一种半挂汽车列车折叠角预测方法、设备和存储介质技术

本发明专利技术涉及一种半挂汽车列车折叠角预测方法、设备和存储介质，方法包括：根据半挂汽车列车的运动状态方程得到卡尔曼滤波状态方程，所述卡尔曼滤波状态方程采用所述运动状态方程的状态变量为状态量；根据半挂汽车列车的牵引车侧向加速度、牵引车质心侧偏角和牵引车横摆角速度之间的运动学关系得到卡尔曼滤波观测方程，所述卡尔曼滤波观测方程以所述牵引车侧向加速度作为观测量；基于所述卡尔曼滤波状态方程和卡尔曼滤波观测方程，对所述状态量进行估计，得到所述折叠角的初始估计值；对所述折叠角的初始估计值进行灰色预测，得到所述折叠角的预测值，以提高折叠角的估计精度和实时性。性。性。

【技术实现步骤摘要】
一种半挂汽车列车折叠角预测方法、设备和存储介质


[0001]本专利技术涉及半挂汽车列车状态参数估计领域，具体而言涉及一种半挂汽车列车折叠角预测方法、设备和存储介质。

技术介绍

[0002]随着国内高速公路网络的迅速发展，货运车辆成为承担了货物运输的主要运载力，半挂汽车列车在重型运载车辆中占据绝对地位。
[0003]汽车列车是指由牵引车和一辆或一辆以上的挂车组成的车组，包括牵引车、挂车和连接装置。
[0004]所述牵引车位于汽车列车的前端，能够牵引驱动汽车列车的运行，掌控汽车列车的运行速度与运行方向；所述挂车为一种无动力的道路车辆，主要用于运载人员和/或货物；二者之间通过所述连接装置通过特殊的铰接结构连接。
[0005]由于半挂汽车列车的特殊铰接结构，导致车辆在紧急制动、转向制动、低附着路面转向等横向运动工况下容易产生侧滑引起车体折叠。其中，挂车与牵引车之间的折叠角度最能够反应这一折叠现象的产生及加剧程度。所以，对于半挂汽车列车折叠角预测方法的研究对提高公路运输安全性而言具有重要意义。
[0006]但由于所述折叠角的预测精度以及实时性难以保证，导致现有技术中通过对折叠角的预测防止半挂列车折叠的方法极少。

技术实现思路

[0007]本专利技术正是基于现有技术的上述需求而提出的，本专利技术要解决的技术问题是提供一种半挂汽车列车折叠角预测方法、设备和存储介质，提高折叠角的估计精度和实时性，以提高车辆横向稳定性控制系统的控制能力，减少半挂汽车列车在横向运动工况下发生侧滑的情况。<br/>[0008]为了解决上述问题，本专利技术提供的技术方案包括：本专利技术实施例提供了一种半挂汽车列车折叠角预测方法，包括：根据半挂汽车列车的运动状态方程得到卡尔曼滤波状态方程，所述卡尔曼滤波状态方程采用所述运动状态方程的状态变量为状态量；根据半挂汽车列车的牵引车侧向加速度、牵引车质心侧偏角和牵引车横摆角速度之间的运动学关系得到卡尔曼滤波观测方程，所述卡尔曼滤波观测方程以所述牵引车侧向加速度作为观测量；其中，所述运动状态方程的状态变量包括牵引车横摆角速度、牵引车质心侧偏角和折叠角；基于所述卡尔曼滤波状态方程和卡尔曼滤波观测方程，对所述状态量进行估计，得到所述折叠角的初始估计值；对所述折叠角的初始估计值进行灰色预测，得到所述折叠角的预测值。
[0009]本专利技术实施例提供了一种电子设备，所述电子设备包括：
处理器和存储器；所述处理器通过调用所述存储器存储的程序或指令，用于执行上述任一项的半挂汽车列车折叠角预测方法的步骤。
[0010]本专利技术实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储程序或指令，所述程序或指令使计算机执行上述任一项所述的半挂汽车列车折叠角预测方法的步骤。
[0011]与现有技术相比，本专利技术通过卡尔曼滤波和灰色预测提高系统的精确度和稳定性。
附图说明
[0012]为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书实施例中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
[0013]图1为本专利技术的一种半挂汽车列车折叠角预测方法流程图；图2为本专利技术实施例提供的一种电子设备的结构示意图。
具体实施方式
[0014]为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动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。
[0015]为便于对本申请实施例的理解，下面将结合附图以具体实施例做进一步的解释说明，实施例并不构成对本申请实施例的限定。
[0016]实施例1本实施例提供了一种半挂汽车列车折叠角预测方法，适用于半挂汽车列车折叠角进行实时预测的情况，该方法由电子设备来执行。该方法的流程图如图1所示。
[0017]汽车列车是指由牵引车和一辆或一辆以上的挂车组成的车组，包括牵引车、挂车和连接装置。
[0018]所述牵引车位于汽车列车的前端，能够牵引驱动汽车列车的运行，掌控汽车列车的运行速度与运行方向；所述挂车为一种无动力的道路车辆，主要用于运载人员和/或货物；二者之间通过所述连接装置通过一定通用标准的铰接结构连接。
[0019]对于半挂汽车列车折叠角的预测方法，分为以下几步：S1，根据半挂汽车列车的运动状态方程得到卡尔曼滤波状态方程，所述卡尔曼滤波状态方程采用所述运动状态方程的状态变量为状态量。
[0020]在S1之前，首先获取半挂汽车列车的运动状态方程，以及所述半挂汽车列车的牵引车侧向加速度、牵引车质心侧偏角和牵引车横摆角速度之间的运动学关系；其中，所述运动状态方程的状态变量包括牵引车横摆角速度、牵引车质心侧偏角和折叠角。
[0021]获取半挂汽车列车的运动状态方程：
得到：令：设
半挂列车的运动状态方程最终变形为：其中，上述所建立模型中的参数释义如下表所示：所述半挂汽车列车的牵引车侧向加速度与牵引车质心侧偏角和牵引车横摆角速度之间的运动学关系：
其中，为牵引车侧向加速度。
[0022]令：其中a
21
为A矩阵中第二行第一列元素，a
22
为A矩阵中第二行第二列元素，a
23
为A矩阵中第二行第三列元素，a
24
为A矩阵中第二行第四列元素。a
21
为A矩阵中第二行第一列元素。
[0023]牵引车侧向加速度的关系式变形为：通过安装在所述半挂汽车列车上的惯性传感器，采集所述牵引车侧向加速度。
[0024]通过具备横向稳定性控制功能车辆均配备的惯性传感器进行实际牵引车侧向加速度的输出，将其输出作为卡尔曼滤波方法的观测值，避免了硬件设备成本的升高。
[0025]S2，根据半挂汽车列车的牵引车侧向加速度、牵引车质心侧偏角和牵引车横摆角速度之间的运动学关系得到卡尔曼滤波观测方程，所述卡尔曼滤波观测方程以所述牵引车侧向加速度作为观测量。
[0026]由所述运动状态方程得到卡尔曼滤波状态方程，所述卡尔曼滤波状态方程采用所述状态变量为状态量；由所述运动学关系得到卡尔曼滤波观测方程，所述卡尔曼滤波观测方程以所述牵引车侧向加速度作为观测量。
[0027]其中取T为系统离散时间，令t=kT, k=0,1,2,
…
,n。所述卡尔曼滤波状态方程与观测方程的表达式如下：其中，
为状态方程计算k+1时刻车辆状态。a
y1
(t)意为t时刻牵引车侧向加速度观测值。ξ
k
为离散化过程噪声，η
k
为离散化观测噪声，e为自然常数。
[0028]S3，基于所述卡尔曼滤波状态方程和本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种半挂汽车列车折叠角预测方法，其特征在于，包括：根据半挂汽车列车的运动状态方程得到卡尔曼滤波状态方程，所述卡尔曼滤波状态方程采用所述运动状态方程的状态变量为状态量；其中，所述运动状态方程的状态变量包括牵引车横摆角速度、牵引车质心侧偏角和折叠角；根据半挂汽车列车的牵引车侧向加速度、牵引车质心侧偏角和牵引车横摆角速度之间的运动学关系得到卡尔曼滤波观测方程，所述卡尔曼滤波观测方程以所述牵引车侧向加速度作为观测量；基于所述卡尔曼滤波状态方程和卡尔曼滤波观测方程，对所述状态量进行估计，得到所述折叠角的初始估计值；对所述折叠角的初始估计值进行灰色预测，得到所述折叠角的预测值。2.根据权利要求1所述的方法，其特征在于，在对所述折叠角的初始估计值进行灰色预测，得到所述折叠角的预测值之后，还包括：获取未来连续多个预测周期的预测值；计算所述多个预测周期的预测值的稳定程度；如果所述稳定程度满足稳定要求，将灰色预测得到的预测值直接作为折叠角的最终值；如果所述稳定程度不满足稳定要求，根据所述多个预测周期的预测值计算所述折叠角的最终值。3.根据权利要求2所述的方法，其特征在于，所述计算所述多个预测周期的预测值的稳定程度，包括：计算所述多个预测周期的预测值的平均值；计算每个预测周期的预测值相对于所述平均值的变化率；对每个预测周期的预测值的变化率相加，相加结果用于表征所述多个预测周期的预测值的稳定程度。4.根据权利要求2所述的方法，其特征在于，所述如果所述稳定程度不满足稳定要求，根据所述多个预测周期的预测值计算所述折叠角的最终值，包括：如果所述稳定...

【专利技术属性】
技术研发人员：徐显杰，徐世寒，
申请(专利权)人：天津所托瑞安汽车科技有限公司，
类型：发明
国别省市：