[发明专利]一种能得到估计不确定性的履带车辆滑移率估计方法

说明书

本发明涉及一种能得到估计不确定性的履带车辆滑移率估计方法，属于滑移率估计领域。本发明首先使用履带式平台采集大量数据，然后建立滑移率离散估计模型，最后基于稀疏高斯过程回归建立滑移率回归模型；滑移率离散估计模型以及滑移率回归模型输入特征为驱动轮转矩和转速、车辆横向和纵向加速度、车辆横摆角速度和俯仰角速度。本发明基于分段稀疏高斯过程回归，能够应用于履带车辆，得到估计不确定性；本发明通过分段稀疏高斯过程回归，降低滑移率离散估计模型以及滑移率回归模型训练的时间复杂度；本发明的滑移率离散估计模型准确率高，滑移率回归模型总体误差小；本发明能够进一步应用于履带车辆模型修正、牵引力控制。

技术领域

本发明涉及一种能得到估计不确定性的履带车辆滑移率估计方法，尤其涉及一种基于分段稀疏高斯过程回归的履带车辆滑移率估计方法，属于滑移率估计领域。

背景技术

相比于轮式车辆，履带车辆具有更强的转向能力与通过性，使其在军事领域和民用领域都发挥着重要的作用。在履带车辆行驶过程中，履带要作复合运动：它一方面要随同车体一起做相对地面的直线运动，这种运动速度叫牵连速度，以v_q表示；另一方面，履带又要做相对于车体的旋转运动，这种运动速度叫做相对速度，以v_x表示，滑移率σ＝(v_x-v_q)/v_x表示两个速度的差异性。

准确地测量或估计滑移率对于履带车辆至关重要。首先，滑移率是履带车辆运动学模型和动力学模型中的重要参数，滑移率估计能使得模型更加准确；其次，牵引力与滑移率、土壤性质息息相关，准确地估计滑移率对履带车辆的牵引力控制和运动稳定性具有重要意义。

传统的滑移率估计一般通过驱动轮角速度与车速计算得到，驱动轮角速度一般通过编码器测得，车速能够通过惯性导航与GPS组合导航、视觉里程计等测得；也有研究人员设计观测器，并结合车辆模型估计滑移率；通过分析地面力学模型估计滑动相关参数也是滑移率估计的一个方法。

上述方法只能估计滑移率的值，无法得到估计的不确定性，也无法体现测量噪声。

在Gonzalez等人公开的文献(Slippage Prediction for Off-road MobileRobots via Machine Learning Regression and Proprioceptive Sensing)中，介绍了一种预测越野移动机器人单轮滑移的新方法，该方法利用高斯过程回归来估计机器人滑移的分布，即均值和方差，其中方差表明了估计的不确定性，用于路径规划或控制任务。该方法是很有前景的一种方法，但是目前还存在一些局限性：第一，仅考虑低速和直行的情况，未考虑高速和转弯的工况；第二，仅估计单轮滑移，未考虑多个车轮滑移的差异性；第三，仅针对轮式车辆，是否适用于履带车还有待考察。另外，高斯过程回归方法训练时的时间复杂度为O(n³)，n为训练样本的数目，因此，当训练集较大时，该方法的时间成本将会非常高，使得它很难应用于大数据集任务。

稀疏高斯过程回归使用m个诱导样本的分布近似全部样本的分布，可以将时间复杂度降低为O(nm²)。为了进一步降低时间复杂度，本发明采用分段稀疏高斯过程回归，首先根据滑移率大小进行分类，将大数据集分为r个小数据集，之后对每个小数据集分别进行回归，每个小数据集回归的时间复杂度为O(nm²/r³)，总的时间复杂度为O(nm²/r²)。

发明内容

本发明的目的在于提供一种能得到估计不确定性的履带车辆滑移率估计方法，应用于履带车辆，基于支持向量分类，分别建立并训练两侧履带的滑移率离散估计模型，对滑移率进行离散估计，之后针对不同滑移率区间分别建立稀疏高斯过程回归模型，在进行滑移率估计的同时，能够得到滑移率估计的不确定性。

本发明的目的是通过下述技术方案实现的：