[发明专利]车辆行驶状态和轮胎魔术公式参数联合估计的方法

说明书

技术领域

本发明属于信息技术中的系统状态和关键参数估计领域，特别涉及一种车辆行驶状态和轮胎魔术公式参数联合估计的方法。

背景技术

汽车行驶过程中的状态估计，是汽车动力学中的重要问题，其目的在于确定汽车行驶状态下纵向车速、横摆角速度、质心侧偏角、横摆角位移等重要的状态变量，是实现汽车底盘主动控制的关键技术之一。汽车的纵向动力学控制，依赖于对纵向车速的准确估计；汽车的侧向动力学控制依赖于对横摆角速度或质心侧偏角的准确估计。这些待估计的状态变量，虽然均可用传感器直接测量，但必须依赖价格昂贵的特殊试验设备，且需要特定的安装固定方式，不适于配置在量产车上，只适合于开发试验阶段。因此，从节约成本和实际应用的角度来看，必须根据量产车上的传感器配置，通过车辆状态估计技术，准确计算得到其他所需、但不可测的状态信息。

另一方面，在汽车产品中新型结构、新的控制系统的研发阶段，用于描述汽车操纵动力学行为的数学模型中存在不确定因素。模型中主要的不确定因素来自于由轮胎与地面之前非线性的、由质心侧偏角、铅垂载荷等参数共同确定的侧向力。旨在确定轮胎侧向力等车辆动力学行为的操纵动力学分析主要应用到的轮胎模型是Pacejka教授提出的魔术公式模型：

F_TA＝D_Asin(C_Aarctan(B_Aα_A-E_A(B_Aα_A-arctan(B_Aα_A))))

F_TP＝D_Psin(C_Parctan(B_Pα_P-E_P(B_Pα_P-arctan(B_Pα_P))))

上式中F_TA、F_TP表示前、后轮的侧向力，α_A、α_P表示前、后轮的侧倾角，D_A、C_A、B_A、E_A分别表示前轮的峰值因子、形状因子、斜度因子、曲率因子；D_P、C_P、B_P、E_P分别表示后轮的峰值因子、形状因子、斜度因子、曲率因子；上述八个参数是计算轮胎侧向力的关键参数。

这是基于试验数据的半经验轮胎模型，模型的建立依赖于广泛的数据而不是轮胎结构本身，因此需要大量的试验数据来不断的修正魔术公式中的各个参数，并最终确定这些参数，才能够确定车辆的动力学行为，这就大大的增加了确定这些参数的成本。

目前较为常用的估计算法有卡尔曼滤波算法、龙贝格观测器、鲁棒观测器、滑模观测器、模糊观测器以及基于利亚普诺夫理论推导的非线性观测器。

普通Kalman滤波只能够对线性汽车动力学模型进行状态估计。扩展Kalman滤波(EKF)及其改进算法，可以对包含非线性因素的汽车操纵动力学模型进行状态估计，但是要以牺牲精度为前提；龙贝格观测器是通过系统的极点配置来达到状态估计目的的一种方法，对反馈矩阵提出了较高的要求；鲁棒观测器和滑膜观测器的估计效果不够理想，因此寻找一种突破系统高斯、线性束缚，同时能够保证较高精度的算法就显得非常有必要。

粒子滤波算法是通过寻找一组在状态空间中传播的随机样本来近似的表示概率密度函数，用样本均值代替积分运算，从而获得系统状态的最小方差估计的过程，对非线性、非高斯系统的状态估计有较好的效果。

国内在车辆状态估计问题方面的研究处于起步阶段。研究的重点在于通过卡尔曼滤波器及其改进算法来估计车辆的横摆角速度、车速等，且大多停留在仿真研究阶段，由于Kalman滤波自身的局限性，估计的精度和稳定性也较差；而关于车辆关键参数尤其是轮胎的关键参数的辨识问题的研究，目前的研究也较少，而车辆轮胎参数和车辆行驶状态的联合估计的研究对于未来的智能驾驶技术又尤其重要。

发明内容

本发明是针对目前的实用需求，减少确定魔术公式的各个参数所需的试验数量和数据，提出一种车辆行驶状态和轮胎魔术公式参数联合估计的方法，该方法包括下述步骤：

步骤1，建立多自由度车辆动力学方程，通过龙格-库塔方法，实现方程降阶，将方程转化成马尔科夫链的形式；