详情

原文传递智能汽车轮胎关键状态估计

论文题名：	智能汽车轮胎关键状态估计
关键词：	智能车辆;状态估计;UniTire模型;卡尔曼滤波器
摘要：	无论是面向车辆安全的整车操纵稳定控制还是面向智能驾驶的运动控制，车辆状态的实时准确获取都是至关重要的。轮胎力学特性是车辆动力学研究的基础，车辆状态的估计很大程度上依赖四个车轮的状态。对于缺失人类驾驶员的高阶自动驾驶技术，轮胎状态感知模块向下可以保障主动安全系统的稳定运行，向上可以作为自车约束条件和控制目标输入决策规划以及运动控制模块。为此，本文致力于设计一套智能车轮胎关键状态观测系统，准确估计包括轮胎力学状态、运动学状态以及路面摩擦系数在内的状态和参数变量，提高智能车辆控制系统对自车状态的感知和实时监控能力，继而提高车辆控制性能。具体研究内容如下：　　首先，基于智能电动车辆平台设计各轮轮胎纵向力、侧向力以及垂向力的联合观测系统。借助车轮运动学分别设计了PID观测器和卡尔曼观测器对车轮处的轮胎纵向力直接观测，并对两者的观测性能进行了比较；在三自由度双轨模型基础上解耦簧上质量和簧下质量后根据载荷转移设计轮胎载荷观测器；然后以上述轮胎纵向力和载荷观测结果为输入，借助整车动力学设计用于轮胎侧向力估计的无迹卡尔曼滤波器。通过仿真实验验证了所提出的轮胎力估计系统完全独立于轮胎模型和路面摩擦系数，可以覆盖不同路面条件下纵滑和侧偏工况的轮胎力估计问题，且估计结果精度较高，能够为后续观测器提供可靠的状态信息。　　然后，面向装载GNSS系统的智能车辆设计了基于车辆动力学响应和GNSS卫星系统的组合速度观测器对各车轮的运动学状态实时观测。考虑到观测器的设计需求，将传统高精度多参数UniTire模型简化为仅依赖九个参数即可表达纯工况和复合工况下轮胎力的函数模型。基于简化UniTire轮胎模型设计了一种动力学范畴的轮胎速度卡尔曼滤波器，估计各个车轮的速度、滑移率和侧偏角运动学状态。在传感器特性和环境影响下，观测器使用的加速度信号会携带噪声和偏移误差，考虑到卡尔曼滤波器对高斯噪声的处理能力，设计了加速度偏移量稳态补偿器对传感器信号进行修正。随着GNSS技术的不断完善，GNSS系统观测的精度和可靠性都有了长足的进步，基于GNSS信号状态标志位设计融合策略将上述速度估计卡尔曼滤波器与GNSS观测结果融合形成一套适应全工况的高精度智能车辆速度观测系统。所提出的观测器能够在GNSS数据未更新时自动退化为纯动力学速度估计器，保障整个观测系统的正常运行。　　最后，针对路面附着辨识问题设计基于前向摄像头和神经网络的路面摩擦分级辨识算法以及基于在线车辆/轮胎模型的正向均匀撒点路面摩擦等级观测器。考虑到利用动力学响应的传统方法难以在小激励工况下准确估计路面摩擦系数的动态数值，一方面引入了视觉传感器，对卷积神经网络VGG16进行改进，提出了以前视摄像头信号为输入，面向三通道路面图片信息特征提取识别的路况分类辨识算法；另一方面摒弃了对路面参数的实时数值监测，以轮胎工作区域作为切入点，基于车辆动力学响应设计一种正向均匀撒点路面摩擦等级观测器。当轮胎处于线性区时动态的估计路面摩擦上下限值，当轮胎处于非线性区时对路面摩擦系数进行分级辨识，为主动安全系统和智能驾驶辅助系统提供路面感知信息，以优化各系统的控制策略，提高底盘执行器的机动性。
作者：	张紫薇
专业：	车辆工程
导师：	许男
授予学位：	硕士
授予学位单位：	吉林大学
学位年度：	2023