专利名称：一种基于改进扩展卡尔曼滤波的车辆运行状态估计方法
技术领域：
本发明涉及一种基于改进扩展卡尔曼滤波的车辆运行状态估计方法，其目的在于利用改进的扩展卡尔曼滤波方法对汽车动力学过程进行适当的建模，获得汽车在较高机动运行状况下的车辆运行状态，这些状态可用于汽车主动安全的相关控制，具有精度高、成本低、实时性好等显著优点，属于汽车主动安全测量及控制领域。
背景技术：
随着社会经济的发展，道路交通安全问题日益突出，并已成为全球性难题。全世界每年因交通事故都会造成大量的人员伤亡和财产损失，世界各国都在努力降低交通事故的发生。近年来，汽车主动安全技术得到了迅速的发展。汽车主动安全技术能够防患于未然， 主动避免事故的发生，已成为现代汽车最主要的发展方向之一。目前常见的主动安全技术主要包括防抱死制动系统(ABS)，车辆电子稳定程序(ESP)，牵引力控制系统(TCS)，电控驱动防滑系统(ASR)，四轮转向稳定控制系统(4們)等。这些系统通常涉及汽车轮胎的速度、 汽车的纵向前进速度、侧向速度、横摆角速度以及质心侧偏角等运行状态的测量或估计，而这些运行状态的测量可用于后续的汽车主动安全控制，因此其精度直接关系汽车的行驶安全性与稳定性，即上述主动安全控制系统能否有效工作在很大程度上依赖于车辆运行状态能否被实时、准确的测量或估计。目前，在汽车主动安全领域，车辆运动状态主要通过三种方法来测量或估计。一是利用低成本的车载传感器(如惯性传感器和轮速传感器等)，对其测量的信号进行简单的数学推算来获取有关车辆运行状态，这种方法成本低，但由于低成本传感器精度较差且推算处理过于简单而存在较大的测量误差，因而影响了控制效果。二是利用高精度的传感器对有关车辆运行状态进行直接测量(如利用光电五轮仪或高精度的全球导航卫星系统 GNSS，尤其是高精度全球定位系统GPS等)，这种方法精度高但价格昂贵，无法大范围推广应用。第三种方法是模型法，即通过对汽车的运行过程进行运动学或动力学建模，同时将有关低成本的车载传感器(如轮速传感器、陀螺仪、加速度计以及GPS等)信息作为观测信息，进而利用适当的滤波估计算法实现对汽车运行状态的估计。第三种方法(即模型法) 可实现对难于直测量的估计，扩大状态估计的维数，还可提高有关直测量的精度，同时成本较低。但目前已提出的模型法主要是基于汽车的运动学模型或者对整车或轮胎做了较多线性化假定的动力学模型，这些模型在车辆较平稳运行时能获得较好的估计效果和精度，但在较高机动运行状况下由于难于反映车辆的实际非线性动力学行为导致估计精度较低。
发明内容
为在较高机动工况下实现对车辆运行状态的准确、可靠估计，本发明提出了一种基于改进扩展卡尔曼滤波的车辆运行状态估计方法。本发明提出的方法针对汽车的较高机动运行状况来确定更接近实际的非线性整车动力学模型和轮胎纵向力模型，同时充分利用低成本的车载轮速和方向盘转角传感器信息来建立滤波系统的外部输入量和观测量，进而通过改进的扩展卡尔曼滤波递推算法实现对汽车纵向前进速度、横摆角速度、侧向速度以及质心侧偏角等车辆运行状态的滤波估计，具有精度高、成本低、实时性好等特点。一种基于改进扩展卡尔曼滤波的车辆运行状态估计方法，本发明针对目前应用较多的前轮转向四轮汽车，为满足汽车主动安全控制对车辆运行状态的测量与估计需要，建立适用于较高机动运行工况的非线性整车动力学模型和轮胎纵向力模型，同时充分利用低成本的车载轮速和方向盘转角传感器信息来确定建立滤波系统的外部输入量和观测量，在此基础上，通过提出的改进扩展卡尔曼滤波递推算法来实现对汽车纵向前进速度、横摆角速度、侧向速度以及质心侧偏角等信息的准确滤波估计；具体步骤包括1)建立扩展卡尔曼滤波的状态方程和观测方程建立三自由度的汽车非线性动力学模型，即建立扩展卡尔曼滤波过程的系统状态方程，离散化后的卡尔曼滤波的状态方程的矩阵形式表示为X(k) = f(X(k-l),U(k-l),ff(k-l), y(k-l))(1)式中，k表示离散化时刻；系统状态向量为X= X2 X3]'且 X1 = vx，& = ωζ，知=Vy，即 χ = [Vx ωζ Vy]' 、 ωζ分别是汽车的纵向前进速度、侧向速度和横摆角速度，本发明中上角标' 表示对矩阵转置；系统外输入向量为U = [U1 U2 U3]‘且屮=δ f, u2 = Ftf，U3 = Ftr,即 U = [ 5f Ftf Ftr]'，5,是前轮转向角，Ftf是作用在单个前轮上的纵向力，？&是作用在单个后轮上的纵向力；ff(k-l)表示零均值的系统高斯白噪声向量且W= [W1 W2 W3]'，其中巧、《2及％分别表示三个系统高斯白噪声分量；γ (k-i)表示系统外输入对应的零均值高斯白噪声向量且γ =^fv，其中、、及、分别表示直测或估计的系统外输入δ f、Ftf及&对应的零均值高斯白噪声， 这些白噪声隐含在系统状态函数f的三个系统外输入里面；非线性的系统状态函数向量为
权利要求
1. 一种基于改进扩展卡尔曼滤波的车辆运行状态估计方法，其特征在于本方法是针对前轮转向四轮汽车，建立非线性整车动力学模型和轮胎纵向力模型，同时利用车载轮速和方向盘转角传感器信息来确定建立滤波系统的外部输入量和观测量，然后通过提出的改进扩展卡尔曼滤波递推算法来实现对汽车纵向前进速度、横摆角速度、侧向速度和质心侧偏角信息的估计；所述滤波系统是扩展卡尔曼滤波系统，下述系统是指扩展卡尔曼滤波系统；具体步骤包括1)建立扩展卡尔曼滤波的状态方程和观测方程建立三自由度的汽车非线性动力学模型，即建立扩展卡尔曼滤波的系统状态方程，离散化后的卡尔曼滤波的状态方程的矩阵形式表示为X (k) = f (X (k-1)，U (k-1)，W (k-1)，Y (k-1))(1)式⑴中，k表示离散化时刻；系统状态向量为 X = [X1 X2 X3]'且 X1 = vx, X2 = ωζ,χ3 = Vy，即 X = [νχ ω z Vy]‘， \、、及ωζ分别是汽车的纵向前进速度、侧向速度和横摆角速度，本发明中上角标'表示对矩阵转置；系统外输入向量为 U = [U1 U2 U3]‘且 U1 = δ f, u2 = Ftf，U3 = Ftr，BP U = [ δ f Ftf Ftr]'，δ ,是前轮转向角，Ftf是作用在单个前轮上的纵向力，Fte是作用在单个后轮上的纵向力；w(k-l)表示零均值的系统高斯白噪声向量且W= [W1 W2 W3]'，其中Wl、W2及W3分别表示三个系统高斯白噪声分量；Y (k-1)表示系统外输入对应的零均值高斯白噪声向量且γ = ^Ftf WiJ'，其中 、、及、分别表示直测或估计的系统外输入Sf、Ftf及&对应的零均值高斯白噪声，这些白噪声隐含在系统状态函数f的三个系统外输入里面；非线性的系统状态函数向量为
2.根据权利要求1所述的基于改进扩展卡尔曼滤波的车辆运行状态估计方法，其特征是离散的周期T的典型值为10毫秒、20毫秒、50毫秒或100毫秒。
3.根据权利要求1所述的基于改进扩展卡尔曼滤波的车辆运行状态估计方法，其特征是所述步骤1)中，式(1)中，扩展卡尔曼滤波系统的系统外输入的前轮转向角Sf，是通过方向盘转角传感器测得的方向盘转角δ除以从方向盘到前轮的转向传动比(^来确定；而轮胎纵向力Ftf 和Fte，是根据DugofT非线性轮胎模型来确定；用isj(j = f，r)表示车辆纵向滑移率，即又可分为前轮轴纵向滑移率isf和后轮轴纵向滑移率iOT，下角标j取或r，f或r分别表示前或后轮轴，iSJ计算方法为
全文摘要
一种基于改进扩展卡尔曼滤波的车辆运行状态估计方法，利用改进的扩展卡尔曼滤波算法对汽车动力学过程进行适当的建模，获得汽车在较高机动运行状况下的纵向前进速度、横摆角速度、侧向速度以及质心侧偏角等运行状态信息，这些信息可用于汽车主动安全的相关控制，本发明方法具有精度高、成本低、实时性好等特点。
文档编号B60W40/10GK102556075SQ20111041965
公开日2012年7月11日 申请日期2011年12月15日 优先权日2011年12月15日
发明者李旭, 陈伟 申请人:东南大学