートγｓに対する操舵角推定ヨーレートγstrの座標上（γｓ−γstr平面）におけるリサージュ波形を作成し、予め設定しておいた、実ヨーレートγｓの領域内（図７中における、γSL≦γｓ≦γSHの領域内）において、予め設定する実ヨーレートγｓの値に対する時定数Ｔ(k-1)を用いて算出した操舵角推定ヨーレートγstrの値の幅をリサージュ波形のヒステリシス特性の幅Ｗｌとして算出する。 Next, the process proceeds to S203, where a Lissajous waveform on the coordinates (γs-γstr plane) of the steering angle estimation yaw rate γstr with respect to the actual yaw rate γs as shown in FIG. (In the region of γSL ≦ γs ≦ γSH in FIG. 7), the width of the steering angle estimation yaw rate γstr calculated using the time constant T (k−1) with respect to the preset value of the actual yaw rate γs. It is calculated as the width Wl of the hysteresis characteristic of the Lissajous waveform.
次に、Ｓ２０４に進み、評価値Ｊ(k)を算出する。ここで、評価値Ｊについて説明する。本実施の形態では、例えば、算出されたリサージュ波形のヒステリシス特性の幅Ｗｌの平均（ΣＷｌ／ｎ：ｎはＷｌのサンプル数）を評価関数として用い、これにより計算される値を評価値Ｊとして用いるようになっている。 Next, proceeding to S204, the evaluation value J (k) is calculated. Here, the evaluation value J will be described. In the present embodiment, for example, the average of the width Wl of the hysteresis characteristic of the calculated Lissajous waveform (ΣWl / n: n is the number of samples of Wl) is used as the evaluation function, and the value calculated thereby is used as the evaluation value J. It comes to use.
次いで、Ｓ２０５に進んで、（格納されている）前回の評価値を評価値Ｊ(k-1)として読み込む。 Next, the processing proceeds to S205, and the previous evaluation value (stored) is read as the evaluation value J (k-1).
そして、Ｓ２０６に進み、Ｓ２０４で算出した評価値Ｊ(k)と、Ｓ２０５で読み込んだ評価値Ｊ(k-1)とを比較する。 In step S206, the evaluation value J (k) calculated in step S204 is compared with the evaluation value J (k-1) read in step S205.
この比較の結果、評価値Ｊ(k-1)が評価値Ｊ(k)より大きい場合（Ｊ(k-1)＞Ｊ(k)の場合）はＳ２０７に進み、時定数Ｔの補正量ΔＴを、以下の（７）式により、算出する。 As a result of this comparison, if the evaluation value J (k-1) is larger than the evaluation value J (k) (when J (k-1)> J (k)), the process proceeds to S207, and the correction amount ΔT of the time constant T Is calculated by the following equation (7).
ΔＴ＝Ｋｌ・（Ｊ(k-1)−Ｊ(k)） …（７）
逆に、評価値Ｊ(k-1)が評価値Ｊ(k)以下の場合（Ｊ(k-1)≦Ｊ(k)の場合）はＳ２０８に進み、時定数Ｔの補正量ΔＴを、以下の（８）式により、算出する。
ΔT = Kl · (J (k−1) −J (k)) (7)
Conversely, when the evaluation value J (k-1) is equal to or less than the evaluation value J (k) (when J (k-1) ≦ J (k)), the process proceeds to S208, and the correction amount ΔT of the time constant T is set to It calculates with the following (8) Formula.
ΔＴ＝−Ｋｌ・（Ｊ(k)−Ｊ(k-1)） …（８）
Ｓ２０７、或いは、Ｓ２０８で時定数Ｔの補正量ΔＴを算出した後は、Ｓ２０９に進み、以下の（９）式により時定数Ｔ(k-1)を補正して、今回の時定数Ｔ(k)を算出する。
ΔT = −Kl · (J (k) −J (k−1)) (8)
After calculating the correction amount ΔT of the time constant T in S207 or S208, the process proceeds to S209, the time constant T (k−1) is corrected by the following equation (9), and the current time constant T (k ) Is calculated.
Ｔ(k)＝Ｔ(k-1)＋ΔＴ …（９）
次いで、Ｓ２１０に進み、今回の時定数Ｔ(k)を時定数Ｔとして出力し、評価値Ｊ(k)を格納する。
T (k) = T (k−1) + ΔT (9)
Next, in S210, the current time constant T (k) is output as the time constant T, and the evaluation value J (k) is stored.
そして、Ｓ２１１に進み、評価値Ｊ(k)と予め実験、計算等により設定しておいた判定値Ｄｔとを比較し、評価値Ｊ(k)が判定値Ｄｔ以下の場合（Ｊ(k)≦Ｄｔの場合）、実ヨーレートγｓに対する操舵角推定ヨーレートγstrのリサージュ波形におけるヒステリシス特性の幅Ｗｌを０に近づけられた、換言すれば、時定数Ｔの最適解を算出できたと判断し、Ｓ２１２に進み、時定数学習完了フラグをＯＮしてプログラムを抜ける。 In step S211, the evaluation value J (k) is compared with the determination value Dt set in advance through experiments, calculations, and the like. When the evaluation value J (k) is equal to or less than the determination value Dt (J (k) ≦ Dt), it is determined that the hysteresis characteristic width Wl in the Lissajous waveform of the steering angle estimation yaw rate γstr with respect to the actual yaw rate γs has been brought close to 0, in other words, the optimal solution of the time constant T has been calculated. Proceed to turn on the time constant learning completion flag and exit the program.
一方、評価値Ｊ(k)が判定値Ｄｔよりも大きい場合（Ｊ(k)＞Ｄｔの場合）、実ヨーレートγｓに対する操舵角推定ヨーレートγstrのリサージュ波形におけるヒステリシス特性の幅Ｗｌは、未だ０に近づいていないと判断し、Ｓ２１３に進み、時定数学習完了フラグをＯＦＦしてプログラムを抜ける。 On the other hand, when the evaluation value J (k) is larger than the determination value Dt (when J (k)> Dt), the hysteresis characteristic width Wl in the Lissajous waveform of the steering angle estimation yaw rate γstr with respect to the actual yaw rate γs is still 0. It is determined that the program is not approaching, and the process proceeds to S213, where the time constant learning completion flag is turned off and the program is exited.
このように、実ヨーレートγｓに対する操舵角推定ヨーレートγstrの座標上において、例えば、１次のローパスフィルタのような位相遅延フィルタを介し、車両の二輪モデルの定常円旋回式を用いて算出される操舵角推定ヨーレートγstrをプロットする。検出された実ヨーレートγｓと算出される操舵角推定ヨーレートγstrの値は、共通の周波数であるため、位相差がある場合は、ループ状のリサージュ図形として表れる。従って、このリサージュ波形におけるヒステリシス特性の幅Ｗｌを評価値Ｊとし、ローパスフィルタの時定数Ｔを最適化するように学習することで位相差をあわせこんで車両運動モデルで算出される操舵角推定ヨーレートγstrの応答遅れの精度を向上させるのである。 Thus, on the coordinates of the steering angle estimation yaw rate γstr with respect to the actual yaw rate γs, for example, the steering calculated using the steady circle turning formula of the two-wheel model of the vehicle via a phase delay filter such as a first-order low-pass filter. Plot the angle estimate yaw rate γstr. Since the detected actual yaw rate γs and the calculated steering angle estimation yaw rate γstr have a common frequency, when there is a phase difference, it appears as a looped Lissajous figure. Therefore, the width Wl of the hysteresis characteristic in the Lissajous waveform is set to the evaluation value J, and learning is performed to optimize the time constant T of the low-pass filter, thereby adjusting the phase difference and calculating the steering angle estimation yaw rate calculated by the vehicle motion model. The accuracy of the response delay of γstr is improved.
スタビリティファクタ補正部１３は、実ヨーレート算出部１０から実ヨーレートγｓを読み込み、操舵角推定ヨーレート算出部１１から操舵角推定ヨーレートγstrを読み込む。そして、図４のフローチャートに従って、実ヨーレートγｓに対する操舵角推定ヨーレートγstrの座標上において、実ヨーレートγｓと操舵角推定ヨーレートγstrとの関係を一次関数で近似し、該一次関数の傾きが１になる方向に、スタビリティファクタＡの学習補正を進め、適宜、操舵角推定ヨーレート算出部１１、路面カント推定部１５に出力する。
The stability
スタビリティファクタＡの学習補正の具体的手法について、図４のフローチャートで説明する。 A specific method for correcting the learning of the stability factor A will be described with reference to the flowchart of FIG.
まず、Ｓ３０１で、現在設定されているスタビリティファクタＡをＡ(k-1)として読み込む。尚、このプログラムの初期値として、予め実験、演算等により設定しておいた値が設定されている。 First, in S301, the currently set stability factor A is read as A (k-1). Note that, as an initial value of this program, a value set in advance by experiment, calculation or the like is set.
次に、Ｓ３０２に進み、上述の（１）式で算出される実ヨーレートγｓと、上述の（６）式で推定される車両運動モデルにより推定される操舵角推定ヨーレートγstrを、実ヨーレートγｓに対する操舵角推定ヨーレートγstrの座標上にサンプリングし、γｓ−γstrのマップを作成する。 Next, in S302, the actual yaw rate γs calculated by the above equation (1) and the steering angle estimated yaw rate γstr estimated by the vehicle motion model estimated by the above equation (6) are calculated with respect to the actual yaw rate γs. Sampling is performed on the coordinates of the estimated steering angle yaw rate γstr, and a map of γs−γstr is created.
次いで、Ｓ３０３に進み、例えば、最小二乗法により、操舵角推定ヨーレートγstrを実ヨーレートγｓの一次式の、Ｅscale・γｓ＋Ｅoffsetとして同定し、回帰パラメータである傾きＥscaleを算出する（図９参照）。尚、このように一次式で同定して処理を行っていくため、操舵角推定ヨーレートγstrの値は、できるだけ時定数Ｔの学習補正が進んでおり（時定数学習完了フラグをＯＮの状態）、リサージュ波形のヒステリシス特性の幅Ｗｌが無くなっている状態で行うことが望ましい。 Next, the process proceeds to S303, in which, for example, the steering angle estimation yaw rate γstr is identified as Escale · γs + Eoffset, which is a linear expression of the actual yaw rate γs, by the least square method, and the slope Escale, which is a regression parameter, is calculated (see FIG. 9). Since the processing is performed by identifying and processing with the linear expression in this way, the value of the steering angle estimation yaw rate γstr has undergone learning correction of the time constant T as much as possible (time constant learning completion flag is ON), It is desirable to carry out in a state where the width Wl of the hysteresis characteristic of the Lissajous waveform is eliminated.
次に、Ｓ３０４に進み、傾きＥscaleが１を超えているか否か判定し、１を超えている場合は、Ｓ３０５に進み、前回のスタビリティファクタＡ(k-1)から予め設定しておいた値ΔＡを減算した値を今回のスタビリティファクタＡ(k)とする（Ａ(k)＝Ａ(k-1)−ΔＡ）。 Next, the process proceeds to S304, in which it is determined whether or not the slope Escale exceeds 1, and if it exceeds 1, the process proceeds to S305 and is set in advance from the previous stability factor A (k-1). The value obtained by subtracting the value ΔA is the current stability factor A (k) (A (k) = A (k−1) −ΔA).
そして、Ｓ３０６に進んで、今回のスタビリティファクタＡ(k)をスタビリティファクタＡとして出力し、更に、学習を進めていく。 In step S306, the current stability factor A (k) is output as the stability factor A, and further learning is performed.
一方、前述のＳ３０４で、傾きＥscaleが１以下の場合は、Ｓ３０７に進み、傾きＥscaleが１よりも小さいか否か判定し、１よりも小さい場合は、Ｓ３０８に進み、前回のスタビリティファクタＡ(k-1)に予め設定しておいた値ΔＡを加算した値を今回のスタビリティファクタＡ(k)とする（Ａ(k)＝Ａ(k-1)＋ΔＡ）。 On the other hand, if the slope Escale is 1 or less in S304 described above, the process proceeds to S307, and it is determined whether or not the slope Escale is smaller than 1. If it is smaller than 1, the process proceeds to S308 and the previous stability factor A is determined. A value obtained by adding a preset value ΔA to (k−1) is set as the current stability factor A (k) (A (k) = A (k−1) + ΔA).
そして、Ｓ３０６に進んで、今回のスタビリティファクタＡ(k)をスタビリティファクタＡとして出力し、更に、学習を進めていく。 In step S306, the current stability factor A (k) is output as the stability factor A, and further learning is performed.
また、上述のＳ３０７で、Ｅscale＝１の場合は、そのまま、前回のスタビリティファクタＡ(k-1)をスタビリティファクタＡとして出力し、プログラムを抜ける。 If Escale = 1 in S307 described above, the previous stability factor A (k-1) is output as the stability factor A as it is, and the program exits.
すなわち、実ヨーレートγｓに対する操舵角推定ヨーレートγstrの座標上において、車両運動モデルにおけるスタビリティファクタＡが真値の場合、実ヨーレートγｓに対する操舵角推定ヨーレートγstrの傾きは１となるが、真値からずれている場合、傾きは１とはならない。従って、ヨーレートγｓに対する操舵角推定ヨーレートγstrの傾きを１に漸近するようにスタビリティファクタＡの値を学習補正することで、車両の状態変化（タイヤ種別、温度、空気圧、重量等の変化）が生じても車両運動モデルから算出される操舵角推定ヨーレートγstrの推定精度を向上させるのである。 That is, on the coordinates of the steering angle estimated yaw rate γstr with respect to the actual yaw rate γs, when the stability factor A in the vehicle motion model is a true value, the slope of the steering angle estimated yaw rate γstr with respect to the actual yaw rate γs becomes 1, but from the true value If it is deviated, the slope is not 1. Accordingly, the state change of the vehicle (changes in tire type, temperature, air pressure, weight, etc.) can be achieved by learning and correcting the value of the stability factor A so that the inclination of the steering angle estimation yaw rate γstr to 1 asymptotically approaches the yaw rate γs. Even if it occurs, the estimation accuracy of the steering angle estimation yaw rate γstr calculated from the vehicle motion model is improved.
操舵角補正部１４は、実ヨーレート算出部１０から実ヨーレートγｓを読み込み、操舵角推定ヨーレート算出部１１から操舵角推定ヨーレートγstrを読み込む。そして、図５のフローチャートに従って、実ヨーレートγｓに対する操舵角推定ヨーレートγstrの座標上において、実ヨーレートγｓと操舵角推定ヨーレートγstrとの関係を一次関数で近似し、該一次関数の座標軸に対する切片が０になる方向に操舵角θＨを補正する操舵角の補正量θHoffsetを算出し、適宜、操舵角推定ヨーレート算出部１１に出力する。
The steering
まず、Ｓ４０１で、現在設定されている操舵角補正量θHoffsetをθHoffset(k-1)として読み込む。尚、このプログラムの初期値として、予め実験、演算等により設定しておいた値が設定されている。 First, in S401, the currently set steering angle correction amount θHoffset is read as θHoffset (k−1). Note that, as an initial value of this program, a value set in advance by experiment, calculation or the like is set.
次に、Ｓ４０２に進み、上述の（１）式で算出される実ヨーレートγｓと、上述の（６）式で推定される車両運動モデルにより推定される操舵角推定ヨーレートγstrを、実ヨーレートγｓに対する操舵角推定ヨーレートγstrの座標上にサンプリングし、γｓ−γstrのマップを作成する。 Next, in S402, the actual yaw rate γs calculated by the above equation (1) and the steering angle estimated yaw rate γstr estimated by the vehicle motion model estimated by the above equation (6) are calculated with respect to the actual yaw rate γs. Sampling is performed on the coordinates of the estimated steering angle yaw rate γstr, and a map of γs−γstr is created.
次いで、Ｓ４０３に進み、例えば、最小二乗法により、操舵角推定ヨーレートγstrを実ヨーレートγｓの一次式の、Ｅscale・γｓ＋Ｅoffsetとして同定し、回帰パラメータである切片Ｅoffsetを算出する（図９参照）。尚、このように一次式で同定して処理を行っていくため、操舵角推定ヨーレートγstrの値は、できるだけ時定数Ｔの学習補正が進んでおり（時定数学習完了フラグをＯＮの状態）、リサージュ波形におけるヒステリシス特性の幅Ｗｌが無くなっている状態で行うことが望ましい。 Next, the process proceeds to S403, where, for example, the steering angle estimation yaw rate γstr is identified as Escale · γs + Eoffset, which is a linear expression of the actual yaw rate γs, and an intercept Eoffset, which is a regression parameter, is calculated (see FIG. 9). Since the processing is performed by identifying and processing with the linear expression in this way, the value of the steering angle estimation yaw rate γstr has undergone learning correction of the time constant T as much as possible (time constant learning completion flag is ON), It is desirable that the hysteresis characteristic width W1 in the Lissajous waveform is eliminated.
次に、Ｓ４０４に進み、取得した切片Ｅoffsetのデータに対し、予め設定した長い時定数のローパスフィルタ処理を行う（ＬＰＦ（Ｅoffset）の算出）。 Next, the process proceeds to S404, and low-pass filter processing with a long time constant set in advance is performed on the acquired intercept Eoffset data (calculation of LPF (Eoffset)).
すなわち、取得した切片Ｅoffsetの値は、路面のスロープや車両のアライメントずれ等による偏走、若しくは、操舵角中立ずれによる要因によって発生するが、車両に起因する要因であるアライメントずれや操舵角中立ずれは、ずれの変動時定数がスロープの変動時定数よりも十分長いため、ローパスフィルタ処理により、切片Ｅoffsetの値の長時間平均値を操舵角の中立値として推定することで、操舵角推定ヨーレートγstrの成分から除外するのである。 In other words, the obtained value of the intercept Eoffset is caused by a deviation due to a slope of the road surface, a vehicle misalignment, or the like, or a factor due to a steering angle neutral misalignment, but an alignment misalignment or a steering angle neutral misalignment that is a factor attributable to the vehicle. Since the fluctuation time constant of the deviation is sufficiently longer than the fluctuation time constant of the slope, the steering angle estimation yaw rate γstr is estimated by estimating the long-term average value of the intercept Eoffset as a neutral value of the steering angle by low-pass filter processing. It is excluded from the components.
次いで、Ｓ４０５に進み、操舵角オフセット学習値ΔθHoffsetを、例えば、以下の（１０）式により、算出する。 Next, in S405, the steering angle offset learning value ΔθHoffset is calculated by, for example, the following equation (10).
ΔθHoffset＝ＬＰＦ（ＫlH・Ｅoffset） …（１０）
ここで、ＫlHは、予め実験、計算等により設定しておいたゲインである。
ΔθHoffset = LPF (KlH · Eoffset) (10)
Here, KlH is a gain set in advance by experiment, calculation or the like.
次に、Ｓ４０６に進み、以下の（１１）式により、今回の操舵角補正量θHoffset(k)を算出する。 Next, the process proceeds to S406, and the current steering angle correction amount θHoffset (k) is calculated by the following equation (11).
θHoffset(k)＝θHoffset(k-1)＋θHoffset …（１１）
そして、Ｓ４０７に進み、今回の操舵角補正量θHoffset(k)を操舵角補正量θHoffsetとして出力してプログラムを抜ける。
θHoffset (k) = θHoffset (k−1) + θHoffset (11)
In step S407, the current steering angle correction amount θHoffset (k) is output as the steering angle correction amount θHoffset, and the program exits.
路面カント推定部１５は、車速センサ２から車速Ｖを読み込み、実ヨーレート算出部１０から実ヨーレートγｓを読み込み、操舵角推定ヨーレート算出部１１から操舵角推定ヨーレートγstrを読み込み、スタビリティファクタ補正部１３からスタビリティファクタＡを読み込む。そして、例えば、以下の（１２）式により、路面カントθcaを算出し、出力する。
θca＝sin-1（（１／（Ａ・ｇ））・（（１＋Ａ・Ｖ２）
・（γｓ−γstr）／Ｖ）） …（１２）
ここで、ｇは重力加速度である。
The road surface cant estimation unit 15 reads the vehicle speed V from the
θca = sin −1 ((1 / (A · g)) · ((1 + A · V 2 )
(Γs−γstr) / V)) (12)
Here, g is a gravitational acceleration.
以上のように構成される路面カント推定装置１では、図２に示すように、まず、Ｓ１０１で、スタビリティファクタ補正部１３でスタビリティファクタＡの補正処理が漸次実行され、時定数補正部１２で時定数Ｔの補正処理が漸次実行され、操舵角補正部１４で操舵角θＨの補正処理（操舵角補正量θHoffsetの出力）が漸次実行される。
In the road surface
次いで、Ｓ１０２に進み、操舵角推定ヨーレート算出部１１で、Ｓ１０１で補正処理されたスタビリティファクタＡ、時定数Ｔ、取得された操舵角補正量θHoffset、車速センサ２で検出された車速Ｖ、操舵角センサ３で検出された操舵角θＨを用いて、前述の（６）式により、操舵角推定ヨーレートγstrが算出される。
Next, the process proceeds to S102, where the steering angle estimation yaw rate calculation unit 11 performs the stability factor A corrected in S101, the time constant T, the acquired steering angle correction amount θHoffset, the vehicle speed V detected by the
次に、Ｓ１０３に進み、実ヨーレート算出部１０で、前述の（１）式により、実ヨーレートγｓが算出される。 Next, proceeding to S103, the actual yaw rate calculation unit 10 calculates the actual yaw rate γs by the above-described equation (1).
次いで、Ｓ１０４に進んで、路面カント推定部１５で、上述の（１２）式により、路面のカントθcaを算出してプログラムを抜ける。 Next, the process proceeds to S104, where the road surface cant estimation unit 15 calculates the road surface cant θca by the above-described equation (12) and exits the program.
このように本発明の実施の形態によれば、車両運動モデルにおけるスタビリティファクタＡを実ヨーレートγｓに対する操舵角推定ヨーレートγstrの座標上において、実ヨーレートγｓと操舵角推定ヨーレートγstrとの関係を一次関数で近似し、該一次関数の傾きが１になる方向に学習補正する。また、車両運動モデルの伝達関数の応答遅れは、一次遅れ（時定数Ｔ）で近似し、実ヨーレートγｓに対する操舵角推定ヨーレートγstrの座標上において、実ヨーレートγｓに対する操舵角推定ヨーレートγstrのヒステリシス特性の幅Ｗｌが０となる方向に時定数Ｔを学習補正する。更に、実ヨーレートγｓに対する操舵角推定ヨーレートγstrの座標上において、実ヨーレートγｓと操舵角推定ヨーレートγstrとの関係を一次関数で近似し、該一次関数の座標軸に対する切片が０になる方向に操舵角の補正量θHoffsetを算出する。そして、これら学習補正されたスタビリティファクタＡ、時定数Ｔ、及び、操舵角の補正量θHoffsetを用いて車両運動モデルを用いた操舵角推定ヨーレートγstrが算出されていくので、精度の良い操舵角推定ヨーレートγstrが得られ、この操舵角推定ヨーレートγstr、及び、スタビリティファクタＡを用いて精度の良い路面カントθcaを得ることが可能となる。尚、本実施の形態では、車両運動パラメータ推定装置として路面カント推定装置１で路面カントθcaの算出に用いる操舵角推定ヨーレートγstrのスタビリティファクタＡ、時定数Ｔ、及び、操舵角の補正量θHoffsetを求める例を一例として説明したが、他に、例えば、横加速度推定値や旋回半径等の推定値を車両運動モデルにより推定する場合においても、本発明の実施の形態で説明したスタビリティファクタＡや時定数Ｔや操舵角の補正量θHoffsetを用いて算出することにより、これらの値を精度良く推定することができ、これにより、これらのパラメータを用いた精度の良い制御が可能となる。このように、車両運動モデルを用いてパラメータを算出する際に伝達関数やセンサ値を精度良く補正し、制御精度や車両の状態を精度良く求めることが可能となる。
As described above, according to the embodiment of the present invention, the relationship between the actual yaw rate γs and the estimated steering angle yaw rate γstr on the coordinates of the steering angle estimated yaw rate γstr with respect to the actual yaw rate γs in the stability factor A in the vehicle motion model is linear. Approximation with a function, and learning correction is performed so that the slope of the linear function becomes 1. The response delay of the transfer function of the vehicle motion model is approximated by a first-order lag (time constant T), and the hysteresis characteristic of the estimated steering angle yaw rate γstr relative to the actual yaw rate γs on the coordinates of the estimated yaw rate γstr relative to the actual yaw rate γs. The time constant T is learned and corrected in the direction in which the width W1 of the signal becomes zero. Furthermore, on the coordinates of the steering angle estimation yaw rate γstr with respect to the actual yaw rate γs, the relationship between the actual yaw rate γs and the steering angle estimation yaw rate γstr is approximated by a linear function, and the steering angle is such that the intercept of the linear function with respect to the coordinate axis becomes zero. The correction amount θHoffset is calculated. Then, the steering angle estimation yaw rate γstr using the vehicle motion model is calculated using the learning-corrected stability factor A, time constant T, and steering angle correction amount θHoffset. An estimated yaw rate γstr is obtained, and it is possible to obtain an accurate road surface cant θca using the steering angle estimated yaw rate γstr and the stability factor A. In the present embodiment, the stability factor A, the time constant T, and the steering angle correction amount θHoffset of the steering angle estimation yaw rate γstr used in the calculation of the road surface cant θca by the road surface
１ 路面カント推定装置
２ 車速センサ
３ 操舵角センサ
４ 前方認識装置（車線検出手段）
１０ 実ヨーレート算出部（実ヨーレート取得手段）
１１ 操舵角推定ヨーレート算出部（操舵角推定ヨーレート算出手段）
１２ 時定数補正部
１３ スタビリティファクタ補正部
１４ 操舵角補正部
１５ 路面カント推定部
DESCRIPTION OF
10 Actual yaw rate calculation unit (actual yaw rate acquisition means)
11 Steering angle estimation yaw rate calculation unit (steering angle estimation yaw rate calculation means)
12 Time
Claims (4)
車両運動モデルにより、操舵角入力に対する定常ゲインと応答遅れに基づいて操舵角入力により発生するヨーレートを操舵角推定ヨーレートとして推定する操舵角推定ヨーレート算出手段と、
を備えた車両運動パラメータ推定装置であって、
上記定常ゲインは、少なくとも車両の操舵特性であるスタビリティファクタを含み、上記実ヨーレートに対する上記操舵角推定ヨーレートの座標上において、上記実ヨーレートと上記操舵角推定ヨーレートとの関係を一次関数で近似し、該一次関数の傾きが１になる方向に上記スタビリティファクタを学習補正する一方、
上記応答遅れは、少なくとも一次遅れで近似し、上記実ヨーレートに対する上記操舵角推定ヨーレートの座標上において、上記実ヨーレートに対する上記操舵角推定ヨーレートのリサージュ波形のヒステリシス特性の幅の平均に基づく評価値を算出し、該評価値が最小となるように上記一次遅れの時定数を学習補正することを特徴とする車両運動パラメータ推定装置。 An actual yaw rate acquisition means for acquiring the actual yaw rate generated in the vehicle as an actual yaw rate;
Steering angle estimation yaw rate calculation means for estimating a yaw rate generated by the steering angle input based on a steady gain and response delay with respect to the steering angle input as a steering angle estimation yaw rate by a vehicle motion model;
A vehicle motion parameter estimation device comprising:
The steady gain includes at least a stability factor that is a steering characteristic of the vehicle, and approximates a relationship between the actual yaw rate and the estimated steering angle yaw rate by a linear function on the coordinates of the estimated steering angle yaw rate with respect to the actual yaw rate. , While learning and correcting the stability factor in the direction in which the slope of the linear function becomes 1.
The response delay is approximated by at least a first-order delay, and an evaluation value based on an average of the hysteresis characteristic widths of the Lissajous waveform of the steering angle estimated yaw rate with respect to the actual yaw rate on the coordinates of the steering angle estimated yaw rate with respect to the actual yaw rate is obtained. A vehicle motion parameter estimation device that calculates and corrects the first-order delay time constant so that the evaluation value is minimized .
上記実ヨーレート取得手段は、上記車線情報を基に上記実ヨーレートを取得することを特徴とする請求項１又は２に記載の車両運動パラメータ推定装置。 Lane detection means for detecting the lane in which the vehicle is traveling based on the image information,
The actual yaw rate acquisition means, a vehicle motion parameter estimation apparatus according to claim 1 or 2, characterized in that to obtain the actual yaw rate based on the lane information.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2014263141A JP6478318B2 (en) | 2014-12-25 | 2014-12-25 | Vehicle motion parameter estimation device |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2014263141A JP6478318B2 (en) | 2014-12-25 | 2014-12-25 | Vehicle motion parameter estimation device |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2016120882A JP2016120882A (en) | 2016-07-07 |
| JP6478318B2 true JP6478318B2 (en) | 2019-03-06 |
Family
ID=56328078
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2014263141A Active JP6478318B2 (en) | 2014-12-25 | 2014-12-25 | Vehicle motion parameter estimation device |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6478318B2 (en) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6628702B2 (en) * | 2016-08-08 | 2020-01-15 | 日立オートモティブシステムズ株式会社 | Vehicle state quantity estimation device |
| JP7132703B2 (en) * | 2017-09-12 | 2022-09-07 | 日立Astemo株式会社 | Vehicle motion state estimation device, vehicle motion state estimation system, vehicle motion control device, and vehicle motion state estimation method |
| JP6997005B2 (en) * | 2018-02-26 | 2022-01-17 | 本田技研工業株式会社 | Vehicle control devices, vehicle control methods, and programs |
| CN108717796B (en) * | 2018-03-21 | 2021-05-07 | 厦门雅迅网络股份有限公司 | Geographic ramp self-learning method and system for vehicle |
| JP7087564B2 (en) * | 2018-03-29 | 2022-06-21 | トヨタ自動車株式会社 | Kant estimation method |
| JP7241801B2 (en) * | 2021-05-19 | 2023-03-17 | 三菱電機株式会社 | VEHICLE CONTROL DEVICE AND VEHICLE CONTROL METHOD |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3134716B2 (en) * | 1995-05-25 | 2001-02-13 | トヨタ自動車株式会社 | Vehicle behavior control device |
| JP3374707B2 (en) * | 1997-07-07 | 2003-02-10 | 三菱自動車工業株式会社 | Vehicle steering force estimation device |
| JP2006199242A (en) * | 2005-01-24 | 2006-08-03 | Toyota Motor Corp | Behavior controller of vehicle |
| WO2010073384A1 (en) * | 2008-12-26 | 2010-07-01 | トヨタ自動車株式会社 | Vehicle behavior controller |
| US9604636B2 (en) * | 2012-02-24 | 2017-03-28 | Toyota Jidosha Kabushiki Kaisha | Turning characteristic estimating device for vehicle |
| JP5920198B2 (en) * | 2012-12-14 | 2016-05-18 | トヨタ自動車株式会社 | Vehicle control device |
-
2014
- 2014-12-25 JP JP2014263141A patent/JP6478318B2/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| JP2016120882A (en) | 2016-07-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6478318B2 (en) | Vehicle motion parameter estimation device | |
| CN105774801B (en) | Method and device for guiding a vehicle on a lane | |
| JP7391701B2 (en) | Method, device, storage medium, and program for removing steady lateral deviation | |
| EP3147629B1 (en) | Object detection device and object detection method | |
| JP5966747B2 (en) | Vehicle travel control apparatus and method | |
| JP6538547B2 (en) | Road curvature measurement device | |
| EP3032818B1 (en) | Image processing device | |
| US10013762B2 (en) | Method and control unit for detecting a change of a relative yaw angle within a stereo-video system for a vehicle | |
| US10007998B2 (en) | Image processor, apparatus, and control system for correction of stereo images | |
| CN109923028B (en) | Neutral point detection device and steering control system | |
| JP6088251B2 (en) | Vehicle travel support device | |
| US10474158B2 (en) | Vehicle travel control method and travel control device | |
| US11731649B2 (en) | High precision position estimation method through road shape classification-based map matching and autonomous vehicle thereof | |
| JP6756101B2 (en) | Object recognition device | |
| CN110637209B (en) | Method, apparatus and computer readable storage medium having instructions for estimating a pose of a motor vehicle | |
| RU2733198C1 (en) | Method of vehicle movement control and vehicle movement control device | |
| JP6539129B2 (en) | Vehicle position estimation device, steering control device using the same, and vehicle position estimation method | |
| JP2020003463A (en) | Vehicle's self-position estimating device | |
| CN112577479A (en) | Multi-sensor fusion vehicle positioning method and device based on map element data | |
| US20110304734A1 (en) | Method and apparatus for operating a video-based driver assistance system in a vehicle | |
| JP7025293B2 (en) | Vehicle position estimation device | |
| JP6044084B2 (en) | Moving object position and orientation estimation apparatus and method | |
| JP6322023B2 (en) | Measuring device and failure diagnosis device using the same | |
| JP7456857B2 (en) | Self-position estimation device | |
| JP6387172B2 (en) | Steering device |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20170915 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20180524 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180529 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20190108 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190201 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6478318 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |