详情

原文传递一种基于模型和参数动态调整的自适应车辆状态预测系统及预测方法

专利名称：	一种基于模型和参数动态调整的自适应车辆状态预测系统及预测方法
摘要：	本发明涉及一种基于模型和参数动态调整的自适应车辆状态预测系统及预测方法，工作时，通过模糊推理系统单元对鲁棒容积卡尔曼滤波单元中过程噪声参数进行动态更新，通过模型参数预测单元对鲁棒容积卡尔曼滤波单元中模型参数进行动态更新；基于车载传感器信号测量单元采集到的传感器信息和鲁棒容积卡尔曼滤波单元完成对汽车状态的高精度预测；本发明在汽车状态预测的同时模型具有动态更新能力，同时基于算法的持续自我调整，不断改善预测精度，促进了汽车主动安全控制技术的发展。
专利类型：	发明专利
申请人：	东南大学
发明人：	殷国栋;汪*;张凤娇;董昊轩;刘赢;王法安;卢彦博;庄伟超
专利状态：	有效
申请日期：	1900-01-20T08:00:00+0805
发布日期：	1900-01-20T15:00:00+0805
申请号：	CN202010017828.3
公开号：	CN111152795A
代理机构：	南京经纬专利商标代理有限公司
代理人：	徐尔东
分类号：	B60W40/10;B60W50/00;B;B60;B60W;B60W40;B60W50;B60W40/10;B60W50/00
申请人地址：	210096 江苏省南京市玄武区新街口街道四牌楼2号
主权项：	1.一种基于模型和参数动态调整的自适应车辆状态预测系统，包括车载传感器信号测量单元、模型参数预测单元以及轮胎侧偏角计算单元，其特征在于：还包括模糊推理系统单元以及鲁棒容积卡尔曼滤波单元，其中车载传感器信号测量单元分别与模型参数预测单元、轮胎侧偏角计算单元、模糊推理系统单元、鲁棒容积卡尔曼滤波单元相连，模型参数预测单元、轮胎侧偏角计算单元、模糊推理系统单元同时与鲁棒容积卡尔曼滤波单元相连。 2.根据权利要求1所述的基于模型和参数动态调整的自适应车辆状态预测系统，其特征在于：车载传感器信号测量单元包括均安装在汽车上的GPS系统、陀螺仪、前轮转角传感器以及横摆角速度传感器；其中GPS系统用于获取汽车的纵向速度，陀螺仪用于检测汽车的横向加速度，前轮转角传感器用于获取汽车的前轮转角，横摆角速度传感器用于获取汽车的横摆角速度。 3.一种基于模型和参数动态调整的自适应车辆状态预测方法，其特征在于：包括以下步骤：第一步：通过安装在汽车上的GPS系统、陀螺仪、前轮转角传感器以及横摆角速度传感器分别获取汽车的纵向速度、横向加速度、前轮转角以及横摆角速度；第二步：通过第一步前轮转角传感器、横摆角速度传感器、陀螺仪、GPS系统采集汽车的当前时刻的实时信息，以及通过鲁棒容积卡尔曼滤波单元预测的上一时刻汽车状态信息,模型参数预测单元通过使用递推最小二乘法对汽车模型参数进行动态更新，以修正汽车动力学模型；第三步：将第一步由前轮转角传感器、横摆角速度传感器、GPS系统获取的汽车当前时刻的实时前轮转角信息、横摆角速度信息、纵向速度信息，以及鲁棒容积卡尔曼滤波单元上一时刻预测的汽车状态信息输入轮胎侧偏角计算单元获得前后轮胎侧偏角并将其输送至鲁棒容积卡尔曼滤波单元，将第一步由陀螺仪获取的汽车实时横向加速度输入模糊推理系统单元计算后输送至鲁棒容积卡尔曼滤波单元，对鲁棒容积卡尔曼预测算法中的过程噪声协方差进行动态更新，再结合第二步中修正后的汽车动力学模型，建立自适应鲁棒容积卡尔曼预测算法完成对汽车状态的高精度预测。 4.根据权利要求3所述的基于模型和参数动态调整的自适应车辆状态预测方法，其特征在于：第二步中的具体步骤如下：第2.1步：建立汽车模型参数预测的数学模型根据模型参数预测单元对参数预测的标准形式对公式(1)进行改写，改写后的标准形式如下获取公式(1)与标准形式对应格式为其中，vx为汽车纵向速度，Cf为前轮胎侧偏刚度，Cr为后轮胎侧偏刚度，r为横摆角速度，m为汽车总质量，Lf为前轴到质心的距离，Lr为后轴到质心的距离，δ为前轮转角，ay为横向加速度，β为质心侧偏角，为测量数据，θ(t)为待估参数y(t)为计算输出，；第2.2步：利用模型参数预测单元的递推最小二乘法对汽车模型参数进行动态更新，具体步骤如下：第2.2.1步，根据公式(3)获取计算输出y(t)，由陀螺仪获取汽车横向加速度第2.2.2步，计算参数预测偏差em(t) 第2.2.3步，计算参数预测增益K(t)和协方差矩阵P(t) 第2.2.4步，对参数变量做进一步迭代更新 θ(t)＝θ(t-1)+K(t)em(t) (7) 其中，λ为遗忘因子，λ的取值范围为[0.9，1]。 5.根据权利要求4所述的基于模型和参数动态调整的自适应车辆状态预测方法，其特征在于：第三步中的具体步骤如下：第3.1步，通过第二步中预测的模型参数修正单轨汽车模型 Fyf＝2Cfαf (10) Fyr＝2Crαr (11) 其中，vx为汽车纵向速度，Cf为前轮胎侧偏刚度，Cr为后轮胎侧偏刚度，r为横摆角速度，m为汽车总质量，Lf为前轴到质心的距离，Lr为后轴到质心的距离，δ为前轮转角，ay为横向加速度，β为质心侧偏角，Fyf为前轴侧向力，Fyr为后轴侧向力，αf为前轮侧偏角，αr为后轮侧偏角；对公式(8)-(14)进行离散化状态空间表示，即对任意时刻k 其中，wk是系统过程噪声，其过程噪声协方差矩阵为Qk，vk+1是系统测量噪声，其测量噪声协方差矩阵为Rk,zk+1＝[ay,k+1]T，xk+1＝[βk+1,Cyf,k+1,Cyr,k+1]T 其中Δt为采样时间间隔，取值为0.01秒；第3.2步，通过模糊推理系统单元调整鲁棒容积卡尔曼预测算法过程噪声参数，对前轮胎侧偏刚度Cf、后轮胎侧偏刚度Cr、质心侧偏角β进行预测，具体步骤如下：第3.2.1步，计算初始的状态向量和协方差矩阵其中，E是进行求数学期望，x0表示待预测向量初值，P0是对应的初始协方差矩阵；计算基本的容积点ξi和权重ωi 其中c是容积点，n是状态向量维度；第3.2.2步，通过鲁棒容积卡尔曼滤波单元进行时间更新过程：对公式(18)中的协方差矩阵P0进行对角化Pk-1/k-1 其中，U和V分别是上三角和下三角矩阵，S是对角矩阵；计算容积点其中表示在第k-1个时间间隔时的状态，表示的容积点；对容积点进行一步传播预测预测状态和协方差Pk/k-1 第3.2.3步，通过鲁棒容积卡尔曼滤波单元进行测量更新过程：对公式(18)中的协方差矩阵P0进行对角化Pk/k-1 计算容积点对容积点进行一步传播预测测量向量和新息协方差Pzz,k/k-1以及互协方差Pxz,k/k-1 计算增益矩阵Wk和状态更新对协方差矩阵做进一步更新其中，I是单位矩阵，参数γ选择满足如下条件第3.2.4步，对Qk进行动态调整 Qk,new＝ρ(e)Qk,old (35) 参数ρ是一个正数，这里由于时刻的持续更新，因此当进行Qk的动态调整时，Qk对应于公式(24)中的Qk-1，e求取如下建立e的模糊规则对参数ρ进行动态调整，根据隶属度函数建立的模糊规则为：如果e属于范围S，则ρ＝0.3 如果e属于范围M，则ρ＝1 如果e属于范围B，则ρ＝3。
所属类别：	发明专利