基于GPS、IMU和轮速传感器信号的车速融合估计方法及装置.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115848383A(43)申请公布日2023.03.28(21)申请号202211622082.4(22)申请日2022.12.16(71)申请人清华大学地址100084北京市海淀区清华园1号申请人北京罗克维尔斯科技有限公司(72)发明人张友朋黄悦峰王翔宇李亮王轶睿薛仲瑾邓凯王光平岳广臣(74)专利代理机构北京清亦华知识产权代理事务所(普通合伙)11201专利代理师高梦梦(51)Int.Cl.B60W40/105(2012.01)权利要求书3页说明书16页附图6页(54)发明名称基于GPS、IMU和轮速传感器信号的车速融合估计方法及装置(57)摘要本申请公开了一种基于GPS、IMU和轮速传感器信号的车速融合估计方法及装置，引入其他系统估计的道路纵向坡度值，对车辆纵向加速度进行补偿并滤波，采用转向补偿、最大最小轮速法、改进的动态斜率法构建三层架构轮速处理算法实现轮速高鲁棒性处理，基于运动学原理，将轮速处理算法输出的车速作为IMU卡尔曼滤波的测量值，并对测量噪声进行合理建模，实现车速自适应估计；对于GPS信号，通过坐标转换将导航坐标系下的信号转换到车体坐标系下，并对噪声进行建模，进而采用卡尔曼滤波算法处理；最后，基于多传感器卡尔曼滤波最优融合理论对GPS卡尔曼滤波和IMU卡尔曼滤波输出的车速进行最优融合，实现更高精度和更强鲁棒性的车速估计。CN115848383ACN115848383A权利要求书1/3页1.一种基于GPS、IMU和轮速传感器信号的车速融合估计方法，其特征在于，包括以下步骤：利用道路纵向坡度值对IMU输出的纵向加速度进行补偿和滤波，得到车辆实际的纵向加速度；对转向工况下所述车辆的轮速进行转向补偿，将轮速转换至车辆质心处，利用最大最小轮速法执行估计车速导数和整车加速度的比较机制，并根据当前工况确定所述车辆的第一估计车速，利用三凸点双斜率的动态斜率法对所述第一估计车速进行计算，并利用车速校验机制对所述第一估计车速进行校验，利用凸点和斜率校验机制得到车速计算初值和动态斜率，积分后得到所述车辆的第二估计车速；对所述车辆的GPS信号进行坐标转换和噪声建模，并利用卡尔曼滤波算法进行滤波，得到GPS输出车速值，基于运动学方程构建卡尔曼滤波器，将所述车辆的第二估计车速作为所述卡尔曼滤波器的测量值进行滤波处理，并对测量噪声进行建模，得到IMU输出车速值，对所述GPS输出车速值和所述IMU输出车速值进行最优融合，得到所述车辆的最终估计车速。2.根据权利要求1所述的方法，其特征在于，所述车辆实际的纵向加速度为：ax＝aIMU‑gsin(θ)其中，ax为车辆实际的纵向加速度，aIMU为IMU输出的原始加速度，θ为道路纵向坡度。3.根据权利要求1所述的方法，其特征在于，对转向工况下的所述车辆的轮速进行转向补偿，将轮速转换为车辆质心处的速度，转向补偿后的四轮轮速为：其中，Vij，i∈{F，R}，j∈{R，L}为补偿后的轮速，Wij为原始轮速，δ为前轮转角，ψ为横摆角，kf为前轴的左右车轮之间的距离，kr为后轴的左右车轮之间的距离。4.根据权利要求1所述的方法，其特征在于，利用最大最小轮速法执行估计车速导数和整车加速度的比较机制，并根据当前工况确定所述车辆的第一估计车速，包括：根据所述车辆实际的纵向加速度确定所述车辆的当前工况；在所述当前工况为加速工况时，若估计车速的导数大于所述车辆实际的纵向加速度，则所述车辆的第一估计车速为纵向加速度积分值和四轮轮速中的最小值，反之，则所述车辆的第一估计车速为四轮轮速中的最小值；在所述当前工况为减速工况时，若估计车速的导数小于所述车辆实际的纵向加速度，则所述车辆的第一估计车速为纵向加速度积分值和四轮轮速中的最大值，反之，则所述车辆的第一估计车速为四轮轮速的最大值；在所述当前工况为稳态工况时，所述车辆的第一估计车速为四轮轮速的平均值。5.根据权利要求1所述的方法，其特征在于，在加速工况下，利用三凸点双斜率的动态2CN115848383A权利要求书2/3页斜率法对所述第一估计车速进行计算，并利用车速校验机制对所述第一估计车速进行校验，得到所述车辆的第二估计车速，包括：车速平稳标志位为1，且当前时刻轮加速度大于加速度阈值时，当前工况为触发工况，表示所述车辆的第一估计车速偏离真实车速，进入动态斜率法，并更新两组凸点及对应的时刻，将凸点1的值更新为原凸点2的值，凸点2的值更新为新凸点，当前的车速计算初值取凸点2，动态斜率为所述车辆的纵向加速度；在当前工况不为所述触发工况，同时车速平稳标志位为0且所述车辆的第一估计车速变化率超过第一预设阈值，或车速置信标志位为0时，当前工况为偏差工况，当前的车速计算初值为上一时刻动态斜率法输出的车速，动态斜率为所述车辆的纵