考虑车辆轮加速度的多模型轮胎半径自适应方法及系统.pdf

《考虑车辆轮加速度的多模型轮胎半径自适应方法及系统.pdf》由会员分享，可在线阅读，更多相关《考虑车辆轮加速度的多模型轮胎半径自适应方法及系统.pdf（10页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 201910284624.3 (22)申请日 2019.04.10 (71)申请人 同济大学 地址 200092 上海市杨浦区四平路1239号 (72)发明人 熊璐高乐天陆逸适夏新 韩燕群刘伟胡英杰宋舜辉 魏琰超余卓平 (74)专利代理机构 上海科盛知识产权代理有限 公司 31225 代理人 杨宏泰 (51)Int.Cl. G01S 19/52(2010.01) G01P 3/42(2006.01) G01S 19/42(2010.01) G01B 7/12(2006.01) (。

2、54)发明名称 考虑车辆轮加速度的多模型轮胎半径自适 应方法及系统 (57)摘要 本发明涉及一种考虑车辆轮加速度的多模 型轮胎半径自适应方法及系统， 该方法包括以下 步骤： 1)轮加速度估计模块采用卡尔曼滤波对 GNSS传感器检测到的轮速信号进行估计得到轮 加速度信号； 2)轮胎半径估计模块中的第一估计 子模块根据GNSS传感器测量得到的车辆速度v和 轮速信号进行卡尔曼滤波估计， 得到第一轮胎半 径估计值r1； 3)轮胎半径估计模块中的第二估计 子模块根据轮加速度信号以及GNSS传感器测量 得到的车辆速度v和轮速信号进行卡尔曼滤波估 计， 得到第二轮胎半径估计值r2； 4)输出融合模 块对第一。

3、轮胎半径估计值r1和第二轮胎半径估 计值r2进行融合， 最终输出轮胎半径输出值rout。 与现有技术相比， 本发明具有成本低廉、 估计稳 定准确、 适应高动态情况等优点。 权利要求书2页 说明书6页 附图1页 CN 110095801 A 2019.08.06 CN 110095801 A 1.一种考虑车辆轮加速度的多模型轮胎半径自适应方法， 其特征在于， 包括以下步骤： 1)轮加速度估计模块采用卡尔曼滤波对GNSS传感器检测到的轮速信号进行估计得到 轮加速度信号； 2)轮胎半径估计模块中的第一估计子模块根据GNSS传感器测量得到的车辆速度v和轮 速信号进行卡尔曼滤波估计， 得到第一轮胎半径估。

4、计值r1； 3)轮胎半径估计模块中的第二估计子模块根据轮加速度信号以及GNSS传感器测量得 到的车辆速度v和轮速信号进行卡尔曼滤波估计， 得到第二轮胎半径估计值r2； 4)输出融合模块对第一轮胎半径估计值r1和第二轮胎半径估计值r2进行融合， 最终输 出轮胎半径输出值rout。 2.根据权利要求1所述的一种考虑车辆轮加速度的多模型轮胎半径自适应方法， 其特 征在于， 所述的步骤1)中， 轮加速度估计模中， 轮加速度信号的估计式为： X(k)X(k|k-1)+K(k)Y(k)-HT(k)X(k|k-1) X(k|k-1)A(k-1)X(k-1) K(k)P(k|k-1)HT(k)H(k)P(k|。

5、k-1)HT(k)+R-1 P(k|k-1)A(k-1)P(k-1)AT(k-1)+Q P(k)(I-K(k)H(k)P(k|k-1) 其中， 为轮速， 为轮加速度， X(k|k-1)为轮加速度估计模块的状态预测值， H(k)为 当前时刻的系统测量矩阵， 且H1 0， A(k-1)分别为上一时刻k-1的系统状态转移矩阵， 且T为采样间隔， X(k)、 X(k-1)分别为当前时刻和上一时刻的系统状态， 且 P(k)为协方差矩阵， P(k|k-1)为协方差矩阵的预测值， Q为状态方程过程噪声方 差， K(k)为卡尔曼滤波增益， R为测量过程噪声方差， Y(k)为通过传感器测量得到的当前观 测量， 。

6、I为二阶单位阵。 3.根据权利要求2所述的一种考虑车辆轮加速度的多模型轮胎半径自适应方法， 其特 征在于， 所述的步骤2)中， 第一轮胎半径估计值r1的估计式为： X1(k)X1(k|k-1)+K1(k)Y1(k)-H1T(k)X1(k|k-1) X1(k|k-1)A1(k-1)X1(k-1) K1(k)P1(k|k-1)H1T(k)H1(k)P1(k|k-1)H1T(k)+R1-1 P1(k|k-1)A1(k-1)P1(k-1)A1T(k-1)+Q1 P1(k)(I-K1(k)H1(k)P1(k|k-1) 其中， X1(k|k-1)为第一估计子模块的状态预测值， A1(k-1)为上一时刻系统。

7、状态转移矩 阵， 且H1(k)为当前时刻的系统测量矩阵， 且H11 0， X1(k)、 X1(k-1)为当 前时刻和上一时刻的系统状态， 且P1(k)为协方差矩阵， P1(k|k-1)为协方差矩阵 的预测值， Q1为状态方程过程噪声方差， K1(k)为卡尔曼滤波增益， R1为测量过程噪声方差， 权利要求书 1/2 页 2 CN 110095801 A 2 Y1(k)为通过传感器测量得到的当前观测量。 4.根据权利要求3所述的一种考虑车辆轮加速度的多模型轮胎半径自适应方法， 其特 征在于， 所述的步骤3)中， 第二轮胎半径估计值r2的估计式为： X2(k)X2(k|k-1)+K2(k)Y2(k)。

8、-H2T(k)X2(k|k-1) X2(k|k-1)A2(k-1)X2(k-1) K2(k)P2(k|k-1)H2T(k)H2(k)P2(k|k-1)H2T(k)+R2-1 P2(k|k-1)A2(k-1)P2(k-1)A2T(k-1)+Q2 X2(k|k-1)A2(k-1)X2(k-1) 其中， X2(k|k-1)为第一估计子模块的状态预测值， A2(k-1)为上一时刻系统状态转移矩 阵， 且H2(k)为当前时刻的系统测量矩阵， 且H21 0， X2(k)、 X2(k- 1)为当前时刻和上一时刻的系统状态， 且P2(k)为协方差矩阵， P2(k|k-1)为协方 差矩阵的预测值， Q2为状态方。

9、程过程噪声方差， K2(k)为卡尔曼滤波增益， R2为测量过程噪声 方差， Y2(k)为通过传感器测量得到的当前观测量。 5.根据权利要求4所述的一种考虑车辆轮加速度的多模型轮胎半径自适应方法， 其特 征在于， 所述的步骤4)中， 轮胎半径输出值rout的融合表达式为： 其中， 为轮加速度估计模块输出轮加速度的绝对值，为表征切换轮加速度的最小 阈值，为表征切换轮加速度的最大阈值。 6.一种实现如根据权利要求1-5任一项所述的考虑车辆轮加速度的多模型轮胎半径自 适应方法的系统， 其特征在于， 该系统包括： 轮加速度估计模块(1)： 采用卡尔曼滤波对轮速信号进行处理， 获取准确的轮加速度， 并将轮。

10、加速度信号发送给轮胎半径估计模块(2)和输出融合模块(3)； 轮胎半径估计模块(2)： 该模块包括第一估计子模块和第二估计子模块， 第一估计子模 块根据GNSS测量得到的速度信息及轮速传感器信息对轮胎半径进行实时估计， 第二估计子 模块考虑轮加速度， 根据轮加速度估计模块计算得到的轮加速度、 GNSS测量得到的速度信 息及轮速传感器信息对轮胎半径进行实时估计； 输出融合模块(3)： 根据由轮加速度估计模块计算得到的轮加速度对轮胎半径估计模 块中两种系统模型估计出的轮胎半径进行融合， 最终得到最准确的轮胎半径。 权利要求书 2/2 页 3 CN 110095801 A 3 考虑车辆轮加速度的多模。

11、型轮胎半径自适应方法及系统 技术领域 0001 本发明涉及车辆状态检测领域， 尤其是涉及一种考虑车辆轮加速度的多模型轮胎 半径自适应方法。 背景技术 0002 轮速传感器是获取车辆状态最重要的信息源之一， 其输出频率高、 信息稳定、 不易 受外界干扰、 数据准确， 但要通过轮速传感器获取车速， 还需要知道轮胎的滑移信息、 准确 的轮胎半径等， 而这些数据较易受外界干扰， 且不易准确估计， 因此近年来基于轮速信息如 何获取准确的车速成为了车辆领域的一大研究热点， 其中如何获取准确的轮胎半径也受到 了极大的关注。 0003 目前国内外获取轮胎半径的方法主要有以下几种： 1.直接使用轮胎半径名义值，。

12、 而轮胎半径受车速、 温度、 胎压、 载荷、 磨损等影响较大， 固定的轮胎半径参数显然无法满足 长期车辆行驶下的准确车速获取； 2.在系统模型建立时假设相邻采样时刻点车速不变， 通 过外界车速测量， 如GNSS传感器测得的车速信息对轮胎半径进行自适应， 这种方法在车辆 运行平稳时表现良好， 而当车辆动态较强时， 速度不变假设不成立， 因此估计效果会显著变 差。 发明内容 0004 本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种考虑车辆轮加 速度的多模型轮胎半径自适应方法。 0005 本发明的目的可以通过以下技术方案来实现： 0006 一种考虑车辆轮加速度的多模型轮胎半径自适应方法， 。

13、用于车辆的精确定位， 包 括以下步骤： 0007 1)轮加速度估计模块采用卡尔曼滤波对GNSS传感器检测到的轮速信号进行估计 得到轮加速度信号； 0008 2)轮胎半径估计模块中的第一估计子模块根据GNSS传感器测量得到的车辆速度v 和轮速信号进行卡尔曼滤波估计， 得到第一轮胎半径估计值r1； 0009 3)轮胎半径估计模块中的第二估计子模块根据轮加速度信号以及GNSS传感器测 量得到的车辆速度v和轮速信号进行卡尔曼滤波估计， 得到第二轮胎半径估计值r2； 0010 4)输出融合模块对第一轮胎半径估计值r1和第二轮胎半径估计值r2进行融合， 最 终输出轮胎半径输出值rout。 0011 所述的。

14、步骤1)中， 轮加速度估计模中， 轮加速度信号的估计式为： 0012 X(k)X(k|k-1)+K(k)Y(k)-HT(k)X(k|k-1) 0013 X(k|k-1)A(k-1)X(k-1) 0014 K(k)P(k|k-1)HT(k)H(k)P(k|k-1)HT(k)+R-1 0015 P(k|k-1)A(k-1)P(k-1)AT(k-1)+Q 说明书 1/6 页 4 CN 110095801 A 4 0016 P(k)(I-K(k)H(k)P(k|k-1) 0017其中， 为轮速， 为轮加速度， X(k|k-1)为轮加速度估计模块的状态预测值， H (k)为当前时刻的系统测量矩阵， 且H。

15、1 0， A(k-1)分别为上一时刻k-1的系统状态转移 矩阵， 且T为采样间隔， X(k)、 X(k-1)分别为当前时刻和上一时刻的系统状 态， 且P(k)为协方差矩阵， P(k|k-1)为协方差矩阵的预测值， Q为状态方程过程噪 声方差， K(k)为卡尔曼滤波增益， R为测量过程噪声方差， Y(k)为通过传感器测量得到的当 前观测量， I为二阶单位阵。 0018 所述的步骤2)中， 第一轮胎半径估计值r1的估计式为： 0019 X1(k)X1(k|k-1)+K1(k)Y1(k)-H1T(k)X1(k|k-1) 0020 X1(k|k-1)A1(k-1)X1(k-1) 0021 K1(k)P。

16、1(k|k-1)H1T(k)H1(k)P1(k|k-1)H1T(k)+R1-1 0022 P1(k|k-1)A1(k-1)P1(k-1)A1T(k-1)+Q1 0023 P1(k)(I-K1(k)H1(k)P1(k|k-1) 0024 其中， X1(k|k-1)为第一估计子模块的状态预测值， A1(k-1)为上一时刻系统状态转 移矩阵， 且H1(k)为当前时刻的系统测量矩阵， 且H11 0， X1(k)、 X1(k-1) 为当前时刻和上一时刻的系统状态， 且P1(k)为协方差矩阵， P1(k|k-1)为协方差 矩阵的预测值， Q1为状态方程过程噪声方差， K1(k)为卡尔曼滤波增益， R1为测。

17、量过程噪声方 差， Y1(k)为通过传感器测量得到的当前观测量。 0025 所述的步骤3)中， 第二轮胎半径估计值r2的估计式为： 0026 X2(k)X2(k|k-1)+K2(k)Y2(k)-H2T(k)X2(k|k-1) 0027 X2(k|k-1)A2(k-1)X2(k-1) 0028 K2(k)P2(k|k-1)H2T(k)H2(k)P2(k|k-1)H2T(k)+R2-1 0029 P2(k|k-1)A2(k-1)P2(k-1)A2T(k-1)+Q2 0030 X2(k|k-1)A2(k-1)X2(k-1) 0031 其中， X2(k|k-1)为第一估计子模块的状态预测值， A2(k。

18、-1)为上一时刻系统状态转 移矩阵， 且H2(k)为当前时刻的系统测量矩阵， 且H21 0， X2(k)、 X2(k-1)为当前时刻和上一时刻的系统状态， 且P2(k)为协方差矩阵， P2(k|k-1)为 协方差矩阵的预测值， Q2为状态方程过程噪声方差， K2(k)为卡尔曼滤波增益， R2为测量过程 噪声方差， Y2(k)为通过传感器测量得到的当前观测量。 0032 所述的步骤4)中， 轮胎半径输出值rout的融合表达式为： 说明书 2/6 页 5 CN 110095801 A 5 0033 0034其中，为轮加速度估计模块输出轮加速度的绝对值，为表征切换轮加速度 的最小阈值，为表征切换轮加。

19、速度的最大阈值， 阈值的选取根据试验数据进行分析， 以 获取最优值。 0035 一种考虑车辆轮加速度的多模型轮胎半径自适应系统， 该系统包括： 0036 轮加速度估计模块： 采用卡尔曼滤波对轮速信号进行处理， 获取准确的轮加速度， 并将轮加速度信号发送给轮胎半径估计模块和输出融合模块； 0037 轮胎半径估计模块： 该模块包括第一估计子模块和第二估计子模块， 第一估计子 模块根据GNSS测量得到的速度信息及轮速传感器信息对轮胎半径进行实时估计， 第二估计 子模块考虑轮加速度， 根据轮加速度估计模块计算得到的轮加速度、 GNSS测量得到的速度 信息及轮速传感器信息对轮胎半径进行实时估计； 003。

20、8 输出融合模块： 根据由轮加速度估计模块计算得到的轮加速度对轮胎半径估计模 块中两种系统模型估计出的轮胎半径进行融合， 最终得到最准确的轮胎半径。 0039 与现有技术相比， 本发明具有以下优点： 0040 (1)本发明仅利用车辆轮速传感器和GNSS传感器， 成本低廉易实现； 0041 (2)本发明利用卡尔曼滤波技术对轮速信号噪声进行了处理， 相比于直接对轮速 信号求导得到轮加速度的方法， 本方法计算得到的轮加速度信息稳定准确； 0042 (3)本发明考虑了轮加速度对轮胎半径估计系统的影响， 在车辆高动态情况下仍 能保持较高的轮胎半径估计精度； 0043 (4)本发明建立了多模型轮胎半径估计。

21、系统， 不同的模型适用于不同车轮动态下 的轮胎半径估计， 轮加速度的大小表征了车轮动态， 因此根据轮加速度阈值对多模型进行 了融合， 此方法可以保证在车辆平稳行驶或高动态行驶时均能获得稳定准确的轮胎半径估 计值。 附图说明 0044 图1为本发明的系统结构框图 0045 图中标记说明： 0046 1为轮加速度估计模块， 2为轮胎半径估计模块， 3为输出融合模块， 4为第一估计子 模块， 5为第二估计子模块。 具体实施方式 0047 下面结合附图和具体实施例对本发明进行详细说明。 说明书 3/6 页 6 CN 110095801 A 6 0048 实施例 0049 下面结合附图和具体实施例对本发。

22、明进行详细说明。 本实施例以本发明技术方案 为前提进行实施， 给出了详细的实施方式和具体的操作过程， 但本发明的保护范围不限于 下述的实施例。 0050 如图1所示， 本例提供一种考虑车辆轮加速度的多模型轮胎半径自适应系统， 该系 统包括： 0051 轮加速度估计模块1， 采用卡尔曼滤波对轮速信号进行处理， 得到平稳准确的轮加 速度， 并将处理后的信号提供给轮胎半径估计模块2和输出融合模块3； 0052 轮胎半径估计模块2分为两部分， 第一估计子模块4根据GNSS测量得到的速度信息 及轮速传感器信息对轮胎半径进行实时估计； 第二估计子模块5考虑轮加速度， 根据轮加速 度估计模块计算得到的轮加速。

23、度、 GNSS测量得到的速度信息及轮速传感器信息对轮胎半径 进行实时估计。 0053 输出融合模块3根据由轮加速度估计模块计算得到的轮加速度对轮胎半径估计模 块中两种系统模型估计出的轮胎半径进行融合， 最终得到最准确的轮胎半径。 0054 轮加速度估计模块1， 采用卡尔曼滤波技术， 具体为： 0055 系统状态向量： 0056 0057 系统状态转移矩阵： 0058 0059 系统测量矩阵： 0060 H1 0 0061 计算状态预测： 0062 X(k|k-1)A(k-1)X(k-1) 0063 计算协方差矩阵预测： 0064 P(k|k-1)A(k-1)P(k-1)AT(k-1)+Q 00。

24、65 计算卡尔曼滤波增益： 0066 K(k)P(k|k-1)HT(k)H(k)P(k|k-1)HT(k)+R-1 0067 计算状态更新： 0068 X(k)X(k|k-1)+K(k)Y(k)-HT(k)X(k|k-1) 0069 计算协方差矩阵更新： 0070 P(k)(I-K(k)H(k)P(k|k-1) 0071其中， 为轮速， 为轮加速度， T为采样间隔， X(k|k-1)表示状态预测值， A(k- 1)为上一时刻系统状态转移矩阵， X(k-1)为上一时刻系统状态， P(k|k-1)表示协方差矩阵 的预测值， Q表示状态方程过程噪声方差， K(k)为卡尔曼滤波增益， R表示测量过程噪。

25、声方 差， Y(k)表示通过传感器测量得到的当前观测量。 I表示二阶单位阵。 0072 轮胎半径估计模块2， 具体包括： 说明书 4/6 页 7 CN 110095801 A 7 0073 第一估计子模块4的输入为GNSS传感器测量得到的车辆速度和轮速信号， 输出第 一轮胎半径估计值r1； 0074 第二估计子模块5的输入为GNSS传感器测量得到的车辆速度、 轮速信号和轮加速 度估计模块计算得到的轮加速度， 输出为第二轮胎半径估计值r2。 0075 第一估计子模块4， 采用卡尔曼滤波技术， 具体为： 0076 系统状态向量： 0077 0078 系统状态转移矩阵： 0079 0080 系统测量。

26、矩阵： 0081 H11 0 0082 计算状态预测： 0083 X1(k|k-1)A1(k-1)X1(k-1) 0084 计算协方差矩阵预测： 0085 P1(k|k-1)A1(k-1)P1(k-1)A1T(k-1)+Q1 0086 计算卡尔曼滤波增益： 0087 K1(k)P1(k|k-1)H1T(k)H1(k)P1(k|k-1)H1T(k)+R1-1 0088 计算状态更新： 0089 X1(k)X1(k|k-1)+K1(k)Y1(k)-H1T(k)X1(k|k-1) 0090 计算协方差矩阵更新： 0091 P1(k)(I-K1(k)H1(k)P1(k|k-1) 0092其中， v为车。

27、速， r1为车轮半径， 为车轮转速， 为轮加速度。 X1(k|k-1)表示状态 预测值， A1(k-1)为上一时刻系统状态转移矩阵， X1(k-1)为上一时刻系统状态， P1(k|k-1)表 示协方差矩阵的预测值， Q1表示状态方程过程噪声方差， K1(k)为卡尔曼滤波增益， R1表示测 量过程噪声方差， Y1(k)表示通过传感器测量得到的当前观测量。 I表示二阶单位阵。 0093 第二估计子模块5， 采用卡尔曼滤波技术， 具体为： 0094 系统状态向量： 0095 0096 系统状态转移矩阵： 0097 0098 系统测量矩阵： 0099 H21 0 0100 计算状态预测： 说明书 5/。

28、6 页 8 CN 110095801 A 8 0101 X2(k|k-1)A2(k-1)X2(k-1) 0102 计算协方差矩阵预测： 0103 P2(k|k-1)A2(k-1)P2(k-1)A2T(k-1)+Q2 0104 计算卡尔曼滤波增益： 0105 K2(k)P2(k|k-1)H2T(k)H2(k)P2(k|k-1)H2T(k)+R2-1 0106 计算状态更新： 0107 X2(k)X2(k|k-1)+K2(k)Y2(k)-H2T(k)X2(k|k-1) 0108 计算协方差矩阵更新： 0109 P2(k)(I-K2(k)H2(k)P2(k|k-1) 0110其中， v为车速， r2。

29、为车轮半径， 为车轮转速， 为轮加速度， T为采样间隔。 X2(k |k-1)表示状态预测值， A2(k-1)为上一时刻系统状态转移矩阵， X2(k-1)为上一时刻系统状 态， P2(k|k-1)表示协方差矩阵的预测值， Q2表示状态方程过程噪声方差， K2(k)为卡尔曼滤 波增益， R2表示测量过程噪声方差， Y2(k)表示通过传感器测量得到的当前观测量。 I表示二 阶单位阵。 0111 输出融合模块， 具体为： 0112 0113 其中， rout为轮胎半径输出值， r1为轮胎半径估计模块中估计系统一估计得到的轮 胎半径， r2为轮胎半径估计模块中估计系统二估计得到的轮胎半径，为轮加速度估计模 块输出的轮加速度绝对值，为参数， 表征模型切换的轮加速度最小阈值，为参数， 表征模型切换的轮加速度最大阈值。 0114 准确的轮胎半径估计值是车辆根据轮速获取准确车速的前提， 从而保证车辆各种 动力学控制系统如ABS系统、 ESP系统、 以及胎压监测系统等正常高效工作。 对于智能车来 说， 准确的轮胎半径也是融合轮速信息进行车辆定位的必要参数之一， 有利于车辆进行精 确定位。 说明书 6/6 页 9 CN 110095801 A 9 图1 说明书附图 1/1 页 10 CN 110095801 A 10 。