[发明专利]一种车辆状态参数确定方法、装置及汽车

说明书

本发明提供一种车辆状态参数确定方法、装置及汽车，涉及汽车技术领域。该方法包括：获取车辆当前的检测参数；根据预设的车辆模型和所述检测参数，构建车辆状态模型；根据所述车辆状态模型，调用自适应无迹卡尔曼滤波确定车辆状态参数。本发明的方案，解决了现有车辆状态参数估计因引入误差准确性低的问题。

技术领域

本发明涉及汽车技术领域，特别是指一种车辆状态参数确定方法、装置及汽车。

背景技术

随着经济水平的提高，越来越多的人购买汽车作为代步工具。因此，汽车已成为人们生活中重要的部分。其中，为促进汽车的智能化，实现基于车辆状态参数对车辆的主动控制，往往需要提前获知一些车辆状态参数。但是，由于某些车辆状态参数传感器价格昂贵或者受技术制约，无法在车辆上批量使用，所以，通过低成本信号传感器，基于相关算法对某些重要的车辆状态参数(如质心侧偏角，横摆角速度，纵向车速等信息)进行估计成为了研究的重点方向之一。

现有的车辆状态参数估计多采用扩展卡尔曼滤波实现，通过对非线性函数在最佳估计点附近进行泰勒级数展开，舍弃高阶分量，将非线性系统模型转化为线性模型，然后再采用经典卡尔曼滤波算法框架进行迭代运算。但是，这种线性化的过程中省略了泰勒展开的高阶项，会引入误差，降低了估计结果的准确性。

发明内容

本发明的目的是提供一种车辆状态参数确定方法、装置及汽车，解决了现有车辆状态参数估计因引入误差准确性低的问题。

为达到上述目的，本发明的实施例提供一种车辆状态参数确定方法，包括：

获取车辆当前的检测参数；

根据预设的车辆模型和所述检测参数，构建车辆状态模型；

根据所述车辆状态模型，调用自适应无迹卡尔曼滤波确定车辆状态参数。

本发明实施例的车辆状态参数确定方法，首先获取车辆当前的检测参数，然后结合预设的车辆模型和所获取的检测参数，构建车辆状态模型，以通过该车辆状态模型了解车辆状态参数和检测参数之间的关系，最终，根据所构建的车辆状态模型，调用自适应无迹卡尔曼滤波，快速精确地确定出车辆状态参数，实现车辆的主动控制。

其中，所述预设的车辆模型为三自由度车辆模型；

所述根据预设的车辆模型和所述检测参数，构建车辆状态模型的步骤，包括：

将所述检测参数代入所述三自由度车辆模型，获得对应所述车辆状态参数的车辆状态模型，所述车辆状态模型包括三自由度整车状态方程及测量方程。

其中，所述检测参数包括：方向盘转角δ、纵向加速度a_x和横向加速度a_y；所述车辆状态参数包括：横摆角速度γ、质心侧偏角β和纵向速度v_x；

所述三自由度整车状态方程包括第一状态方程第二状态方程和第三状态方程v_x'＝γβv_x+a_x，所述三自由度整车测量方程为

γ'为γ的导数，β'为β的导数，v_x'为v_x的导数，δ为前轮转角，k₁和k₂为三自由度车辆模型的常数，a为质心到前轮的距离，b为质心到后轮的距离，I_z为车辆绕z轴的转动惯量，m为车辆质量。

其中，所述根据所述车辆状态模型，调用自适应无迹卡尔曼滤波确定车辆状态参数的步骤，包括：

在自适应无迹卡尔曼滤波的循环过程中，根据当前采样点组，计算下一循环的预测采样点组和实际采样点组，所述当前采样点组中的每一组采样点中均包括本次循环在所述车辆状态模型中采样获得的初始车辆状态参数；

计算系统残差和卡尔曼增益矩阵；