[发明专利]一种基于传感器网络的汽车悬架系统状态估计方法

说明书

本发明公开了一种基于传感器网络的汽车悬架系统状态估计方法，用于在能耗约束及拓扑切换等条件下对悬架系统状态进行准确的监测。网络中各节点根据自身能耗及外界条件的变化动态规划各节点的工作模式，从而动态切换网络拓扑以降低网络能耗。估计网络中的各节点通过采集目标对象状态信息并与邻居节点进行信息交互，实时跟踪目标的状态信息。与现有技术相比，本发明既能满足多终端同时获取数据的需求，又能保证估计器网络链路通信质量降低情况下系统正常运行，可定量分析网络拓扑结构的动态变化对估计网络整体性能造成的影响，在保证网络整体生存时间的前提下，提升了估计网络的鲁棒性和估计的准确性，且能耗低、效率高、稳定性强。

技术领域

本发明涉及汽车悬架系统技术领域，具体涉及一种基于传感器网络的汽车悬架系统状态估计方法。

背景技术

随着社会经济的发展，汽车使用量的增加，车辆平顺性研究得到了广泛的关注，它成了汽车性能的重要指标之一。在汽车平顺性研究过程中，精确的实时动态信息采集是准确分析的前提。目前常用的车辆悬架系统状态分析测量方法大都是离线分析检测，但随着高精度、复杂的实验环境和测量噪声等因素对实验的影响，现有的数据采集测量方法已经不能满足人们的要求。

目前，大部分研究都是围绕着产品性能评估问题，即在离线状态下，通过建立整车仿真模型，对悬架性能进行分析。基于仿真实验的平顺性分析，汽车动态数据很容易被采集到。但平顺性分析不能仅受限于某种特定车辆的仿真实验和性能评估，对于种类多样的真车进行平顺性估计时，多变的行驶环境及复杂的车身性能在仿真实验中无法完全模拟，这就需要对在行驶于实际道路环境中的汽车进行平顺性研究。卡尔曼估计是应用经典的估计器方法，但是它只适用于部分噪声的估计，如白噪声等，对噪声类型变化的适应性不强。动态过程中的悬架系统可能存在很多其他类型的噪声，因此不适合使用卡尔曼估计方式。由于汽车处于行驶过程中，汽车的位置一直在变化，车载传感器采集到的数据需要通过无线传感器网络进行融合处理，信息传输过程中整体网络的能耗和鲁棒性是估计器设计中需要考虑的重要指标。

无线传感器网络是由大量部署的静止或移动的无线传感器节点构成，以自组织的方式采集、处理并传输网络覆盖范围内监测信息的大规模分布式网络。如申请号CN201610058593.6的发明涉及一种分布式滤波网络系统及设计方法。随着车联网技术的飞速发展，大量无线节点布置在交通现场对车辆实时数据进行采集，并对车辆无法测量的关键状态进行估计。在车联网系统中，无线网络的节能效率及鲁棒性是关键指标。

受网络自身结构及工作环境的制约，传感器节点通常部署于较大范围且普遍采用自备一次性电源供电，更换供电设备较为困难，故能耗将直接影响节点使用寿命及网络的整体生存时间。

发明内容

针对现有技术能耗控制较差的问题，本发明提供了一种基于传感器网络的汽车悬架系统状态估计方法，通过动态改变传感器的工作模式减少传感器节点的能量消耗，同时结合具有动态拓扑的分布式估计网络帮助实现对对象目标状态信息的监测。

以下是本发明的技术方案。

一种基于传感器网络的汽车悬架系统状态估计方法，包括以下步骤：S1：预先根据需求确定无线传感器网络中的传感器节点数量，在各传感器节点建立目标数据库并完成节点的部署，各节点获取自身的位置信息并建立其邻居节点列表，构建目标对象网络；S2：在无线传感器网络覆盖范围内，各节点根据目标数据库实时监测目标对象状态信息，以预定的采样频率对目标对象进行数据采集，并根据实时邻居节点链接情况同邻居节点进行信息交互；S3：各节点根据切换信号调整切换工作模式，并根据网络拓扑情况决定是否广播信息，工作模式包括常规模式以及节能模式；S4：为各节点建立分布式估计器，并设置估计器配置参数；S5：根据估计器参数，构建具有动态拓扑的分布式估计网络，通过数据融合实现对对象目标状态信息的监测。