【技術實現步驟摘要】
本專利技術涉及控制工程及信息融合領域，具體涉及面向車輛減震的交互多模型極值搜索控制方法及系統。
技術介紹
1、隨著汽車速度的提升和交通環境的復雜化，對汽車安全性的要求越來越高。提高汽車的穩定性能夠更好地保證車輛在各種路面條件下的行駛安全。大量研究表明，提高汽車的穩定性能有效減少交通事故，特別是在濕滑路面或緊急避讓等情況下。傳感器技術、電子控制單元和執行器技術的進步為實現提高汽車的穩定性提供了技術基礎。提高汽車的穩定性也與減少能耗和降低排放有關，因為不穩定的車輛行駛可能導致不必要的燃油消耗。全球化使得汽車制造商需要考慮不同國家和地區的道路條件和駕駛習慣，提高汽車的穩定性也有助于適應這些差異。利用先進的傳感器監測車輛狀態，并在必要時自動調整制動力和發動機輸出，以幫助駕駛員保持汽車的穩定性和控制性。隨著技術的發展，這些系統正變得越來越復雜和智能化，不僅提高了安全性，也改善了駕駛體驗。而通過實現汽車減震可以顯著提升汽車的穩定性。因此，如何提升汽車減震的效果成為了研究的核心問題。
2、傳統技術中通常會通過采集車輛自身的狀態信息來實現對車輪減震器的控制，以達到車輛減震的效果，但這種方法過于依賴傳感器的數量和精度，往往會造成比較高的成本。同時，多傳感器的數據融合也會涉及到復雜的數據處理和同步問題，這樣會導致系統的計算負擔過大，從而難以實現實時的減震控制。
3、公布號為cn116638908a的專利技術專利專利申請文獻《車輛減振器的控制方法、裝置、存儲介質及車輛》，該現有方法通過采集目標車輛的車輛數據確定目標車輛的車輪減
4、公布號為cn116653525a的專利技術專利申請文獻《一種車輛減震器的優化控制方法、裝置、車載終端及車輛》，該現有方法通過車輛與云端之間的通信實現將采集到的車輛以及路面的數據進行相互傳輸，包括：上傳、下載功能。通過將車輛數據與路面數據相結合的方式實現對車輛減震器的控制。然而，前述現有方案需要更多精度較高的傳感器，過于依賴傳感器的精度；且需要實時處理大量數據以及可能涉及到復雜的計算問題，對車載計算系統的性能有更高的要求，可能會增加車輛自身的成本；同時，前述現有技術對通信模塊的性能要求較高，可能存在著數據的獲取或傳輸存在延遲或不準確。
5、公布號為cn117382676a的專利技術專利申請文獻《一種基于多傳感器數據融合和增強的智能駕駛方法及系統》，該現有方法通過結合來自不同傳感器的數據，如攝像頭、減震傳感器等，利用路面數據、車輛減震數據以及車輛行駛速度相結合的方式調節車輛的減震參數以此來提高自動駕駛車輛在各種路況下的舒適性和安全性。然而。該現有方案中的多傳感器數據融合涉及復雜的數據處理和同步問題，這可能增加系統的計算負擔；對于外部抗干擾的能力仍然需要提升。
6、綜上，現有技術存在對傳感器數量和精度的依賴程度高、處理多傳感器數據融合的復雜數據導致系統計算負擔較重，制約車輛的減震效果，以及車輛成本高的技術問題。
技術實現思路
1、本專利技術所要解決的技術問題在于：如何解決現有技術中對傳感器數量和精度的依賴程度高、處理多傳感器數據融合的復雜數據導致系統計算負擔較重，制約車輛的減震效果，以及車輛成本高的技術問題。
2、本專利技術是采用以下技術方案解決上述技術問題的：面向車輛減震的交互多模型極值搜索控制方法包括：
3、s1、獲取車輛運行狀態數據，以求取車輛狀態參數；
4、s2、基于離散空間模型建立系統模型，針對不少于2種路面不均勻激勵情形，分別設置系統模型中的車輛運動狀態模型，其中，車輛運動狀態模型包括：狀態估計預測方程、協方差估計預測方程、測量方程以及八自由度車輛模型；
5、s3、結合交互式多模型imm和極值搜索控制模型esc，構建并利用交互式多模型極值搜索控制imm-esc算法作為控制策略，其中，交互式多模型極值搜索控制(imm-esc)算法采用不少于2個車輛運動狀態模型，根據車輛狀態參數，描述車輛行駛運動狀態；對車輛運動狀態模型的概率、權重進行交互式更新，以根據車輛行駛運行狀態，處理得到多車輛模型狀態估計結果，據以進行加權平均處理，得到車輛狀態估計、協方差估計；通過系統輸出測量操作、控制輸入設計操作，搜索系統性能極值點。
6、本專利技術采用極值搜索控制方法，通過優化性能指標來調整控制器的參數，以逐步實現對系統的自適應調節。該方法可以通過搜索目標函數的極值，找到車輛的最優性能參數，即便在行駛過程中車輛的參數發生變化，該方法也能找到新的最優性能參數，以此來達到實時優化車輛減震性能的效果。本專利技術對被控對象的信息要求較少，這意味著不需要過多的車輛信息參數，因此可以解決傳統控制方法對傳感器數量和精度的依賴問題，降低車輛的成本，同時避免了處理多傳感器數據融合所涉及的復雜數據問題，減輕了系統的計算負擔。
7、在更具體的技術方案中，s2中，利用下述邏輯，表達離散空間模型中的八自由度車輛模型：
8、
9、i＝fl,fr,rl,rr
10、式中，β(k)表示在k時刻的車輛側滑角；γ(k)表示在k時刻的車輛偏航率；κi(k)分別表示在k時刻四個輪胎的輪胎滑移率；ts表示固定時間步長；fyf表示車輛前輪胎的橫向力；fyr表示車輛后輪胎的橫向力；δf(k)表示主動前轉向角；m表示車輛的質量；v表示車輛速度；lf表示從車輛重心到前橋的距離；lr表示從車輛重心到后橋的距離；iz表示車輛偏航慣性矩；mz表示車輛偏航力矩；r表示輪胎半徑；j表示每個輪胎的轉動慣量；cki表示四個輪胎的縱向剛度；ti(k)表示在k時刻每個輪胎的電機扭矩。
11、在更具體的技術方案中，s2中，利用下述邏輯，表達狀態估計預測方程：
12、xj(k+1)＝fj·xj(k)+ωj(k),j＝1,2,3,4
13、利用下述邏輯，表達協方差估計預測方程：
14、
15、利用下述邏輯，表達測量方程：
16、zj(k)＝hj·xj(k)+νj(k),j＝1,2,3,4
17、式中，xj(k+1)是k+1時刻，在某一種模型下車輛的狀態向量，βj(k)、γj(k)、κj,fl(k)、κj,fr(k)、κj,rl(k)、kj,rr(k)分別表示為在k時刻，在第j個模型下，車輛自身的車輛側滑角、車輛偏航率、左前輪的輪胎滑移率、右前輪的輪胎滑移率、左后輪的輪胎滑移率和右后輪的輪胎滑移率；fj是狀態轉移矩陣；ωj(k)是均值為零的過程噪聲；pj(k)表示車輛狀態信息的協方差；qj(k)是過程噪聲ωj(k)的協方差矩本文檔來自技高網...
【技術保護點】
1.面向車輛減震的交互多模型極值搜索控制方法，其特征在于，所述方法包括：
2.根據權利要求1所述的面向車輛減震的交互多模型極值搜索控制方法，其特征在于，所述S2中，利用下述邏輯，表達所述離散空間模型中的八自由度車輛模型：
3.根據權利要求1所述的面向車輛減震的交互多模型極值搜索控制方法，其特征在于，所述S2中，利用下述邏輯，表達所述狀態估計預測方程：
4.根據權利要求1所述的面向車輛減震的交互多模型極值搜索控制方法，其特征在于，所述S3包括：
5.根據權利要求4所述的面向車輛減震的交互多模型極值搜索控制方法，其特征在于，所述S31中，利用所述車輛運動狀態模型，處理所述車輛狀態參數，得到當前時刻觀測數據；
6.根據權利要求4所述的面向車輛減震的交互多模型極值搜索控制方法，其特征在于，所述S32中，利用下述邏輯，根據所述車輛運動狀態模型的當前時刻觀測數據、狀態估計數據，計算得到卡爾曼濾波變量殘差：
7.根據權利要求4所述的面向車輛減震的交互多模型極值搜索控制方法，其特征在于，所述S33中，對于第j個所述車輛運動狀
8.根據權利要求1所述的面向車輛減震的交互多模型極值搜索控制方法，其特征在于，所述S35中，利用下述邏輯，表達所述車輛狀態估計：
9.根據權利要求1所述的面向車輛減震的交互多模型極值搜索控制方法，其特征在于，所述S36中，利用所述目標函數，設定輸入值、理想值，根據所述輸入值、所述理想值求取均方差，以作為所述目標函數；
10.面向車輛減震的交互多模型極值搜索控制系統，其特征在于，所述系統包括：
...【技術特征摘要】
1.面向車輛減震的交互多模型極值搜索控制方法，其特征在于，所述方法包括：
2.根據權利要求1所述的面向車輛減震的交互多模型極值搜索控制方法，其特征在于，所述s2中，利用下述邏輯，表達所述離散空間模型中的八自由度車輛模型：
3.根據權利要求1所述的面向車輛減震的交互多模型極值搜索控制方法，其特征在于，所述s2中，利用下述邏輯，表達所述狀態估計預測方程：
4.根據權利要求1所述的面向車輛減震的交互多模型極值搜索控制方法，其特征在于，所述s3包括：
5.根據權利要求4所述的面向車輛減震的交互多模型極值搜索控制方法，其特征在于，所述s31中，利用所述車輛運動狀態模型，處理所述車輛狀態參數，得到當前時刻觀測數據；
6.根據權利要求4所述的面向車輛減震的交互多模型極值搜索控制方法...
【專利技術屬性】
技術研發人員：田永笑，宋逸潤，丁基恒，彭艷，柯龍杰，閆回，
申請(專利權)人：上海大學，
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。