[发明专利]一种基于双扩展卡尔曼滤波的车辆侧倾状态估计方法

说明书

本发明涉及一种基于双扩展卡尔曼滤波的车辆侧倾状态估计方法，其包括以下步骤：根据力矩平衡建立考虑侧倾运动和横摆运动的五自由度车辆动力学模型，得到系统的状态方程和输出方程；基于采集的待估计车辆的相关数据，利用双扩展卡尔曼滤波方法对所述状态方程和输出方程进行求解，得到待估计车辆侧倾状态的估计结果。本发明得到的侧倾角估计值可以用于商用车的防侧翻控制，具有估计精度高、实时性好、成本低等优点。本发明可以广泛应用于汽车电子控制领域。

技术领域

本发明属于汽车电子控制领域，具体涉及一种基于双扩展卡尔曼滤波的车辆侧倾状态估计方法。

背景技术

车辆在行驶过程中的侧倾运动会造成左右两侧车轮的负载发生变化，同时加剧车身的振动，对保证车辆主动安全性和乘员乘坐舒适性都极为不利。尤其是对于商用车而言，由于其质心较高，侧翻风险较大，对侧倾状态进行控制显得更加重要。

近年来，人们通过在汽车上配备防侧倾控制系统实现对车辆的侧向稳定性控制。为了保证防侧倾控制系统的控制性能，需要实时获取车辆的侧倾状态作为控制系统的输入。然而，传统的用于车辆运动状态监测的惯性测量单元(IMU)只能量测绕车辆x、y、z三个轴的角速度，而不能量测绕车辆x、y、z三个轴的角度。差分GPS可以量测绕车辆x、y、z三个轴的角度，但造价较高且适用工况有限。因此，急需设计出一种实时性好、精度高的观测器，利用可量测的车辆信号估计不可量测的车辆信号，以实现对车辆侧倾状态的实时监测，保证车辆的行驶安全性和乘坐舒适性。

现有关于车辆侧倾状态估计的研究中，悬架侧倾刚度等参数常常被视为固定值。例如，可以首先建立陆地行驶四轮车辆的系统动力学模型，然后运用卡尔曼滤波理论建立包括时间更新和观测更新的递推过程，以实现对车辆侧倾角的实时估计。该方法利用状态空间方程描述车辆动力学系统，采用递推形式的卡尔曼滤波算法进行估计，可以满足车辆状态观测的实时性要求。

然而，在真实场景下，悬架侧倾刚度等参数在车辆运动过程中并不是一个定值。将车辆模型视为线性系统必然导致侧倾角估计的精度受到影响。特别地，对于商用车而言，侧倾角估计的精度将直接影响侧倾状态的控制效果，进而影响车辆的行驶安全性。

发明内容

针对上述车辆侧倾状态估计过程中悬架侧倾刚度时变的问题，本发明的目的是提供一种基于双扩展卡尔曼滤波的车辆侧倾状态估计方法。本方法主要包含两个并行部分，即状态观测部分和参数估计部分，状态观测部分用于对车辆行驶过程中的侧倾角(包括车厢侧倾角和非簧载质量侧倾角)进行实时观测，参数估计部分用于对车辆时变的悬架侧倾刚度进行实时校正，使车辆侧倾角的估计更加精确。

为实现上述目的，本发明采取以下技术方案：

一种基于双扩展卡尔曼滤波的车辆侧倾状态估计方法，其包括以下步骤：

根据力矩平衡建立考虑侧倾运动和横摆运动的五自由度车辆动力学模型，得到系统的状态方程和输出方程；

基于采集的待估计车辆的相关数据，利用双扩展卡尔曼滤波方法对所述状态方程和输出方程进行求解，得到待估计车辆侧倾状态的估计结果。

进一步，所述根据力矩平衡建立考虑侧倾运动和横摆运动的五自由度车辆动力学模型，得到系统的状态方程和输出方程的方法，包括：

根据力矩平衡建立适用于商用车的五自由度车辆动力学模型；

根据建立的五自由度车辆动力学模型，得到系统的状态方程和输出方程。

进一步，所述五自由度车辆动力学模型为：