[发明专利]一种车辆状态估计方法

权利要求书

1.一种车辆状态估计方法，其特征在于，包括如下步骤：

S1:搭建七自由度车辆模型，所述七自由度车辆模型包括整车纵向运动动力学方程、整车横向运动动力学方程、整车横摆运动动力学方程，其中：

所述整车纵向运动动力学方程为：

所述整车横向运动动力学方程为：

所述整车横摆运动动力学方程为：

式中，m为车辆的质量，

x、y为车辆质心在车辆坐标系下的纵向、横向坐标，

为车辆质心在车辆坐标系下的纵向、横向速度，

为车辆质心在车辆坐标系下的纵向、横向加速度，

ψ代表车辆横摆角，

为ψ的二阶导，即车辆横摆角加速度，

F_xij和F_yij分别代表车辆的纵向与横向力，下标i、j分别取值为1、2，i对应代表前后轮，j对应代表左右轮，

δ代表前轮转角，

I_z表示车辆的转动惯量，

a代表前轴距，

b代表后轴距，

c代表1/2轮距；

S2:对所述七自由度车辆模型进行简化，得到适用于估计器的离散模型，具体包括如下步骤：

S2.1:将所述七自由度车辆模型改写为状态空间形式，包括：定义状态向量、定义输入向量、定义测量向量，其中：

所述定义状态向量如下：

x(t)＝[V_x,V_y,r_z,a_x,a_y,β]

所述定义输入向量如下：

u(t)＝[δ_fl,δ_fr,ω_ij]

所述定义测量向量如下：

z(t)＝[a_x,a_y,r_z]

其中，为车辆纵向速度，

为车辆横向速度，

为车辆横摆角速度，

为车辆纵向加速度，

为车辆横向加速度，

β为质心侧偏角，

δ_fl为左前轮转角，

δ_fr为右前轮转角，

ω_ij分别为四轮转速，其中ij＝fl,fr,rl,rr；

S2.2：对所述七自由度车辆模型进行简化，表达为下式：

其中，M_z(k)为横摆转矩，

T_s为采样时间，

x(k+1)代表对x(t)的离散化，(k+1)代表下一时刻的变量值，(k)代表当前时刻的变量值；

在设定过程噪声与测量噪声都为非高斯噪声时，方程也可以写作：

y_k＝g(x_k,u_k)+Δ_k

η_k+1＝L₁η_k+ω_k

Δ_k+1＝L₂Δ_k+v_k

式中，x_k+1为下一时刻的状态量，

x_k为当前时刻的状态量，

y_k为当前时刻的输出量，

u_k为当前时刻的输入量，

f(·)为状态转移方程，

g(·)为输出方程，

η_k为白噪声驱动的模型误差中的有色噪声，由参数不确定性或建模的不精确带来的，

为模型误差中的有色噪声η_k的输入矩阵，

L₁为模型误差中的有色噪声η_k的状态增益，

ω_k为模型误差中的有色噪声η_k中的高斯白噪声随机向量，

L₂为测量误差中的有色噪声Δ_k的状态增益，

k是迭代参数，k＝1,2,...n，

v_k为测量误差中的有色噪声Δ_k中的高斯白噪声随机向量，

Δ_k为白噪声驱动的测量误差中的有色噪声，由传感器误差带来的；

S2.3:对有色噪声进行白化处理，得到只含白噪声的增广状态空间方程

进行简化表达，得到：

其中，矩阵

矩阵

矩阵C＝[(f(·)-L₂)g(·)B]，

增广状态为

S3:采用Kalman滤波算法，对状态进行估计；

使用步骤S2.3中得到的所述增广状态空间方程，利用Kalman滤波算法进行车辆状态的估计，具体包括如下步骤：

时间更新方程为

P(k+1/k)＝AP(k/k)A^T+Q

观测更新方程为

K(k+1)＝P(k+1/k)C^T[CP(k+1/k)C^T+R]^-1

P(k+1/k+1)＝[I-K(k+1)C]P(k+1/k)

式中，为状态预估计值，

为上一时刻的状态估计值，

P(k+1/k)为状态预估计值的协方差矩阵值，

P(k/k)为上一时刻状态估计值的协方差矩阵值，

为当前时刻的状态估计值，

P(k+1/k+1)为当前时刻状态估计值的协方差矩阵值，

K(k+1)为滤波增益矩阵，

Q为过程噪声协方差矩阵，

R为测量噪声协方差矩阵。