本發(fā)明涉及汽車，尤其涉及一種基于多傳感器耦合的汽車回正力矩估計方法。
背景技術(shù)：
1、車輛行駛過程中，駕駛員轉(zhuǎn)動轉(zhuǎn)向盤時感受到來自轉(zhuǎn)向盤的阻力矩稱為路感。路感能讓駕駛員感知到車輛的運動狀態(tài)、路面狀態(tài)信息等，是構(gòu)建“人-車-路”閉環(huán)系統(tǒng)中的關(guān)鍵環(huán)節(jié)。傳統(tǒng)的機械轉(zhuǎn)向系統(tǒng)中，回正力矩是路感模擬的重要組成部分，是車輛轉(zhuǎn)向過程中輪胎與地面接觸產(chǎn)生的關(guān)鍵動力學(xué)參數(shù)，車輪和地面發(fā)生側(cè)偏而產(chǎn)生回正力矩，然后通過轉(zhuǎn)向機構(gòu)將車輪回正力矩傳遞到方向盤，回正力矩直接影響方向盤回正特性、操縱穩(wěn)定性及駕駛員路感反饋。而線控轉(zhuǎn)向系統(tǒng)取消了轉(zhuǎn)向盤和轉(zhuǎn)向輪之間的機械連接，轉(zhuǎn)向盤與轉(zhuǎn)向輪之間通過電信號連接，這樣駕駛員不能直接通過轉(zhuǎn)向盤接收到路面狀態(tài)的反饋信息，即失去了對“路感”的直觀感知。這嚴重影響了駕駛員對車輛動態(tài)狀態(tài)的判斷能力和行車安全性，這也成為目前線控轉(zhuǎn)向系統(tǒng)廣泛應(yīng)用所面臨的核心難題之一。
2、在現(xiàn)代車輛控制中，準確估計回正力矩對于維持車輛直線行駛能力和駕駛員對轉(zhuǎn)彎行駛速度及行駛性能的感覺至關(guān)重要，是影響車輛操作性和穩(wěn)定性的關(guān)鍵技術(shù)之一；準確的回正力矩能夠提供清晰、真實的路感，使駕駛員能夠更好地感知路面狀況和車輛動態(tài)，提升駕駛體驗；對于提升車輛操控性、增強車輛穩(wěn)定性、提高行車安全性以及優(yōu)化車輛設(shè)計都具有極其重要的意義。線控轉(zhuǎn)向系統(tǒng)還可以根據(jù)不同的路面條件調(diào)整回正力矩，確保在低附著系數(shù)路面上也能提供足夠的回正能力，適應(yīng)不同路況，提高車輛的穩(wěn)定性和安全性。
3、傳統(tǒng)的回正力矩估計方法往往依賴于單一或少數(shù)幾種傳感器，或車輛動力學(xué)模型進行估計，存在以下問題：
4、1.單一傳感器局限性：單一傳感器無法全面反映動態(tài)工況(如路面摩擦系數(shù)變化、輪胎非線性特性)，信息獲取有限，導(dǎo)致在低附著力路面下估計精度顯著下降；
5、2.模型魯棒性不足：固定參數(shù)的數(shù)學(xué)模型難以適應(yīng)復(fù)雜工況及多變的駕駛模式(如高速轉(zhuǎn)向、低附著力路面、載荷變化)；
6、3.噪聲敏感性：傳感器噪聲和時延導(dǎo)致估計誤差累積。
技術(shù)實現(xiàn)思路
1、本發(fā)明的目的是為了解決現(xiàn)有技術(shù)存在的問題，而提出的一種基于多傳感器耦合的汽車回正力矩估計方法。
2、為了實現(xiàn)上述目的，本發(fā)明采用了如下技術(shù)方案：
3、一種基于多傳感器耦合的汽車回正力矩估計方法，包括如下步驟：
4、s1、對不同傳感器內(nèi)的數(shù)據(jù)進行采集，數(shù)據(jù)包括方向盤轉(zhuǎn)角、車輪速以及縱向車速、imu、雷達和攝像頭；
5、s2、對采集的數(shù)據(jù)進行預(yù)處理，包括對方向盤轉(zhuǎn)角數(shù)據(jù)進行限幅，車輪速數(shù)據(jù)中的高頻噪聲進行去除、imu數(shù)據(jù)進行坐標轉(zhuǎn)換以及頻繁的狀態(tài)預(yù)測、低頻率更新雷達和攝像頭數(shù)，最后根據(jù)時間戳對傳感器數(shù)據(jù)進行排隊和對齊；
6、s3、對多傳感器數(shù)據(jù)進行耦合，即擴展卡爾曼濾波耦合多傳感器數(shù)據(jù)，首先確定系統(tǒng)狀態(tài)向量，建立系統(tǒng)狀態(tài)方程和觀測方程：
7、xk＝f(xk-1,uk)+wk
8、其中，狀態(tài)向量xk包括位置(x,y)，車速v，橫擺角速度ωr、側(cè)向加速度ay；輸入δ為前輪轉(zhuǎn)角；wk為過程噪聲；
9、zk＝h(xk)+vk
10、觀測向量zk為多傳感器原始數(shù)據(jù)，zk＝[axm,aym,ωrm,vxm,μ]t，vk為觀測噪聲，直接測量前輪轉(zhuǎn)角，作為動力學(xué)模型的輸入；
11、然后預(yù)測狀態(tài)向量和誤差協(xié)方差矩陣：
12、利用上一時刻的狀態(tài)估計值和系統(tǒng)的狀態(tài)方程，預(yù)測當前時刻的狀態(tài)向量；同時，根據(jù)系統(tǒng)的動態(tài)模型和過程噪聲的統(tǒng)計特性，預(yù)測當前時刻的誤差協(xié)方差矩陣：
13、
14、p′(k)＝f(k-1)p(k-1)ft(k-1)+q(k-1)；
15、雅可比矩陣線性化：對非線性的狀態(tài)方程和測量方程進行一階泰勒展開，得到線性化的方程；
16、再根據(jù)觀測方程和當前時刻的測量數(shù)據(jù)，計算卡爾曼增益，進行狀態(tài)更新和協(xié)方差更新：
17、計算卡爾曼增益：k(k)＝p′(k)ht(k)(h(k)p′(k)ht(k)+r(k))-1
18、hk是測量矩陣；r(k)是測量噪聲協(xié)方差矩陣；
19、更新狀態(tài)向量和誤差協(xié)方差矩陣：
20、狀態(tài)更新方程：
21、其中h是測量方程；
22、協(xié)方差更新方程：p(k)＝(i-k(k)h(k)p′(k))；
23、最后迭代循環(huán)，重復(fù)預(yù)測和更新步驟，不斷用新的測量數(shù)據(jù)來更新狀態(tài)估計；
24、s4、基于動態(tài)徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)(rbfnn)的回正力矩估計模型；
25、s5、參數(shù)自適應(yīng)模塊：通過遞歸最小二乘法(rls)動態(tài)調(diào)整rbfnn的權(quán)重矩陣w。
26、優(yōu)選的，rbfnn模型結(jié)構(gòu)：
27、輸入層：耦合后的特征向量fv；
28、隱含層：節(jié)點數(shù)m＝10(經(jīng)驗值)；
29、激活函數(shù)為高斯核函數(shù)，節(jié)點數(shù)根據(jù)經(jīng)驗初始化，每個節(jié)點的輸出為
30、
31、輸出層:回正力矩估計值
32、初始化參數(shù)：
33、固定中心與寬度：
34、中心初始化：采用聚類對樣本的輸入空間聚類，取聚類中心作為初始中心；
35、寬度初始化：設(shè)為經(jīng)驗值σ＝0.5；
36、權(quán)重與rls參數(shù)：
37、初始權(quán)重w(0)＝0；
38、協(xié)方差矩陣pj(0)＝λ-1i，其中λ＝0.99(遺忘因子)。
39、優(yōu)選的，理論值計算：基于二自由度車輛動力學(xué)模型計算
40、rbfnn前向傳播：計算隱藏層輸出φj(t)，預(yù)測回正力矩mz(t)；
41、rls權(quán)重更新：
42、計算誤差：
43、計算增益向量
44、更新權(quán)重矩陣wj(t)＝wj(t-1)+kj(t)ej(t)；
45、更新協(xié)方差矩陣
46、
47、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：
48、1、通過多傳感器耦合數(shù)據(jù)，提升復(fù)雜工況下的回正力矩估計精度；
49、2、擴展卡爾曼濾波與徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)聯(lián)合算法實現(xiàn)非線性系統(tǒng)的高精度建模，響應(yīng)時間減少；
50、3、動態(tài)參數(shù)調(diào)整使高速緊急變道場景的響應(yīng)延遲減少；
51、4、擴展卡爾曼濾波降低噪聲干擾，估計誤差降低。
1.一種基于多傳感器耦合的汽車回正力矩估計方法，其特征在于，包括如下步驟：
2.根據(jù)權(quán)利要求1所述的一種基于多傳感器耦合的汽車回正力矩估計方法，其特征在于，rbfnn模型結(jié)構(gòu)：
3.根據(jù)權(quán)利要求2所述的一種基于多傳感器耦合的汽車回正力矩估計方法，其特征在于，理論值計算：基于二自由度車輛動力學(xué)模型計算