本發明涉及車輛狀態估計，更具體的說是涉及一種基于滾動時域優化的輪胎側向力和質心位置協同估計方法。

背景技術：

1、傳統的駕駛場景中，車輛狀態估計器主要用于底盤基本控制功能的開發。隨著車輛電動化和智能化的發展趨勢，車輛狀態估計器已經由單一的底盤穩定性控制演變為決策，規劃的重要感知信息。在車輛系統中，駕駛員指令主要通過輪端轉向、輪轂電機、輪端制動器制動等執行器完成，而地面對車輛的激勵以及干擾也主要通過輪端傳遞給整車，輪端是車輛改變運動狀態的唯一外力來源。對車輛輪端狀態的準確估計對控制指令的監控，外界激勵的感知，極限工況下的車輛控制等具有重要意義。

2、雖然激光雷達、毫米波雷達以及相機等現代傳感正在越來越多的應用于車輛系統，然而，在保證行駛安全以及成本可行性的前提下，輪胎側向力目前并沒有附加傳感方案可以準確測量。通過車輛狀態估計算法的合理設計，對輪胎側向力進行準確的觀測對提升駕駛輔助、車輛主動安全控制等功能的性能具有重要意義。目前的輪胎側向力估計方案中，主要存在以下問題：

3、（1）輪胎側向力估計面對車輛未知參數時缺乏魯棒性，尤其是車輛質心位置等實際運行工況中難以測量、不確定性較高的車輛參數。

4、（2）車輛的軸向側向力可以通過車輛動力學建模獲得，然而涉及到左右兩側車輪的側向力分配，缺乏足夠的技術手段。

5、因此，如何提出一種基于滾動時域優化的輪胎側向力和質心位置協同估計方法，實現輪胎側向力與質心位置的高精度聯合估計，是本領域技術人員亟需解決的問題。

技術實現思路

1、有鑒于此，本發明提供了一種基于滾動時域優化的輪胎側向力和質心位置協同估計方法，通過融合無跡卡爾曼濾波（ukf）的先驗估計、輪胎模型的在線標定信息以及車輛動力學模型，在一個統一的滾動時域優化框架內，實現對各輪胎側向力與質心位置的高精度、強魯棒協同估計。

2、為了實現上述目的，本發明采用如下技術方案：

3、一種基于滾動時域優化的輪胎側向力和質心位置協同估計方法，包括以下步驟：

4、s1：采集車輛狀態信號；

5、s2：根據車輛狀態信號執行無跡卡爾曼濾波，輸出包含質心位置先驗估計值及協方差的狀態估計結果，并基于協方差生成狀態量的高置信度區間；

6、s3：以車輛狀態信號以及車輛動力學模型為輸入，在線標定輪胎側偏剛度參數，并基于標定結果計算前后軸左右車輪的側向力理論分配比值；

7、s4：基于質心位置先驗估計值及高置信度區間、側向力理論分配比值，并結合雙軌車輛動力學模型與狀態變量的物理邊界，定義以各輪胎側向力與車輛質心位置為狀態向量的滾動時域優化問題，對優化問題求解，輸出各輪胎側向力與車輛質心位置的協同估計結果。

8、優選的，所述車輛狀態信號包括：

9、由慣性測量單元采集的車輛縱向加速度、側向加速度、橫擺角速度與橫擺角加速度；由輪速傳感器采集的車輪輪速；由電機控制器采集的驅動電機驅動力矩與制動力矩；由轉向角傳感器采集的方向盤轉角；以及由高精度慣性導航系統采集的車輛縱向車速與橫向車速。

10、優選的，s2包括：

11、基于車輪輪速、驅動力矩與制動力矩，計算各車輪的縱向輪胎力；

12、定義無跡卡爾曼濾波的狀態向量、輸入向量和測量向量；其中狀態向量包含前軸側向力、后軸側向力、車輛質心到前軸的距離，輸入向量包含車輪縱向力和前輪轉向角，測量向量包含縱向加速度、側向加速度和橫擺角加速度；

13、采用隨機游走方式對狀態向量進行狀態預測，生成狀態預測向量；

14、基于狀態預測向量與輸入向量，通過雙軌車輛動力學模型對測量向量進行預測更新，得到測量預測向量；

15、結合測量向量、狀態預測向量以及測量預測向量，通過卡爾曼增益計算得到狀態估計值，同時基于狀態量協方差生成狀態量的高置信度區間。

16、優選的，s3包括：

17、基于縱向車速、橫向車速及橫擺角速度，計算各車輪輪心處的縱向速度與側向速度，進而得到各車輪的輪胎側偏角；

18、根據縱向加速度、側向加速度計算各車輪的垂向載荷；

19、以輪胎側向力作為標定參考值，結合輪胎側偏角、車輪垂向載荷及預設輪胎模型，在線標定各車輪的輪胎側偏剛度參數；

20、將標定的輪胎側偏剛度輸入輪胎模型，分別計算前后軸左右車輪側向力理論分配比值。

21、優選的，所述預設輪胎模型為burckhardt輪胎模型，公式如下：

22、

23、其中，為第i個車輪的側向力，}；為輪胎-路面附著系數；分別為burckhardt輪胎模型參數，表示第 i個車輪的輪胎側偏剛度；為第i個車輪的輪胎側偏角；為第 i個車輪的垂向載荷。

24、優選的，s4包括：

25、定義滾動時域優化的狀態向量、輸入向量和測量向量，其中狀態向量包含各車輪的側向力及車輛質心到前軸的距離，輸入向量和測量向量與無跡卡爾曼濾波的輸入向量、測量向量保持一致；

26、初始化滾動時域優化的參數，包括時域長度、到達代價權重系數、過程噪聲權重系數及觀測變量權重系數，并設置狀態向量的初始值；

27、結合狀態量的高置信度區間、前后軸左右車輪側向力理論分配比值，以及狀態變量的物理邊界，構建優化問題的約束條件；

28、基于狀態向量的初始值、輸入向量以及雙軌車輛動力學模型，計算預測測量值；結合所述預測測量值與實際測量值之間的測量誤差，以及狀態變化的過程噪聲，構建滾動時域優化目標函數；

29、采用ipopt算法對包含目標函數、約束條件及雙軌車輛動力學模型的優化問題進行求解，求解目標為最小化目標函數，最終輸出各輪胎側向力與車輛質心位置的最優估計結果。

30、優選的，目標函數公式如下：

31、；

32、式中，t為當前時刻；為滾動時域窗口起始時刻，即時刻的狀態向量；為k時刻的實際測量向量；為k時刻的預測測量向量；為k+1時刻的狀態向量；為k時刻的狀態向量；為先驗代價的權重系數；為測量噪聲的權重系數；為狀態變化率的權重系數。

33、經由上述的技術方案可知，與現有技術相比，本發明公開提供了一種基于滾動時域優化的輪胎側向力和質心位置協同估計方法，首先采集車輛狀態信號，隨后利用無跡卡爾曼濾波得到質心位置的先驗估計及其置信區間，同時在線標定輪胎剛度并計算左右輪側向力分配比值。最后構建一個滾動時域優化問題，集成先驗信息、分配比值與動力學模型約束，同步求解出各輪胎側向力與車輛質心位置。本發明突破了傳統方法中輪胎側偏剛度固定設置的局限，解決了單一算法在車輛非線性動力學系統中估計精度不足或約束處理能力薄弱的問題：動態標定策略能夠實時適配車速和載荷變化，雙重約束機制有效提升了復雜路況下估計結果的魯棒性和準確性，協同估計框架無需額外增加硬件成本，即可在保證實時響應速度的同時兼顧估計可靠性，在估計精度、環境適應性和工程實用性上均實現明顯提升。