[发明专利]车辆行驶状态估计方法

权利要求书

1.一种车辆行驶状态估计方法，其特征在于，包括以下步骤：

获取车辆运行数据，所述车辆运行数据包括车辆纵向加速度、车辆侧向加速度、车辆横摆角速度及车辆车轮轮速；

根据后向平滑容积卡尔曼滤波，获取校正后的当前时刻的车辆行驶状态；

根据所述车辆行驶状态、所述车辆纵向加速度、所述车辆侧向加速度、所述车辆横摆角速度及所述车辆车轮轮速，获取车辆纵向速度、车辆侧向速度及车辆质心侧偏角；

所述“根据后向平滑容积卡尔曼滤波，获取校正后的当前时刻的车辆行驶状态”步骤，具体包括以下步骤：

根据前一时刻的车辆已知行驶状态值，通过第一次平滑容积卡尔曼滤波，获取第一次校正后的当前时刻的第一车辆行驶状态估计值；

根据所述第一车辆行驶状态估计值，获取车辆的后向平滑过程的后向平滑数值；

根据所述后向平滑数值，通过第二次平滑容积卡尔曼滤波，获取第二次校正后的当前时刻的第二车辆行驶状态估计值；

所述“根据前一时刻的车辆已知行驶状态值，通过第一次平滑容积卡尔曼滤波，获取第一次校正后的当前时刻的第一车辆行驶状态估计值”步骤，具体包括以下步骤：

根据前一时刻的车辆已知行驶状态值，对前一时刻的车辆已知行驶状态值进行时间更新，获取时间更新后的更新车辆行驶状态估计值；

根据所述时间更新后的更新车辆行驶状态估计值，对所述更新车辆行驶状态估计值进行量测更新，获取第一次校正后的当前时刻的第一车辆行驶状态估计值；

所述“根据前一时刻的车辆已知行驶状态值，对前一时刻的车辆已知行驶状态值进行时间更新，获取时间更新后的更新车辆行驶状态估计值”步骤，具体包括以下步骤：

根据前一时刻的车辆已知行驶状态值

通过对误差协方差矩阵P₁(k-1)进行奇异值分解如下：

获取相应的容积点如下：

其中

式中：T为误差协方差矩阵P₁(k-1)的转置；k为当前时刻；k-1为前一时刻；矩阵A₁(k-1)的列为误差协方差矩阵P₁(k-1)的单位正交特征向量；Λ₁(k-1)为对角矩阵；S₁(i,k-1)为误差协方差矩阵P₁(k-1)的特征值；[1]_j表示容积点集中的第j个元素；采用三阶容积原则时容积点总数m是状态维数n的2倍,i＝1,2……n,j＝1,2……m；

根据容积点X₁(j,k-1)通过非线性函数f(.)传递得到新的容积点如下：

获取经过时间更新后的更新车辆行驶状态估计值如下：

获取经过时间更新后的误差协方差估计值如下：

式中，Q₁为第一次平滑容积卡尔曼滤波的过程噪声协方差矩阵。

2.如权利要求1所述的车辆行驶状态估计方法，其特征在于，所述“获取车辆运行数据，所述车辆运行数据包括车辆纵向加速度、车辆侧向加速度、车辆横摆角速度及车辆车轮轮速”步骤，具体包括以下步骤：

获取车辆纵向加速度a_x如下：

获取车辆侧向加速度a_y如下：

获取车辆横摆角速度r如下：

其中，

式中，Γ为车辆横摆力矩，I_z为汽车绕Z轴的车辆转动惯量，a为质心至前轴的距离，b为质心至后轴的距离，M为车辆质量，t_f为前轮轮距，t_r为后轴轮距，F_{x_fl}为左前轮纵向力，F_{y_fl}为左前轮侧向力，F_{x_fr}为右前轮纵向力，F_{y_fr}为右前轮侧向力，F_{x_rl}为左后轮纵向力，F_{y_rl}为左后轮侧向力，F_{x_rr}为右后轮纵向力，F_{y_rr}为右后轮侧向力，δ_fl为左前轮转角，δ_fr为右前轮转角，δ_rl为左后轮转角，δ_rr为右后轮转角。