详情

原文传递一种基于加权融合算法的汽车行驶状态估计方法

专利名称：	一种基于加权融合算法的汽车行驶状态估计方法
摘要：	本专利属于汽车行驶状态估计方法技术领域，具体涉及一种基于加权融合算法的汽车行驶状态估计方法，包括下列步骤：S1、建立包含汽车纵向运动，侧向运动以及横摆运动的具有非线性特征的三自由度运动微分方程；S2、基于三自由度运动微分方程建立状态空间表达式；S3、将状态空间表达式离散化，获得实时刻汽车质心纵向速度、侧向速度以及横摆角速度的估计值；S4、根据所述汽车质心纵向速度、侧向速度求得汽车质心侧偏角的估计值；S5、采用加权融合算法，获得汽车质心侧偏角的最优估计值。本发明通过加权融合算法，求得最优加权因子，进一步可得最优状态估计值，精度得到了一定程度的提升。本发明用于汽车行驶状态的估计。
专利类型：	发明专利
国家地区组织代码：	山西;14
申请人：	太原科技大学
发明人：	连晋毅;任艳强;张喜清;智晋宁;李占龙;薛昊渊;王嘉仑;贾春路
专利状态：	有效
申请日期：	2019-08-15T00:00:00+0800
发布日期：	2019-11-26T00:00:00+0800
申请号：	CN201910751854.6
公开号：	CN110497915A
代理机构：	北京志霖恒远知识产权代理事务所(普通合伙)
代理人：	申绍中
分类号：	B60W40/10(2012.01);B;B60;B60W;B60W40
申请人地址：	030024 山西省太原市万柏林区窊流路66号
主权项：	1.一种基于加权融合算法的汽车行驶状态估计方法，其特征在于：包括下列步骤： S1、建立包含汽车纵向运动，侧向运动以及横摆运动的具有非线性特征的三自由度运动微分方程； S2、基于三自由度运动微分方程建立状态空间表达式； S3、将状态空间表达式离散化，建立关于汽车质心纵向速度、侧向速度以及横摆角速度的状态方程与量测方程，将所述汽车质心纵向速度、侧向速度以及横摆角速度迭代至粒子滤波估计器中，获得实时刻汽车质心纵向速度、侧向速度以及横摆角速度的估计值； S4、根据所述汽车质心纵向速度、侧向速度求得汽车质心侧偏角的估计值； S5、采用加权融合算法，获得汽车质心侧偏角的最优估计值。 2.根据权利要求1所述的一种基于加权融合算法的汽车行驶状态估计方法，其特征在于：所述S1中三自由度运动微分方程的求法为：纵向运动：FX＝(FXfl+FXfr)cosδ-(FYfl+FYfr)sinδ+(FXrl+FXrr) 侧向运动：FY＝(FYfl+FYfr)cosδ+(FXfl+FXfr)sinδ+(FYrl+FYrr) 横摆运动： FX为汽车受到的外力沿X方向的合力，FY为汽车受到的力沿Y方向的合力，MZ为绕质心处的力矩，FXfl、FXfr、FXrl、FXrr分别为地面对汽车的左前轮纵向力、右前轮纵向力、左后轮纵向力、右后轮纵向力；FYfl、FYfr、FYrl、FYrr分别为地面对汽车的左前轮侧向力、右前轮侧向力、左后轮侧向力、右后轮侧向力，δ为汽车的前轮转角，a为汽车前轴中心至汽车质心的距离，b为汽车后轴中心至汽车质心的距离，B为汽车轮距，M为整车质量，VX为汽车质心纵向速度，VY为汽车质心侧向速度，Wr为横摆角速度，IZ为汽车绕Z轴的转动惯量。整理上述公式可得三自由度非线性运动微分方程为： 3.根据权利要求1所述的一种基于加权融合算法的汽车行驶状态估计方法，其特征在于：所述S2中状态空间表达式为： Z(t)＝C(t)·X(t)+D·U(t)+Vk 其中X(t)为实际的状态变量；X(t)＝[VX(t) VY(t) Wr(t)]′，VX(t)、VY(t)、Wr(t)分别为t时刻汽车质心纵向速度、侧向速度、横摆角速度，U(t)＝[FX FY MZ]′，U为整个系统的输入变量 Z(t)为待观测向量，C、D向量随着观测向量的不同而在改变，Wk为过程噪声，Vk为观测噪声，本粒子滤波估计器将各个车轮的转矩作为观测量，Z(t)＝[Wfl(t) Wfr(t) Wrl(t) Wrr(t)]′，Wfl(t)、Wfr(t)、Wrl(t)、Wrr(t)分别为左前轮，右前轮，左后轮，右后轮在t时刻的车轮转矩，其中，λ为车轮与地面之间的相对滑移率，γ为车轮的滚动半径。 4.根据权利要求1所述的一种基于加权融合算法的汽车行驶状态估计方法，其特征在于：所述S3中将三自由度空间状态表达式离散化为：其中，X(kT)为k时刻状态变量的估计值，X[(k-1)T]为(k-1)时刻转态变量的估计值，G(T)＝eAT，T为粒子滤波器的采样时间。 5.根据权利要求1所述的一种基于加权融合算法的汽车行驶状态估计方法，其特征在于：所述S3中粒子滤波估计器的算法为：利用离散化的非线性空间状态表达式，根据上一时刻的状态估计值求当前时刻的状态预测值，根据状态空间表达式中的量测方程，结合传感器的测量方差，求解各粒子的权值，并且进行粒子权值的归一化处理，进行粒子的重采样，所述粒子滤波估计器采用轮盘赌进行粒子的重采样，用N个粒子的样本序列，利用均值求出当前时刻状态的估计值，将各个时刻状态估计值输出，即可求得某一行驶工况下汽车行驶状态的估计。 6.根据权利要求1所述的一种基于加权融合算法的汽车行驶状态估计方法，其特征在于：所述S4中汽车质心侧偏角的估计值的求法为：汽车质心侧偏角的估计值为 7.根据权利要求1所述的一种基于加权融合算法的汽车行驶状态估计方法，其特征在于：所述S5中加权融合算法为：设左前轮转矩传感器、右前轮转矩传感器、左后轮转矩传感器、右后轮转矩传感器的方差分别为σ12、σ22、σ32、σ42针对单个车轮转矩，通过S3粒子滤波算法的状态估计值为：左前轮：X1、右前轮：X2、左后轮：X3、右后轮：X4，首先，将X1、X2、X3、X4进行融合，融合后状态估计值为此时其中，wi(i＝1,2,3,4)分别为左前轮，右前轮，左后轮，右后轮状态估计值的加权因子，此时，总方差σ2为：利用朗格朗日乘法(最优极值理论)，可得各车轮的最优加权因子为：通过加权融合算法得到车辆行驶状态的最优估计值为： 8.根据权利要求1所述的一种基于加权融合算法的汽车行驶状态估计方法，其特征在于：所述S5中质心侧偏角的最优估计值的求法为在总方差最小条件下的最优汽车质心侧向速度与汽车质心纵向速度基础上，求最优质心侧偏角的估计值所述
所属类别：	发明专利