专利名称：重型半挂车状态估计方法
技术领域：
本发明涉及一种汽车状态估计方法，更具体地说，本发明涉及一种应用于重型半挂车辆状态估计方法。
背景技术：
随着计算机技术及智能化信息处理技术的发展，越来越多的汽车电子技术应运而生，并不断应用于现代汽车底盘控制系统中，对于减少驾驶员操作负担、提高汽车主动安全性能、降低汽车污染物排放等方面，起到了积极的促进作用。特别是对于公路运输的主体重型半挂车，这种作用尤为明显。这些重型半挂车电子控制系统的实现，主要是依据重型半挂车的参数以及实际运动状态等信息来决策相应的控制逻辑和算法，于是获取准确的重型半挂车运动状态参数就成为了这些系统实现控制目标的关键。这些状态参数虽然均可用传感器直接测量，但必须依赖价格昂贵的特殊设备或传感器，且需要特定的安装固定方式，并不适于配置在实际产品中。因此，从节约成本和实际应用的角度看，必须在不增加车辆开发成本的前提下，使用汽车常用或者已装备的传感器提供的信息，为重型半挂车电控系统提供准确的车辆状态参数。因此，汽车多传感器信息融合技术应运而生。目前，使用在车辆上的传感器信息融合技术可分为两类第一类是基于状态观测器技术而发展的汽车状态估计方法；第二类是基于卡尔曼滤波技术汽车状态参数估计方法。这其中，第二类方法在国外应用更为广泛，国内也有一定程度的研究。但是，这些研究和应用目前仅限于单车的状态估计，而对于系统更为复杂的重型半挂车辆的运动状态，国内外尚无简便易行的估计方法。
发明内容
本发明所要解决的技术问题是，在不增加重型半挂车固有传感器、不提高车辆开发成本的前提下，提供一种能够估计包括牵引车及半挂车侧倾角、牵引车及半挂车质心侧偏角、牵引车及半挂车横摆角速度等重型半挂车运动重要状态参数，为重型半挂车电控系统提供准确的状态参数的系统和方法。为解决上述技术问题，本发明使用用于测量车辆转向角的转向角信号的转向角传感器、用于测量各车轮轮速信号的轮速传感器、用于测量牵引车及半挂车纵向加速度的纵向加速度传感器、用于测量牵引车及半挂车侧向加速度的侧向加速度传感器。以上传感器均为汽车底盘电控系统常用传感器。所述系统包括用于滤去传感器噪声、剔除传感器信号野点的传感器前置滤波模块；用于车速计算对轮速信号、纵向加速度信号作出响应的车速计算模块；用于估计重型半挂车状态参数真值的基于模型的无轨卡尔曼滤波(UKF)估计器；用于存储车辆状态估计值，并为下一时刻计算提供前一时刻状态值的重型半挂车状态存储器模块。其中，基于模型的UKF估计器包括两个组成部分用于重型半挂车状态时间更新的重型半挂车动力学模型；用于状态测量更新的UKF算法模块。
本发明所述的方法是采用如下技术方案实现，所述的应用于重型半挂车的状态估计方法包括如下步骤
I.由车轮处的轮速传感器测出牵引车及半挂车各个车轮轮速；
2.由方向盘处的转角传感器测出方向盘转角；
3.由牵引车及半挂车质心处的纵向加速度传感器测出牵引车及半挂车的纵向加速度；
4.由牵引车及半挂车质心处的侧向加速度传感器测出牵引车及半挂车的侧向加速度；
5.将所有传感器信息输入到传感器前置滤波模块中，对各传感器信息进行低通滤波与野点剔除；
6.根据牵引车及半挂车车轮轮速和牵引车及半挂车车体纵向加速度计算车辆纵向车速;
7.将车速信息、纵向加速度信息、方向盘转角信息传输给基于模型的UKF估计器;
8.车辆状态估计器将接收到的车速信息、纵向加速度信息、方向盘转角信息，以及
由重型半挂车状态存储器输出的前一时刻车辆状态，输入给状态估计器内嵌的五自由度重型半挂车动力学模型，计算出重型半挂车当前状态，即进行时间更新；9.将由动力学模型计算得到的状态参数传给状态估计器中的UKF算法模块，根据与传感器测量的侧向加速度值比较，对动力学模型计算得到的车辆状态值进行修正，得到重型半挂车状态真值，即进行测量更新。10.将基于模型的UKF估计器得到的重型半挂车状态值输出给重型半挂车状态存储器，为下一时刻的状态估计作准备。其中，以上技术方案中所述的基于模型的UKF状态估计器中重型半挂车动力学模型的时间更新过程包括如下步骤I.将由传感器前置滤波模块去噪与剔除野点后得到的传感器信息，如纵向加速度信息、方向盘转角信息、侧向加速度信息，和由车速计算模块计算得到的车速信息，传输给重型半挂车动力学模型的运动学解算模块；2.运动学解算模块根据输入的传感器信息和计算得到的车速信息计算轮胎侧偏角，并将其传输给轮胎力查询模块；3.同时，将车辆纵向加速度、侧向加速度信息传输给垂向力计算模块，计算重型半挂车各轮的垂直载荷变化情况，得到垂直载荷的实时值，并将其传输给轮胎力查询模块；4.轮胎力查询模块根据当前的轮胎侧偏角，以及垂直载荷计算模块得到的各车轮实时载荷信息，查询预先标定的轮胎侧向力表，得到各车轮处受到的轮胎侧向力，并传输给车体动力学模块；5.车体动力学模块根据当前车辆的受力情况，即由轮胎力查询模块得到的轮胎侧向力当前值，和由状态存储器输出的前一时刻的车辆运动状态，解算车辆动力学微分方程， 得到车辆当前的运动状态(牵引车及半挂车侧倾角、牵引车及半挂车质心侧偏角、牵引车及半挂车横摆角速度等)。
下面结合附图对本发明作进一步的说明图I是本发明所述的应用于重型半挂车状态估计方法中所涉及的系统结构流程图；图2是本发明所述的应用于重型半挂车状态估计方法中所涉及的重型半挂车模型结构图；图3是本发明所述的应用于重型半挂车状态估计方法中所涉及的重型半挂车模型中的轮胎力查询模块3内预先保存的轮胎侧向力(Fy)随垂直载荷(Fz)和轮胎侧偏角 U)变化的关系曲线示意图；图4是本发明所述的应用于重型半挂车状态估计方法中所涉及的重型半挂车模型横摆平面图；图5是本发明所述的应用于重型半挂车状态估计方法中所涉及的重型半挂车模型侧倾平面图(以牵引车为例)。
具体实施例方式下面结合附图对本发明作详细的描述本发明涉及的是重型半挂车的状态估计方法。由于重型半挂车系统本身更为复杂，半挂车与牵引车之间耦合运动强烈，因此掌握其状态信息的对于日益增多的汽车底盘电控系统来说更为重要。本发明仅使用汽车底盘电控系统常用传感器设备，对重型半挂车的轮速信息，纵向加速度信息、侧向加速度信息和方向盘转角信息进行测量，将由轮速信息和纵向加速度信息得到的车速估算值，以及其他传感器信息传递给基于模型的UKF状态估计器，进行状态参数的时间更新和状态更新，得到状态参数的估计值。参阅图1，图I是表示本发明所述的重型半挂车状态估计方法的系统结构流程图。 该系统包括以下几个组成部分传感器前置滤波模块1，车速计算模块2，基于模型的UKF状态估计器3，以及重型半挂车状态存储器6。其中，基于UKF的状态估计器3包括两个组成部分，即重型半挂车动力学模型模块4和UKF算法模块5。该系统工作时，首先将轮速传感器测量的各车轮轮速信号、纵向加速度传感器测量的牵引车及半挂车纵向加速度信号、方向盘转角传感器测量的方向盘转角信号、以及侧向加速度传感器测量的侧向加速度信号，传输给传感器前置滤波模块I。该滤波模块内置低通滤波器，能够去除传感器信号中的高频噪声和野点，以保证输入给其他各计算模块的信息准确性。由于低通滤波器技术为本领域内技术人员所公知，所以这里不再进一步详细描述。在其他一些技术文件中，该模块还包含有移除惯性传感器中偏置的作用，常用方法有递推最小二乘法(RLS)等；由于本发明中所设计的基于模型的UKF状态估计器3具有滤去测量噪声和系统噪声的作用，所以本发明重点传感器前置滤波模块I仅包含有去除高频噪声和野点作用的滤波器，移除测量噪声和系统噪声的工作由基于UKF的状态估计器来完成。由传感器前置滤波模块I输出的传感器信号输出给其他各模块车轮轮速信号和纵向加速度信号传输给车速计算模块2 ;方向盘转角信号传输给基于模型的UKF状态估计器3中的重型半挂车动力学模型模块4 ;侧向加速度信号传输给基于模型的UKF状态估计器3中的UKF算法模块5。车速计算模块2根据输入的车轮轮速信号和纵向加速度信号，计算出牵引车和半挂车的当前车速，并将车速信息传递给重型半挂车动力学模型模块4。本发明中车速计算模块所使用的车速计算方法为常用的轮速估计与纵向加速度修正方法。该方法通过对轮速权重系数和加速度权重系数的调整，综合计算车速。该方法的计算公式为
权利要求
1.一种应用于重型半挂车状态估计方法，所述的重型半挂车状态估计方法步骤为1)由车轮处的轮速传感器测出牵引车及半挂车各车轮轮速；2)由方向盘处的转角传感器测出方向盘转角；3)由牵引车及半挂车质心处的纵向加速度传感器测出牵引车及半挂车的纵向加速度；4)由牵引车及半挂车质心处的侧向加速度传感器测出牵引车及半挂车的侧向加速度；5)将所有传感器信息输入到传感器前置滤波模块中，对各传感器信息进行低通滤波与野点剔除；6)根据牵弓I车及半挂车车轮轮速和牵引车及半挂车车体纵向加速度计算车辆纵向车速；7)将车速信息、纵向加速度信息、方向盘转角信息传给基于模型的UKF状态估计器；8)UKF状态估计器将接收到的车速信息、纵向加速度信息、方向盘转角信息，以及由重型半挂车状态存储器输出的前一时刻车辆状态，输入给UKF状态估计器内嵌的五自由度重型半挂车动力学模型，计算出重型半挂车当前状态，即进行时间更新；9)将由动力学模型计算得到的状态参数传给UKF状态估计器中的UKF算法模块，根据与传感器测量的侧向加速度值比较，对动力学模型计算得到的车辆状态值进行修正，得到重型半挂车状态真值，即进行测量更新。10)将基于模型的UKF状态估计器得到的重型半挂车状态值输出给重型半挂车状态存储器，为下一时刻的状态估计做准备。
2.如权利要求I所述的重型半挂车状态估计方法，该方法所使用的系统包括以下几个组成部分传感器前置滤波模块，用于去除传感器信号的高频噪声和剔除信号野点；车速计算模块，用于使用重型半挂车的各车轮轮速信息，计算牵引车和半挂车的纵向车速；基于模型的无轨卡尔曼滤波(UKF)状态估计器，用于估计重型半挂车的重要状态参数的真值，如车体侧倾角、质心侧偏角、横摆角速度等物理量；并且该状态估计器包括两个组成部分，分别为用于状态估计时间更新的重型半挂车动力学模型模块，和由于状态估计测量更新的UKF算法模块；重型半挂车状态存储器6，用于存储重型半挂车状态参数当前时刻真值，并且，为下一时刻估计状态参数时，提供前一时刻的状态参数。
3.如权利要求I所述的重型半挂车状态估计方法，该方法中用于状态估计器时间更新的重型半挂车模型模块，使用包含五个自由度的重型半挂车动力学模型。
4.如权利要求3所述的重型半挂车状态估计方法，该方法采用的重型半挂车动力学模型，计算车辆状态的过程，及时间更新的步骤为1)将由传感器前置滤波模块去噪与剔除野点后得到的传感器信息，如纵向加速度信息、方向盘转角信息、侧向加速度信息，和由车速计算模块计算得到的车速信息，传给重型半挂车动力学模型的运动学解算模块；2)运动学解算模块根据输入的传感器信息和计算得到的车速信息计算轮胎侧偏角，并将其传给轮胎力查询模块；3)同时，将车辆纵向加速度、侧向加速度信息传给垂向力计算模块，计算重型半挂车各轮的垂直载荷变化情况，得到垂直载荷的实时值，并将其传给轮胎力查询模块；4)轮胎力查询模块根据当前的轮胎侧偏角，以及垂直载荷计算模块得到的各车轮实时载荷信息，查询预先标定的轮胎侧向力表，得到各车轮处受到的轮胎侧向力，并传给车体动力学模块；5)车体动力学模块根据当前车辆的受力情况，即由轮胎力查询模块得到的轮胎侧向力当前值，和由状态存储器输出的前一时刻的车辆运动状态，解算车辆动力学微分方程，得到车辆当前的运动状态。
5.如权利要求4所述的重型半挂车状态估计方法，该方法所获得车辆当前的运动状态为牵引车及半挂车侧倾角、牵引车及半挂车质心侧偏角、牵引车及半挂车横摆角速度。
全文摘要
本发明公开了一种能够估计包括牵引车及半挂车侧倾角、牵引车及半挂车质心侧偏角、牵引车及半挂车横摆角速度等重型半挂车运动重要状态参数，为重型半挂车电控系统提供准确的状态参数的系统和方法。该状态估计方法的步骤为由车轮处的轮速传感器测出牵引车及半挂车各车轮轮速；由方向盘处的转角传感器测出方向盘转角；由牵引车及半挂车质心处的纵/侧向加速度传感器测出牵引车及半挂车的纵/侧向加速度；根据车轮轮速和纵向加速度计算车辆纵向车速；基于五自由度重型半挂车动力学模型的UKF状态估计器进行基于模型的时间更新和基于UKF算法的测量更新，得到状态真值；将重型半挂车状态真值输出给重型半挂车状态存储器，为下一时刻的状态估计做准备。
文档编号B60W40/12GK102582626SQ201210033800
公开日2012年7月18日 申请日期2012年2月16日 优先权日2012年2月16日
发明者何磊, 卜未琦, 宗长富, 张不扬, 王化吉, 聂枝根, 赵伟强, 赵汉卿, 郑宏宇, 麦莉 申请人:吉林大学