本发明涉及电动汽车的自动控制领域,特别是涉及一种汽车转向操纵特性的在线预测方法及系统。
背景技术:
名词解释:
kalman滤波器:卡尔曼滤波器,是一种用于时变线性系统的递归滤波器。这个系统可用包含正交状态变量的微分方程模型来描述,这种滤波器是将过去的测量估计误差合并到新的测量误差中来估计将来的误差。
eps传动比:方向盘角度与前轮转角的比例关系。
随着汽车技术的飞速发展,汽车智能化技术已经成为发展趋势之一。目前,汽车转向操纵特性估计对于开发智能驾驶辅助技术的发展具有十分重要的作用。目前已有的汽车转向操纵特性的预测方法主要是基于阿克曼运动学模型的简单预估,其缺点是对于汽车运动模型进行了极大简化,同时忽略汽车使用过程中运动特性发生变化以及路面状况变化情况。另外,还有采用标定的车辆计算参数建立动力学分析,或者采用试验统计分析的方法。总的来说,目前的这些对汽车转向操纵特性的预测方法或分析方法存在准确性低,没有考虑使用环境变化或时间推移导致的汽车转向操纵特性的变化等问题,稳定性差,难以有效预测汽车的转向操纵特性,导致其应用效果受到一定局限。
技术实现要素:
为了解决上述的技术问题,本发明的目的是提供一种汽车转向操纵特性的在线预测方法,本发明的另一目的是提供一种汽车转向操纵特性的在线预测系统。
本发明解决其技术问题所采用的技术方案是:
一种汽车转向操纵特性的在线预测方法,包括步骤:
采集汽车实时的方向盘角度值和电机转速,并根据采用kalman滤波器进行参数预测后的横摆角速度稳态响应方程计算出汽车下一时刻的预测的横摆角速度;
根据计算出的预测的横摆角速度,对汽车实现横摆角速度控制。
进一步,所述横摆角速度稳态响应方程的公式如下:
上式中,ω表示横摆角速度,k表示转向不足系数,α表示方向盘角度值,α0表示方向盘零偏角,l表示轴距,kθ表示eps传动比,u表示车辆前进速度;
其中,汽车的方向盘零偏角α0、轴距l、eps传动比kθ和转向不足系数k为横摆角速度稳态响应方程的计算参数。
进一步,所述横摆角速度稳态响应方程的计算参数是通过以下方式获得的:
采集汽车的运动数据和静态参数后,获得汽车对应的横摆角速度稳态响应方程的计算参数的初始值;
结合计算参数的初始值,采用kalman滤波器对横摆角速度稳态响应方程的计算参数进行预测。
进一步,所述采集汽车的运动数据和静态参数后,获得汽车对应的横摆角速度稳态响应方程的计算参数的初始值的步骤,包括:
采集汽车的方向盘角度值、电机转速以及横摆角速度,同时获取汽车的电机传动比、车轮半径以及方向盘零偏角、轴距和eps传动比的初始值;
根据电机传动比、车轮半径和采集的电机转速,计算获得汽车的车辆前进速度;
采用最小二乘法拟合获得汽车的转向不足系数的初始值。
进一步,所述采用最小二乘法拟合获得汽车的转向不足系数的初始值的步骤,具体为:
根据下式,采用最小二乘法拟合获得汽车的转向不足系数的初始值:
k=ukθ(α+α0)/ωu2-l/u2
上式中,k表示转向不足系数的初始值,α表示方向盘角度值的初始值,α0表示方向盘零偏角的初始值,l表示轴距的初始值,kθ表示eps传动比的初始值,u表示车辆前进速度,ω表示采集的横摆角速度。
进一步,所述结合计算参数的初始值,采用kalman滤波器对横摆角速度稳态响应方程的计算参数进行预测的步骤,具体为:
结合计算参数的初始值,对应建立kalman滤波器的状态方程和量测方程后,采用kalman滤波器对横摆角速度稳态响应方程的计算参数进行预测。
进一步,kalman滤波器的状态方程如下:
上式中,x表示状态值,xn表示x的当前状态,xn+1表示x的下一状态。
进一步,kalman滤波器的量测方程如下:
其中,zn+1表示下一状态xn+1的量测值。
本发明解决其技术问题所采用的另一技术方案是:
一种汽车转向操纵特性的在线预测系统,包括处理器和存储设备,所述存储设备存储有多条指令,所述指令由处理器加载并执行以下步骤:
采集汽车实时的方向盘角度值和电机转速,并根据采用kalman滤波器进行参数预测后的横摆角速度稳态响应方程计算出汽车下一时刻的预测的横摆角速度;
根据计算出的预测的横摆角速度,对汽车实现横摆角速度控制。
进一步,所述横摆角速度稳态响应方程的公式如下:
上式中,ω表示横摆角速度,k表示转向不足系数,α表示方向盘角度值,α0表示方向盘零偏角,l表示轴距,kθ表示eps传动比,u表示车辆前进速度;
其中,汽车的方向盘零偏角α0、轴距l、eps传动比kθ和转向不足系数k为横摆角速度稳态响应方程的计算参数。
本发明的有益效果是:本方法通过采用kalman滤波器对方向盘零偏角α0、轴距l、eps传动比kθ和转向不足系数k进行预测后,可以获得符合汽车运动性能的横摆角速度稳态响应方程,从而实现对汽车操纵特性的在线预测,通过本方法进行预测,可以考虑环境变化或者时间推移带来的变化,对汽车转向操纵特性的变化进行准确的预测,稳定性高,且准确度高。
本发明的另一有益效果是:本系统通过采用kalman滤波器对方向盘零偏角α0、轴距l、eps传动比kθ和转向不足系数k进行预测后,可以获得符合汽车运动性能的横摆角速度稳态响应方程,从而实现对汽车操纵特性的在线预测,通过本方法进行预测,可以考虑环境变化或者时间推移带来的变化,对汽车转向操纵特性的变化进行准确的预测,稳定性高,且准确度高。
具体实施方式
本发明提供了一种汽车转向操纵特性的在线预测方法,包括步骤:
采集汽车实时的方向盘角度值和电机转速,并根据采用kalman滤波器进行参数预测后的横摆角速度稳态响应方程计算出汽车下一时刻的预测的横摆角速度;
根据计算出的预测的横摆角速度,对汽车实现横摆角速度控制。
进一步作为优选的实施方式,所述横摆角速度稳态响应方程的公式如下:
上式中,ω表示横摆角速度,k表示转向不足系数,α表示方向盘角度值,α0表示方向盘零偏角,l表示轴距,kθ表示eps传动比,u表示车辆前进速度;
其中,汽车的方向盘零偏角α0、轴距l、eps传动比kθ和转向不足系数k为横摆角速度稳态响应方程的计算参数。
进一步作为优选的实施方式,所述横摆角速度稳态响应方程的计算参数是通过以下方式获得的:
采集汽车的运动数据和静态参数后,获得汽车对应的横摆角速度稳态响应方程的计算参数的初始值;
结合计算参数的初始值,采用kalman滤波器对横摆角速度稳态响应方程的计算参数进行预测。
进一步作为优选的实施方式,所述采集汽车的运动数据和静态参数后,获得汽车对应的横摆角速度稳态响应方程的计算参数的初始值的步骤,包括:
采集汽车的方向盘角度值、电机转速以及横摆角速度,同时获取汽车的电机传动比、车轮半径以及方向盘零偏角、轴距和eps传动比的初始值;
根据电机传动比、车轮半径和采集的电机转速,计算获得汽车的车辆前进速度;
采用最小二乘法拟合获得汽车的转向不足系数的初始值。
汽车的车辆前进速度u的计算公式为:u=motor_speed*n*r,其中motor_speed表示电机转速。n表示电机传动比,r表示车轮半径。
本实施例中,运动数据指车辆前进速度,通过电机转速计算获得,静态参数包括电机传动比n、车轮半径r、方向盘零偏角α0、轴距l和eps传动比kθ。电机转速通过电机转速传感器采集获得,横摆角速度通过惯性感测单元采集获得。
电机传动比n、车轮半径r是直接获取的汽车参数,方向盘零偏角α0是通过实际试验标定出来,具体做法是驾驶汽车沿一条直线行驶,记录下一定速度下(本方案里面采用的速度为2m/s)方向盘转角传感器采集的方向盘转角数据,进行统计求平均值,将获得的平均值作为方向盘零偏角α0。轴距l和eps传动比kθ是汽车的设计参数,可以直接获取或测量获得。
进一步作为优选的实施方式,所述采用最小二乘法拟合获得汽车的转向不足系数的初始值的步骤,具体为:
根据下式,采用最小二乘法拟合获得汽车的转向不足系数的初始值:
k=ukθ(α+α0)/ωu2-l/u2
上式中,k表示转向不足系数的初始值,α表示方向盘角度值的初始值,α0表示方向盘零偏角的初始值,l表示轴距的初始值,kθ表示eps传动比的初始值,u表示车辆前进速度,ω表示采集的横摆角速度。
转向不足系数k实际上是与汽车本身参数相关的,其关系为
进一步作为优选的实施方式,所述结合计算参数的初始值,采用kalman滤波器对横摆角速度稳态响应方程的计算参数进行预测的步骤,具体为:
结合计算参数的初始值,对应建立kalman滤波器的状态方程和量测方程后,采用kalman滤波器对横摆角速度稳态响应方程的计算参数进行预测,计算参数包括方向盘零偏角α0、轴距l、eps传动比kθ和转向不足系数k。
进一步作为优选的实施方式,kalman滤波器的状态方程如下:
上式中,x表示状态值,xn表示x的当前状态,xn+1表示x的下一状态。
进一步作为优选的实施方式,kalman滤波器的量测方程如下:
其中,zn+1表示下一状态xn+1的量测值。
构建kalman滤波器的状态方程和量测方程后,结合kalman滤波器本身特性中的时间更新方程和状态更新方程,可以进行预测获得横摆角速度稳态响应方程的计算参数。
本实施例通过采用kalman滤波器对方向盘零偏角α0、轴距l、eps传动比kθ和转向不足系数k进行预测后,可以获得符合汽车运动性能的横摆角速度稳态响应方程,因此,通过获取方向盘转角值就可以预测获得汽车的横摆角速度,反之,对横摆角速度稳态响应方程进行变换后,通过获取横摆角速度也可以预测获得汽车的方向盘转角值,从而实现对汽车操纵特性的在线预测,通过本方法进行预测,可以考虑环境变化或者时间推移带来的变化,对汽车转向操纵特性的变化进行准确的预测,稳定性高,且准确度高。
本发明还提供了一种汽车转向操纵特性的在线预测系统,用于执行前述的汽车转向操纵特性的在线预测方法,本系统包括处理器和存储设备,所述存储设备存储有多条指令,所述指令由处理器加载并执行以下步骤:
采集汽车实时的方向盘角度值和电机转速,并根据采用kalman滤波器进行参数预测后的横摆角速度稳态响应方程计算出汽车下一时刻的预测的横摆角速度;
根据计算出的预测的横摆角速度,对汽车实现横摆角速度控制。
进一步作为优选的实施方式,所述横摆角速度稳态响应方程的公式如下:
上式中,ω表示横摆角速度,k表示转向不足系数,α表示方向盘角度值,α0表示方向盘零偏角,l表示轴距,kθ表示eps传动比,u表示车辆前进速度;
其中,汽车的方向盘零偏角α0、轴距l、eps传动比kθ和转向不足系数k为横摆角速度稳态响应方程的计算参数。
进一步作为优选的实施方式,所述横摆角速度稳态响应方程的计算参数是通过以下方式获得的:
采集汽车的运动数据和静态参数后,获得汽车对应的横摆角速度稳态响应方程的计算参数的初始值;
结合计算参数的初始值,采用kalman滤波器对横摆角速度稳态响应方程的计算参数进行预测。
进一步作为优选的实施方式,所述采集汽车的运动数据和静态参数后,获得汽车对应的横摆角速度稳态响应方程的计算参数的初始值的步骤,包括:
采集汽车的方向盘角度值、电机转速以及横摆角速度,同时获取汽车的电机传动比、车轮半径以及方向盘零偏角、轴距和eps传动比的初始值;
根据电机传动比、车轮半径和采集的电机转速,计算获得汽车的车辆前进速度;
采用最小二乘法拟合获得汽车的转向不足系数的初始值。
进一步作为优选的实施方式,所述采用最小二乘法拟合获得汽车的转向不足系数的初始值的步骤,具体为:
根据下式,采用最小二乘法拟合获得汽车的转向不足系数的初始值:
k=ukθ(α+α0)/ωu2-l/u2
上式中,k表示转向不足系数的初始值,α表示方向盘角度值的初始值,α0表示方向盘零偏角的初始值,l表示轴距的初始值,kθ表示eps传动比的初始值,u表示车辆前进速度,ω表示采集的横摆角速度。
进一步作为优选的实施方式,所述结合计算参数的初始值,采用kalman滤波器对横摆角速度稳态响应方程的计算参数进行预测的步骤,具体为:
结合计算参数的初始值,对应建立kalman滤波器的状态方程和量测方程后,采用kalman滤波器对横摆角速度稳态响应方程的计算参数进行预测。
进一步作为优选的实施方式,kalman滤波器的状态方程如下:
上式中,x表示状态值,xn表示x的当前状态,xn+1表示x的下一状态。
进一步,kalman滤波器的量测方程如下:
其中,zn+1表示下一状态xn+1的量测值。
以上是对本发明的较佳实施进行了具体说明,但本发明创造并不限于所述实施例,熟悉本领域的技术人员在不违背本发明精神的前提下还可做出种种的等同变形或替换,这些等同的变型或替换均包含在本申请权利要求所限定的范围内。