一种基于重心高度在线估计的车辆侧翻指数预测方法与流程

本发明属于车辆工程领域，具体涉及车辆重心的在线实时估计以及在此基础之上的侧翻指数预测方法。

背景技术：

在所有交通事故中，车辆侧翻是一种极其危险的恶性交通事故，常常会带来严重的后果。重心高度的在线估计对开发有效的侧翻指数预测方法意义重大。通过对重心高度的在线估计可以直接获得车辆的动态侧翻预警指数。目前常用的重心估计方法，如卡尔曼滤波和最小二乘法存在的主要问题是除了侧向加速度和侧倾角信号外，还需要侧倾角速度和侧倾角加速度等高阶信号，使得估计结果容易受噪声干扰的影响，估计效果不理想。此外，多数现存的侧翻指数预测方法都假定重心高度为一恒定的常值，导致侧翻预警指数不准确，甚至失效。

技术实现要素：

为了克服已有侧翻指数预测方法的可靠性较差、实时性较差的不足，本发明提供一种可靠性高、实时性好、需测信号少、成本较低、具有较好的普适性的基于重心高度在线估计的车辆侧翻指数预测方法。

本发明解决其技术问题所采用的技术方案是：

一种基于重心高度在线估计的车辆侧翻指数预测方法，所述预测方法包括以下过程：首先，根据动力学基本理论建立车辆侧倾动力学模型；接着，借用自适应滤波理论得到有关重心高度的参数辨识模型，该参数辨识模型只需要侧向加速度和相对侧倾角传感器信号作为输入；针对参数辨识模型通过设计滤波矩阵提出一种由参数误差信息驱动的自适应率，实现重心高度的在线实时自适应估计；最后，根据横向载荷转移率基本公式，得到一种基于重心高度在线估计的侧翻指数预测方法。

进一步，所述预测方法包括以下步骤：

step1、根据动力学基本原理可以得到车辆侧倾动力学方程如下：

其中，jxeq＝jxx+mh²表示等效侧倾转动惯量，jxx表示侧倾转动惯量，m为车辆质量，h为重心高度，c为侧倾阻尼，k为侧倾刚度，a为侧向加速度，g为重力加速度常数，φs,分别为簧载质量侧倾角、侧倾角速度和侧倾角加速度，φu,分别为非簧载质量侧倾角、侧倾角速度；

step2、将step1中的车辆侧倾动力学方程写成一般参数辨识的形式：

z＝ψρ

其中，z＝acosφs+gsinφs,ρ＝[ρ1,ρ2,ρ3]^t,

step3、在step2中的参数辨识方程两边同时进行滤波操作：

其中，ρ＝[ρ1,ρ2,ρ3]^t,2阶稳定滤波器λ(s)＝s²+λ1s+λ2，λ1＞0,λ2＞0，s为拉普拉斯算子；

step4、定义辅助变量g(t),h(t),l(t)如下：

其中，t表示时间，l为滤波常数；

由上述定义得到包含参数误差信息的变量进一步得针对step3中的参数辨识方程设计的由参数误差驱动的在线自适应更新率：

其中，p表示自适应在线学习增益；

step5、由step3中的参数辨识方程和step4中的在线自适应更新率，通过传感器测量得到侧向加速度、簧载质量侧倾角和非簧载质量侧倾角信号作为辨识算法的输入量，得到ρ的参数估计值由等式方程组得重心高度的估计值，同时获得侧倾阻尼和侧倾刚度的估计值；当时，由等式来求解重心高度h时，会存在两个不同的数值解，从车辆稳定性角度考虑，取较大的数值解作为此时的重心高度，确保车辆安全稳定行驶；当时，通过使p＝0停止更新的值，此时的重心高度将保持上一时刻的值；

step6、根据横向载荷转移率基本公式其中-1≤i≤1；假设簧载质量的侧倾主要由侧向加速度引起，则得到车辆动态侧翻预测指标在由step1-step5实时求得重心高度h后，将其带入动态侧翻指标中，实现基于重心高度在线估计的车辆侧翻指数的预测。

本发明的有益效果主要表现在：重心高度的估计只需要侧向加速度和侧倾角传感器信号，避免了侧倾角速度和侧倾角加速度高阶信号的使用，从而有效的降低了噪声干扰对估计精度的影响。此外，通过在线重心高度实时估计来设计侧翻指数预测方法，从而取代基于恒定重心高度的侧翻指数预测方法，大大提高了侧翻预警系统的准确性。

附图说明

图1为本发明所提出的用于构建车辆侧倾动力学模型的系统示意图；

图2为本发明所提出的基于重心高度在线估计的车辆侧翻指数预测方法流程图；

图3为本发明应用于实际例子中的转角阶跃输入信号；

图4为本发明应用于实际例子中对重心高度的实时估计结果；

图5为本发明应用于实际例子中对侧翻指标的估计结果。

具体实施方式

下面结合附图对本发明作进一步描述。

参照图1～图5，一种基于重心高度在线估计的车辆侧翻指数预测方法，首先，根据动力学基本理论建立车辆侧倾动力学模型；接着，借用自适应滤波理论得到有关重心高度的参数辨识模型，该参数辨识模型只需要侧向加速度和相对侧倾角传感器信号作为输入，避免了难以直接获得的侧倾角速度和侧倾角加速度高阶信号，以降低测量误差和干扰带来的影响；针对参数辨识模型通过设计滤波矩阵提出一种由参数误差信息驱动的自适应率，实现重心高度的在线实时自适应估计；最后，根据横向载荷转移率基本公式，得到一种基于重心高度在线估计的侧翻指数预测方法。

所述方法是依次按照以下步骤实现：

step1、根据动力学基本原理可以得到车辆侧倾动力学方程如下：

其中，jxeq＝jxx+mh²表示等效侧倾转动惯量，jxx表示侧倾转动惯量，m为车辆质量，h为重心高度，c为侧倾阻尼，k为侧倾刚度，a为侧向加速度，g为重力加速度常数，φs,分别为簧载质量侧倾角、侧倾角速度和侧倾角加速度，φu,分别为非簧载质量侧倾角、侧倾角速度。

step2、进一步可以将step1中的车辆侧倾动力学方程写成一般参数辨识的形式：

z＝ψρ

其中，z＝acosφs+gsinφs,ρ＝[ρ1,ρ2,ρ3]^t,

step3、在step2中的参数辨识方程两边同时进行滤波操作：

其中，ρ＝[ρ1,ρ2,ρ3]^t,2阶稳定滤波器λ(s)＝s²+λ1s+λ2，λ1＞0,λ2＞0，s为拉普拉斯算子。

step4、定义辅助变量g(t),h(t),l(t)如下：

其中，t表示时间，l为滤波常数。

由上述定义可得到包含参数误差信息的变量进一步可得针对step3中的参数辨识方程设计的由参数误差驱动的在线自适应更新率：

其中，p表示自适应在线学习增益。

step5、由step3中的参数辨识方程和step4中的在线自适应更新率，通过传感器测量得到侧向加速度、簧载质量侧倾角和非簧载质量侧倾角信号作为辨识算法的输入量，可以得到ρ的参数估计值由等式方程组可得重心高度的估计值，同时可获得侧倾阻尼和侧倾刚度的估计值。需要指出的是，当时，由等式来求解重心高度h时，会存在两个不同的数值解，从车辆稳定性角度考虑，取较大的数值解作为此时的重心高度，确保车辆安全稳定行驶。当时，通过使p＝0停止更新的值，此时的重心高度将保持上一时刻的值。

step6、根据横向载荷转移率基本公式其中-1≤i≤1。假设簧载质量的侧倾主要由侧向加速度引起，则可以得到车辆动态侧翻预测指标在由step1-step5实时求得重心高度h后，将其带入动态侧翻指标中，可以得到于重心高度在线估计的车辆侧翻指数预测方法。其中，t为轮距。

利用所提一种基于重心高度在线估计的车辆侧翻指数预测方法对一中型长途客车进行估计，所述方法的具体步骤如下：

step1、由动力学基本原理可以得到车辆侧倾动力学方程如下：

其中，jxeq＝jxx+mh²表示等效侧倾转动惯量，侧倾转动惯量jxx＝7695.6kg·m²，簧载质量m＝6360kg，参考重心高度h＝1m，重力加速度常数g＝9.8kg·m^-2，a为侧向加速度，侧倾阻尼c＝15.91knms/rad，侧倾刚度k＝303.77knm/rad，φs,分别为簧载质量侧倾角、侧倾角速度和侧倾角加速度，φu,分别为簧载质量侧倾角、侧倾角速度。

step2、进一步可以将step1中的车辆侧倾动力学方程写成一般参数辨识的形式：

z＝ψρ

其中，z＝acosφs+gsinφs,ρ＝[ρ1,ρ2,ρ3]^t,

step3、在step2中的参数辨识方程两边同时进行滤波操作：

其中，ρ＝[ρ1,ρ2,ρ3]^t,2阶稳定滤波器λ(s)＝s²+λ1s+λ2，λ1＝4,λ2＝5，s为拉普拉斯算子。

step4、定义辅助变量g(t),h(t),l(t)如下：

其中，t表示时间，滤波常数l＝10。

由上述定义可得到包含参数误差信息的变量进一步可得针对step3中的参数辨识方程设计的由参数误差驱动的在线自适应更新率：

其中，p＝diag[2000,2020]表示自适应在线学习增益。

step5、选用纵向速度为60km/h,转角为阶跃输入的行驶工况，得到侧向加速度、簧载质量侧倾角和非簧载质量侧倾角信号作为辨识算法的输入量，由step3中的参数辨识方程和step4中的在线自适应更新率，可以得到ρ的参数估计值由等式方程组可得重心高度的估计值，同时可获得侧倾阻尼和侧倾刚度的估计值。需要指出的是，当时，由等式来求解重心高度h时，会存在两个不同的数值解，从车辆稳定性角度考虑，取较大的数值解作为此时的重心高度，确保车辆安全稳定行驶。当时，通过使p＝0停止更新的值，此时的重心高度将保持上一时刻的值。

step6、根据横向载荷转移率基本公式其中-1≤i≤1。假设簧载质量的侧倾主要由侧向加速度引起，则可以得到车辆动态侧翻预测指标在由step1-step5实时求得重心高度h后，将其带入动态侧翻指标中，可以得到于重心高度在线估计的车辆侧翻指数预测方法。其中，t为轮距。

根据上述步骤，可得该实例运行结果如图4和图5所示。