【技術實現步驟摘要】
本專利技術涉及車輛動力學與控制系統，具體涉及一種考慮簧下信息的道路過程噪聲自適應路面不平度估計方法、系統、終端及介質。
技術介紹
1、路面不平度是造成車輛振動的主要原因，嚴重影響車輛的動態性能。近年來智能懸架發展十分迅速，通過準確獲取路面不平度信息可以提前配置懸架最優控制力，優化懸架性能，從而改善車輛舒適性。目前，用于檢測和識別道路不平度的技術大致分為三類：直接測量、非接觸測量、以及基于系統動態響應的估計。在上述方法中，基于系統動態響應的估計因為不依賴外部專用測量設備，從而具有出色的可移植性和低成本的優勢。目前，其中使用增廣卡爾曼濾波算法進行路面不平度估計是較為主流的方法，通過將路面激勵作為狀態向量擴維到常規動力學模型中，使用車載傳感器提取車輛振動響應信號(如車身垂向位移和俯仰角，側傾角和偏航角等)，能夠有效估計路面不平度信息，可解決常規卡爾曼濾波無法直接估計外部路面激勵的局限性。
2、但現有研究中主要以前后軸簧上質量響應信息作為觀測量進行路面不平度估計，存在精度不高的問題。
技術實現思路
1、針對現有技術存在的不足，本專利技術提出一種考慮簧下信息的道路過程噪聲自適應路面不平度估計方法、系統、終端及介質，以解決現有技術中存在的的技術問題。
2、本專利技術采用的技術方案：
3、本申請實施例的第一方面提供了一種考慮簧下信息的道路過程噪聲自適應路面不平度估計方法，所述方法包括：
4、獲取車輛模型在當前路面行駛時的行駛信息，所述行駛信息包括車
5、根據車輛質心垂向響應信息確定當前路面的路面等級；
6、根據所述路面等級確定路面過程噪聲協方差矩陣；
7、采用所述車輛模型與實際車輛之間的誤差信息確定其他過程噪聲協方差矩陣；
8、將所述過程噪聲協方差矩陣和其他過程噪聲協方差矩陣生成的自適應過程噪聲方差協方差矩陣對初始增廣卡爾曼濾波觀測器中的過程噪聲方差協方差矩陣進行更新處理，得到目標增廣卡爾曼濾波觀測器；
9、采用行駛信息構建的觀測向量與目標增廣卡爾曼濾波觀測器進行路面不平度迭代計算，得到當前路面的不平度信息。
10、進一步的，所述根據車輛質心垂向響應信息確定當前路面的路面等級之前，所述方法還包括，
11、獲取預設路面等級分類器；
12、將所述車輛質心垂向響應信息輸入預設路面等級分類器，得到當前行駛路面等級。
13、進一步的，所述獲取預設路面等級分類器之前，所述方法還包括，構建預設路面等級分類器；
14、所述構建預設路面等級分類器包括：
15、采用濾波白噪聲法建立不同等級隨機路面；
16、使用車輛模型在所述不同等級隨機路面行駛，模擬車輛行駛過程，分別提取不同路面下的車輛質心垂向加速度，得到不同路面的加速度數據集；
17、將所述不同路面的加速度數據集中的數據進行小波變換處理，得到數據的特征值數據集；
18、獲取初始粒子群-支持向量機模型；
19、將所述特征值數據集作為訓練數據輸入所述初始粒子群-支持向量機模型進行訓練，得到預設路面等級分類器。
20、進一步的，所述獲取初始粒子群-支持向量機模型之前，所述方法還包括，構建初始粒子群-支持向量機模型；
21、所述構建初始粒子群-支持向量機模型，包括采用粒子群算法對支持向量機中的懲罰參數c和函數g進行全局尋優，獲取c和g的最優參數組合，得到初始粒子群-支持向量機模型。
22、進一步的，所述根據所述路面等級確定路面過程噪聲協方差矩陣，所述路面過程噪聲協方差矩陣表示為：
23、
24、其中，fmax和fmin分別為頻率范圍的上下限，而gv(f)表示在頻率f處的道路速度功率譜密度，si表示道路過程噪聲協方差矩陣，i表示路面等級。
25、進一步的，所述采用所述車輛模型與實際車輛之間的誤差信息確定其他過程噪聲協方差矩陣，所述其他過程噪聲協方差矩陣表示為：
26、qi＝var(xadams-x)???????(2)
27、其中，xadams和x分別代表車輛模型和簡化的半車模型的所對應的狀態向量值，qi為其他過程噪聲協方差矩陣。
28、進一步的，采用行駛信息構建的觀測向量與目標增廣卡爾曼濾波觀測器進行路面不平度迭代計算，得到當前路面的不平度信息，包括
29、初始化統狀態向量和誤差協方差矩陣：
30、
31、其中，表示在初始時刻的系統狀態向量，p(0)表示初始時刻的誤差協方差矩陣，x(0)表示初始時刻的系統狀態向量；
32、先驗狀態向量預測：
33、
34、其中，表示在t-1時刻預測t時刻的系統狀態向量，aa表示離散化增廣系統狀態矩陣，表示t-1時刻的系統狀態向量；
35、自適應輸入當前路面等級下的道路過程噪聲協方差矩陣和其他過程噪聲協方差矩陣，同時更新過程噪聲方差協方差矩陣
36、
37、先驗狀態誤差協方差矩陣預測：
38、
39、其中，pt/t-1表示在t-1時刻預測t時刻的誤差協方差矩陣，pt-1/t-1表示t-1時刻的誤差協方差矩陣，表示離散化增廣系統狀態矩陣的轉置；
40、計算卡爾曼增益：
41、
42、其中，kt表示t時刻的卡爾曼增益，hd表示離散化系統觀測矩陣，rt表示t時刻的測量噪聲協方差矩陣；
43、更新當前觀測向量yt，并校正后驗狀態向量：
44、
45、其中，表示t時刻的系統狀態向量，kt表示t時刻的卡爾曼增益，表示在t-1時刻預測t時刻的系統狀態向量，hd表示離散化系統觀測矩陣；
46、更新后驗狀態誤差協方差矩陣：
47、pt/t＝(i-kthd)pt/t-1???(9)
48、其中，pt/t表示在t時刻的誤差協方差矩陣，pt/t-1表示在t-1時刻預測t時刻的誤差協方差矩陣，i表示單位矩陣；
49、將校正更新的和pt/t分別輸入公式(4)和公式(6)進行迭代計算，得到當前路面的不平度信息。
50、本申請實施例的第二方面提供了一種考慮簧下信息的過程噪聲自適應路面不平度估計系統，所述系統包括：
51、數據獲取模塊，獲取車輛模型在當前路面行駛時的行駛信息，所述行駛信息包括車輛質心垂向響應信息、俯仰響應信息和前軸簧下質量垂向響應信息；
52、路面等級判斷模塊，根據車輛質心垂向響應信息確定當前路面的路面等級；
53、路面等級噪聲識別模塊，根據所述路面等級確定路面過程噪聲協方差矩陣；
54、誤差信息確定模塊，采用所述車輛模型與實際車輛之間的誤差信息確定其他過程噪聲協方差矩陣；
55、自適應過本文檔來自技高網...
【技術保護點】
1.一種考慮簧下信息的道路過程噪聲自適應路面不平度估計方法，其特征在于，所述方法包括：
2.根據權利要求1所述的一種考慮簧下信息的道路過程噪聲自適應路面不平度估計方法，其特征在于，所述根據車輛質心垂向響應信息確定當前路面的路面等級之前，所述方法還包括，
3.根據權利要求2所述的一種考慮簧下信息的道路過程噪聲自適應路面不平度估計方法，其特征在于，所述獲取預設路面等級分類器之前，所述方法還包括，構建預設路面等級分類器；
4.根據權利要求3所述的一種考慮簧下信息的道路過程噪聲自適應路面不平度估計方法，其特征在于，所述獲取初始粒子群-支持向量機模型之前，所述方法還包括，構建初始粒子群-支持向量機模型；
5.根據權利要求1所述的一種考慮簧下信息的道路過程噪聲自適應路面不平度估計方法，其特征在于，所述根據所述路面等級確定路面過程噪聲協方差矩陣，所述路面過程噪聲協方差矩陣表示為：
6.根據權利要求1所述的一種考慮簧下信息的道路過程噪聲自適應路面不平度估計方法，其特征在于，所述采用所述車輛模型與實際車輛之間的誤差信息確定其他過程噪聲協方
7.根據權利要求1所述的一種考慮簧下信息的道路過程噪聲自適應路面不平度估計方法，其特征在于，采用行駛信息構建的觀測向量與目標增廣卡爾曼濾波觀測器進行路面不平度迭代計算，得到當前路面的不平度信息，包括
8.一種考慮簧下信息的過程噪聲自適應路面不平度估計系統，其特征在于，所述系統包括：
9.一種終端，其特征在于，包括處理器、輸入設備、輸出設備和存儲器，所述處理器、輸入設備、輸出設備和存儲器相互連接，其中，所述存儲器用于存儲計算機程序，所述計算機程序包括程序指令，所述處理器被配置用于調用所述程序指令，執行如權利要求1-7任一項所述的方法。
10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質存儲有計算機程序，所述計算機程序包括程序指令，所述程序指令當被處理器執行時使所述處理器執行如權利要求1-7任一項所述的方法。
...【技術特征摘要】
1.一種考慮簧下信息的道路過程噪聲自適應路面不平度估計方法，其特征在于，所述方法包括：
2.根據權利要求1所述的一種考慮簧下信息的道路過程噪聲自適應路面不平度估計方法，其特征在于，所述根據車輛質心垂向響應信息確定當前路面的路面等級之前，所述方法還包括，
3.根據權利要求2所述的一種考慮簧下信息的道路過程噪聲自適應路面不平度估計方法，其特征在于，所述獲取預設路面等級分類器之前，所述方法還包括，構建預設路面等級分類器；
4.根據權利要求3所述的一種考慮簧下信息的道路過程噪聲自適應路面不平度估計方法，其特征在于，所述獲取初始粒子群-支持向量機模型之前，所述方法還包括，構建初始粒子群-支持向量機模型；
5.根據權利要求1所述的一種考慮簧下信息的道路過程噪聲自適應路面不平度估計方法，其特征在于，所述根據所述路面等級確定路面過程噪聲協方差矩陣，所述路面過程噪聲協方差矩陣表示為：
6.根據權利要求1所述的一種考慮簧下信息的道路過程噪聲自適應路面不平度...
【專利技術屬性】
技術研發人員：夏小均，張志飛，鄒函桐，葉磊，張紅，胡斌，高精衛，黃毅，帥翔天，朱洪巖，陳浩，游國平，陳德兵，張雄，古佳斌，劉歡，陳朋，
申請(專利權)人：招商局檢測車輛技術研究院有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。