原文传递
一种基于EKF和BP神经网络的路面附着系数估计方法
| 专利名称： | 一种基于EKF和BP神经网络的路面附着系数估计方法 |
| 摘要： | 本发明请求保护一种基于EKF算法和BP神经网络的汽车路面附着系数的估算方法，通过各种传感器实时地采集车辆的方向盘转角、纵向加速度、侧向加速度，利用四轮车辆动力学模型结合EKF算法估计车辆的纵向速度、横向速度、质心偏角和横摆角速度，求取出预估横摆角速度，最后将预估横摆角速度与EKF估计的横摆角速度作差取平方，取方差值最小所在的网络模块输入的附着系数值为所求估计值。本方法有效降低了计算量和收敛时间。本方法能够快速识别车辆行驶路面的附着系数，适用于多种路面下附着系数的实时估计。 |
| 专利类型： | 发明专利 |
| 国家地区组织代码： | 重庆;50 |
| 申请人： | 重庆邮电大学 |
| 发明人： | 郑太雄;汪涛;杨新琴;田云浪;褚良宇;陈云坤 |
| 专利状态： | 有效 |
| 申请号： | CN201811258236.X |
| 公开号： | CN109466558A |
| 代理机构： | 重庆市恒信知识产权代理有限公司 50102 |
| 代理人： | 刘小红;陈栋梁 |
| 分类号： | B60W40/064(2012.01)I;B;B60;B60W;B60W40 |
| 申请人地址： | 400065 重庆市南岸区南山街道崇文路2号 |
| 主权项： | 1.一种基于EKF和BP神经网络的路面附着系数估计方法，其特征在于，包括以下步骤：步骤1：建立车辆路面附着系数估计系统，包括方向盘转角传感器、纵向加速度传感器、侧向加速度传感器和九个BP神经网络模块；所述方向盘转角传感器、纵向加速度传感器、侧向加速度传感器分别实时采集车身工况数据作为EKF状态观测器的输入，九个BP神经网络模块分别代表不同路面类型进行数据训练；步骤2：采集车辆的方向盘转角信号δ、纵向加速度信号ax、侧向加速度信号ay；步骤3：基于四轮车辆动力学模型，以横摆角速度ωr、质心偏角β和纵向车速vx为状态量，以侧向加速度ay为观测量，建立EKF扩展卡尔曼状态观测器；步骤4：采用EKF算法计算出横摆角速度ωr、质心偏角β和纵向车速vx；将方向盘转角信号δ、纵向加速度信号ax和侧向加速度信号ay作为EKF状态观测器的输入，经过对观测量ay的更新从而获得对状态量的估计，状态量横摆角速度ωr、质心偏角β和纵向车速vx作为EKF状态观测器的输出；步骤5：建立BP神经网络，将汽车在不同附着系数路面行驶采集到的侧向加速度ay、方向盘转角δ和估计的质心偏角β、纵向车速vx以及确定的路面附着系数μ组成向量组[ay β δ vx μ]T作为对应的路面附着系数神经网络模块的输入，将车辆横摆角速度作为输出；步骤6：输入下一时刻的输入量到每个神经网络模块，求出预测横摆角速度 |
| 所属类别： | 发明专利 |
检索历史
应用推荐
