[发明专利]一种汽车转向工况下的路面附着系数估计方法

说明书

本发明公开了一种汽车转向工况下的路面附着系数估计方法，结合传感器测量数据与整车2自由度模型，通过扩展卡尔曼滤波器计算出汽车的纵向速度和侧向速度，采用BP神经网络结构实时估算路面附着系数，并采用遗传算法对神经网络各个节点的加权值进行优化，可以较为准确的估算出转向工况下的路面附着系数，为整车稳定性控制提供了基础。

技术领域

本发明涉及汽车操纵稳定性控制领域，尤其是涉及一种汽车在转向工况下的路面附着系数估计方法。

背景技术

路面附着系数估计是汽车稳定控制系统控制策略得以实现的基础，如果能够实时估算出路面附着系数，汽车稳定控制系统就可以根据当前路况调节控制策略，提高车辆的安全性。

目前对于路面附着系数估计方法的研究主要集中于汽车的制动工况，但汽车稳定控制系统一般在转向工况下工作，此时一般没有高强度的制动操作，且需要较准确的路面附着系数估计，因此研究针对转向工况下的路面附着系数估计方法具有较重要的意义。

发明内容

本发明所要解决的技术问题是针对背景技术中所涉及到的缺陷，提供一种准确率较高的汽车转向工况下的路面附着系数估计方法。

本发明为解决上述技术问题采用以下技术方案：

一种汽车转向工况下的路面附着系数估计方法，具体包含如下步骤：

步骤1)，建立汽车的二自由度整车模型，并实时测得汽车的横摆角速度、汽车纵向加速度和汽车侧向加速度；

步骤2)，根据横摆角速度、汽车纵向加速度、汽车侧向加速度信号以及汽车的二自由度整车模型，计算车辆的纵向车速估计值v_xa和侧向车速估计值v_ya：

式中，a_x、a_y分别为汽车纵向加速度、汽车侧向加速度；ω_r为横摆角速度；v_xa、v_ya分别为纵向车速估计值、侧向车速估计值；

步骤3)，结合纵向车速估计值、侧向车速估计值、汽车纵向加速度和汽车侧向加速度，由扩展卡尔曼滤波器计算出汽车的纵向速度和侧向速度：

步骤3.1)，将扩展卡尔曼滤波器用如下线性随机微分方程表示：

x_k+1＝A_kx_k+Bu_k+ω

y_k＝Cx_k+ε

式中，T为采样周期；k为迭代次数；ε和ω分别为测量误差和系统的模型预测误差，令其相互独立、稳定且符合高斯分布，则它们的协方差分别记为R和Q；ν_xk、v_yk为k时刻的纵向、侧向速度；a_xk、a_yk为k时刻的纵向、侧向加速度；v_xak、v_yak为k时刻2自由度汽车模型计算的纵向、侧向速度值；ε_k为k时刻的测量误差，所述k时刻即第k次迭代时；

步骤3.2)，计算两次采样之间的采样数值和误差的增长：

P_k|k-1＝F_kP_k-1|k-1F^T+Q

式中，为在k-1时刻对k时刻x的预测值；P_k|k-1为在k-1时刻对k时刻预测误差ω的协方差；为计算时系统状态方程线性化得到的动态矩阵；P_k-1|k-1为k-1时刻对k-1时刻预测误差ω的协方差；