一种车辆行驶路面特性参数辨识系统与方法与流程

1.本发明涉及工程车辆路面识别技术领域，具体涉及一种车辆行驶路面特性参数辨识系统与方法。


背景技术：

2.工程车辆作业环境复杂，行驶路况多变，常遇野外松软泥泞路面。由于松软路面不稳定的路面结构，且承载能力差，车辆行驶时车轮沉陷量较大，从而导致行驶阻力升高，而且其抗剪切强度低，路面易发生剪切变形，车轮滑转严重，甚至会发生底盘托底导致车辆被困。为充分保证车辆的操纵稳定性和通过性，必须有效地判别路面类型，准确辨识路面特性参数。在路面参数辨识方面，主要有牛顿迭代法、耦合求解法、神经网络法等，但牛顿迭代法需要至少三组试验数据作为输入才能求得收敛解，耦合求解法需要求解高度耦合的力学方程，神经网络法需要大量的试验数据。前述方法均有一定的局限，有必须提供一种不受环境影响且计算快、鲁棒性强的行驶路面参数辨识方法。


技术实现要素：

3.本发明所要解决的技术问题是针对背景技术中所涉及到的缺陷，提供一种车辆行驶路面特性参数辨识系统与方法，以期能提高车辆行驶路面特性参数辨识结果的准确性，从而为更高层次的运动规划提供依据。
4.本发明为解决上述技术问题采用以下技术方案：
5.一种车辆行驶路面特性参数辨识方法，其包括以下步骤：
6.步骤1、确定表征当前路面力学特性的主导性参数；
7.步骤2、测量在当前路面上行驶车辆的车轮力、车轮力矩和滑转率；
8.步骤3、根据步骤2中的测量值估计出路面主导性参数的估计值；然后将路面主导性参数的估计值与路面参数数据库中数据进行对比，得出当前路面类型。
9.进一步方案，步骤1中的主导性参数是指最大程度影响路面与车轮间的相互作用力的路面基本力学特性参数，路面基本力学特性参数包括两组参数，为承压特性参数和剪切特性参数。
10.更进一步方案，所述承压特性参数包括内聚力模量、内摩擦角模量、沉陷指数，具体表示为：承压特性参数
11.所述剪切特性参数包括内聚力、内摩擦角和剪切变形模量，具体表示为：剪切特性参数
12.其中，kc为内聚力模量，为内摩擦角模量，n为沉陷指数，c为内聚力，为内摩擦角，k为剪切变形模量。
13.进一步方案，所述主导性参数通过以下方法确定：
14.步骤41、踩下油门踏板至某一位置后保持不变，计算出当前的车轮滑转率值；
15.步骤42、根据下式计算出在当前的车轮滑转率下的车轮纵向力f
x
，
[0016][0017]
步骤43、根据下式得到车轮力对沉陷指数的相对敏感度rs：
[0018][0019]
其中r为车轮半径；b为车轮宽度；θ1和θ2分别为车轮接近角和离去角，τ
x
为车轮所受剪切应力在x方向上的分量；σ为车轮所受正应力，i为各路面特性参数，y为车轮力；
[0020]
步骤44、依次计算并存储每个路面基本力学特性参数的rs值并进行分组排序，选取组gⅰ和组gⅱ中rs值最大的那个参数作为主导性参数。
[0021]
进一步方案，步骤2中需要测量的车轮力、车轮力矩包括车轮垂向力、车轮纵向力、车轮驱动力矩；
[0022]
所述测量的设备包括：陀螺仪、转矩传感器、转速传感器、gps。
[0023]
优选的，具体的测量车轮力/力矩、滑转率的方法如下：
[0024]
步骤61、检测车轮垂向力：
[0025]
通过陀螺仪测量出车辆行驶时的纵向加速度和侧向加速度，然后计算得到车轮垂向力，其计算公式如下：
[0026][0027]
其中，f
zfl
、f
zfr
、f
zrl
和f
zrr
分别为左前轮、左后轮、右前轮、右后轮的垂向力；m为整车质量；l为轴距；a和b分别为质心至前后轴的距离；h为质心高度；bf和br分别为前后轴的轮距；a
x
和ay分别为纵向加速度和侧向加速度；
[0028]
步骤62、检测车轮纵向力
[0029]
车轮纵向力f
x
由以下公式计算得到：
[0030][0031]
式中，r为车轮半径；
[0032]
步骤63、检测车轮驱动力矩：
[0033]
将转矩传感器安装在车轮轴上，通过转矩传感器测量车轮驱动力矩t；
[0034]
步骤64、检测滑转率：
[0035]
车轮滑转率s的计算公式如下：
[0036][0037]
式中，ww为车轮转速，v为车速，其中，ww可通过转速传感器测量，v可由gps测量。
[0038]
进一步方案，步骤3中的路面主导参数的估计方法如下：
[0039]
首先对车轮应力表达式作近似处理，定义如下的拟合函数：
[0040][0041]
其中，p代表车轮所受应力，包括正应力和剪应力；θm为最大应力角；
[0042]
定义车轮中间进入角θ
1m
和中间离去角θ
2m
为：
[0043][0044]
则上述拟合函数的系数可由三点的应力值确定θi、θ
im
以及θm，分别为：
[0045][0046]
其中，λ
pi
＝pm/2p
im
；i＝1,2；
[0047]
将和代入式中可得到一个统一的表达式：
[0048][0049]
定义f＝[fz,f
x
]
t
以及x＝[σ,τ]
t
，则：
[0050][0051]
其中，
[0052]
则最终的简化的轮地相互作用解析模型：
[0053]
f＝rb(f
1-f2)xm[0054]
其中xm＝[σm,τm]
t
；
[0055]
同时，驱动力矩t可简化为：
[0056]
t＝r2b(t
d1-t
d2
)τm[0057]
其中，
[0058]
然后，根据以下方程利用卡尔曼滤波对主导参数进行估计：
[0059][0060]
其中，f(
·
)为系统的状态函数；h(
·
)为量测函数，w是过程噪声，v为观测噪声。
[0061]
本发明的另一个发明目的是提供一种车辆行驶路面特性参数辨识系统，其包括以下模块：
[0062]
主导参数识别模块：用于计算分析确定出能够表征路面特性的主导性参数，并将结果发送给估计器模块；
[0063]
传感器模块：用于车轮力、车轮力矩、滑转率的测量，并将测量值发送给估计器模块；
[0064]
估计器模块：用于接收主导参数识别模块和传感器模块数值，并辨识出未知路面的主导特性参数的大小；
[0065]
处理器：用于执行计算代码；
[0066]
存储器：用于存储计算代码、参数辨识结果。
[0067]
与现有技术相比，本发明的有益效果在于：
[0068]
本发明采用强跟踪无迹卡尔曼滤波的方式来估计车辆行驶的路面特性参数，避免了直接求解高度耦合的轮地相互作用方程，简化了复杂的应力积分运算，针对具有时变特性的路面参数。
[0069]
本发明能快速跟踪由于车轮运动状态改变或者其他因素导致的路面参数变化，且无需考虑光照、天气的环境的影响，计算速度快，鲁棒性强，适用于在线分析。
附图说明:
[0070]
图1为本发明的路面特性参数识别系统的框图；
[0071]
图2为工程车辆稳态转向图；
[0072]
图3为沉陷指数估计值；
[0073]
图4为内摩擦角估计值。
具体实施方式
[0074]
下面将结合附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0075]
实施例1：
[0076]
一种车辆行驶路面特性参数辨识方法按如下步骤进行：
[0077]
步骤1、确定表征路面力学特性的主导性参数
[0078]
由轮地相互作用理论可知，路面的力学特性可表达为承压特性和剪切特性；
[0079]
所述承压特性可由下式(1)表示：
[0080][0081]
式(1)中，σ为正应力；kc为内聚力模量；为内摩擦角模量；n为沉陷指数；r为车轮半径；b为车轮宽度；θ1和θ2分别为车轮接近角和离去角；θm为最大应力角。
[0082]
所述剪切特性可由下式(2)表示：
[0083][0084]
式(2)中，τ为剪切应力；c为内聚力；为内摩擦角；k为剪切变形模量。
[0085]
式(1)～式(2)中包含了路面的基本特性参数承压特性参数和剪切特性参数下表1中总结了常见的路面的基本特性参数的取值范围，其中表1中固定值是指其他路面参数在进行敏感度分析计算时该参数的取值。
[0086][0087]
以沉陷指数n为例，令n在[0.11,1.1]内变化，其他参数取表1中的固定值，车轮半径r＝0.562m，车轮宽度b＝0.315m，代入到式(3)中可计算得到车轮纵向力在当前滑转率下的数值。
[0088][0089]
分别取n的值为0.5，0.7，0.9，1.1，控制车轮滑转率s＝0.2，可分别计算得到车轮纵向力在这四种沉陷指数下的大小，并将结果代入到式(4)中可得到车轮力对沉陷指数的相对敏感度rs：
[0090]
[0091]
所述计算过程由处理器实现，相关代码存储在存储器中。处理器根据各参数rs的大小进行分组排序，分别挑选出gⅰ和gⅱ中rs的最大值，其对应的路面参数就是待估计的路面主导性参数p
bear
和p
shear
。
[0092]
步骤2、测量车轮力/力矩、滑转率
[0093]
需要测量的车轮力以及力矩包括：车轮垂向力、车轮纵向力、车轮驱动力矩。测量装备包括：陀螺仪、转矩传感器、转速传感器、gps。
[0094]
将陀螺仪采集到的车身纵向加速度、侧向侧加速值代入到式(5)中便可得到车轮垂向力：
[0095][0096]
采用转矩传感器可测量得到车轮驱动转矩；根据采集到的驱动转矩，由式(6)可计算得到车轮纵向力。
[0097][0098]
将转速传感器测得的车轮转速以及gps测得的车速代入式(7)可计算得到车轮滑转率：
[0099][0100]
步骤3、根据步骤2中的测量值估计出路面主导性参数的估计值；然后将路面主导性参数的估计值与路面参数数据库中数据进行对比，得出当前路面类型。
[0101]
本实施例是利用强跟踪无迹卡尔曼滤波器估计主导参数，步骤2中的测量值作为滤波器的先验估计值，具体估计方法如下：
[0102]
首先基于三角法对车轮应力作近似处理，定义如下的拟合函数：
[0103][0104]
其中，p代表车轮所受应力。
[0105]
定义车轮中间进入角θ
1m
和中间离去角θ
2m
为：
[0106][0107]
则式(8)中的系数可由三点的应力值确定：θi、θ
im
以及θm。分别为：
[0108][0109]
其中，λ
pi
＝pm/2p
im
；i＝1,2。
[0110]
将和代入式中可得到一个统一的表达式：
[0111][0112]
定义f＝[fz,f
x
]
t
以及x＝[σ,τ]
t
，则有：
[0113][0114]
其中，
[0115]
将式(11)代入式(12)，便可得到最终的简化的轮地相互作用解析模型：
[0116]
f＝rb(f
1-f2)xmꢀꢀ
(13)
[0117]
其中xm＝[σm,τm]
t
。
[0118]
同时，驱动力矩t可简化为：
[0119][0120]
其中，
[0121]
图2为工程车辆的稳态转向模型，定义整车速度v为：
[0122]
v＝vfꢀꢀ
(15)
[0123]
前桥中点坐标of为：
[0124][0125]
其中，θf为前桥航向角，vf为前车架纵向车速。
[0126]
前桥位姿可表达为xb＝[xf,yf,θf,δ]
t
，有：
[0127][0128]
式中，δ为车辆折腰角；lf为前桥中点至铰接点h的距离；lr为后桥中点至铰接点h的距离；
[0129]
定义增广状态向量x＝[xf,yf,θf,δ,p
bear
,p
shear
]
t
，即：
[0130][0131]
则有以下方程：
[0132][0133]
其中，f(
·
)为系统的状态函数，可使用前向欧拉法对式中的状态方程离散化得到；h(
·
)为量测函数。w是过程噪声，v为观测噪声，它们是互不相关且均值为0的高斯白噪声，协方差分别为：
[0134][0135]
则状态变量在不同时刻k的ukf实现步骤如下：
[0136]
(1)初始化滤波初值
[0137][0138]
式中，为状态向量的初始预测值；p0为状态向量的初始协方差矩阵。
[0139]
(2)时间更新。选取2n+1个sigma点：
[0140][0141]
式中，n为状态向量的维数；χ为缩放比例参数。ξ
i,k-1
的预测值γ
i,k|k-1
为：
[0142]
γ
i,k|k-1
＝f(ξ
i,k-1
,u
k-1
)
ꢀꢀ
(23)
[0143]
k-1时刻的先验状态估计值为：
[0144][0145]
式中，wi为权重系数：
[0146][0147]
相应的先验协方差矩阵为：
[0148][0149]
(3)量测更新
[0150]
根据先验状态预测值计算出新的sigma点集：
[0151][0152]
相应的输出值κ
i,k|k-1
为：
[0153]
κ
i,k|k-1
＝h(ξ
′
i,k-1
,u
k-1
)
ꢀꢀ
(28)
[0154]
在k-1时刻，通过加权求和得到观测值协方差p
z,k
以及交叉协方差p
xz,k
分别为：
[0155][0156][0157][0158]
(4)滤波更新
[0159]
计算滤波增益矩阵kk为：
[0160][0161]
后验状态变量和协方差分别为：
[0162][0163][0164]
传统的无迹卡尔曼滤波在参数时不变的非线性系统中能够达到不错的识别精度和效果。然而轮地相互作用中的路面特性参数可能会因地形类型和车轮运动状态的变化而发生巨大变化，也就是说路面参数是时变的，一旦参数发生变化，传统的ukf的滤波精度会急剧下降甚至会出现滤波发散的现象。为解决这一问题，将强跟踪理论(strong tracking theory，stt)引入到ukf中去，设计了强跟踪无迹卡尔曼滤波(stukf)来估计路面主导性参数。
[0165]
在stukf中，通过构造渐消因子矩阵来修正预测误差协方差矩阵：
[0166][0167]
渐消因子按如下式子求解：
[0168][0169]
式(36)中，为新息序列的协方差矩阵的估计值。可采用开窗法求解：
[0170][0171]
式(36)中，φk和hk分别为状态函数和量测函数的jacobi矩阵。
[0172][0173][0174]
由于式(38)和式(39)中的两个非线性函数的jacobi矩阵计算量大且繁琐，需要对其进行等价替换，在路面参数的识别过程中：
[0175][0176]
即φk变为相应维数的单位矩阵。
[0177]
先验协方差矩阵记为p
k∣k-1
，互协方差矩阵记为p
xz,k
，则有如下表达：
[0178][0179][0180]hk
可由式给出：
[0181]hkt
＝p
k∣k-1-1
p
xz,k
ꢀꢀ
(42)
[0182]
根据上述步骤便可求得路面主导参数的估计值，相关公式的代码存储在存储器中。
[0183]
实施例2：
[0184]
作为本发明的一个应用实施例，表2为车轮载荷w＝50kg，滑转率s＝0.25，车轮半径r＝0.562m，车轮宽度b＝0.315m下的各路面参数的相对敏感度计算结果。
[0185][0186]
由表2可知，承压特性参数中，沉陷指数的相对敏感度最高，达到了3.56，在承压特性中起主导作用，同样地，剪切特性参数中，内摩擦角的相对敏感度最高，在剪切特性中起主导作用。因此将对这两个参数作为主导性参数进行估计。
[0187]
图3、图4为某一路面下的主导参数估计结果。观察图3和图4，沉陷指数的估计结果值大概在1.01附近震荡，内摩擦角的估计值大约为28.07，对比路面参数数据库中的结果，与沙土的典型值最为接近，因此，可判断示例路面类型为沙土路面。
[0188]
实施例3：
[0189]
参阅图1，一种车辆行驶路面特性参数辨识系统，其包括以下模块：
[0190]
主导参数识别模块：用于计算分析确定出能够表征路面特性的主导性参数，并将结果发送给估计器模块；
[0191]
传感器模块：用于车轮力、车轮力矩、滑转率的测量，并将测量值发送给估计器模块；
[0192]
估计器模块：用于接收主导参数识别模块和传感器模块数值，并辨识出未知路面的主导特性参数的大小；
[0193]
处理器：用于执行计算代码；
[0194]
存储器：用于存储计算代码、参数辨识结果。
[0195]
虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。
[0196]
故以上所述仅为本技术的较佳实施例，并非用来限定本技术的实施范围；即凡依本技术的权利要求范围所做的各种等同变换，均为本技术权利要求的保护范围。

技术特征：
1.一种车辆行驶路面特性参数辨识方法，其特征在于：包括以下步骤：步骤1、确定表征当前路面力学特性的主导性参数；步骤2、测量在当前路面上行驶车辆的车轮力、车轮力矩和滑转率；步骤3、根据步骤2中的测量值估计出路面主导性参数的估计值；然后将路面主导性参数的估计值与路面参数数据库中数据进行对比，得出当前路面类型。2.根据权利要求1所述的一种车辆行驶路面特性参数辨识方法，其特征在于：步骤1中的主导性参数是指最大程度影响路面与车轮间的相互作用力的路面基本力学特性参数，所述路面基本力学特性参数包括两组参数，为承压特性参数和剪切特性参数。3.根据权利要求2所述的一种车辆行驶路面特性参数辨识方法，其特征在于：所述承压特性参数包括内聚力模量、内摩擦角模量、沉陷指数，具体表示为：承压特性参数所述剪切特性参数包括内聚力、内摩擦角和剪切变形模量，具体表示为：剪切特性参数其中，k
c
为内聚力模量，为内摩擦角模量，n为沉陷指数，c为内聚力，为内摩擦角，k为剪切变形模量。4.根据权利要求1所述的一种车辆行驶路面特性参数辨识方法，其特征在于：所述主导性参数通过以下方法确定：步骤41、踩下油门踏板至某一位置后保持不变，计算出当前的车轮滑转率值；步骤42、根据下式计算出在当前的车轮滑转率下的车轮纵向力f
x
，步骤43、根据下式得到车轮力对路面基本力学特性参数的相对敏感度rs：其中r为车轮半径；b为车轮宽度；θ1和θ2分别为车轮接近角和离去角，τ
x
为车轮所受剪切应力在x方向上的分量；σ为车轮所受正应力，i为各路面特性参数，y为车轮力；步骤44、依次计算并存储每个路面基本力学特性参数的rs值并进行分组排序，选取组gⅰ和组gⅱ中rs值最大的那个参数作为主导性参数。5.根据权利要求1所述的一种车辆行驶路面特性参数辨识方法，其特征在于：步骤2中需要测量的车轮力、车轮力矩包括车轮垂向力、车轮纵向力、车轮驱动力矩；所述测量的设备包括：陀螺仪、转矩传感器、转速传感器、gps。6.根据权利要求5所述的一种车辆行驶路面特性参数辨识方法，其特征在于：测量车轮力/力矩、滑转率的方法如下：步骤61、检测车轮垂向力：通过陀螺仪测量出车辆行驶时的纵向加速度和侧向加速度，然后计算得到车轮垂向力，其计算公式如下：
其中，f
zfl
、f
zfr
、f
zrl
和f
zrr
分别为左前轮、左后轮、右前轮、右后轮的垂向力；m为整车质量；l为轴距；a和b分别为质心至前后轴的距离；h为质心高度；b
f
和b
r
分别为前后轴的轮距；a
x
和a
y
分别为纵向加速度和侧向加速度；步骤62、检测车轮纵向力车轮纵向力f
x
由以下公式计算得到：式中，r为车轮半径；步骤63、检测车轮驱动力矩：将转矩传感器安装在车轮轴上，通过转矩传感器测量车轮驱动力矩t；步骤64、检测滑转率：车轮滑转率s的计算公式如下：式中，w
w
为车轮转速，v为车速，其中，w
w
可通过转速传感器测量，v可由gps测量。7.根据权利要求1所述的一种车辆行驶路面特性参数辨识方法，其特征在于：步骤3中的路面主导参数的估计方法如下：首先对车轮应力表达式作近似处理，定义如下的拟合函数：其中，p代表车轮所受应力，包括正应力和剪应力；θ
m
为最大应力角；定义车轮中间进入角θ
1m
和中间离去角θ
2m
为：则上述拟合函数的系数可由三点的应力值确定θ
i
、θ
im
以及θ
m
，分别为：
其中，λ
pi
＝p
m
/2p
im
；i＝1,2；将和代入式中可得到一个统一的表达式：定义f＝[f
z
,f
x
]
t
以及x＝[σ,τ]
t
，则：其中，则最终的简化的轮地相互作用解析模型：f＝rb(f
1-f2)x
m
其中x
m
＝[σ
m
,τ
m
]
t
；同时，驱动力矩t可简化为：t＝r2b(t
d1-t
d2
)τ
m
其中，然后，根据以下方程利用卡尔曼滤波对主导参数进行估计：其中，f(
·
)为系统的状态函数；h(
·
)为量测函数，w是过程噪声，v为观测噪声。8.一种车辆行驶路面特性参数辨识系统，其特征在于：包括以下模块：主导参数识别模块：用于计算分析确定出能够表征路面特性的主导性参数，并将结果发送给估计器模块；传感器模块：用于车轮力、车轮力矩、滑转率的测量，并将测量值发送给估计器模块；估计器模块：用于接收主导参数识别模块和传感器模块数值，并辨识出未知路面的主导特性参数的大小；处理器：用于执行计算代码；存储器：用于存储计算代码、参数辨识结果。

技术总结
本发明公开了一种车辆行驶路面特性参数辨识系统与方法，方法包括：确定表征路面力学特性的主导性参数，测量车轮力/力矩、滑转率，根据前述测量值估计出路面主导性参数的估计值；然后将路面主导性参数的估计值与路面参数数据库中数据进行对比，得出当前路面类型。本发明能快速跟踪由于车轮运动状态改变或者其他因素导致的路面参数变化，且无需考虑光照、天气的环境的影响，计算速度快，鲁棒性强，适用于在线分析。于在线分析。于在线分析。


技术研发人员：郑小东 张冬林 毕胜 白迎春 程清 夏光
受保护的技术使用者：安徽合力股份有限公司
技术研发日：2023.06.02
技术公布日：2023/9/7