[发明专利]一种全轮驱动车辆的纵向车速估计方法

说明书

本发明提出一种全轮驱动车辆的纵向车速估计方法，该方法包括以下步骤：首先，基于加速度传感器以及陀螺仪采集数据，利用卡尔曼滤波算法实现多传感器数据融合，得到车辆当前行驶道路坡度的估计；然后，基于运动学车速估计方法，根据坡度估计结果以及加速度传感器数据，估计车辆纵向行驶车速；最终，消除加速度数据中噪声引起的积分误差，并根据各轮轮速反馈对车速估计结果进行校正。本发明结合道路坡度识别结果采用运动学估计方法得到纵向车速估计，并根据各轮轮速反馈对车速估计结果进行校正，可以实现全驱车辆的车速估计，具有通用性，并且实时性强、计算精度高，能够为车辆电控系统提供准确的车辆状态信息。

技术领域

本发明属于汽车研究领域，具体涉及一种全轮驱动车辆的纵向车速估计方法。

背景技术

近年来纵向车速信号是混合动力系统进行多模式能量管理控制的重要参考依据之一，也是驱动防滑系统、制动防抱死系统和电子稳定性系统实现的基础。在对全轮驱动系统的控制过程中，纵向车速的估计占有十分重要的地位。

目前针对全轮驱动车辆的纵向车速估计算法主要可划分为两类：运动学估计方法和动力学方法。基于运动学的估计方法主要包括：轮速法和直接积分法，其中，轮速法可以分为最大或最小轮速法、斜率法、综合法等传统的纵向车速估计方法。当前一些学者研究的基于滑模算法以及基于非线性状态观测器的车速观测器等，均可以归类到动力学估计方法的范畴之内。可以看出，基于动力学估计方法的核心在于轮胎纵向力、道路坡度以及整车质量的观测，该方法虽然对传感器的要求相对降低，但是对于模型精度以及模型参数敏感度高，鲁棒性较低，且对于估计方法有更高的要求。如中国专利公布号CN106394561A，公布日2017-02-15；中国专利公布号CN101655504，公布日2010-02-24；中国专利公布号CN102009654A，公布日2011-04-13等，通过智能控制算法进行车速的估计；这些方法均需要复杂的轮胎模型和车辆模型，需要涉及到较多的非线性运算，在实际应用中有较多限制。

部分专利，如中国专利公布号CN107016157A，公布日2017-08-04，该发明根据纵向力估计器与路面峰值附着系数估计器互联在线估计路面峰值附着系数与纵向车速估计值，完成路面自适应纵向车速估计；但是该发明没有考虑到车辆实际运行过程中的动态特性对传感器采集数据的影响，比如车辆起步加速过程，急减速过程，换挡过程等。

发明内容

为解决上述技术问题，本发明提出的一种全轮驱动车辆的纵向车速估计方法具体包括下述步骤：

步骤一：简化卡尔曼滤波融合算法，估计当前行驶道路坡度，包括以下步骤：

(1)依据陀螺仪测量得到的沿车辆运动坐标系Y轴的角速度信号，可以实现对当前计算步长内的道路坡度预测；以加速度传感器的输出信号作为测量值，可以得到传感器的测量反馈，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：

其中，u_k＝ω_y,k,H_k＝[1 0]，

式中，x_k表示k时刻系统状态，z_k表示道路坡度测量值，u_k表示控制量，F_k为状态转移矩阵，B_k为控制矩阵，H_k为测量矩阵，W_k表示外界干扰噪声，其中，V_k与W_k都是均值为0的白噪声，相互独立并服从高斯分布，θ_k为基于陀螺仪的角速度计算得到的第k个步长的坡度预测值，ω_y,k为第k个步长的陀螺仪角速度，ω_y,bias,k为第k个步长的陀螺仪零漂估计值，dt为计算步长；