[发明专利]一种基于观测器信息迭代的车辆状态融合估计方法

权利要求书

1.一种基于观测器信息迭代的车辆状态融合估计方法，其特征在于，包括如下步骤：

车辆模型建立：包括建立三自由度车辆动力学模型、轮胎模型以及车辆运动学模型，

所述车辆模型建立中三自由度车辆动力学模型动力学方程为：

式中，v_x为纵向车速，v_y为侧向车速，γ为横摆角速度，m为汽车质量，F_xj和F_yj,j＝1，2，3，4，分别为轮胎的纵向力和侧向力，δ为前轮转角，I_z为绕z轴的转动惯量，l_f为质心距前轴的距离，l_r为质心距后轴的距离，b_f为前轮距的1/2，b_r为后轮距的1/2；

所述车辆模型建立中轮胎模型的建立为：采用半经验魔术公式的轮胎模型对轮胎侧向力进行估计，

轮胎模型参数B、C、D、E都与轮胎的垂直载荷相关，各轮胎的垂直载荷为：

式中，a_x、a_y分别为车辆纵向加速度和横向加速度，F_z1、F_z2、F_z3、F_z4为对应轮胎的垂直载荷，h为质心高度，g为重力加速度；

各轮胎侧偏角为：

式中，α₁、α₂、α₃、α₄为对应轮胎的侧偏角；

所述车辆模型建立中车辆运动学模型的建立：设车辆纵向加速度和横向加速度分别为a_x、a_y，则车辆纵横向运动学关系表示为：

设四个车轮轮速为n₁、n₂、n₃、n₄，则四轮轮速耦合关系表示为：

其中r为车轮有效半径；

基于信息融合滤波算法的车辆状态估计：根据所述三自由度车辆动力学模型，建立车辆系统的离散时间随机动态系统方程，基于所述离散时间随机动态系统方程设计最优序贯融合滤波算法进行纵向车速、侧向车速以及横摆角速度估计；

基于岭估计法的车辆状态估计：根据车辆四轮轮速的耦合关系，建立轮速耦合系统的观测方程，利用岭估计法来抑制病态矩阵对估计的影响，即设计一种改进的最小二乘算法，通过对病态矩阵的特征值增添一个自适应增量，然后利用含遗忘因子的递推最小二乘算法进行车辆状态估计，从而得到另外一种纵向车速、侧向车速以及横摆角速度的估计值γ_R；

车辆状态加权迭代融合估计：基于动力学模型和运动学模型所得的估计量视为伪量测值，通过多模型观测器信息之间的迭代与加权融合的方式提高车辆状态估计精度与可靠性；所述车辆状态加权迭代融合估计中，设计控制器PID 1和PID 2用于纵横向车速估计的偏差补偿，将岭估计器横摆角速度估计偏差Δγ＝γ_R-γ作为控制器PID1和PID2的输入，得到补偿后的纵向车速v_xR1和横向车速v_yR1为：

其中v_xR1为补偿后的纵向车速，v_yR1为补偿后的横向车速，v_xR为岭估计器估计得到的纵向车速，v_yR为岭估计器估计得到的横向车速，k_PID1和k_PID2分别为由控制器PID 1和PID 2得到的补偿系数；

轮胎纵向滑移率由下式计算得到：

其中，n_i为车轮轮速，r为车轮有效半径，设计模糊控制器用于加权融合PID补偿估计与强跟踪滤波估计结果，选取质心侧偏角的绝对值|β|和四个轮胎滑移率的平均绝对值作为模糊控制器的输入，|β|和λ₀分别对应表征信息融合滤波器和岭估计器的可信度，当|β|偏大时，轮胎的侧向偏移增大，非线性特性增强，此时降低基于动力学模型的信息融合滤波器的权重；当λ₀偏大时，说明纵向滑移较为严重，此时降低岭估计器所占权重；模糊控制器计算得到的模糊输出k_m作为融合权重系数，模糊控制器输出的k_m作为融合估计器的输入量，得到如下融合估计量：

v_xIFF为信息融合滤波纵向车速估计结果，v_yIFF为信息融合滤波侧向车速估计结果，同时，采用最后质心侧偏角的融合估计量视为伪量测值输入到模糊控制器中，纵向车速的融合估计量输入到滑移率估计器中；

车辆状态估计方法仿真和实验验证。