【技术实现步骤摘要】
本专利技术属于车辆底盘控制相关领域，特别涉及一种基于轮速卡尔曼滤波-leso的驱动轮纵向力估计方法。
技术介绍
1、无人驾驶矿车在矿山这一关键资源生产重地中发挥着至关重要的作用。它不仅解决了传统人力驾驶模式下驾驶员易疲劳、操作失误风险高的问题，还通过高度的自动化和智能化操作，优化矿山作业流程，极大提升生产效率。无人驾驶矿车的推广和应用，标志着矿山行业正朝着更加安全、高效、智能的方向发展，具有深远的意义和巨大的价值。
2、然而，无人驾驶矿车在应用中面临恶劣天气挑战，特别是雨雪天气致使路面湿滑，可能引发驱动打滑、制动抱死等安全问题，使车辆失控或偏离路径，大幅增加运输风险。因此，准确估计驱动轮与路面附着系数对保障无人驾驶矿车安全运行至关重要。通过精确估算附着系数，可实时调整驱动轮滑动率，最大化利用路面附着力，确保车辆全方位稳定。
3、上述中，对附着系数的精准估算依赖于驱动轮纵向力这一关键变量。然而，当前市售并投入使用的无人驾驶矿车，尚不具备通过车载传感器直接测量驱动轮纵向力的条件。因此，如何有效且准确地估计这一数值，成为了提升矿车驱动防滑与制动防抱死性能的关键所在。
技术实现思路
1、本专利技术的目的在于提供一种基于轮速卡尔曼滤波-leso的驱动轮纵向力估计方法，利用卡尔曼滤波器(kf)对驱动轮传感器所测得数据进行滤波处理后，基于线性扩张观测器(leso)对驱动轮的纵向力进行观测估计。
2、一种基于轮速卡尔曼滤波-leso的驱动轮纵向力估计方法，包括以
3、步骤s1、基于卡尔曼滤波器设计无人驾驶矿车驱动轮轮速滤波器对驱动轮轮速进行滤波处理；
4、步骤s2、设计无人驾驶矿车驱动轮轮速的线性扩张观测器，并结合步骤s1输出的驱动轮轮速获取驱动轮纵向力。
5、优选地，步骤s1具体包括以下步骤：
6、步骤s1.1、基于卡尔曼滤波器，融合含过程噪声的计算值与含观测噪声的观测值，实现状态量的降噪估计；
7、步骤s1.2、设计无人驾驶矿车轮速的卡尔曼滤波器；
8、步骤s1.3、对驱动轮轮速进行滤波。
9、优选地，步骤s2具体包括以下步骤：
10、步骤s2.1、基于线性扩张观测器构造，推导一阶系统的状态量观测器结构；
11、步骤s2.2、基于无人驾驶矿车，搭建四分之一车辆模型，将驱动轮纵向力相关表达式视为未知有界扰动，推导扰动的线性扩张观测器表达式；
12、步骤s2.3、将步骤s1输出的驱动轮轮速，输入至步骤s2.2中线性扩张观测器，线性扩张观测器输出收敛值；
13、步骤s2.4、根据收敛值反求出驱动轮纵向力。
14、与现有技术相比，本专利技术的优点为：
15、利用卡尔曼滤波对驱动轮的转速进行滤波处理，有利于减少无人驾驶矿车轮速、角加速度传感器所受传感器系统误差、偶然误差和其他外界噪声的影响；利用线性扩张观测器观测驱动轮纵向力相比于直接计算，可以减少受外界扰动影响，增加数据“可信”，获得精度更高的状态值。
本文档来自技高网...【技术保护点】
1.一种基于轮速卡尔曼滤波-LESO的驱动轮纵向力估计方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于轮速卡尔曼滤波-LESO的驱动轮纵向力估计方法，其特征在于，步骤S1具体包括以下步骤：
3.根据权利要求1所述的基于轮速卡尔曼滤波-LESO的驱动轮纵向力估计方法，其特征在于，步骤S2具体包括以下步骤：
【技术特征摘要】
1.一种基于轮速卡尔曼滤波-leso的驱动轮纵向力估计方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于轮速卡尔曼滤波-leso的驱动轮纵向力估计方...
【专利技术属性】
技术研发人员：吴光强，丛国庆，钟江磊，胡雲龙，姜舒怀，鞠丽娟，
申请(专利权)人：同济大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。