专利名称：一种车辆acc驱动工况路面峰值附着系数识别方法
技术领域：
本发明技术领域为汽车自适应巡航控制系统。路面峰值附着系数识别方法是汽车自适应巡航控制系统的关键技术之一，可用于提高车辆自适应巡航控制系统的控制效果。路面峰值附着系数识别方法是汽车自适应巡航控制系统的关键技术之一，目前提出的路面识别方法主要有制动轮缸保压状态下基于车身减速度的路面峰值附着系数估计算法、基于路面温度的路面状态识别方法、基于轮胎模型和发动机输出扭矩估计的路面峰值附着系数估计方法等。提出一种快速、有效、鲁棒性强的路面峰值附着系数估计算法对于车辆自适应巡航控制的控制参数选择有十分关键的作用。
背景技术：
1)基于车身减速度的路面峰值附着系数估计算法是装有车轮防抱死控制系统的车辆在制动过程中，利用保压控制获得恒定的制动压力，并通过车轮减速度来估计车身减速度，从而对路面峰值附着系数进行估计。该方法通常利用实车试验的方法确定保压时刻， 并利用车轮角减速度变化率作为控制门限。在确保车轮不抱死的情况下通过比较高附着路面及低附着路面上车轮减速度的峰值来确定保压门限。该方法主要应用于车辆防抱死控制策略，其辨识效果准确，实时性好，目前被广泛采用。但由于它的工作条件为较强烈的制动工况，因此在车辆驱动时不能发挥作用。2)基于路面温度的路面状态识别方法利用后向传播神经网络方法，通过采集空气及路面温度、空气湿度、当前时刻等，利用离线训练的方法得到路面类型。该方法有一定应用价值，但是由于其需要大量试验样本且实时性较差，因此在车辆自适应巡航控制工况下难以应用。3)基于轮胎模型和发动机输出扭矩估计的路面峰值附着系数估计方法通过预先设定轮胎模型结构，利用采集得到的发动机节气门开度和驱动轮转速，通过查询变速器档位信息得到发动机及飞轮转速，并通过查询发动机MAP图得到发动机输出扭矩；通过采集车轮角速度差分得到车轮角加速度后，利用驱动轮转动过程中力矩平衡原理计算得到轮胎受到的纵向力。车轮受到的垂直载荷可以通过车辆结构参数求得；驱动轮滑转率可以通过车辆轮速计算得到。通过车轮垂直载荷、滑转率和纵向力的关系，可以拟合得到轮胎参数， 从而实现对路面峰值附着系数的估计。这种方法物理意义明确，实时性好，可操作性强，是一种广泛应用的路面峰值附着系数估计方法。其不足在于要采集大量车身状态信号，成本高昂；且所有的估计都基于发动机输出扭矩估计与变速档位信息，对于没有档位信号反馈的情况不适用。且发动机MAP图测量成本高昂，制约了该方法的推广。上述列举的路面峰值附着系数估计方法各有优点和缺点。车辆ACC驱动工况路面峰值附着系数识别方法结合了上述方法的优点，从车辆动力学角度出发，考虑车辆加速过程中，相同质心加速度下驱动轮滑转率存在显著差异这个客观现象，仅通过采集车轮驱动轮及非驱动轮轮速及质心加速度，计算驱动轮滑转率、质心加速度及参考车速，并依据这三者间的关系进行路面峰值附着系数识别。
使用本发明的路面峰值附着系数估计方法，可以在驾驶员进行加速操作及ACC加速控制过程中迅速识别路面峰值附着系数，能为车辆自适应控制系统选择安全车距及控制策略提供参考。
发明内容
所述车辆ACC驱动工况路面峰值附着系数识别方法包括以下内容轮速及质心加速度采集及滤波；质心加速度-驱动轮稳态滑转率-路面峰值附着系数关系计算；由车速引起的空气阻力补偿；路面峰值附着系数初选及最终确定算法。由各车轮轮速传感器获得各车轮轮速信号；由加速度传感器获取车辆质心纵向加速度信号。在驾驶员不采取制动操作的过程中，取左后轮及右后轮轮速信号的平均值作为车辆的参考车速；对车辆参考车速及质心纵向加速度进行二维卡尔曼滤波，得到精确的参考车速和质心纵向加速度；利用左前、右前轮速信号和参考车速计算左前、右前车轮滑转率。根据车轮稳定性理论及发动机功率平衡理论计算分析车辆质心加速度-驱动轮滑转率-路面峰值附着系数内在联系并进行离线计算得到查询表。考虑空气阻力的影响， 假设车轮存在某一稳态滑转率，根据已知的车辆参数和所选的轮胎模型分别计算不同峰值附着系数路面、不同车速下该稳态滑转率下车辆的质心加速度。根据计算得到的左、右前轮滑转率及车身质心加速度，依据当前车身速度，利用查询表得到当前路面峰值附着系数。考虑到在ACC正常控制过程中，发动机节气门开度往往不大，因此驱动轮滑转率和加速度数值受到传感器测量噪声影响显著。在工程实际中，即使是滤波之后的加速度信号与滑转率信号也不可避免的存在噪声，因此仅依据单一时刻的路面识别结果就判定路面类型会带来极大的跳变，这样的判定结果即不准确也不可靠。因此采取“路面类型初步建立-预测-跟踪-路面类型突变后重建跟踪”的方法对计算获得的瞬时路面类型进行后处理，以得到最终判定的路面类型。每一时刻计算得到瞬时路面类型后， 与上一周期最终确定的路面类型进行比较，若此周期计算得到的瞬时路面类型与上一个周期相同，则将计算得到的瞬时路面类型确定为最终路面类型；若此周期计算得到的瞬时路面类型与上一个周期不同，则首先查询初估值与上一周期最终值不一致的次数，若小于阈值，则将不一致次数加一，并沿用上一周期路面识别类型；若大于阈值，则开始更新路面类型，并进行下一周期预测。若驾驶员未采取加速操作(如挂空档及制动等)，则不对路面类型进行更新，直接利用上一周期识别出的路面峰值附着系数作为本周期结果。从原理上本算法可以精确连续估计路面峰值附着系数，但是根据工程实际需要，主要对路面附着类型 (高附着、中附着及低附着)进行识别。
图1为ACC驱动工况路面峰值附着系数识别方法具体实施示意图。图2车辆质心加速度-驱动轮滑转率-路面峰值附着系数关系。图3最终路面类型确定算法。
具体实施方式
下面结合图1、图2及图3说明具体实施方式
。如图1所示，利用驱动过程中稳态驱动轮滑转率及车辆质心加速度的关系进行路面峰值附着系数识别是本方法的具体体现。利用二维卡尔曼滤波器得到参考车速与车辆质心纵向加速度是本识别方法的关键部分。首先取左后轮及右后轮轮速信号的平均值作为车辆的参考车速；对车辆参考车速及质心纵向加速度进行二维卡尔曼滤波，得到精确的参考车速和质心纵向加速度；利用左前、右前轮速信号和参考车速计算左前、右前车轮滑转率。 利用离线方法得到车辆质心加速度-驱动轮滑转率-路面峰值附着系数查询表，并依据车速、驱动轮滑转率和质心加速度得到初步的瞬时路面识别结果。由于车辆正常行驶过程中稳态滑转率数量级均为千分之一或百分之一，因此测量噪声对识别结果影响十分显著。为此采取“路面类型初步建立-预测-跟踪-路面类型突变后重建跟踪”方法得到最终路面类型，以提高识别精度。如图2所示，驾驶员正常驾驶情况下，当踩下加速踏板时，驱动轮滑转率一般不超过百分之三。在此滑转率范围内分别计算不同车速、不同路面峰值附着系数下车辆质心加速度的数值。相同滑转率下，高附着系数路面上车辆的加速度显著高于低附着路面滑转率， 且车速越高，车辆质心加速度越低。计算得到不同车速下滑转率、路面附着系数与车辆质心加速度的关系。如图3所示，当得到路面附着系数瞬时估计值后，准备建立最终路面附着系数估计值。若连续若干次路面附着系数瞬时估计值差别小于一定数值，则利用此瞬时估计值作为最终路面附着系数估计值，并开始路面附着系数跟踪过程；否则系统默认值路面附着系数为高附着。进入路面附着系数跟踪过程后，若当前周期得到的路面附着系数瞬时估计值与上一周期路面跟踪值小于一定数值，则利用当前路面附着系数瞬时估计值作为最终路面附着系数估计值；否则继续利用上一周期最终结果作为本周期最终路面附着系数估计值， 并将错误码次数计数加一。以上过程反复循环，若计数数值超过某一门限，则认为路面类型发生变化，准备重新建立路面估计值并进行路面类型跟踪。若加速度小于某一门限，则不对路面类型进行更新。
权利要求
1.一种ACC驱动工况下路面峰值附着系数的识别方法，其特征在于，本方法通过采集车辆驱动轮及非驱动轮轮速及质心加速度，经卡尔曼滤波后计算驱动轮滑转率、质心加速度及参考车速；并依据质心加速度、驱动轮滑转率及参考车速的关系进行路面峰值附着系数识别。
2.根据权利要求1所述的ACC驱动工况下路面峰值附着系数的识别方法，其特征是 在驾驶员没有进行制动操作时，利用采集得到的车辆从动轮转速和车辆质心加速度进行二维卡尔曼滤波，得到准确的质心加速度与参考车速。利用驱动轮轮速与参考车速计算当前驱动轮滑转率。
3.根据权利要求1所述的ACC驱动工况下路面峰值附着系数的识别方法，其特征是 利用车辆动力学特性离线获得不同速度下、不同驱动轮滑转率在不同峰值附着系数的路面上对应的车辆质心加速度，并由此建立查询表。通过计算得到的当前驱动轮滑转率、质心加速度及参考车辆查询当前瞬时路面峰值附着系数。
4.根据权利要求1所述的ACC工况下路面峰值附着系数的识别方法，其特征是得到瞬时路面峰值附着系数后，利用“路面类型初步建立-预测-跟踪-路面类型突变后重建跟踪”方法得到准确的路面峰值附着系数，并作为最终路面峰值附着系数估计值。
全文摘要
本发明公开一种车辆ACC驱动工况下路面峰值附着系数的识别方法；其技术领域为车辆自适应巡航控制系统。本方法通过采集驱动轮及非驱动轮轮速及质心加速度，计算驱动轮滑转率、质心加速度及参考车速，并进行路面峰值附着系数识别。利用质心加速度与非驱动轮轮速进行二维卡尔曼滤波得到准确的质心加速度与参考车速；利用车辆动力学特性离线获得各参考车速下不同驱动轮滑转率在不同峰值附着系数的路面上对应的车辆质心加速度。实时计算得到瞬时路面峰值附着系数后，利用“路面类型初步建立-预测-跟踪-路面类型突变后重建跟踪”方法得到准确的路面峰值附着系数。
文档编号B60W30/14GK102358288SQ20111026415
公开日2012年2月22日 申请日期2011年9月7日 优先权日2011年9月7日
发明者刘昭度, 叶阳, 李径亮, 裴晓飞, 马国成 申请人:北京理工大学