[发明专利]基于级联卡尔曼滤波的智能汽车轮胎半径自适应估计方法

权利要求书

1.一种基于级联卡尔曼滤波的智能汽车轮胎半径自适应估计方法，其特征在于，包括以下步骤：

1)轮速信号处理子模块根据GNSS采样频率对轮速信号进行重采样，所述的步骤1)中，轮速信号处理子模块根据GNSS采样频率对轮速信号进行重采样具体计算式为：

其中，ω_k为当前时刻轮速测量值，ω_k-1为前一时刻轮速测量值，i＝1表示当前时刻GNSS测量信号进行了更新，i＝0表示当前时刻GNSS测量信号未更新；

2)当GNSS状态判断子模块判断当前GNSS状态良好时，轮胎半径估计模块采用级联卡尔曼滤波估计得到车速和轮胎半径实时估计值，具体包括以下步骤：

21)以轮速信号作为第一级卡尔曼滤波子模块的输入，估计得到轮速和轮加速度的第一次估计值；

22)以GNSS速度测量值、轮速信号、轮速和轮加速度的第一次估计值作为第二级卡尔曼滤波子模块的输入，估计得到车速和轮胎半径实时估计值；

3)输出模块对轮胎半径估计模块得到的轮胎半径实时估计值进行收敛及稳定性判断，当轮胎半径实时估计值稳定且收敛时，输出轮胎半径实时估计值，否则输出初始值。

2.根据权利要求1所述的一种基于级联卡尔曼滤波的智能汽车轮胎半径自适应估计方法，其特征在于，所述的步骤2)中，GNSS状态判断子模块的表达式为：

其中，flag为表征GNSS状态的标志位，当GNSS状态良好时取1，GNSS状态差时取0。

3.根据权利要求1所述的一种基于级联卡尔曼滤波的智能汽车轮胎半径自适应估计方法，其特征在于，所述的步骤21)中，第一级卡尔曼滤波子模块的估计式为：

X₁(k)＝X₁(k|k-1)+K₁(k)[Y₁(k)-H₁^T(k)X₁(k|k-1)]

X₁(k|k-1)＝A₁(k-1)X₁(k-1)

K₁(k)＝P₁(k|k-1)H₁^T(k)[H₁(k)P₁(k|k-1)H₁^T(k)+R₁]^-1

P₁(k|k-1)＝A₁(k-1)P₁(k-1)A₁^T(k-1)+Q₁

P₁(k)＝(I-K₁(k)H₁(k))P₁(k|k-1)

其中，X₁(k|k-1)为状态预测值，A₁(k-1)为上一时刻系统状态转移矩阵，且ΔT为采样间隔，X₁(k)、X₁(k-1)为当前时刻和上一时刻的系统状态，且ω为轮速，为轮加速度，H₁(k)为系统测量矩阵，且H₁＝[1 0]，P₁(k)为协方差矩阵，P₁(k|k-1)为协方差矩阵的预测值，Q₁为状态方程过程噪声方差，K₁(k)为卡尔曼滤波增益，R₁为测量过程噪声方差，Y₁(k)为通过传感器测量得到的当前观测量，I为二阶单位阵。