[发明专利]重型半挂车状态估计方法

权利要求书

1.一种应用于重型半挂车状态估计方法，所述的重型半挂车状态估计方法步骤为：

1)由车轮处的轮速传感器测出牵引车及半挂车各车轮轮速；

2)由方向盘处的转角传感器测出方向盘转角；

3)由牵引车及半挂车质心处的纵向加速度传感器测出牵引车及半挂车的纵向加速度；

4)由牵引车及半挂车质心处的侧向加速度传感器测出牵引车及半挂车的侧向加速度；

5)将所有传感器信息输入到传感器前置滤波模块中，对各传感器信息进行低通滤波与野点剔除；

6)根据牵引车及半挂车车轮轮速和牵引车及半挂车车体纵向加速度计算车辆纵向车速；

7)将车速信息、纵向加速度信息、方向盘转角信息传给基于模型的UKF状态估计器；

8)UKF状态估计器将接收到的车速信息、纵向加速度信息、方向盘转角信息，以及由重型半挂车状态存储器输出的前一时刻车辆状态，输入给UKF状态估计器内嵌的五自由度重型半挂车动力学模型，计算出重型半挂车当前状态，即进行时间更新；

9)将由动力学模型计算得到的状态参数传给UKF状态估计器中的UKF算法模块，根据与传感器测量的侧向加速度值比较，对动力学模型计算得到的车辆状态值进行修正，得到重型半挂车状态真值，即进行测量更新。

10)将基于模型的UKF状态估计器得到的重型半挂车状态值输出给重型半挂车状态存储器，为下一时刻的状态估计做准备。

2.如权利要求1所述的重型半挂车状态估计方法，该方法所使用的系统包括以下几个组成部分：

传感器前置滤波模块，用于去除传感器信号的高频噪声和剔除信号野点；

车速计算模块，用于使用重型半挂车的各车轮轮速信息，计算牵引车和半挂车的纵向车速；

基于模型的无轨卡尔曼滤波(UKF)状态估计器，用于估计重型半挂车的重要状态参数的真值，如车体侧倾角、质心侧偏角、横摆角速度等物理量；并且该状态估计器包括两个组成部分，分别为：用于状态估计时间更新的重型半挂车动力学模型模块，和由于状态估计测量更新的UKF算法模块；

重型半挂车状态存储器6，用于存储重型半挂车状态参数当前时刻真值，并且，为下一时刻估计状态参数时，提供前一时刻的状态参数。

3.如权利要求1所述的重型半挂车状态估计方法，该方法中用于状态估计器时间更新的重型半挂车模型模块，使用包含五个自由度的重型半挂车动力学模型。

4.如权利要求3所述的重型半挂车状态估计方法，该方法采用的重型半挂车动力学模型，计算车辆状态的过程，及时间更新的步骤为：

1)将由传感器前置滤波模块去噪与剔除野点后得到的传感器信息，如纵向加速度信息、方向盘转角信息、侧向加速度信息，和由车速计算模块计算得到的车速信息，传给重型半挂车动力学模型的运动学解算模块；

2)运动学解算模块根据输入的传感器信息和计算得到的车速信息计算轮胎侧偏角，并将其传给轮胎力查询模块；

3)同时，将车辆纵向加速度、侧向加速度信息传给垂向力计算模块，计算重型半挂车各轮的垂直载荷变化情况，得到垂直载荷的实时值，并将其传给轮胎力查询模块；

4)轮胎力查询模块根据当前的轮胎侧偏角，以及垂直载荷计算模块得到的各车轮实时载荷信息，查询预先标定的轮胎侧向力表，得到各车轮处受到的轮胎侧向力，并传给车体动力学模块；

5)车体动力学模块根据当前车辆的受力情况，即由轮胎力查询模块得到的轮胎侧向力当前值，和由状态存储器输出的前一时刻的车辆运动状态，解算车辆动力学微分方程，得到车辆当前的运动状态。

5.如权利要求4所述的重型半挂车状态估计方法，该方法所获得车辆当前的运动状态为牵引车及半挂车侧倾角、牵引车及半挂车质心侧偏角、牵引车及半挂车横摆角速度。