[发明专利]一种基于变步长的车辆状态估计方法

权利要求书

1.一种基于变步长的车辆状态估计方法，其特征在于，设计车辆前轴纵向力滑膜观测器、轮胎自适应侧偏刚度回归器，建立改进的车辆单轨模型，对车辆状态进行变步长估计；采用减少滑膜观测器固有震颤效应的饱和函数设计车辆前轴纵向力滑膜观测器；所述轮胎自适应侧偏刚度回归器针对车辆参数误差和传感器误差鲁棒性进行设计；所述车辆单轨模型中利用自适应侧偏刚度和侧偏角表征侧向力；

所述车辆单轨模型为：

其中：F_yf、F_yr分别为前后轴侧向力，I_z表示车辆的横摆转动惯量，v_x、v_y、r分别为车辆纵向速度、侧向速度和横摆角速度，l_F、l_R分别为前轴和后轴距离质心的长度，m为车辆质量，F_xf为前轴纵向力观测值，δ_f为前轮转向角，C_yf、C_yr分别为前轴和后轴的侧偏刚度，σ为轮胎的松弛长度，w＝[w₁ w₂ w₃ w₄ w₅ w₆]^T为白噪声向量；

所述步长为：

T_E＝[ρNλ]/f_HZ+1/f_HZ

其中：T_E为步长，ρ为瞬态指数，λ为时间系数，N为整数，f_HZ为传感器组件的最大同步采样频率。

2.根据权利要求1所述的基于变步长的车辆状态估计方法，其特征在于，所述前轴纵向力滑膜观测器为：

其中：F_xf为前轴纵向力观测值，J为轮胎的转动惯量，R_eff为轮胎的有效半径，κ为常数，sat(·)为饱和函数，s为滑膜观测器的滑膜面，K_f为观测器的增益，ω_f为左前轮和右前轮的轮速之和。

3.根据权利要求2所述的基于变步长的车辆状态估计方法，其特征在于，所述饱和函数为：

其中：c为常数，sgn()为符号函数。

4.根据权利要求1所述的基于变步长的车辆状态估计方法，其特征在于，所述回归器的估计误差损失函数：

其中：θ_k表示k时刻回归参数值，γ为滚动时域的权重系数，Y为回归器的观测值，Φ^T为回归矩阵，η为常数，θ⁺为轮胎名义侧偏刚度。

5.根据权利要求1所述的基于变步长的车辆状态估计方法，其特征在于，所述瞬态指数为：

ρ＝0.15f₁+0.75f₂+0.1f₃

其中：f₁、f₂、f₃分别为前轮转向角、侧向加速度、横摆角速度绝对值的隶属度函数。

6.根据权利要求1所述的基于变步长的车辆状态估计方法，其特征在于，所述传感器组件的最大同步采样频率为车载传感器采样频率的最小公倍数。

7.根据权利要求1所述的基于变步长的车辆状态估计方法，其特征在于，所述车辆状态估计具体为：采用扩展卡尔曼估计车辆的前后轴侧向力、车辆的侧向速度以及横摆角速度。

8.根据权利要求1所述的基于变步长的车辆状态估计方法，其特征在于，所述车辆状态估计的状态变量x＝[x₁ x₂ x₃ x₄ x₅ x₆]^T，x₁＝F_yf、x₂＝F_yr、x₃＝v_y、x₄＝r、x₅＝C_yf、x₆＝C_yr；观测值z＝[a_y r C_yf C_yr]^T；输入向量u＝[u₁ u₂ u₃]^T，u₁＝δ_f，u₂＝v_x，u₃＝F_xf；其中：a_y为侧向加速度。