[发明专利]一种用于车轮力传感器的交互式多模型滤波方法

说明书

本发明公开一种用于车轮力传感器的交互式多模型滤波方法，包括如下步骤：1、根据车轮力信号随机性强的特点和车轮力传感器直接输出与真实车轮力之间的数学关系，建立基于Singer模型的车轮力通用动态模型；2、根据上述建立的车轮力通用动态模型，通过选取不同的模型参数，分别建立车轮力高动态模型和车轮力低动态模型；3、根据上述建立的车轮力高动态模型和车轮力低动态模型，采用交互式多模型方法，实现对于全动态范围车轮力信号的建模，并采用卡尔曼滤波器对车轮力信号进行实时滤波。本发明能够涵盖各种动态范围的车轮力，解决随机车轮力信号难以建模的问题，从而实现基于卡尔曼滤波器的车轮力信号实时滤波。

技术领域

本发明属于汽车测控技术领域，特别涉及一种用于车轮力传感器的交互式多模型滤波方法。

背景技术

汽车工业在发达国家的经济发展中，起着重要支柱的作用，从某种程度上讲，汽车行业发展水平能够体现出一个国家的整体制造业水平。在我国，近年来汽车的保有量持续增长势头，良好的市场情况刺激了汽车工业的发展，同时也暴露出我国车辆自主研发和测试方面的不足。车辆运动是由地面对车轮作用力、车辆对车轮作用力以及空气作用力等共同作用的结果，其中地面轮胎附着作用是主要因素，并受路面因素、轮胎因素、车辆因素和车辆行驶工况因素等影响，并最终在车轮受力上得到体现。因此，实时检测车辆在各种状态下的车轮力是进行车辆研发和测试的基础。由于车轮力具有很强的随机性，因此对于其进行处理的难度较大。我国在这项领域比较薄弱，尤其是对车轮力传感器输出数据的滤波方面的研究基本处于起步和探索阶段。

本发明专利所应用的对象为东南大学仪器科学与工程学院自主研发的多维轮力传感器(一种测量车轮六维力的传感器ZL201210071761.7)，该多维轮力传感器能够感知车辆行驶过程中地面对车轮的作用力，包括牵引力和正压力。为了得到高精度的车轮力信号，必须对车轮力传感器的输出信号进行滤波降噪。传统的低通滤波器在去除噪声的同时也会损失车轮力信号中的高频分量，而根据不同频率分量阈值进行噪声剔除的小波滤波技术，虽然能够保留车轮力中的高频信号，但小波滤波是一种离线数据处理方法，不能满足高精度车轮力实时输出的要求。

为了解决车轮力信号实时滤波的问题，将卡尔曼滤波器引入到车轮力传感器的数据处理当中。在车轮力处理中使用卡尔曼滤波器需要对车轮力信号进行建模，然而由于车轮力的随机性和不确定性，很难对其精确建模。想要设计出适用于车轮力传感器的实时滤波器，就必须攻克这一技术难关。

发明内容

发明目的：针对现有技术中存在的问题，本发明提供一种用于车轮力传感器的交互式多模型滤波方法，能够涵盖各种动态范围的车轮力，解决随机车轮力信号难以建模的问题，从而实现基于卡尔曼滤波器的车轮力信号实时滤波。

技术方案：为解决上述技术问题，本发明提供一种用于车轮力传感器的交互式多模型滤波方法，其特征在于，包括如下步骤：

步骤一：根据车轮力信号随机性强的特点和车轮力传感器直接输出与真实车轮力之间的数学关系，建立基于Singer模型的车轮力通用动态模型；

步骤二：根据步骤一中所建立的车轮力通用动态模型，通过选取不同的模型参数，分别建立车轮力高动态模型和车轮力低动态模型；

步骤三：根据步骤二中建立的车轮力高动态模型和车轮力低动态模型，采用交互式多模型方法，实现对于全动态范围车轮力信号的建模，并采用卡尔曼滤波器对车轮力信号进行实时滤波。

进一步的，所述步骤一中建立车轮力通用动态模型的具体步骤如下：

步骤1.1：定义k时刻的模型状态量为：

其中和分别为k时刻车轮纵向力、纵向力微分以及二次微分；和分别为k时刻车轮正压力、正压力微分以及二次微分；θ_k、和分别为k时刻车轮旋转角度、旋转角度微分以及二次微分；