一种基于多源信息融合的ECAS车架高度扰动消除方法与流程

本发明涉及测控领域，具体涉及一种基于多源信息融合的ecas车架高度扰动消除方法。

背景技术：

随着汽车产业的发展，ecas系统逐渐推广到各类汽车上，可以用于缓震、荷载平衡和防侧翻。ecas系统通过高度传感器检测车架高度的变化进而控制气囊充放气完成对车架的悬挂控制。传统的ecas系统采用一个或者多个高度传感器来直接检测车架高度，如专利文献cn203157644u提供一种提高车辆在紧急躲避障碍物、转弯等时车辆操纵稳定性和安全性的汽车ecas控制装置，其采用左空气弹簧高度传感器和右空气弹簧高度传感器来检测车架高度。

但车辆高度检测具有诸多难点：第一，ecas系统气囊具有缓震特性，易引起车架高度小幅震荡；第二，汽车在颠簸的路面如在减速带行驶时，车架会发生高度突变；第三，高度传感器存在测量误差。直接采用高度传感器的测量数据存在较大误差，易造成ecas系统误动作或者频繁动作，增大系统能耗并降低系统性能。

技术实现要素：

本发明针对ecas系统车架高度震荡、突变和测量误差，提出了一种基于多源信息融合的ecas车架高度扰动消除方法；本发明可以实现ecas系统车架高度震荡扰动、突变扰动和测量误差的消除。

本发明采用的技术方案如下：一种基于多源信息融合的ecas车架高度扰动消除方法，该方法包括如下步骤：

步骤一，以一定采样周期，通过ecas系统单个气囊处的n个高度传感器同时采集车架高度，得到n个原始高度数据，n>1；

步骤二，步骤一采集的每个原始高度数据均经过卡尔曼滤波器滤波处理得到平滑高度数据及协方差阵，进而保存到滤波数据存储器，同时发往故障隔离开关，故障隔离开关初始状态为连通状态；

步骤三，以一定检测周期对滤波数据存储器中的平滑高度数据进行故障数据判断，具体为：提取平滑高度数据的特征向量f，基于k近邻距离进行故障判断，如果存在故障则发送开关断开指令到故障隔离开关进行故障数据隔离，否则发送开关连通指令到故障隔离开关，使得卡尔曼滤波器滤波后的平滑高度数据及协方差阵能够经故障隔离开关到达主滤波器；

步骤四，主滤波器以所述采样周期，利用卡尔曼滤波器输出的协方差阵，基于全局最优估计，对所述平滑高度数据进行数据融合，并保存新的融合数据至融合数据存储器；

步骤五，自适应中值滤波器以所述采样周期，对融合数据存储器中的数据进行自适应中值滤波，得到消除扰动后的车架高度数据。

进一步地，单个气囊处的若干高度传感器为同种类的一个或多个高度传感器或不同种类的高度传感器，包括但不限于相位式激光测距传感器、超声波传感器、毫米波雷达传感器等高度传感器。

进一步地，所述滤波数据存储器长度固定，即为所述检测周期内采集的高度数据长度；所述滤波数据存储器满后，新数据加入前删除最旧的数据。

进一步地，所述故障隔离开关为虚拟开关，包括n个数据入口，1个连通/断开指令入口和n个数据出口。

进一步地，所述基于全局最优估计的数据融合公式为：

其中，为融合后的高度数据，pi为第i个卡尔曼滤波器输出的未被隔离的协方差阵，表示未被隔离的平滑高度数据，p^g公式为：

p^g＝(∑pi^-1)^-1

进一步地，所述融合数据存储器长度固定，即为所述自适应中值滤波器最长的滤波窗口数据长度dmax；所述融合数据存储器满后，新数据加入前删除最旧的数据。

进一步地，所述自适应中值滤波器的滤波窗口长度dmf由时间最近的多个融合数据的一阶差分数据均值和系数θ决定，公式为：

其中，dmax为最长滤波窗口长度，dmin为最短滤波窗口长度。

进一步地，所述滤波数据存储器内数据的特征向量f包括不同长度滚动窗的均值、标准差、最大值、最小值、一阶差分均值、一阶差分均值变化率等统计量的一种或多种，滚动窗口的步长固定。

进一步地，所述k近邻距离的距离函数包括但不限于欧氏距离(euclideandistance)、马氏距离(mahalanobisdistance)、曼哈顿距离(manhattandistance)等。

进一步地，当滤波数据存储器内某一数据特征向量f的k近邻距离大于设定的阈值时，认定滤波数据存储器内数据为故障数据。

本发明的有益效果是：本发明减小了ecas系统气囊缓震特性引起的车架高度小幅震荡；另外滤除了汽车在颠簸的路面如在减速带行驶时引发的高度突变；减小了高度传感器存在测量误差。进而防止造成ecas系统误动作或者频繁动作，防止增大系统能耗。

附图说明

图1是本发明的高度扰动消除方法框图；

图2是图1的卡尔曼滤波器组的单个卡尔曼滤波器流程图；

图3是图1的故障检测模块的流程图；

图4是本发明的自适应中值滤波器效果图。

具体实施方式

下面结合附图对本发明作进一步的说明。

如图1所示，本发明方法在ecas车架高度扰动消除系统上实现，该系统包括高度数据采集模块101、卡尔曼滤波器组102、故障隔离开关103、主滤波器104、融合数据存储器105、自适应中值滤波器106、滤波数据存储器107和故障检测模块108。该方法主要包括以下步骤：

步骤一，以一定采样周期(可以设置为1ms)，通过ecas系统单个气囊处的高度数据采集模块101采集车架高度，高度数据采集模块101可以采用n个高度传感器，得到n个原始高度数据，n>1，可以取4；

步骤二，步骤一采集的每个原始高度数据均经过卡尔曼滤波器组102中的一个卡尔曼滤波器滤波处理得到平滑高度数据及协方差阵，进而平滑高度数据保存到滤波数据存储器107，同时平滑高度数据及协方差阵发往故障隔离开关103，故障隔离开关103初始状态为连通状态；

步骤三，故障检测模块108以一定检测周期(可以取500ms)对滤波数据存储器107中的平滑高度数据进行故障数据判断，具体为：提取平滑高度数据的特征向量f，基于k近邻距离进行故障判断，如果存在故障则发送开关断开指令到故障隔离开关103进行故障数据隔离，否则发送开关连通指令到故障隔离开关103，使得卡尔曼滤波器组102滤波后的平滑高度数据及协方差阵能够经故障隔离开关103到达主滤波器104；

步骤四，主滤波器104以所述采样周期，利用卡尔曼滤波器组102输出的协方差阵，基于全局最优估计，对所述平滑高度数据进行数据融合，公式为：

其中，为融合后的高度数据，pi为第i个卡尔曼滤波器输出的未被隔离的协方差阵，表示未被隔离的平滑高度数据，p^g公式为：

p^g＝(∑pi^-1)^-1

然后，保存新的融合数据存储至融合数据存储器105。

步骤五，自适应中值滤波器106以所述采样周期，对融合数据存储器105中的数据进行自适应中值滤波，得到消除扰动后的车架高度数据。自适应中值滤波器的最长滤波窗口长度dmax可以为100，最短滤波窗口长度dmin可以为5。自适应中值滤波器的滤波窗口长度dmf由时间最近的多个(可以取10个)融合数据的一阶差分数据均值和系数θ决定，公式为：

表示向上取整数。以一阶差分数据均值单位是厘米为例，系数θ可以为5。

如图2所示，本发明的卡尔曼滤波器分为初始化参数1021和循环更新估计值1022两个步骤。

步骤1021，初始化参数。初始参数包括初始高度数据估计值初始估计误差协方差阵p(0)、系统矩阵a、传感器测量扰动方差r1、外界扰动方差r2。

步骤1022，以一定采样周期进行循环更新估计值。首先，获取新的高度数据x(k)；然后，计算得到增益阵k^*(k)，公式为，

k^*(k)＝ap(k-1)[p(k-1)+r2]^-1

其中，p(k-1)为上一个循环的估计误差协方差阵；再更新高度估计值公式为，

最后，更新得到高度估计误差协方差阵p(k)，公式为，

p(k)＝[a-k^*(k)]p(k-1)a^t+r1

初始高度数据估计值可以取气囊平均高度，可以取20厘米；初始估计误差协方差阵p(0)可以取0.02；系统矩阵a可以取常数1；扰动方差r1可以取0.02；外界扰动方差r2可以取0.1。

如图3所示，故障检测模块108一定周期启动一次，进而检测故障数据并进行隔离。所述检测周期可以取500ms。步骤包括：

步骤1081，读取滤波数据存储器107内所述n组平滑高度数据；

步骤1082，选择一定数据长度的窗口，一般可以取10、50、100、200、500，不大于检测周期内的总数据长度；

步骤1083，对所述n组平滑高度数据以一定的步长单独进行滑动窗口处理，得到滑动窗口内的特征向量，包括均值、标准差、最大值、最小值、一阶差分均值、一阶差分均值变化率，存储为特征向量。如n组平滑高度数据的长度为500，即500个数据，窗口长度为200，步长10，则第一步计算第1至200个平滑高度数据的特征向量；第二步，窗口滑动到第11至211个平滑高度数据(即步长10)，同样进行平滑高度数据的特征向量提取；以此类推；

步骤1084，如果先前已得到特征向量，则将步骤1083和先前的特征向量连接，得到n组总特征向量fi，i表示第i组平滑高度数据，即对应第i个传感器；

步骤1085，判断是否继续获取不同数据长度窗口下的特征向量，如果是，则继续从步骤二开始运行；如果否，则运行步骤1086；

步骤1086，以一定距离函数计算每组特征向量的k近邻距离。首先计算该组特征向量和其他的特征向量之间的距离；然后，k近邻距离为距离最小的前k个平方和的开方。距离函数包括但不限于欧氏距离、马氏距离、曼哈顿距离。

步骤1087，分别判断n组特征向量的k近邻距离是否小于设定的阈值，如果小于，则不隔离对应的平滑高度数据；否则，隔离对应的平滑高度数据，即步骤1088。以特征向量包括均值、一阶差分均值，单位厘米为例，阈值可以取10。

如图4所示，自适应中值滤波器106对融合高度数据(虚线)进行滤波，得到较为稳定的高度数据(实线)。卡尔曼滤波器和主滤波器实现多个传感器数据的滤波和融合，起到较好的测量误差扰动消除作用，而ecas系统车架高度震荡扰动(图4中t0-t1)和突变扰动(图4中t2-t3，如汽车路过减速带)可通过自适应中值滤波器106实现消除。

本发明减小了ecas系统气囊缓震特性引起的车架高度小幅震荡；另外滤除了汽车在颠簸的路面如在减速带行驶时引发的高度突变；减小了高度传感器存在测量误差。进而防止造成ecas系统误动作或者频繁动作，防止增大系统能耗。

应当理解的是，本公开并不局限于上面已经描述并在附图中体现的精确结构，并且可以在不脱离其范围进行各种修改。本公开的范围仅由所附的权利要求来限制。