分布式四驱电动车动力学控制的纵向车速估算方法与流程

本发明涉及一种新的分布式四驱电动车动力学控制的自适应纵向速度观测器，尤其涉及一种分布式四驱电动车动力学控制的纵向速度估算方法。

背景技术：

在分布式四驱电动车动力学控制系统中，纵向车速的准确性与实时性直接影响整个动力学控制的最终效果。目前还没有一种能直接测量车辆纵向速度的简单，经济，适用而又可靠的方法。用GPS定位仪来测量汽车质心绝对速度，其实时性和准确性都不能满足控制的要求。用光学原理来测量汽车质心相对于路面的运动又对天气，道路状况，使用环境太敏感。因此，只能采用间接测量和数学模型相结合的方法来估算汽车纵向速度。近几年，许多学者提出了许多用于分布式动力学控制系统的车辆纵向速度的估算方法，从公开发表的文献来看，主要存在以下问题：估算方法过于理想化，难以实际应用；采用了复杂的估算方法，仅适合于仿真，难以在单片机上运行，不满足实时性要求；实时性达到要求，但估算精度又不足。

因此有必要寻找一种既能够避开以上缺点又能较为准确、实时地估算车辆纵向速度的方法。

技术实现要素：

本发明目的是提供一种用于分布式四驱电动车动力学控制的纵向车速估算方法，其针对上述现有技术中存在的缺陷，从实时性和准确性两方面入手，基于目前广泛应用的车用传感器而设计的。

本发明解决技术问题采用如下技术方案：一种用于分布式四驱电动车动力学控制的纵向车速估算方法，其包括以下步骤：

S10、所述车辆参考车速粗略估算模块根据电机转速和轮速估算自由滚动轮速；利用横摆角速度和方向盘转角信号将4个自由滚动轮速转换为车辆质心处速度；利用车辆质心处速度计算车辆参考车速粗略值；

S20、所述的车身减速粗略值估算模块利用电机扭矩、制动压力、电机转速或者轮速、横摆角速度和方向盘转角信号估算车身减速粗略值；

S30、所述的卡尔曼滤波模块利用稳态卡尔曼滤波器对步骤S10和S20所计算的参考车速粗略值和车身减速粗略值进行滤波，估算并输出参考车速和车身减速度。

可选的，采用下式计算自由滚动轮速v_free,i：

$v_{free,i}=\frac{v_{w,i}\·C_{\mathrm{\λ},i}}{C_{\mathrm{\λ},i}-{\mathrm{\μ}}_i}---\left(1\right)$

$C_{\mathrm{\λ},i}=\frac{{\mathrm{\μ}}_i}{{\mathrm{\λ}}_{w,i}}---\left(2\right)$

式中，v_w,i为轮速，C_λ,i为轮胎刚度，λ_w,i为车轮滑移率，μ_i附着系数，i＝1,2,3,4。

可选的，通过下式计算车辆质心处速度v_x,i，i＝1,2,3,4：

$v_{x,1}=\frac{v_{free,1}-\stackrel{\·}{\mathrm{\ψ}}\·l_a\·{\mathrm{sin\δ}}_f}{{\mathrm{cos\δ}}_f}-\stackrel{\·}{\mathrm{\ψ}}\·\frac{t_w}{2}-v_y\·{\mathrm{tan\δ}}_f---\left(3\right)$

$v_{x,2}=\frac{v_{free,2}-\stackrel{\·}{\mathrm{\ψ}}\·l_a\·{\mathrm{sin\δ}}_f}{{\mathrm{cos\δ}}_f}-\stackrel{\·}{\mathrm{\ψ}}\·\frac{t_w}{2}-v_y\·{\mathrm{tan\δ}}_f---\left(4\right)$

$v_{x,3}=v_{free,3}-\stackrel{\·}{\mathrm{\ψ}}\·\frac{t_w}{2}---\left(5\right)$

$v_{x,4}=v_{free,4}+\stackrel{\·}{\mathrm{\ψ}}\·\frac{t_w}{2}---\left(6\right)$

式中，为横摆角速度，δ_f为方向盘转角，t_w为轮距，l_a为质心到前轴距离，v_y为侧向车速。

可选的，利用车辆质心处速度计算车辆参考车速粗略值v_{x_raw}通过下式实现：

$v_{x\_raw}=\underset{i=0}{\overset{3}{\Σ}}(k_i\·v_{x,i})/\underset{i=0}{\overset{3}{\Σ}}{k}_i$

式中，k_i为车轮稳定性因子。

可选的，所述车身减速粗略值可以采用下式计算：

${\hat{a}}_{x\_raw}=\frac{1}{m}\[(F_{x,1}+F_{x,2}){\mathrm{cos\δ}}_f+{\mathrm{\Δsin\δ}}_f+F_{x,3}+F_{x,4}+F_{wind}\]---\left(8\right)$

$F_{x,i}=\frac{1}{r_{w,i}}\[\frac{J_{w,i}}{r_{w,i}}\{a_{w,i}+{\mathrm{\ζ}}_1(v_{w,i}-{\hat{v}}_{w,i})\}+T_{b,i}-T_{d,i}\]---\left(9\right)$

$\mathrm{\Δ}=\frac{-(F_{x,1}+F_{x,2})\·(l_a+l_b){\mathrm{sin\δ}}_f+(F_{x,1}-F_{x,2})\·{\mathrm{cos\δ}}_f\·l_b+(F_{x,3}-F_{x,4})\·\frac{t_w}{2}-J_z\·\stackrel{\·\·}{\mathrm{\ψ}}-m\·{\stackrel{\·}{v}}_y\·l_b-m\·v_x\·\stackrel{\·}{\mathrm{\ψ}}\·l_b}{(l_a+l_b)\·{\mathrm{cos\δ}}_f}---\left(10\right)$

式中，m为整车质量；F_wind为风阻；F_x,i为车轮纵向力，i＝1,2,3,4；r_w,i为车轮半径；T_b,i为制动力；T_d,i为驱动力，J_z为车辆绕z轴的转动惯量，l_b为质心到后轴距离；J_w,i为车轮转动惯量，i＝1,2,3,4；a_w,i为车轮的加速度，i＝1,2,3,4；ζ₁为估算因子，通过查表法获得；为估算轮速，i＝1,2,3,4；为横摆角加速度；为侧向车加速度；v_x为车辆的前进方向的速度。

本发明具有如下有益效果：

1.本发明设置有纵向车速估算系统，其包括电机扭矩、电机转速、轮速、制动压力、横摆角速度和方向盘转角信号、车辆参考车速粗略估算模块、车身减速粗略值估算模块和卡尔曼滤波模块；与现有技术相比，本发明所建立的分布式电动车动力学控制的纵向车速估算方法实时性好运算速度快，不但适用于分布式四驱电动车纵向车速的实时估算而且稍作修改后也适用于其他车辆的纵向车速估算。

2.本发明中的自由滚动轮速转换为车辆质心处速度的转换方式为本发明所特有，实际应用表明该转换能显著提高计算精度。

3.轮胎侧向力的准确估算是目前技术难点，本发明中的车身减速度粗略值估算公式利用了车轮纵向力来间接估算车轮侧向力，避免了轮胎侧向力的直接估算，提高了系统的计算精度。

附图说明

图1为本发明的纵向车速估算系统的结构示意图；

具体实施方式

下面结合实施例及附图对本发明的技术方案作进一步阐述。

实施例1

本实施例提供了一种用于分布式四驱电动车动力学控制的纵向车速估算方法，其通过纵向车速估算系统实现，所述纵向车速估算系统包括：车辆参考车速粗略估算模块、车身减速粗略值估算模块和卡尔曼滤波模块；并包括以下步骤：

S10、所述车辆参考车速粗略估算模块根据电机转速和轮速估算自由滚动轮速；利用横摆角速度和方向盘转角信号将4个自由滚动轮速转换为车辆质心处速度；利用车辆质心处速度计算车辆参考车速粗略值；

本实施例中，可以采用下式计算自由滚动轮速v_free,i：

$v_{free,i}=\frac{v_{w,i}\·C_{\mathrm{\λ},i}}{C_{\mathrm{\λ},i}-{\mathrm{\μ}}_i}---\left(1\right)$

$C_{\mathrm{\λ},i}=\frac{{\mathrm{\μ}}_i}{{\mathrm{\λ}}_{w,i}}---\left(2\right)$

式中，v_w,i为轮速，其可由分布式电机的转速计算得到，即通过电机转速乘以减速器速比乘以车轮半径计算得到，C_λ,i为轮胎刚度，λ_w,i为车轮滑移率，μ_i附着系数，i＝1,2,3,4；当i为1时，表示左前轮；当i为2时，表示右前轮；当i为3时，表示左后轮；当i为4时，表示右后轮；下同。

并且通过下式计算车辆质心处速度v_x,i，i＝1,2,3,4：

$v_{x,1}=\frac{v_{free,1}-\stackrel{\·}{\mathrm{\ψ}}\·l_a\·{\mathrm{sin\δ}}_f}{{\mathrm{cos\δ}}_f}-\stackrel{\·}{\mathrm{\ψ}}\·\frac{t_w}{2}-v_y\·{\mathrm{tan\δ}}_f---\left(3\right)$

$v_{x,2}=\frac{v_{free,2}-\stackrel{\·}{\mathrm{\ψ}}\·l_a\·{\mathrm{sin\δ}}_f}{{\mathrm{cos\δ}}_f}-\stackrel{\·}{\mathrm{\ψ}}\·\frac{t_w}{2}-v_y\·{\mathrm{tan\δ}}_f---\left(4\right)$

$v_{x,3}=v_{free,3}-\stackrel{\·}{\mathrm{\ψ}}\·\frac{t_w}{2}---\left(5\right)$

$v_{x,4}=v_{free,4}+\stackrel{\·}{\mathrm{\ψ}}\·\frac{t_w}{2}---\left(6\right)$

式中，为横摆角速度，δ_f为方向盘转角，t_w为轮距，l_a为质心到前轴距离，v_y为侧向车速；

本实施例中，利用车辆质心处速度计算车辆参考车速粗略值v_{x_raw}可以通过下式实现：

$v_{x\_raw}=\underset{i=0}{\overset{3}{\Σ}}(k_i\·v_{x,i})/\underset{i=0}{\overset{3}{\Σ}}{k}_i$

式中，k_i为车轮稳定性因子。

S20、所述的车身减速粗略值估算模块利用电机扭矩、制动压力、电机转速或者轮速、横摆角速度和方向盘转角信号估算车身减速粗略值；

本实施例中，所述车身减速粗略值可以采用下式计算：

${\hat{a}}_{x\_raw}=\frac{1}{m}\[(F_{x,1}+F_{x,2}){\mathrm{cos\δ}}_f+{\mathrm{\Δsin\δ}}_f+F_{x,3}+F_{x,4}+F_{wind}\]---\left(8\right)$

$F_{x,i}=\frac{1}{r_{w,i}}\[\frac{J_{w,i}}{r_{w,i}}\{a_{w,i}+{\mathrm{\ζ}}_1(v_{w,i}-{\hat{v}}_{w,i})\}+T_{b,i}-T_{d,i}\]---\left(9\right)$

$\mathrm{\Δ}=\frac{-(F_{x,1}+F_{x,2})\·(l_a+l_b){\mathrm{sin\δ}}_f+(F_{x,1}-F_{x,2})\·{\mathrm{cos\δ}}_f\·l_b+(F_{x,3}-F_{x,4})\·\frac{t_w}{2}-J_z\·\stackrel{\·\·}{\mathrm{\ψ}}-m\·{\stackrel{\·}{v}}_y\·l_b-m\·v_x\·\stackrel{\·}{\mathrm{\ψ}}\·l_b}{(l_a+l_b)\·{\mathrm{cos\δ}}_f}---\left(10\right)$

式中，m为整车质量；F_wind为风阻；F_x,i为车轮纵向力，i＝1,2,3,4；r_w,i为车轮半径；T_b,i为制动力；T_d,i为驱动力，J_z为车辆绕z轴的转动惯量，l_b为质心到后轴距离；J_w,i为车轮转动惯量，i＝1,2,3,4；a_w,i为车轮的加速度，i＝1,2,3,4；ζ₁为估算因子，通过查表法获得；为估算轮速，i＝1,2,3,4；为横摆角加速度；为侧向车加速度；v_x为车辆的前进方向的速度。

S30、所述的卡尔曼滤波模块利用稳态卡尔曼滤波器对步骤S10和S20所计算的参考车速粗略值和车身减速粗略值进行滤波，估算并输出参考车速和车身减速度。

所述卡尔曼滤波可以通过下述迭代实现：

${\hat{X}}_{n+1}=(\mathrm{\Φ}-K_{f}H){\hat{X}}_n+K_f{y}_n;$

式中，

以上实施例的先后顺序仅为便于描述，不代表实施例的优劣。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。