[发明专利]一种全轮驱动车辆的纵向车速估计方法

权利要求书

1.一种全轮驱动车辆的纵向车速估计方法，其特征在于，该方法包括以下几个步骤：

步骤一：基于卡尔曼滤波的数据融合，估计当前行驶道路坡度，包括以下步骤：

1)道路坡度估计方程组：采集陀螺仪测量得到的沿车辆运动坐标系Y轴的角速度信号，结合计算步长内的陀螺仪零漂估计值，计算当前计算步长内的道路坡度预测值；采集加速度传感器的输出信号，利用传感器测量原理，计算当前道路坡度测量值，结合道路坡度预测值和道路坡度测量值，计算道路坡度估计系统的状态空间方程组；

2)数据融合道路坡度估计计算：在步骤1)的系统状态空间方程计算基础上，根据卡尔曼滤波原理，利用卡尔曼增益作为加权比例因子，将加速度传感器的测量值和根据陀螺仪角速度信息计算的坡度预测值进行加权融合，通过加权比例因子的更新计算，得到道路坡度的最优动态估计值；

3)固定加权因子融合计算：在步骤2)所述的数据融合道路坡度估计计算基础上，基于实际车辆道路坡度的估计计算过程中卡尔曼滤波增益快速收敛稳定的特点，改进卡尔曼滤波融合算法，选取固定加权因子数值进行融合，利用陀螺仪角速度信息在上一步长最优估计基础上计算得到的坡度估计值，结合数据融合加权因子，得到可快速计算的道路坡度最优估计值；

步骤二：基于陀螺仪短时数据对加速度传感器测量值校正的方法，本方法通过在一定的时间窗内计算陀螺仪的角速度积分变化量，转化为加速度传感器的测量值在该时间窗内的变化门限，实现对加速度传感器测量值的限制与校正，减小或消除车辆自身纵向加速度对坡度识别的影响，包括以下步骤：

1)重力加速度沿坡道的分量变化量计算：基于道路坡度最优估计误差趋于收敛和陀螺仪的角速度零漂积分误差较小的特点，结合陀螺仪短时数据对加速度传感器的测量值和融合算法的最优估计值，通过融合估计算法以及陀螺仪角速度短时间内的积分计算，得到重力加速度沿坡道的分量变化量；

2)加速度传感器测量值的变化门限值计算：在步骤1)所述的重力加速度沿坡道的分量变化量计算基础上，根据实车道路试验数据对算法估计误差和陀螺仪的计算误差的范围进行标定，得到道路坡度倾角变化时加速度传感器测量值的变化门限值，实现对加速度传感器测量值的限制与校正；

3)车辆行驶道路坡度的最优估计：在步骤2)所述的加速度传感器测量值的变化门限值计算基础上，利用加速度传感器测量值的变化门限值，通过简化卡尔曼滤波融合算法，得到尽可能消除车辆自身纵向加速度对坡度识别影响后的车辆行驶道路坡度的最优估计；

步骤三：本方法选取纵向车速估计值与各车轮轮速偏差值作为车速估计校正量，对传感器测量信号的毛刺与噪声进行抑制，消除环境噪声引起的长时间积分偏差值，得到最终的纵向车速估计，包括以下步骤：

1)比例系数计算：定义比例系数为各轮轮速与纵向车速估计值之间的相近程度，根据当前各车轮的滑转状态进行判断，当车轮滑转率处于线性区时取较大值，而当车轮滑转率处于非线性区时取较小值；

2)纵向车速估计观测器具体设计：在步骤一、步骤二的基础上，利用纵向车速估计值与各车轮轮速偏差值作为车速估计校正量，结合车速估计误差校正项增益、等效车速和比例系数，计算最终的车辆纵向加速度观测值，实现本方法针对纵向车速估计观测器具体设计。