考虑复杂激励条件的车辆路面附着系数自适应估计方法与流程

本发明涉及汽车控制领域，尤其是涉及一种考虑复杂激励条件的车辆路面附着系数自适应估计方法。

背景技术：

车辆路面峰值附着系数是实现汽车精确车辆高品质运动控制的关键参数，现有的方法是基于单一方向的轮胎力激励条件下构建状态观测器，这种方法在激励不满足时无法准确估计，而且当轮胎力产生纵侧耦合时，轮胎模型会产生失真，估计器具有估计收敛缓慢、鲁棒性不高的特点。因此，如何综合利用纵侧向轮胎激励力的路面识别方法将会是今后研究的难点与重点。

技术实现要素：

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种考虑复杂激励条件的车辆路面附着系数自适应估计方法。

本发明的目的可以通过以下技术方案来实现：

一种考虑复杂激励条件的车辆路面附着系数自适应估计方法，包括下列步骤：

1)根据整车的单轮动力学模型设计估计器，并估计纵向轮胎力和纵向激励下路面峰值附着系数；

2)基于整车二自由度运动学模型设计估计器，并估计轮胎回正力矩和侧向力激励下路面峰值附着系数；

3)通过车辆状态参数判断车辆满足的激励条件，模糊推理出当前纵侧向轮胎力所能达到的极限，并据此设计融合观测器进行估计结果融合。

所述的步骤1)中，整车的单轮动力学模型具体为：

其中，ω为车轮角速度，为车轮角加速度，r为车轮半径，tm为作用在车轮上的驱/制动力矩，fz为车轮受到的垂向载荷，iw为车轮的转动惯量，λ为车轮滑移率，vx为车轮中心处的纵向速度，μx(θx,λ)为基于轮胎模型获得当前轮胎对地面的利用附着系数。

所述的轮胎模型的表达式为：

其中，θ为路面峰值附着系数，即μ-λ曲线最高点的对应路面的峰值附着系数，，c1为轮胎的纵滑刚度，即μ-λ曲线在原点处的斜率，c2、c3、c4分别为路面峰值附着系数与滑移率的曲线下降段控制参数。

所述的步骤1)中，估计纵向轮胎力和纵向激励下路面峰值附着系数的表达式为：

其中：为轮胎纵向力的估计值，为基于路面附着系数估计值和滑移率计算得到的利用附着系数，k为纵向力估计器增益，为根据当前的纵向力和滑动率在轮胎模型描述的曲线上计算得到的路面峰值附着系数，为纵向激励下路面峰值附着系数的估计值，γ为路面附着系数估计器增益，y为中间变量，为y对时间的导数，为对时间的导数。

所述的步骤2)中，整车二自由度运动学模型具体为：

其中，δ为前轮转角，lf和lr分别为前后车轮中心到质心的距离，v0为车辆的纵向车速，β为车辆的质心侧偏角，αf和αr分别为前后车轮的侧偏角，r为车轮半径。

所述的步骤2)中，估计轮胎回正力矩和侧向力激励下路面峰值附着系数的表达式为：

其中，α为车轮侧偏角，δw为方向盘转角，is(δw)为助力电机到主销处的力矩转动比，im(δw)为方向盘到主销处的力矩转动比，mm为施加在方向盘的力矩，ms为助力电机力矩，a和b为拟合参数，mk为拟合总回正力矩，为根据车轮垂向载荷和侧偏角计算得到的回正力矩估计值，fz为车轮受到的垂向载荷，为车辆的侧向加速度估计值，ay为车辆的侧向加速度实际值，k1和k2为估计器增益，为侧向力激励下路面峰值附着系数估计值，为对时间的导数。

所述的步骤3)具体包括如下步骤：

31)车辆激励状态模糊推理；

32)进行复杂激励下的路面峰值附着系数自适应估计。

所述的步骤31)具体为：

输入隶属度函数以滑动率参考λ/cλ和侧偏角参考α/cα作为输入量，其中，cλ和cα为轮胎特性进入非线性区的突变点，将其作为达到峰值附着系数对应的滑动率和侧偏角，并以不同估计器的作为输出量，设置输入量和输出量的论域均为[0,1]，并对论域按照小、中、大进行模糊隶属度划分相应的区间。

所述的步骤32)中，进行复杂激励下的路面峰值附着系数自适应估计的表达式为：

其中，为车轮纵向滑动程度的表征值，为车轮侧偏程度的表征值，为路面峰值附着系数估计值。

与现有技术相比，本发明具有以下优点：

1、本发明设计的路面附着系数估计算法在复杂激励力作用下，能通过实时判断轮胎的纵向滑动和侧偏状态，对轮胎模型做自适应调整，从而保证估计稳定收敛不发散。

2、本发明设计的路面附着系数估计算法能在同时观测轮胎的纵向滑动和侧偏状态的基础上，据此做置信判别，融合估计结果，因此具有较好的实时性，而现有的估计算法只能利用其中某一种激励力。

3、本发明设计的路面附着系数估计算法在转向初始阶段就能依据回正力矩即可实现路面快速、准确估计。

附图说明

图1为本发明的方法流程框图。

图2为实施例中单轮动力学模型示意图。

图3为实施例中整车二自由度运动学模型示意图。

图4为实施例中回正力矩估计示意图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。

实施例

下面结合附图和具体实施例对本发明进行详细说明。显然，所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应属于本发明保护的范围。

实施例

如图1所示，本发明提供一种考虑复杂激励条件的车辆路面附着系数自适应估计方法，包括如下步骤：

步骤一、基于单轮动力学模型设计估计器，估计纵向轮胎力和纵向激励下路面峰值附着系数。具体过程包括：

1.1、建立整车的单轮动力学模型。

首先获取车轮角速度和车轮滑移率：

其中，ω为车轮角速度，r为车轮半径，tm为作用在车轮上的驱/制动力矩，fz为车轮受到的垂向载荷，iω为车轮的转动惯量，λ为车轮滑移率，vx为车轮中心处的纵向速度，μx(θx,λ)为基于轮胎模型获得当前轮胎对地面的利用附着系数；

然后，轮胎模型的表达式为：

其中，θ为路面峰值附着系数，即μ-λ曲线最高点的对应路面的峰值附着系数，λ为车轮滑移率，c1为轮胎的纵滑刚度，即μ-λ曲线在原点处的斜率，c2、c3、c4分别为路面峰值附着系数与滑移率的曲线下降段控制参数。

1.2、纵向轮胎力和纵向激励下路面峰值附着系数估计算法的表达式为：

其中：为轮胎纵向力的估计，为基于路面附着系数估计值和滑移率计算的利用附着系数，k为纵向力估计器增益，为根据当前的纵向力和滑动率通过数值计算的方法在轮胎模型描述的曲线上计算得到的路面峰值附着系数，为纵向激励下路面峰值附着系数的估计值，γ为路面附着系数估计器增益。

步骤二、基于整车二自由度运动学模型设计估计器，估计轮胎回正力矩和侧向力激励下路面峰值附着系数。具体过程包括：

2.1、建立整车二自由度运动学模型。

获取车轮侧偏角：

其中，δ为前轮转角，lf和lr分别为前后车轮中心到质心的距离，v0为车辆的纵向车速，β为车辆的质心侧偏角，αf和αr分别为前后车轮的侧偏角。

2.2、纵向轮胎力和纵向激励下路面峰值附着系数估计算法。

表达式为：

其中：为轮胎纵向力的估计，为基于路面附着系数估计值和滑移率计算的利用附着系数，k为纵向力估计器增益，为根据当前的纵向力和滑动率通过数值计算的方法在轮胎模型描述的曲线上计算得到的路面峰值附着系数，为纵向激励下路面峰值附着系数的估计值，γ为路面附着系数估计器增益。

步骤三、通过车辆状态参数判断车辆满足的激励条件，模糊推理出当前纵侧向轮胎力所能达到的极限，并据此设计融合观测器进行估计结果融合。具体过程包括：

3.1、车辆激励状态模糊推理。

输入隶属度函数以滑动率参考λ/cλ和侧偏角参考α/cα作为输入量，其中cλ和cα为轮胎特性进入非线性区的突变点，可以认为是达到峰值附着系数对应的滑动率和侧偏角，这两项依据通过数值计算实时得出；对不同估计器的作为输出量。设置输入量和输出量的论域均为[0,1]，并对论域按照s、m、b(对应小、中、大)进行模糊隶属度划分相应的区间。

3.2、复杂激励下的路面峰值附着系数自适应估计算法。

表达式为：

本发明的硬件设备要求传感器包括gps、惯性元件、方向盘转角和转矩传感器，使用量产的电动汽车整车控制器进行数据采样，实现步骤一和步骤二设计的算法的在线估计。步骤三设计的模糊逻辑以查询表的方式烧录在控制器中，获取最终的融合估计结果。

本实施例中参数说明：

上标^表示估计值，上标·表示一阶导数，下标x表示纵向，下标y表示侧向。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的工作人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。