[发明专利]一种针对分布式电驱动履带车辆的地面参量估计方法

说明书

本发明涉及一种针对分布式电驱动履带车辆的地面参量估计方法，包括以下步骤，通过离线训练方法，得到行驶路面的地面参量统计学模型；根据采集的车辆信息，利用所述地面参量统计学模型对车辆电机转矩进行预测；建立履带车辆动力学模型，计算得到车辆左、右两侧电机理论转矩，与左、右两侧电机转矩预测结果进行迭代运算得到包括地面变形阻力系数f和转向阻力系数μ在内的地面参量。本发明采用的试验数据均为日常跑车数据，数据均可通过整车数据采集系统直接得到，通过本发明方法无需过多的试验前准备，就可得到未知的地面参数。

技术领域

本专利涉及无人驾驶车辆领域，尤其涉及一种针对分布式电驱动履带车辆的地面参量估计方法。

背景技术

分布式电驱动履带车辆因其灵活的转向性能受到越来越多研究者的青睐，车辆-地面系统的研究更是其中的研究热点。之前关于车辆-地面系统的研究主要集中在两方面，一是利用车辆的动力学模型求解车辆的滑动参数，忽略地面参数的求解；二是将大量试验与仿真模型或者实车模型结合求解地面参数，试验前准备较复杂。

发明内容

鉴于上述的分析，本发明旨在提供一种针对分布式电驱动履带车辆的地面参量估计方法，无需过多的试验前准备，得到未知的地面参数。

本发明的目的主要是通过以下技术方案实现的：

一种针对分布式电驱动履带车辆的地面参量估计方法，包括以下步骤：

步骤S1、通过离线训练方法，得到行驶路面的地面参量统计学模型；所述模型的输入量为左、右两侧电机转速以及航向偏差，输出量为受地面约束，与地面参量有关的车辆左、右两侧电机转矩；

步骤S2、根据采集的车辆信息，利用所述地面参量统计学模型对车辆电机转矩进行预测，得到左、右两侧电机转矩T₁、T₂；

步骤S3、建立履带车辆动力学模型，计算得到车辆左、右两侧电机理论转矩T'₁、T'₂，并与左、右两侧电机预测结果T₁、T₂进行迭代运算得到包括地面变形阻力系数f和转向阻力系数μ在内的地面参量。

进一步地，步骤S1包括：

步骤S110、采集履带车辆在行驶路面的不同行驶工况的行驶数据；所述行驶工况包括不同速度下的车辆直驶工况、S弯工况、换道工况和定半径转向工况；

步骤S120、提取采集数据中包括电机转速、车辆航向角以及电机转矩信息在内的特征数据；

步骤S130、去除特征数据中的冗余数据并进行中值滤波处理得到左、右侧电机转速、航向偏差、左右侧电机转矩；

步骤S140、进行GMM模型训练，建立地面参量统计学模型。

进一步地，步骤S110的不同行驶工况的数据采集多次进行，得到多组不同行驶工况的采集数据。

进一步地，所述冗余数据包含主要包括车辆静止状态提取的数据。

进一步地，所述建立地面参量统计学模型的步骤如下：

1)随机选取步骤S130得到的不同行驶工况下采集数据的部分数据组成数据集Z，进行K-means聚类；

2)计算Z中所有数据点的轮廓系数求其平均值，选平均轮廓系数最接近1的K值对应的聚类结果作为GMM的初始化参数；

3)利用EM算法对GMM模型进行训练得到地面参量统计学模型，训练后得到地面参量统计学模型的参数包括，高斯分布的权重p_i，高斯分布的均值μ_i和高斯分布的标准差σ_i。

进一步地，所述步骤S2具体包括：