[发明专利]一种基于滑模观测器的车辆运行状态非线性鲁棒估计方法

摘要

本发明提出了一种基于滑模观测器的车辆运行状态非线性鲁棒估计方法，本方法针对高机动运行状况和复杂多变道路环境来确立更接近实际的汽车非线性动力学模型，并设计相应的滑模观测器，另外利用低成本的车载轮速和方向盘转角传感器来建立滑模观测器系统的外部输入量和测量信息，进而通过提出的滑模观测器估计递推算法实现对汽车多个运行状态的估计，具有抗干扰能力强、精度高、易实现以及成本低等特点。

主权项

1.一种基于滑模观测器的车辆运行状态非线性鲁棒估计方法，其特征在于：本方法针对目前应用较多的前轮转向四轮汽车，设计了基于非线性汽车动力学模型的滑模观测器，通过滑模观测器的估计递推实现对汽车纵向前进速度、横摆角速度、侧向速度以及质心侧偏角等信息的准确、鲁棒估计，具体步骤包括：1)建立车辆运行状态的滑模观测器：采用三自由度的汽车非线性动力学模型，该模型的状态空间方程形式如下：x·1=f1(x1,x2,x3,δf)+g1(δf,Ftf,Ftr)x·2=f2(x1,x2,x3,δf)+g2(δf,Ftf,Ftr)x·3=f3(x1,x2,x3,δf)+g3(δf,Ftf,Ftr)---(1)]]>式(1)中，x₁、x₂和x₃为滑模观测器的三个状态，且x₁＝v_x，x₂＝ω_z，x₃＝v_y，v_x、v_y及ω_z分别是汽车的纵向前进速度、侧向速度和横摆角速度；δ_f、F_tf和F_tr为三个外输入变量，其中δ_f是前轮转向角，F_tf是作用在单个前轮上的纵向力，F_tr是作用在单个后轮上的纵向力；式(1)中各函数f_j(j＝1，2，3)和g_j(j＝1，2，3)的取值如下f1(x1,x2,x3,δf)=1m[mvyωz+2vy+aωzvxCαfδf-12CdAfρavx2]]]>f2(x1,x2,x3,δf)=1Iz[2a(δf-(vy+aωz)vx)Cαf-2bCαr(bωz-vy)vx]]]>f3(x1,x2,x3,δf)=1m[-mvxωz+2(δf-(vy+aωz)vx)Cαf+2Cαrbωz-vyvx]]]>g1(δf,Ftf,Ftr)=2m(Ftf+Ftr)]]>g2(δf,Ftf,Ftr)=2aIzFtfδf]]>g3(δf,Ftf,Ftr)=2mFtfδf]]>在所述f_j(j＝1，2，3)和g_j(j＝1，2，3)中，m和I_z分别是车辆的质量和绕过质心垂向轴的转动惯量，a是汽车前轮轮轴中心到质心的距离，b是汽车后轮轮轴中心到质心的距离，C_αf、C_αr分别表示前、后轮胎的侧偏刚度，C_d表示空气阻力系数，A_f表示车辆前向面积，ρ_a代表空气密度；对于状态x₁和x₂，分别对应v_x和ω_z，它们与后轮轴上两个非转向车轮的轮速有以下关系：v_x＝(V_RL+V_RR)/2ω_z＝(V_RL-V_RR)/T_W    (2)式(2)中，T_W是后轮轴上两个后轮间的轮距，V_RL和V_RR分别代表左后轮和右后轮的线速度，即两个非转向轮的车轮线速度；状态x₁和x₂为可以直测得到的量，而状态x₃为无法直接测得的量而需通过滑模观测器来估计；对于式(1)所示的车辆模型，提出并建立如下的滑模观测器模型：x^·1=f1(x^1,x^2,x^3,δf)+g1(δf,Ftf,Ftr)+l1s1+k1sgn(s1)x^·2=f2(x^1,x^2,x^3,δf)+g2(δf,Ftf,Ftr)+l2s2+k2sgn(s2)x^·3=f3(x^1,x^2,x^3,δf)+g3(δf,Ftf,Ftr)+τ1sgn(s1)+τ2sgn(s2)---(3)]]>式(3)中，和分别表示x₁、x₂和x₃的计算估计值，l_j(j＝1，2)是滑模面之外的误差收敛增益，而k_j(j＝1，2)和τ_j(j＝1，2)则表示了滑模面上的误差收敛增益，sgn(.)是sign函数，即符号函数；s₁和s₂被定义为滑模观测器的可直测状态x₁、x₂与各自的估计值之间的误差，即s1=x1-x^1,]]>s2=x2-x^2---(4)]]>2)进行离散化的估计递推：在实际的估计过程中，需采用离散化的估计递推形式，为此，将上述设计的滑模观测器即式(3)进行离散化处理，x^1(k)=x^1(k-1)+Tx^2(k-1)x^3(k-1)+2TCαfδf(k-1)x^3(k-1)+ax^2(k-1)mx^1(k-1)-T2mCdAfρax^12(k-1)]]>+2Tm[Ftf(k-1)+Ftr(k-1)]+l1T[vx′(k-1)-x^1(k-1)]+k1T·tanh[λvx′(k-1)-λx^1(k-1)]]]>x^2(k)=x^2(k-1)+2TaCαfIz[δf(k-1)+-x^3(k-1)-ax^2(k-1)x^1(k-1)]-2TbCarbx^2(k-1)-x^3(k-1)Izx^1(k-1)]]>+2TaIzFtf(k-1)δf(k-1)+l2T[ωz′(k-1)-x^2(k-1)]+k2T·tanh[λωz′(k-1)-λx^2(k-1)]---(5)]]>x^3(k-1)=x^3(k-1)-Tx^1(k-1)x^2(k-1)+2TCαfm[δf(k-1)-(x^3(k-1)+ax^2(k-1))x^1(k-1)]]]>+2TCαrbx^2(k-1)-x^3(k-1)mx^1(k-1)+2TmFtf(k-1)δf(k-1)]]>式(5)中，k表示离散化时刻，T表示离散的周期，tanh(.)是双曲正切函数，λ是一个用来调整双曲正切函数倾斜程度的设计参数，v′_x和ω′_z分别表示通过轮速传感器测量获得的车辆纵向前进速度和横摆角速度，即v′_x和ω′_z分别表示v_x和ω_z的含有噪声的测量值；在上述滤波递推计算过程中，可确定汽车在每个时刻的纵向前进速度v_x(k)、横摆角速度ω_z(k)和侧向速度v_y(k)，进而根据下式可确定每个时刻的质心侧偏角β(k)＝arctan[v_y(k)/v_x(k)]    (6)。