[发明专利]一种车辆悬架升沉测量方法及系统

说明书

本发明涉及一种车辆悬架升沉测量方法及系统。该方法包括：获取惯导与GPS组合导航系统中惯导数据和GPS数据；所述惯导数据包括惯导输出的横滚角、俯仰角和竖直方向数据，所述竖直方向数据包括竖直方向的加速度、竖直方向的速度和竖直方向的升沉量；所述GPS数据包括GPS输出的海拔高度；对所述惯导输出的竖直方向数据进行平滑滤波，得到滤波后的竖直方向数据；将所述滤波后的竖直方向数据与所述GPS数据组合，采用无迹卡尔曼滤波方法确定车辆质心位置的升沉量；根据所述惯导输出的横滚角和俯仰角以及所述车辆质心位置的升沉量进行姿态解算，得到所述车辆每个悬架对应的升沉量。本发明可以提高悬架升沉测量的准确度，降低计算量。

技术领域

本发明涉及悬架升沉测量领域，特别是涉及一种车辆悬架升沉测量方法及系统。

背景技术

惯性导航系统是一种既不依赖外部信息也不向外辐射信息的导航系统，具有很强的抗干扰能力，可以通过积分得到车辆的位置、速度、姿态等导航信息。惯导的输出频率较大，短时间内的测量精度很高，但是随着输出时间变长，精确度会大幅降低，位置和速度信息误差逐渐变大。全球定位系统能够提供全时间、连续的经纬度和海拔信息，但是GPS信号受外部环境影响较大，在室内、建筑物密集的城区、隧道等观测环境较差的地区，会导致丢失信号。

普通的汽车悬架升沉量测量中采用的是单一的惯导，惯导内部通过积分在Z轴上的位移，在通过姿态角变换，得到每个悬架的升沉量。由于时间久了会有积分的累计误差，导致惯导输出的升沉量会有数据漂移的情况，这对于主动悬架来说，较大的悬架升沉误差会导致错误的预判以及危险的发生。

组合导航系统的滤波方法主要有经典卡尔曼滤波(Kalman Filter，KF)和扩展卡尔曼滤波(ExtendedKalmanFilter，EKF)。KF主要针对组合导航系统的升沉量是线性的情况，形式简单，模型精确度低。EKF忽略了非线性函数泰勒展开的高阶项，仅仅用了一阶项，是非线性函数局部线性化的结果，给估计带来了很大的误差，只有当系统的状态方程和观测方程都接近线性且连续时，EKF的滤波结果才接近真实值；其次，在对非线性函数进行线性化时需要计算jacobian矩阵，计算量较大。

发明内容

本发明的目的是提供一种车辆悬架升沉测量方法及系统，以提高悬架升沉测量的准确度，降低计算量。

为实现上述目的，本发明提供了如下方案：

一种车辆悬架升沉测量方法，包括：

获取惯导与GPS组合导航系统中惯导数据和GPS数据；所述惯导数据包括惯导输出的横滚角、俯仰角和竖直方向数据，所述竖直方向数据包括竖直方向的加速度、竖直方向的速度和竖直方向的升沉量；所述GPS数据包括GPS输出的海拔高度；

对所述惯导输出的竖直方向数据进行平滑滤波，得到滤波后的竖直方向数据；

将所述滤波后的竖直方向数据与所述GPS数据组合，采用无迹卡尔曼滤波方法确定车辆质心位置的升沉量；

根据所述惯导输出的横滚角和俯仰角以及所述车辆质心位置的升沉量进行姿态解算，得到所述车辆每个悬架对应的升沉量。

可选的，所述对所述惯导输出的竖直方向数据进行平滑滤波，得到滤波后的竖直方向数据，具体包括：

采用算数平均滤波法对所述惯导输出的竖直方向数据进行平滑滤波，得到滤波后的竖直方向数据。

可选的，所述将所述滤波后的竖直方向数据与所述GPS数据组合，采用无迹卡尔曼滤波方法确定车辆质心位置的升沉量，具体包括：

将所述滤波后的竖直方向数据与所述GPS数据采用松组合方式组合；

将所述滤波后的竖直方向数据与所述GPS数据作为输入量，输入至无迹卡尔曼滤波器，得到所述无迹卡尔曼滤波器输出的所述车辆质心位置的升沉量。