采用算法估计路面附着系数
第45卷第7期
20
哈尔滨工业大学学报
JOURNALOFHARBININSTITUTEOFTECHNOLOGY
V01.45No.7
13年7月
July2013
采用UKF算法估计路面附着系数
林
菜,黄超
(南京航空航天大学车辆工程系,210016南京)
摘要:为了能够迅速准确获取当前道路信息以提高汽车主动安全性能,提出一种实时跟踪路面附着系数变化的汽车状态估计方法.建立包含Pacejka89轮胎模型的七自由度非线性汽车动力学模型,通过动力学模型估算出前后车轮垂直载荷,结合轮胎力学模型和UKF(Unscented卡尔曼滤波)算法对轮胎纵向力和滑移率进行估计,进而得到不同附着系数路面条件下的Slip—slope(p—S曲线斜率),建立了几种典型路面附着系数与S1ip-slope之间的映射关系.应用ADAMS/Car中的路面编辑器构造具有不同附着系数的路面测试环境,验证了提出的方法对突变附着系数估计的可靠性和有效性,表明Slip-slope理论在ADAMS/Car的虚拟试验中同样可以再现.
关键词:汽车动力学控制,附着系数,汽车状态估计,Unscented卡尔曼滤波(UKF),虚拟实验中图分类号:U461.6
文献标志码:A
文章编号:0367—6234(2013)07—0115—06
UnscentedKalmanfilterforroadfriction
LINFen,HUANGChao
coefficientestimation
(Dept.of
Automotive
Engineering,ianjingUniversityofAeronauticsandAstronautics,210016Nanjing,China)
Abstract:Toobtainaccurately,avehicle
currentstate
roadinformationquicklyandestimation
method
was
to
to
improvevehicleactivereal—time
safety
in
performance
roadfriction
proposed
trackchanges
coefficient.A7一DOFnon-linearvehicledynamicmodelincludingnormalforceoftireforce
were
was
Pacejka
89tiremodelwasestablished.The
approximatelycalculatedfromthevehicledynamicmodel,thetireslipandlongitudinal
a
estimatedby
combinationoftiremechanicalmodelandUKF
algorithm.ThenSlip-slopeof
differentroadfrictioncoefficientwasobtained.AmappingrelationshipbetweenseveraltypicalroadfrictioncoefficientandSlip-slopewasbuilt.Byconstructingvariousground
test
environmentwithdifferentroadfriction
to
coefficientusingtheRoadBuilderinADAMS/Car,theestimationmethodproposedwasverified
beeffective
andreliable.Moreover,thesimulationresuhsindicatedthatSlip-slopetheoryisalsoapplicableinthevirtual
test
undertheADAMS/Carenvironment.
state
Keywords:vehicledynamiccontrol;frictioncoefficient;vehicle
estimation;UnscentedKalmanFiher
(UKF);virtual
test
附着系数信息对于汽车纵向控制系统是重要的控制逻辑.如果能够实时估算出路面峰值附着系数,汽车主动安全系统就可以根据当前路况调节控制策略,提高车辆安全性11J.近年来这一领域逐渐成为汽车工程领域的研究热点.
GustafssonFL2o最早采用P—S曲线的形状估算路收稿日期:
面附着系数,采用最小二乘法或卡尔曼滤波等方法得到P—S曲线的斜率.随后YiK日J、SteffenMHl和LiK等∞1人将Slip—slope方法应用于驱动和制动工况.在此基础上,RajamaniR等【6。1将轮胎模型线性化,假设车辆为一个自行车模型,通过加速度传感器和GPS等设备测得车辆行驶状态,估算出轮胎附着力.相比Gustafsson与Ray旧。使用的基本卡尔曼滤波算法及扩展卡尔曼算法,目标跟踪领域新兴的Unscented卡尔曼滤波(UKF)算法旧。具有显著优势,可以在保证高
精度的同时避免求解繁琐的Jacobian矩阵.
2012一07—12.
基金项目:国家自然科学基金资助项目(10902049);
中国博士后科学基金资助项目(2012M521073)
作者简介:林菜(1980一),男,博士,副教授.通信作者:林橥,flin@nuaa.edu.CB.
万方数据
哈尔滨工业大学学报第45卷
本文将UKF应用于汽车的附着系数估计,针对汽车直线行驶的驱动和制动工况,对路面附着系数进行估计.并通过虚拟试验验证算法的有
效性.
1
非线性汽车动力学模型
1.1整车模型
本文提出的估计算法是采用如图1所示的七
自由度非线性汽车动力学模型一J,七自由度包括纵向、侧向、横摆和4个车轮的回转运动.
‘r
b
。
图1七自由度汽车动力学模型示意图
汽车的运动微分方程为
纵向,
tjz=Ⅱ#+秽yr,
o。=(FaLCOS艿+,’栅cOS6+t,L+t,R—
F仉sin6一F仰sin
6)/m;
侧向,
移y
2口y—Vxr,
o,=(,’旭sin6+,ksin艿+,kCOS占+
‰cOS6+F皿+oR)/m;
横摆,
f=鼍Ft扎一鼍Ff积+鼍F扎一鼍F诹+nFf以+
oF7椰一6‰一6‰+‰+‰+‰+‰,
.
r
—r‘
其中:
Ft嘶2F;qcos8一F吩sin8,Fl嚆2F
yijCOS
8+F。4sin8。
忽略惯性阻力矩和空气升力,汽车右转弯时各个轮胎的垂直载荷为
%椰=(警±m口,告)争一丢m吼争,%砷=(警±m口,了hJ丁a+丢m吼争.
各个轮胎的侧偏角可通过万方数据
2
afL,fR
6一a。c‘an石而,
秽,一br
‰,rR一盯m卸i瓦历
求得㈨.
整车质心处侧偏角为
卢=arctan(vr/v,).
各个轮胎滑移率为
3F=(reO)口一ttwij)/u。旷
式中车轮中心速度u。i可通过
“m,。m=移。%±r(“/2±qp),
M“,wrR=秽。。E±r(t/2干够)
求得n11.式中:叱为纵向速度,口。为纵向加速度,口,为侧向速度,n,为侧向加速度,r为横摆角速度,卢为整车质心侧偏角,6为前轮转角,F;i为各个车
轮上的纵向力,‰为各个车轮上的侧向力,%为
各个车轮上的垂向载荷,厂为整车绕z轴的横摆力
矩,移。。。为质心处速度,略为各个车轮上的回正力
矩,m为整车质量,口、b为整车质心至前、后轴的距离,L为整车绕z轴转动惯量,Z=o+b为前后轴距,tf,t,分别为前、后轮距宽,h为质心高度,ai为各轮胎侧偏角,sii为各轮胎滑移率,r。为轮胎滚动
半径,∞。为车轮转动角速度,u。i,为车轮中心
速度.
1.2轮胎模型[121
采用Pacejka非线性轮胎模型,该模型输入变量为轮胎垂向载荷、轮胎侧偏角、轮胎滑移率,
可以采用统一形式的公式(1)~(3)计算轮胎侧向力、纵向力以及回正力矩:
y(x)=Dsin(Carctan(Bx—E(矾一arctanBx))),
(1)
y(X)=Y(z)+S。,
(2)戈=X+S^.
(3)
式(2)中输出变量l,可分别表示轮胎纵向力只、侧向力F小回正力矩丝.式(3)中的输入变量x可分别代表轮胎滑移率s(当计算纵向力时用)和轮胎侧偏角a(当计算侧向力和回正力矩时用).式(1)中不同输出下的参数B、c、D、E、S。、S。的具体表达式可参见文献[12].1.3包含噪声的非线性汽车系统
非线性汽车系统的状态向量设为
z8=[秽,,秽,,口,,o,,r,JB,厂]T;
系统输入为
H=[艿
∞fL∞低∞,L
∞,R]。;
观测向量为
Y=[r
口,
吼].
第7期
林菜,等:采用UKF算法估计路面附着系数
状态估计的过程噪声设为均值为零的常值平稳高斯白噪声序列,方差阵按如下规律设置:
Q=0.01・Imax(S…(i))一min(S。。(i))I,
(i=l,…,7,0≤t≤10).
其中max(S。。(i))和min(S。。。(i))分别是第i个状态量在整个时间历程中的最大值和最小值.
量测噪声协方差矩阵设为均值为零的常值平稳高斯白噪声序列,方差阵按如下规律设置:
R=0.05・I
max(Y(i))一min(y(i))I,
(i=1,…,3,0≤t≤10).
其中max(y(i))和min(y(i))分别是第i个观测量在整个时间历程中的最大值和最小值.
2
UKF滤波算法
相比EKF,UKF不是对非线性模型做近似,
而是对状态的概率密度函数做近似.具有更高的估计精度和运算速度.
本文采用非扩展形式的UKF算法,对于1小节中的非线性汽车系统,假设其过程噪声和观测噪声均为高斯白噪声,方差分别为Q和尺,则个滤波算法步骤如下¨3I:
1)均值和方差的初始化.
孟o=E(xo),
P。=E[(菇。一面)(z。一面)1].
由于车辆在直线行驶工况下侧向动力学参数变化较小,为了确保算法收敛以得到可靠的车轮纵向力和滑移率估计值,初始误差方差阵p。设
为单位阵.
2)计算Sigma点(k=0,1,2…).
觚=[‰^‰^+ ̄/(凡+A弦气&xsk一 ̄/(n+A)兄^].
3)时间更新过程.
zt+l
JI=.厂(YIl‘,uI),
2“
∑卵彪mm,
i=0
只+¨。=∑孵眈圳。一‰川。)眈圳I一%川‘)7+Q,
砂m+ll^=h(x“+ll^),
2n
Y㈨。。=∑胛虬川。.
4)量测更新.
h
厶+啪=∑孵(以圳。-Yk川^)(以驯^-Yk川。)’+R,
I
2U
2n
只“肌+。=∑孵眈圳^一‰。l‘)(以川。‘-Yk+¨。)7,
I=U
瓯+,=只㈧,¨P未。,㈨,
戈I+11^+l=戈I+11^+≮+I(Yt+1一Y^+1l^),
万方数据
P川m1=P¨I^一瓯+lPy川y川《+1.
以上各式中的权值按照式(4)一(6)确定:
职=A/(/7,+A),
(4)时=职5赢,江1,…,2m(6)
联5焘+1一f2+y,
(5)
式中:孵为均值的权,孵为方差的权.A为调节参
数,用来控制Sigma点到均值之间距离,且A=f2(/"t+K)一见;f通常被设为一个小的正值(10。4≤孝≤1);考虑到PAC89轮胎模型表现出强非线性特性,Sigma点和中心孟的距离应该尽可
能的小,因此本文选取较小的亭=0.01.K≥0以
保证方差矩阵的半正定性,本文选择,c=0.
3
Slip—slope估计方法
3.1
Slip—slope方法
Slip-slope方法使用归一化车轮纵向力和滑移率之间的关系确定路面附着系数(roadfrictioncoefficient)p的大小"J.归一化的车轮纵向力在低
滑移章睛况下与滑移率成线性关系.曲线的斜率,
即Slip.slope,随着p的变化而变化.在高滑移率情况下,归一化的车轮纵向力达到饱和.归一化纵向力的饱和值与附着系数弘成正比,因此在高滑移率情况下肛同样可以由此关系唯一确定.一般在滑移率的绝对值不大于0.05时,认为归一化的纵向力与滑移率成线性关系,一旦滑移率超过0.05,将不能使用Slip—slope的值对附着系数进行精确估计.对附着系数进行Slip—slope方法估计,需要获取车轮的纵向力、法向力以及滑移率信息.式(7)给出了变量之间的关系:
p=FJt=Ks.
(7)
式中,K是Slip—slope,即P—s曲线斜率K随着道路
的表面状况改变,因此可以用于估计附着系数肛在考虑在制动和牵引时的纵向力时前轮和后轮的滑移率略有不同.本文采用的车辆模型为ADAMS/Car建立的发动机后置后轮驱动模型,因此本文采用后轮作为研究对象.
为了使用Slip-slope方法对附着系数进行估计,需要首先获知各个车轮的纵向力F。、法向力t以及纵向滑移率s的信息.
3.2
p的估计
3.2.1车轮法向载荷的估算
车辆法向力由车辆动力学方程计算得出,见整车模型中的轮胎垂直载荷公式.可以看出,在汽车结构参数已知的情况下,只要获得车辆的纵向
哈尔滨工业大学学报第45卷
与侧向加速度信息就能够得出车轮法向载荷的大小.在本文的虚拟实验中,侧向加速度为带噪声的系统观测量,纵向加速度由UKF估计得出.3.2.2车轮纵向力的估计
由式(7)可知,求P还需要获取作用在车轮上的纵向力信息.与法向力不同,纵向力无法由车辆动力学模型计算得出,在不采用轮胎力传感器的情况下,采用UKF结合Pacejka89魔术公式轮胎模型估计得出.
3.3
典型情况进行仿真实验.路面附着系数由+琰固向0.5跳变.下文分别给出了各种工况下的仿真实验结果.
4.1纯驱动试验
车辆首先保持25km/h的速度匀速行驶2
S,
随后开始以0.19的加速度驱动行驶8s,路面0~35m附着系数为0.9,36~60m附着系数为0.3,
61
m以后附着系数为0.5.图3(a)是纵向速度随
时间变化,图3(b)给出了带噪声的滑移率信号与经过UKF滤波处理后的滑移率数据,可见UKF起到了很好的平滑作用,良好的滑移率信号是得到平滑的Slip.slope曲线的保证.由图3(c)可以看出在第2秒开始加速后,Slip.slope迅速上升到37.2左右并一直稳定,路面附着系数在突变到0.3左右时Slip—slope迅速降为17.4左右.最后一个阶段在附着系数为0.5的路面上Slip-slope迅速上升至26.3并保持不变直至仿真结束,图3(c)直观地表明了UKF算法迅速跟踪路面附着系数突变的能力.
上60
.坷
s的估算
车轮的纵向滑移率s通过车轮的圆周线速度
与车轮中心纵向速度的差值求解:
s=(reto一吼)/max(叱,reto).
式中:L为车轮有效滚动半径,∞为轮胎角速度,叱为车轮中心纵向速度.在下面的虚拟试验中假设车轮有效滚动半径re已知.轮胎的角速度∞作为UKF的输入,叱则为UKF滤波器的观测量.
滑移率s的获取需要分驱动工况与制动工况讨论.驱动工况下甜通过轮速传感器测量,吃通过非驱动轮的角速度获取;制动工况下由于没有非制动轮作为汽车速度参考,为了简化研究,在下面的虚拟试验制动操纵中直接获取车速信号,在实车试验中可通过非接触式车速传感器或GPS车速测量获取绝对车速.
越40
喇
萎20
12
O24
t|S
6810
(a)纵向速度
4虚拟试验验证
为了验证提出算法的正确性,在虚拟样机软件ADAMS上对某型轿车进行了仿真试验验证.该车的参数为:m=1
1.08m,h=0.432
528kg,口=1.48m,b=
440kg・m2,tf=
n1.
垒。
祷
婆4
0
2
4
£/S
6
8
10
m,£=2
1.52m,t。=1.594m,r。=0.33
按子系统组装的整车虚拟样机试验模型如图2所示.轮胎模型采用ADAMS/Car中自带的Pac89轮胎模型.
(b)滑移率
t,S
(c)Slip—slope
图3路面附着系数突变的纯驱动试验
4,2纯制动试验
车辆首先保持100km/h匀速行驶2S,随后
以0.19的减速度制动8s.路面0—120in附着系
图2
ADAMS中整车模型
数为0.9,121—200m附着系数为0.3,201m以后附着系数为0.5.图4(a)是纵向速度随时间变化,图4(b)给出了带噪声的滑移率信号与经过UKF滤波处理后的滑移率数据.由图4(c)可以看
为了考察UKF算法对含噪声非线性汽车系统的附着系数估计性能,本文选取车辆直线行驶下纯驱动、纯制动以及驱动一制动联合工况3种万方数据
第7期
林菜,等:采用UKF算法估计路面附着系数
出,在第2秒开始制动后,Slip—slope迅速上升到44.3左右并一直稳定,路面附着系数在突变到0.3左右时Slip-slope迅速降为25.6左右.最后一个阶段在附着系数为0.5的路面上Slip.slope迅速上升至35.1并保持不变直至仿真结束,图4(c)表明了UKF算法在制动状态下依然可以迅速跟踪路面附着系数突变.
(a)纵向速度
02
4
6
8
10
0
兰一2
基_4
磐一6
-8
(b)滑移率
(c)Slip—slope
图4路面附着系数突变的纯制动试验
4.3驱动一制动联合工况试验
车辆首先保持25km/h的速度匀速行驶2
S,
随后开始以0.19的加速度进行匀加速行驶4S,
接着以0.1g的减速度制动4S.路面0—35m附
着系数为0.9,36—70m附着系数为O.3,71
m以
后附着系数为0.5.图5(a)是纵向速度随时间变化,图5(b)给出了带噪声的滑移率信号与经过UKF滤波处理后的滑移率数据.由图5(C)可以看出在第2秒开始加速后,Slip—slope迅速上升到37.2左右并一直稳定,该数值与纯驱动工况时的值相同.在第4.3秒时Slip—slope迅速降为17.4左右,这是由于进入了低附着系数为0.3的路面,17.4的数值一直维持到6
S,6
S之后虽然还是在
0.3的低附路面上,但是已经转为制动工况,因此
Slip—slope有所上升,至25.6.大约在8.4S时车辆
进入附着系数为0.5的路面,此时Slip.slope迅速上升至35.1并保持至仿真结束.图5(C)表明了在驱动一制动工况下UKF算法依然跟踪性能良好,且Slip-slope的数值和纯驱动或纯制动时保持万方数据
一致.
三40直筠
姜20
t/s
(a)纵向速度
15-・-・--・・‘带噪,
10
一
b呷
——滤波自
呈5
一,^节—.-二0
糌
漤0
一一,y
艇
2
4
f
一5—
.!舻。叶
t/S
—10
(b)滑移率
(c)Slip-slope
图5路面附着系数突变的驱动一制动联合工况试验
通过以上3次虚拟试验,得到了较为可靠的附着系数估计结果.对上文的试验数据进行整理,得到表1的映射关系.
表1
Slip-slope值与附着系数的对应关系
虚拟试验表明,基于UKF的附着系数估计方法能够迅速对路面的附着系数进行识别.通过对驱动与制动工况下的仿真实验,能够得到一个附着系数与Slip—slope的映射关系.本文给出了附着系数为0.9、0.5和0.3的情况,在之后的工作中可以对表1进行扩充,得到更多路面如湿滑柏油路面、砾石路面等的Slip—slope与附着系数值的映射关系.通过估计得到的Slip—slope值便可推知路
面状况.5
结论
1)UKF与Pacejka89轮胎模型结合的方法对
汽车轮胎纵向力的估计具有较高的精度,为Slip.slope估计中P的估计奠定了基础.
2)基于UKF的Slip-slope估计方法具有较好的抗量测噪声干扰性能,由于UKF具有出色的实
・120・
哈尔滨工业大学学报
第45卷时估计能力,使得对于Slip—slope的估计具有很好
的跟踪性能.
3)本文的虚拟试验表明,在驱动工况下,Slip—slope值在37.2、26.3、17.4分别对应了路面附着系数为0.9的类似干燥混凝土路面、0.5的类似湿滑泥泞路面和0.3的类似冰雪路面.在制动工况下有相似规律,附着系数0.9、0.5、0.3对应的Slip.slope值分别为44.3、35.1和25.6.
4)通过在虚拟试验中应用Slip—slope估计方法,验证了Slip—slope思想对于路面附着系数估计的有效性,同时也表明了该理论在ADAMS/Car虚拟试验中同样可以再现.
参考文献
[1]AHN
CS,PENGH,TSENGHE.Robustestimationof
roadfrictioncoefficient
using
lateral
and
longitudinalvehicle
dynamics[J].Vehicle
System
Dynamics,
2012,50(6):961—985.
f2]GUSTAFSSONF.Slip—BasedTire.roadfrictionestimation
[J].Automatica,1997,33(6):1087—1099.
[3]YI
K,HEDRICKK,LEESC.Estimmionoftire・readfrictionusingobserverbasedidentifiers[J].Vehicle
System
Dynamics,1999,31(4),233—261.
[4]STEFFEN
M,MICHAELU,KARLH.Estimationof
themaximumtire.roadfrictioncoefficient[J].Journal
ofDynamic
SystemsMeasurementand
Control,2003,
125(12):607—617.
[5]LIK,MISENERJA,HEDRICK
K.On—boardroadconditionmonitoring
system
using
slip-・basedtyre--road
万方数据
frictionestimationandwheelspeedsignalanalysis[J].
JournalofMulti—bodyDynamics,2007,221(1):129—
146.
[6]RAJAMANI
R,PIYABONGKARN
DN,LEWJY,et
a1.Tire.roadfriction—coefficientestimation[J].IEEE
ControlSystems
Magazine,2010,30(4):54—69.
[7]WANGJ
M,LEE
A,RAJAMANI
R.Frictionestimation
on
highway
vehicles
usinglongitudinalmeasurements[J].Journal
of
Dynamic
Systems,
Measurement,andControl,2004,126(6):265—
275.
[8]RAY
LR.Nonlineartireforceestimationandroad
frictionidentification:simulationand
experiments[J].
Automatica,1997,33(10):1819—1833.
[9]赵又群,林菜.基于UKF算法的汽车状态估计[J].
中国机械工程,2010,21(5):615—619.[10]WENZEL
TA,BURNHAMKJ,BLUNDELLMV,et
a1.Kalmanfilter
as
a
virtual
sensor:applied
to
automotive
stability
systems[J].Transactions
of
the
InstituteofMeasurementand
Control,2007,29(2):
95—115.
[11]KIENCKEU,NIELSENL.Automotivecontrolsystems
[M].Second
Edition.Berlin:SpringerVerlag,2005:
304—313.
[12]PACEJKAHB.Tyre
andvehicle
dynamics[M].
Oxford:ButterworthHeinemann,2002:172—184.
[13]WAN
EA,MERWER.Kalmanfilteringandneural
networks[M].NewYork:Wiley&Sons,2001:234—
242.
(编辑杨波)