基于鲁棒无迹卡尔曼滤波的质心侧偏角估计方法及系统.pdf

(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CN108545081A(43)申请公布日2018.09.18(21)申请号201810227343.X(22)申请日2018.03.20(71)申请人北京理工大学地址100000北京市海淀区中关村南大街5号(72)发明人王震坡吴建洋张雷丁晓林(74)专利代理机构北京高沃律师事务所11569代理人王戈(51)Int.Cl.B60W40/103(2012.01)G06F17/50(2006.01)权利要求书2页说明书9页附图3页(54)发明名称基于鲁棒无迹卡尔曼滤波的质心侧偏角估计方法及系统(57)摘要本发明公开了一种基于鲁棒无迹卡尔曼滤波的质心侧偏角估计方法及系统，该方法包括建立与质心侧偏角相关的三自由度车辆动力学模型，并根据此模型确定无迹卡尔曼滤波器的状态方程和观测方程，确定输入量、状态量、观测量；输入量包括前轮转角和纵向加速度；状态量包括质心侧偏角、横摆角速度和纵向车速；观测量包括侧向加速度和横摆角速度；采用M估计器算法计算权重因子；结合权重因子、当前时刻状态量、状态方程、观测方程，采用无迹卡尔曼滤波算法对下一时刻的质心侧偏角估计。本发明通过将M估计器算法与无迹卡尔曼滤波算法相结合，抑制离群点带来的影响，提高无迹卡尔曼滤波算法对观测信号中离群点的鲁棒性，提高车辆质心侧偏角的估计准确度。CN108545081ACN108545081A权利要求书1/2页1.一种基于鲁棒无迹卡尔曼滤波的质心侧偏角估计方法，其特征在于，所述质心侧偏角估计方法包括：建立三自由度车辆动力学模型；所述三自由度车辆动力学模型为与质心侧偏角相关的动力学模型；根据所述三自由度车辆动力学模型，确定无迹卡尔曼滤波器的状态方程和观测方程，并确定所述无迹卡尔曼滤波器的输入量、状态量以及观测量；所述输入量包括前轮转角以及纵向加速度；所述状态量包括质心侧偏角、横摆角速度和纵向车速；所述观测量包括侧向加速度和横摆角速度；采用M估计器算法，计算权重因子；所述权重因子为协方差的权重因子所述协方差包括所述观测量的协方差以及所述状态量和所述观测量之间的协方差；结合所述权重因子、当前时刻的所述状态量、所述无迹卡尔曼滤波器的状态方程和观测方程，采用无迹卡尔曼滤波算法，对下一时刻的质心侧偏角进行估计。2.根据权利要求1所述的基于鲁棒无迹卡尔曼滤波的质心侧偏角估计方法，其特征在于，在结合所述权重因子、当前时刻的所述状态量、所述无迹卡尔曼滤波器的状态方程和观测方程，采用无迹卡尔曼滤波算法，对下一时刻的质心侧偏角进行估计之前，所述基于鲁棒无迹卡尔曼滤波的质心侧偏角估计方法还包括：对当前时刻的所述状态量进行无迹变换，得到多个sigma点，并计算每个所述sigma点的权值。3.根据权利要求1所述的基于鲁棒无迹卡尔曼滤波的质心侧偏角估计方法，其特征在于，所述建立三自由度车辆动力学模型，具体包括：根据以下公式建立三自由度车辆动力学模型；所述公式为：其中，为质心侧偏角的导数；为横摆角速度的导数；为纵向加速度的导数；k1，k2分别为前、后轮胎的侧偏刚度；m为整车质量；vx为纵向速度；β为质心侧偏角；a，b分别为质心到前、后轴的距离；γ为横摆角速度；δ为前轮转角；Iz为绕z轴转动惯量；ax为纵向加速度。4.根据权利要求3所述的基于鲁棒无迹卡尔曼滤波的质心侧偏角估计方法，其特征在于，所述无迹卡尔曼滤波器的状态方程为：xk+1＝f(xk,u)+wk；其中，下标k表示第k时刻，下标k+1表示第k+1时刻，xk表示k时刻的状态量，xk+1表示k+1时刻的状态量，wk～(0，Q)为零均值、协方差为Q的白噪声，表示预测误差；u表示输入量[δ，Tax]；2CN108545081A权利要求书2/2页所述无迹卡尔曼滤波器的观测方程为：zk＝h(xk,u)+vk；其中，zk表示k时刻的观测量，vk～(0，R)为零均值、协方差为R的白噪声，表示观测误差。5.根据权利要求4所述的基于鲁棒无迹卡尔曼滤波的质心侧偏角估计方法，其特征在于，所述采用M估计器算法，计算权重因子，具体包括：根据以下公式计算权重因子；所述公式为：其中，w为权重因子；e＝vk，e在无迹卡尔曼滤波算法中被称为新息；表示估计规模；ξ为阈值，用来界定观测信号中是否出现离群点；θ表示影响方程；当时，表示观测信号中没有离群点，影响方程为当时，表示观测信号中出现离群点，影响方程变为6.一种基于鲁棒无迹卡尔曼滤波的质心侧偏角估计系统，其特征在于，所述基于鲁棒无迹卡尔曼滤波的质心侧偏角估计系统包括：建立模块，用于建立三自由度车辆动力学模型；所述三自由度车辆动力学模型为与质心侧偏角相关的动力学模型；方程确定模块，用于根据所述三自由度车辆动力学模型，确定无迹卡尔曼滤波器的状态方程和观测方程，并确定所述无迹卡