一种车辆状态及路面不平度的估计方法技术

本发明专利技术公开了一种车辆状态及路面不平度的估计方法，包含以下步骤：通过传感器实时获取汽车质心垂向加速度、侧倾角速度、俯仰角速度、四个悬架动挠度；基于质心垂向加速度、侧倾角速度、俯仰角速度得到汽车的质心垂向位移、侧倾角、俯仰角；将上述数据输入到所提出的车辆状态及路面不平度估计算法中，得到估计的车辆的状态变量及四个车轮的路面不平度信息。本发明专利技术仅需要位移传感器等常用传感器，即可同时实现对车辆状态变量以及路面不平度的估计，硬件设备成本低；本发明专利技术既能用于半主动悬架或主动悬架车辆的状态估计与路面不平度估计，也能应用于被动悬架车辆的状态估计与路面不平度估计。估计。估计。

【技术实现步骤摘要】
一种车辆状态及路面不平度的估计方法


[0001]本专利技术涉及车辆状态估计及路面不平度估计领域，特别涉及用于汽车悬架控制系统的车辆状态及路面不平度的估计方法。

技术介绍

[0002]汽车的悬架系统位于车身与车轮之间，主要作用是承载车身、将路面作用于车轮的力与力矩传递给车身，并起到缓和路面不平产生的连续冲击及衰减车身振动的目的。悬架系统性能的好坏直接决定了汽车的乘坐舒适性与操纵稳定性。
[0003]随着我国经济飞速发展，人民生活水平的提高，汽车的舒适性与操纵稳定性已成为人们购车时的首要考虑因素。半主动悬架与主动悬架能根据不同的道路状况，对悬架特性进行调节，可以有效兼顾汽车的舒适性与操纵稳定性，因此得到广泛应用。但是道路信息的准确估计对实现悬架在不同路面下的智能控制十分重要。
[0004]目前，路面不平度的识别方法主要是接触式测量、非接触式测量与基于车辆响应的估计方法。接触式测量即采用与路面保持接触的路面轮廓测量设备获取路面高程，成本高昂；非接触式测量即通过摄像头等获取路面高程，受外界环境影响较大。受限于上述因素，这两种方法难以得到广泛应用。基于车辆响应的估计，即通过车辆响应与路面激励的关系，由容易测量得到的部分车辆响应信息反推路面激励，成本低且受环境影响较小。同时，基于现代控制理论的悬架控制策略大多需要汽车的运动状态参数作为反馈变量；受限于高成本等因素，轮胎绝对位移等状态变量无法直接测量，限制了部分悬架控制方法的应用。因此，研究以方便测量的车辆响应作为测量输入的路面不平度及车辆状态估计算法有重大工程意义。常晓通等在中国专利技术公开专利CN113353085A提供的“一种基于卡尔曼滤波理论的路面不平度识别方法”中，建立了被动悬架半车模型，基于卡尔曼滤波理论设计了路面不平度识别算法，能根据车身与车轮加速度实现对路面不平度的估计。但是该方案基于较低自由度数的简化车辆模型，忽略了车辆行驶过程中侧倾运动，与实际车辆的运动存在较大的差别；且无法实现对实际车辆侧倾运动相关的状态变量估计；同时，该方案基于被动悬架的车辆模型，无法应用于配备了半主动悬架或主动悬架的车辆。

技术实现思路

[0005]为了至少解决现有技术存在的问题之一，本专利技术提出一种适用于被动悬架车辆及半主动、主动悬架控制系统的车辆状态及路面不平度的估计方法。该方法将质心垂向加速度、侧倾角速度、俯仰角速度、悬架动挠度及通过数据处理获得的质心垂向位移、侧倾角、俯仰角作为测量值；然后将上述数据输入到车辆状态及路面不平度估计算法中，即可估计出车辆的状态变量及四个车轮的路面不平度信息。
[0006]为了实现本专利技术目的，本专利技术提供的一种车辆状态及路面不平度的估计方法，按以下步骤实现：
[0007](1)汽车在行驶过程中，通过安装在汽车上的传感器获实时取汽车质心垂向加速
度、侧倾角速度、俯仰角速度、四个悬架动挠度；
[0008](2)通过对传感器采集到的质心垂向加速度、侧倾角速度、俯仰角速度进行滤波处理，并进行积分计算，可以得到汽车的质心垂向位移、侧倾角、俯仰角。
[0009](3)将上述传感器直接测得的数据及计算得到的数据输入到所提出的车辆状态及路面不平度估计算法中，得到车辆的状态变量及四个车轮的路面不平度信息。
[0010]所提出的车辆状态及路面不平度估计的方法，具体为：
[0011](1)建立整车七自由度模型的运动微分方程。选取状态变量为：
[0012]选取控制变量为半主动悬架或主动悬架的作动力：u＝[U
fL U
fR U
rL U
rR
]T
，扰动变量为四轮路面激励：w＝[q
fL q
fR q
rL q
rR
]T
；选取测量变量为质心垂向加速度、侧倾角速度、俯仰角速度、四个悬架动挠度以及质心垂向位移、侧倾角、俯仰角：
[0013][0014]根据选取的状态变量、控制变量等，可以写出七自由度整车模型的状态空间方程：
[0015][0016]上述状态方程中的ζ为过程噪声，表示的是系统的不确定性等因素，如模型误差；ν表示的是由于传感器的精度不足所产生的测量噪声。假设过程噪声与测量噪声互不相关，且均满足零均值高斯分布，其方差分别为S和R。
[0017](2)将四轮路面激励增广至原状态变量中，从而得到增广以后的状态变量为x
a
＝[x w]T
，则对状态变量增广以后的状态方程与观测方程如下：
[0018][0019]对增广以后的状态方程进行离散化，得到离散化以后的状态空间方程：
[0020][0021]上式中：A
ad
＝I+A
a
Δt；B
ad
＝B
a
Δt；C
ad
＝C
a
；D
ad
＝D
a
。其中，Δt为传感器的采样时间。ξ
k
为对状态变量进行增广以后的状态方程过程噪声，且ξ
k
＝[ζ
k
η
k
]T
；ζ
k
与η
k
分别为增广以前状态方程的过程噪声和路面速度激励。因此，ξ
k
的协方差矩阵可以表示为Q
ak
＝diag[S
k Q
k
]。其中S
k
为增广以前状态方程的过程噪声协方差矩阵，即S
k
＝E[ζ
k
ζ
kT
]；Q
k
为路面速度激励的协方差矩阵，即Q
k
＝E[η
k
η
kT
]。另外，测量噪声协方差矩阵R
k
＝E[ν
k
ν
kT
]。
[0022](3)基于卡尔曼滤波理论，利用上述增广以后的离散状态方程，可以根据上一个采样时刻的系统后验状态估计值，对此时刻的系统状态进行先验估计；并通过观测方程，通过传感器实测值与测量量估计值之间的偏差，对系统状态进行修正，从而得到此时刻系统的后验状态估计值。具体的计算过程如下：
[0023]a)进行初始化定义：设定系统初始状态x
a
(0|0)，选定初始状态误差协方差P
0|0
，确定过程噪声协方差矩阵Q
ak
＝diag[S
k Q
k
]以及测量噪声协方差矩阵R
k
＝E[ν
k
ν
kT
]。
[0024]b)根据上一时刻的后验状态估计值，计算该时刻的先验状态估计值：
[0025]x
a
(k+1|k)＝A
ad
x
a
(k|k)+B
ad
u(k) (4)
[0026]c)对先验状态估计值的误差协本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车辆状态及路面不平度的估计方法，其特征在于，包含以下步骤：(1)汽车在行驶过程中，通过安装在汽车上的传感器实时获取汽车质心垂向加速度、侧倾角速度、俯仰角速度、四个悬架动挠度；(2)基于质心垂向加速度、侧倾角速度、俯仰角速度计算得到汽车的质心垂向位移、侧倾角、俯仰角；(3)将上述传感器直接测得的数据及计算得到的数据输入到车辆状态及路面不平度估计算法中，得到车辆的状态变量及四个车轮的路面不平度信息；其中，所述车辆状态及路面不平度估计算法具体为：(3.1)建立七自由度整车模型的运动微分方程，选取状态变量为：选取状态变量为：选取状态变量为：分别是Z
fL
、Z
fR
、Z
rL
、Z
rR
的一阶导数，Z
fL
、Z
fR
、Z
rL
、Z
rR
分别为左前、右前、左后、右后悬架的非簧载质量位移，是Z
cb
的一阶导数，Z
cb
是质心位移，φ、分别为侧倾角、俯仰角，分别为φ、的一阶导数，上标T为装置；选取控制变量u＝[U
fL U
fR U
rL U
rR
]
T
，U
fL
、U
fR
、U
rL
、U
rR
为半主动悬架中左前、右前、左后、右后悬架的作动力，扰动变量为四轮路面激励w＝[q
fL q
fR q
rL q
rR
]
T
；选取测量变量为质心垂向加速度、侧倾角速度、俯仰角速度、四个悬架动挠度以及质心垂向位移、侧倾角、俯仰角：Z1、Z2、Z3、Z4分别为左前、右前、左后、右后悬架与车身连接处的绝对位移；根据选取的状态变量、控制变量、扰动变量和测量变量，写出七自由度整车模型的状态空间方程：式中，为状态变量x的一阶导数，A为状态系数矩阵，ζ为过程噪声；B为控制系数矩阵；G为扰动系数矩阵，C为输出状态系数矩阵，D为输出控制系数矩阵，ν表示的是由于传感器的精度不足所产生的测量噪声；(3.2)将四轮路面激励增广至原状态变量中，从而得到增广以后的状态变量为x
a
＝[x w]
T
，则对状态变量增广以后的状态方程与观测方程如下：式中：为状态变量x
a
的一阶导数；A
a
为系统状态系数矩阵；B
a
为系统控制系数矩阵；C
a
为输出状态系数矩阵；D
a
为输出控制系数矩阵；对增广以后的状态方程进行离散化，得到离散化以后的状态空间方程：式中：x
a
(k+1)表示第k+1个采样时刻的状态变量；x
a
(k)表示第k个采样时刻的状态变
量；u(k)表示第k个采样时刻的控制变量；y(k)表示第k个采样时刻的测量变量；A
ad
＝I+A
a
Δt；B
ad
＝B
a
Δt；C
ad
＝C
a
；D
ad
＝D
a
，Δt为传感器的采样时间，ξ
k
为对状态变量进行增广以后的状态方程过程噪声，且ξ
k
＝[ζ
k
η
k
]
T
；ζ
k
与η
k
分别为增广以前状态方程的过程噪声和路面速度激励；因此，ξ
k
的协方差矩阵表示为Q
ak
＝diag[S
k Q
k
]，其中S
k
为增广以前状态方程的过程噪声协方差矩阵，即S
k
＝E[ζ
k
ζ
kT
]；Q
k
为路面速度激励的协方差矩阵，即Q
k
＝E[η
k
η
kT
]，E为求均值，另外，测量噪声协方差矩阵R
k
＝E[ν
k
ν
kT
]；(3.3)基于卡尔曼滤波理论，利用增广以后的离散状态方程，根据上一个采样时刻的系统后验状态估计值，对此时刻的系统状态进行先验估计；并通过观测方程，通过传感器实测值与测量量估计值之间的偏差，对系统状态进行修正，从而得到此时刻系统的后验状态估计值。2.根据权利要求1所述的一种车辆状态及路面不平度的估计方法，其特征在于，步骤(1)中，测量参数的获取方法为，通过位移传感器测得车辆悬架动挠度，通过惯性测量单元测得汽车质心垂向加速度、侧倾角速度、俯仰角速度。3.根据权利要求1所述的一种车辆状态及路面不平度的估计方法，其特征在于：所述步骤(2)中，质心垂向位移、侧倾角、俯仰角三个参数的获取方法为：通过对传感器采集到的质心垂向加速度、侧倾角速度、俯仰角速度信号进行滤波处理与积分运算得到。4.根据权利要求1所述的一种车辆状态及路面不平度的估计方法，其特征在于，车辆状态及路面不平度估计算法是基于七自由度整车模型，考虑汽车车身的垂向、侧倾、俯仰运动以及四个簧下质量的垂向运动进行的。5.根据权利要求1所述的一种车辆状态及路面不平度的估计方法，其特征在于，该方法不仅可以用于半主动悬架或主动悬架车辆，还可以通过将控制变量设置为0，将所述方法用于被动悬架车辆状态及路面不平度的估计。6.根据权利要求1所述的一种车辆状态及路面不平度的估计方法，其特征在于，车辆状态及路面不平度估计算法的先验估计状态方程及观测方程，是通过将七自由度整车模型状态方程中的扰动变量，即四轮路面激励增广至状态变量中，并进行离散...

【专利技术属性】
技术研发人员：冯杰寅，殷智宏，上官文斌，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：