[发明专利]用于电控空气悬架系统高度传感器数据滤波方法

说明书

本发明公开一种用于电控空气悬架系统高度传感器数据滤波方法，构建空气弹簧模型和车身垂向动力学模型，针对不同空气弹簧状态、车身垂向动力学情况以及电磁阀控制信号，预测使用了电控空气悬架系统的车辆的车身高度；并使用传感器历史数据对传感器测量误差进行建模，基于扩展卡尔曼滤波方法，对车身高度传感器的测量数据进行有效滤波。本发明的优点是基于扩展卡尔曼滤波方法对于传感器数据进行滤波，有效地抑制了传感器读数波动，对于电控空气悬架系统的高度控制过程的稳定性具有十分有益的效果。

技术领域

本发明涉及电控空气悬架领域，特别涉及一种用于电控空气悬架系统高度传感器数据滤波方法。

背景技术

电控空气悬架系统ECAS(Electronic-Controlled Air Suspension)具有车身高度可调节，提高车辆舒适性等优点，近年来广泛受到关注；特别是在商用车领域，由于空气悬架的设计超载系数小，有效预防超载，因此逐渐受到相关部门的重视而发展迅速。在ECAS的控制系统中，稳定而可靠的高度信号的获取是至关重要的一环，直接影响到车身高度的控制性能。然而，由于传感器自身所存在的信号波动，使得高度传感器的测量数据总是存在着测量误差，严重影响车身高度控制的稳定性。低通滤波是解决这一问题的常用方法，然而由于存在数据延迟原因，容易带来控制过程的滞后导致控制效果不佳，因此，急需一种新型高度传感器数据滤波方法，将该方法应用于ECAS高度传感器数据处理中，要求该滤波方法可以抑制高度传感器数据中的高频误差并将稳定可靠的车身高度信息提供给控制系统。

现有的高度传感器数据的滤波方法多是采用低通滤波的方法。这种方法的滤波效果和滤波延迟的大小成正比，较大的滤波延迟会给车身高度的精确控制带来了很大的局限性，保证滤波延迟可以接受时，往往有会出现滤波效果不佳的情况，这使得应用了电控空气悬架系统的车辆的车身高度控制与期望表现存在较大偏差。这是本申请需要着重改善的地方。

发明内容

本发明所要解决的技术问题是要提供一种用于电控空气悬架系统高度传感器数据滤波方法，扩展卡尔曼滤波方法通过构建电控空气悬架系统模型，实现对车身高度的实时预测，理论上该方法不存在延迟问题。同时，通过对模型建模误差的估计和传感器测量误差的建模，充分的兼顾到测量数据和预测数据的不确定性，从而实现更好的滤波效果。

为了解决以上的技术问题，本发明提供了一种用于电控空气悬架系统高度传感器数据滤波方法，构建空气弹簧模型和车身垂向动力学模型，针对不同空气弹簧状态、车身垂向动力学情况以及电磁阀控制信号，预测使用了电控空气悬架系统的车辆的车身高度；并使用传感器历史数据对传感器测量误差进行建模，基于扩展卡尔曼滤波方法，对车身高度传感器的测量数据进行有效滤波；包括如下步骤：

S1：实时数据采集；

S11：数据源自实车数据采集，采集内容为高度传感器测量值以及电磁阀的控制信号；

S12：数据验证为实车高度调节过程中的采集数据验证；

S2：根据电控空气悬架系统模型对车身高度数据进行预测；

所述电控空气悬架系统模型包括空气弹簧模型和车身垂向动力学模型；

构建电控空气悬架系统模型，其将电磁阀控制信号作为输入预测车身高度变化，对非线性系统状态空间进行了线性化处理，从而输出系统状态的预测值和滤波误差协方差的更新值；

所述空气弹簧模型，其构建如下：

根据热力学第一定律，建立电磁阀开启时空气弹簧模型：

  （1）；

其中：T_n为空气弹簧内的温度；dm_n/dt为流入流出空气弹簧的气体质量流量；V_n为空气弹簧的容积；P_n为空气弹簧内绝对气压；R为气体常数；为绝热指数；