[发明专利]一种汽车转向工况下的路面附着系数估计方法在审

专利信息
申请号: 201810437992.2 申请日: 2018-05-09
公开(公告)号: CN108622101A 公开(公告)日: 2018-10-09
发明(设计)人: 高琪;王春燕;赵万忠;王崴崴;邹松春;鲁广超;吴刚;王衍圣;钱兴国 申请(专利权)人: 南京航空航天大学
主分类号: B60W40/064 分类号: B60W40/064;B60W50/00;B60W30/02
代理公司: 南京经纬专利商标代理有限公司 32200 代理人: 刘传玉
地址: 210016 江*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要: 发明公开了一种汽车转向工况下的路面附着系数估计方法,结合传感器测量数据与整车2自由度模型,通过扩展卡尔曼滤波器计算出汽车的纵向速度和侧向速度,采用BP神经网络结构实时估算路面附着系数,并采用遗传算法对神经网络各个节点的加权值进行优化,可以较为准确的估算出转向工况下的路面附着系数,为整车稳定性控制提供了基础。
搜索关键词: 路面附着系数 汽车转向 扩展卡尔曼滤波器 神经网络结构 侧向 结合传感器 整车稳定性 自由度模型 测量数据 控制提供 神经网络 实时估算 遗传算法 转向工况 整车 加权 估算 汽车 优化
【主权项】:
1.一种汽车转向工况下的路面附着系数估计方法,其特征在于,具体包含如下步骤:步骤1),建立汽车的二自由度整车模型,并实时测得汽车的横摆角速度、汽车纵向加速度和汽车侧向加速度;步骤2),根据横摆角速度、汽车纵向加速度、汽车侧向加速度信号以及汽车的二自由度整车模型,计算车辆的纵向车速估计值vxa和侧向车速估计值vya:式中,ax、ay分别为汽车纵向加速度、汽车侧向加速度;ωr为横摆角速度;vxa、vya分别为纵向车速估计值、侧向车速估计值;步骤3),结合纵向车速估计值、侧向车速估计值、汽车纵向加速度和汽车侧向加速度,由扩展卡尔曼滤波器计算出汽车的纵向速度和侧向速度:步骤3.1),将扩展卡尔曼滤波器用如下线性随机微分方程表示:xk+1=Akxk+Buk+ωyk=Cxk+ε式中,T为采样周期;k为迭代次数;ε和ω分别为测量误差和系统的模型预测误差,令其相互独立、稳定且符合高斯分布,则它们的协方差分别记为R和Q;νxk、vyk为k时刻的纵向、侧向速度;axk、ayk为k时刻的纵向、侧向加速度;vxak、vyak为k时刻2自由度汽车模型计算的纵向、侧向速度值;εk为k时刻的测量误差,所述k时刻即第k次迭代时;步骤3.2),计算两次采样之间的采样数值和误差的增长:Pk|k‑1=FkPk‑1|k‑1FT+Q式中,为在k‑1时刻对k时刻x的预测值;Pk|k‑1为在k‑1时刻对k时刻预测误差ω的协方差;为计算时系统状态方程线性化得到的动态矩阵;Pk‑1|k‑1为k‑1时刻对k‑1时刻预测误差ω的协方差;步骤3.3),根据预测值和预测误差修正测量值,具体如下:Pk|k=Pk|k‑1‑KkHkPk|k‑1式中,为预测时系统输出方程线性化得到的矩阵;R为测量误差ε的协方差;步骤4),测得路面估计所需要的横摆角速度ωr和横摆角速度增益Δωr,结合卡尔曼滤波器计算出的纵向车速、横向车速和整车模型计算出路面估计所需要的两前轮侧偏角;步骤5),将步骤4)中的横摆角速度增益Δωr、横摆角速度ωr、左前轮胎侧偏角αfl和右前轮胎侧偏角αfr输入BP神经网络结构,由BP神经网络算法估算出附着系数,具体如下:步骤5.1),采用三层前馈神经网络结构,输入层设置4个节点,分别为横摆角速度增益Δωr、横摆角速度ωr、左前轮胎侧偏角αfl和右前轮胎侧偏角αfr,输出层设置一个输出节点,即路面附着系数;步骤5.2),确定网络的隐含层节点,具体如下:式中,t为隐含层神经元数目;n为输入向量维数;l为输出向量维数;a为预设的常数;使用符合上式的隐含层节点数分别对建立的BP网络进行训练,选取输出预测误差最小的t值作为隐含层节点数;步骤5.3),采用遗传算法对神经网络各个节点的加权值进行优化,具体如下:步骤5.3.1),令E为网络训练的总误差,则有minE=f{x1,x2,…,xs}=f{w1,w2,…,wm,θ1,θ2,…,θk}式中,xi(i=1,2,…,s)表示一组染色体,s等于全部节点权值和阈值之和;wi为网络第i个连接权值,m为连接权值的总数;θj(j=1,2,…,p)为第j个神经元的阈值,p为隐含层和输出层的神经元总数;步骤5.3.2),对各节点权值进行优化,具体步骤如下:步骤5.3.2.1),对网络连接权进行实数编码;步骤5.3.2.2),利用小区间生成法随机生成初始种群;步骤5.3.2.3),根据适应度函数对个体性能进行评价,适应度函数f(x)定义为误差的倒数,即f(x)=1/E(x);步骤5.3.2.4),对每个个体解码得到一个网络初始连接权值,并与样本一起输入网络计算总误差E;步骤5.3.2.5),对父代种群进行选择、交叉和变异操作生成子代种群;步骤5.3.2.6),计算子代中每个个体的适应值,并按适应度由大到小排列;步骤5.3.2.7),对最优个体解码得到BP神经网络最优初始权重,再计算权值调整后的总误差E;步骤5.3.2.8),如果总误差E小于预先给定的目标值,则训练结束,否则把优化后的权重作为下次训练的初始权重,返回步骤5.3.2.5);步骤5.4),BP神经网络构建完成,由神经网络估算出路面附着系数。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南京航空航天大学,未经南京航空航天大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/patent/201810437992.2/,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code