线控转向技术(Steer-By-Wire,SBW)的出现给汽车转向系统带来了新的发展。线控转向系统可自由设计转向角系统的转向特性和力传递特性,对提高“人-车-路”的主动安全性和闭环系统的操纵稳定性均具有很大的作用。随着其安全性和可靠性的提高,SBW系统将成为未来发展方向的主流。SBW系统的方向盘与方向盘之间的机械连接被电子电路控制所取代,为驾驶员提供了更加方便和安全的驾驶,但是在车辆转向过程的线控转向系统中,由于信息的多样性和复杂性等因素,其性能非常差需要一种低成本,准确的车辆状态参数方法。因此,把这种新兴的主题信息融合被应用于车辆状态估计中。
1信息融合技术
信息融合技术涉及多个学科,属于信息技术领域的前沿,其理论和方法已广泛应用于各行各业。卡尔曼滤波算法以其准确,快速的信息多样性和受欢迎的优势。建立了非线性的七自由度车辆模型,采用无迹卡尔曼滤波理论,估计了车辆的纵向速度。二自由度车辆模型中,运动的粒子滤波算法用于估计汽车的状态。通过查看资料,EKF估计算法的UKF估计算法及其计算量然而,它仅适用于连续可微非线性系统,非线性函数的一阶线性化的逼近精度较低,容易导致稳定性较差。粒子滤波估计算法可以更好地处理非高斯滤波问题和非线性系统,但是该算法的实时性和容易使粒子样本枯竭的能力。EKF技术可以扩展泰勒级数的非线性函数,并省略一些高阶项,将非线性系统转换为线性系统,其计算精度高,滤波稳定性强,更易于工程实施,非线性线度低在车辆模型上控制转向系统,可以进行信息融合,更好地获取车辆状态参数。
2方法
基于三自由度结构,多传感器网络获取车辆交通状况的非线性车辆模型的EKF车辆状态估计算法,借助EKF算法的原理,使用少量易于测量的转向来建立信息融合车轮角度,车辆纵向加速度作为输入信号,例如在融合后获得横向角速度,垂直速度状态参数等。该算法能够准确地估计车身纵向速度和偏航角速度,为路感仿真提供决策依据。但是该算法仅使用简单的三自由度车辆模型,并且仅混合了方向盘角度,车辆纵向加速度等车辆状态参数。
因此,今后的研究将整合到车道线和交通标志信息中,采用多种信息融合方法,SBW系统的设计方式,实现线控转向系统的实时性能,舒适性和操纵稳定性。
作者: curton, 来源:面包板社区
链接: https://mbb.eet-china.com/blog/uid-me-3876349.html
版权声明:本文为博主原创,未经本人允许,禁止转载!
文章评论(0条评论)
登录后参与讨论