CN105073526B - 车辆参考速度确定方法和利用这种方法的车辆控制装置 - Google Patents

Abstract

本发明涉及一种车辆参考速度确定方法和利用这种方法的机动车控制装置，其中，直接或间接确定或估计的行驶状态信号在包含分别配设给所述行驶状态信号的加权因子的情况下在合并模块(10)中被合并，其中，合并模块(10)包括至少两个随机估计器(1、2、3、7)，所述估计器相互交换相应于物理车辆参量的信号，其中，与用于车辆性能的物理模型一致地选择估计器(1、2、3、7)的组合。

Description

车辆参考速度确定方法和利用这种方法的车辆控制装置

技术领域

本发明涉及一种车辆参考速度确定方法，在该方法中，将直接或间接地确定或估计的行驶状态信号包括分别配设给所述行驶状态信号的加权因子在内在合并模块中合并。本发明还涉及一种车辆控制装置。

背景技术

用于确定在机动车制动调节系统、机动车的传动打滑调节装置和行驶动力学调节装置中的可靠的车辆参考速度的不同方法已经是已知的。

按照文献DE 43 14 830 A1，仅基于对车轮速度的分析处理。如果另外的传感器在车辆中可用，那么这些传感器可以附加地考虑用于确定参考速度。文献WO 02/103366描述了在ESP/ESC控制装置中借助于纵向加速度传感器、车轮转速传感器对车轮参考速度的确定以及通过GPS传感器的位置确定。文献DE 10 2008 045 619 A1附加地处理通过摄像机确定的位置信息。由文献DE 10 2004 060 677 A1得知一种确定方法，其中通过光学方法确定关于地面的速度。文献WO 2011 023 591 A1和DE 10 259 272 A1涉及车轮速度信息、用于纵向加速度的模型以及车轮动力学模型的结合。车轮动力学模型和纵向加速度模型基于车轮运动估计或确定车辆的加速度。

在纯粹基于未受驱动的车桥的无滑地转动的车轮的基础上的方法中可能存在如下情况，其中不能正确确定车辆速度。车辆参考速度信号那么在一些制动过程中或者在传动打滑的情况下不代表真实车轮速度。该问题特别是在全轮驱动车中存在于传动打滑或拖曳扭矩的情况中。这经常导致：所估计的速度在制动情况下对于所有车辆类型可能被估计过低而在驱动情况下对于全轮驱动车被估计过高。

通过包含加速度信号和发动机扭矩存在的可能在于，对所估计的速度进行可信度测试。然而发动机扭矩信号在制动情况下不总是可得的，因为发动机可以是断耦联的。再者，拖曳扭矩信号不具有与在驱动情况下的发动机扭矩信号相似的高品质。此外发动机扭矩不能完全传递到道路上，因为车轮可能打滑或抱死。在另一侧上惯性传感装置的加速度信号基于长期漂移、装配不精确性和道路坡度而具有偏差。再者该信号由于车轴振动和由惯性决定的延迟而是嘈杂的。对于加速度传感器不存在等价的冗余。

开头提及的文献DE 10 259 272 A1涉及具有不同可靠性的信号的合并的问题。按照所述方法，在包含多个可得的传感器信号的情况下确定车辆速度，所述传感器信号对计算结果的影响依赖于加权因子。

发明内容

本发明的目的在于，提供一种在包括附加的行驶状态传感器的情况下基于车轮转速信息的特别准确的、鲁棒的和可靠的、借助于利用加权因子进行合并的方法获得的车辆参考速度确定方法，附加的行驶状态传感器例如是纵向加速度传感器或制动压力。

该目的按照本发明通过一种车辆参考速度确定方法来实现，在该方法中，将直接或间接地确定或估计的行驶状态信号包括分别配设给所述行驶状态信号的加权因子在内在合并模块中合并，其中，合并模块包括至少两个随机估计器，所述至少两个随机估计器相互交换相应于车辆物理行驶状态参量的信号，其中，与用于车辆性能的物理模型一致地选择随机估计器的组合，其中，合并模块被分成至少两个层级式布置的模型计算层，其中，每个模型计算层模型式地模拟车辆的一个子区域，每个模型计算层包括至少一个随机估计器，其中，模型计算层包括如下层：车辆模型、轮胎模型以及动力传动系模型。

按照本发明车辆参考速度确定方法，将行驶状态信号相互合并，其中包含有分别配设给行驶状态信号的加权因子。在此不是每个信号都需要具有加权因子。当然这是通常的情况并且此外是特别有利的。

信号例如是物理行驶状态或行驶参数，其间接或直接地直接来自传感器或间接通过对其他信号的处理而确定或估计出。

通过上述方法，能够实施特别精确的车轮打滑计算，由此可以决定性地改善行驶动力学调节、传动打滑调节和制动调节，它们应用了按照本发明的车辆参考速度确定方法。

因此根据一种特别优选的实施形式，本发明涉及一种用于通过随机估计器的层级式结构确定行驶状态、特别是车辆速度、加速度和道路坡度的方法。

合并模块优选划分成或分为至少两个分层布置的模型计算层，其中，每个模型计算层模型式地模拟车辆的一个子区域，特别是每个层包括至少一个随机估计器。

特别优选地，模型计算层分为如下层：

-车辆模型、

-轮胎模型、以及

-动力传动系模型，

其中，车辆模型特别优选地为车辆的纵向动力学模型。

本发明此外包括下述优选实施形式A)至F)：

A)用于车辆速度估计的方法：

按照在此所述的方法，使用在三个层(a1至a3)上的模型实现基于模型的参考速度估计。

a1)用于模拟动力传动系的方法(动力传动系模型)

通过计算仿真的模拟在包括发动机扭矩、制动转矩和动力传动系构件(发动机、离合器、传动装置、差速器、车轮)的情况下实现。

a2)用于模拟(计算仿真)轮胎特性曲线(μ在打滑曲线上的变化，所谓的轮胎特性曲线模型)的方法

为了确定特性曲线参数，合并模块优选地除了随机估计器之外附加地还至少包括另一特别是按照最小二乘法工作的随机估计器和/或一物理计算模型。最小二乘法适宜地是递归最小二乘法。

a3)纵向车辆模型，特别是基于车辆加速度模型或车辆减速模型的纵向车辆模型

该纵向车辆模型包括至少一个合并滤波器。作为合并滤波器，宜考虑已知的随机估计器、例如卡尔曼滤波器。

B)具有在三个层上(b1-b3)的多个随机状态估计器的层级式状态估计结构

b1)动力传动系模型层：

根据分别备选地优选的实施形式，分别为车桥设有一动力传动系模型，其中，在不同车桥上的车轮的速度利用动力传动系模型来处理。因此存在的可能在于，为了估计状态将模型分到机动车的两个车桥上。换言之，一个状态估计器单独负责一个车桥，通常是一个估计器负责前桥并且一个估计器负责后桥。

根据一种优选的实施形式，对于每个车桥应用一随机估计器，该随机估计器由所测得的车轮速度和所估计的车辆速度确定消除了打滑的车轮速度。

备选地也能够，一种一般的解决方案用于所有在车辆中可能的驱动类型，包括制动状态在内。在该情况下，每个状态估计器具有驱动转矩和制动转矩作为输入量。例如在仅两轮或单轴驱动的车辆中仅用于被驱动的车桥的状态估计器被馈入有正的驱动转矩，而用于未被驱动的车桥的状态估计器获得驱动转矩0。在全轮驱动的车辆中，每个车桥被按比例地馈入驱动转矩。在制动过程中，每个车桥获得负的制动转矩。

b2)用于确定轮胎-道路接触的轮胎模型层

为了确定轮胎特性曲线的参数，优选应用与车轮个体有关的打滑曲线估计。这特别是通过按照递归最小二乘法的估计来实现。在该估计中宜将最大可获得的摩擦值以及轮胎刚度共同包括到计算中。

b3)车轮模型层

行驶状态信号根据一种优选实施形式由以下信号源形成：

-ESC行驶状态传感器，如优选

i)车轮速度(ω_i)以及

ii)车辆纵向加速度(a_x,传感器)。

特别是其包括：

-车辆纵向速度(v_ref)、

-车辆纵向加速度(a_ref)以及

-道路坡度角(γ_ref)。

按照另一优选实施形式，确定车辆速度和车辆纵向加速度，其至少包括以下部分：

-利用线性动力学的随机估计器，用于合并所测得的、特别是补偿了持续运行偏差和坡度的车辆加速度；

-由模型计算出的车辆加速度；以及

-四个消除了打滑的车轮速度。

优选地在车辆模型层中，由模型计算出的车辆加速度a_x,模型的基于周向力的确定由轮胎特性曲线和车辆质量基于车辆纵向模型实现。在此特别优选地，一个单独的估计器用于坡度角，而一个单独的估计器用于上级车辆。

为了确定车辆坡度因此根据一种优选实施形式，由所测得的车辆加速度和所估计的车辆加速度实施随机估计。

C)对系统噪声和测量噪声的建模

c1)根据一种优选实施形式，由下部的动力传动系模型层b1)上的滤波器的不确定性基于模型地推导出随机的合并滤波器的测量噪声。

c2)此外根据本方法的一种同样优选的实施形式也可以在包括车辆特性——如特别是至少包括车辆质量、惯性以及起振性能——的情况下进行对测量噪声的建模。

c3)按照另一优选实施形式，最后还可以与情况有关地基于模型确定系统噪声。

D)(通过将整个滤波器分为多个估计器而实现的)单个估计器的尺寸减小和与之 相关联的、计算负荷和RAM/ROM资源的减少以及较高的精度

E)纵向加速度传感装置的暂时失灵的冗余

F)仅使用标准ESC传感装置，如：车轮转速、纵向加速度传感器、发动机扭矩和制动 压力，其中，制动压力可以感测地确定或者基于模型确定。

由此产生如下优点：该方法可特别简单地实现到通常的ESP/ESC制动控制装置中。

优选地，按照本发明的方法使用数学计算在纯固定点算法中按照程序技术实现。这主要由于按照本发明实现的尺寸减小而是可能的。由此特别是在(如在典型的机动车控制装置中经常的情况的)具有比较小的处理速度的计算系统上得到高的处理速度。

通过按照本发明优选实施的冗余处理所估计的或感测确定的物理行驶状态参量，产生相对于传感器失灵或错误的传感器信号的总体上鲁棒性较高的计算方法。

基于按照一种优选实施形式应用的、借助于随机信号处理的多假设追踪策略，相对于在信号(例如车轮速度)之间的简单切换产生更好的命中概率。

附图说明

另外的优选实施形式由以下根据附图对一实施例的说明得出。其中：

图1示出具有分为多个相互连接的随机估计器的车辆参考速度确定方法的视图。

具体实施方式

在图1中示出如可以应用在车辆电子控制装置例如ESC/ESP制动控制装置或车辆中央计算器中的那样的、用于借助于主计算模块确定车辆参考速度的估计器10。在电子控制装置中由与之连接的或者包含在控制装置内的车辆传感器如车轮转速传感器、驶偏传感器/横摆率传感器、纵向加速度传感器接收信号并且借助于微控制器进行处理。基于内部数字信号处理，因此用于状态合并的离散卡尔曼滤波器是特别适宜的。

估计器10是具有三个层的层级式滤波器组件。对于全轮驱动的车辆或对于两轮驱动的车辆，状态空间模型可以通过一般的状态方程来表达，该状态方程建立了在每个车轮的车轮速度ω_i(i＝1至4)、沿车辆纵向(x)的车辆速度v_x和加速度a_x之间的数学关系。

估计器10处理以下被数字转换的传感器信号：

-ω_i＝车轮转速信号9(在图1中以RDF表示)；

-a_x,传感器＝加速度传感器信号8；

-T_eng＝发动机扭矩信号11；以及

-P_THZ＝驾驶员初压力12(THZ，图1中的方框“制动转矩”)。

对上述计算密集的状态方程的观察在估计器10中分为三个独立的计算层，这三个计算层分别可以理解为独立的车辆模型：

-轮胎模型200，包括用于确定打滑特性曲线的λ-μ曲线估计器2在内；-动力传动系模型300，包括车轮动力学模型3在内；以及

-车辆的纵向动力学模型100。

该示例性的方法可以理解为分开的、特别是至少部分分层的随机估计器结构。由此在较高层上的观察者可以汇合和评估下部层的信息。由此产生的层级结构具有的优点在于，实现任务分离。这种结构的下部估计器产生预滤波，而上部层负责合并。这样可以产生“自上而下”和“自下而上”的影响的适配的自组织。附加地，下部层中的估计器由所述层级结构的“自上而下”的影响而获益。这表示，下部层可以使用上部层的预测，其可以基于多个输入量的例如较高的信息内容或更准确的模型而提供更精确的结果。此外，在上部层中确认的优先级可以向下转达，以便以对事物的更详细说明的/特殊的视角支持下部观察者。而对于上部层，“自下而上”的影响是重要的，因为其由此仅须对作为测量量获得的下部层预测进行管理。

随机估计器例如是自身已知的卡尔曼滤波器、特别是离散卡尔曼滤波器。借助于该滤波器可以实现，不仅感测到的测量信号(例如物理行驶状态的测量量，例如借助于纵向加速度传感器测得的纵向加速度)而且所谓的伪测量信号(例如由其它信号或者借助于其它信号计算或估计出的物理行驶状态参量)在根据所估计的信号的不精确性(置信区间或“品质”)同时加权的情况下相互合并。为了可以在处理信号时总是也一起包括信号质量，优选通过将当前信号值连同瞬时传输的信号的当前品质一起传输或传递到下一计算模型来进行信号的传输。

因为离散卡尔曼滤波器是对于线性方程系统特别适合的滤波器，所以适宜的是，在工作点的区域中进行线性化，例如通过特别优选地应用扩展卡尔曼滤波器(EKF)或“无迹的”卡尔曼滤波器(UKF)。对于在车辆控制装置中的实施，扩展的卡尔曼滤波器是特别优选的，因为该扩展的卡尔曼滤波器具有关于所应用的物理计算器(资源)的必需的能力这方面的优点。

通过对轮胎道路接触的模型化得到非线性的总系统，该总系统在数值上能仅以相对较大的计算时间需求被处理。因此适宜的是，并不仅应用主要设计用于线性系统的简单的卡尔曼滤波器。已经证实，EKF滤波器特别适用于在此所述的目的，因为能够借助于该滤波器使得该系统围绕当前工作点线性化。

探讨系统的非线性的另一种可能是应用UKF滤波器。

在本例中应用的随机估计器至少包括随后所述的部件1)至7)。该列举不应理解为对本发明例子的限制。而是可以删去单个部件或根据需要添加另外的部件。

基于车轮动力学和车辆动力学的区别，例如将对参考速度以及车辆加速度的估计与对角速度的估计分开。目标是估计车辆参考速度，因此用于该估计的估计器位于上部层中。为了进一步简化角速度模型，拆分成前桥和后桥。选择这种构型的优点在于，相比于拆分为左车轮和右车轮，两个车桥上的车轮更强地相互耦合。

通过这种方式形成的估计器是比较准确的并且不具有基于过于不同的动力学的特别的数值问题。相比于用于整个模型的估计器，由于所述拆分和所述自组织的结构也存在更容易参数化的优点。拆分为前桥和后桥同样使观察者能够更容易地对于其他车辆类型进行设计。因此估计器10的结构总体上易于在车辆计算器中实现。

在下部层300上设有两个EKF滤波器3，这两个EKF滤波器估计在前桥上的具有打滑的角速度ω_FL和ω_FR以及在后桥上的ω_RL和ω_RR。估计器使用发动机的驱动转矩T_eng11以及制动转矩T_brk12作为输入量。制动转矩可以由车辆制动系统的制动压力计算得到。

在应用对具有两个驱动机组的车辆的建模时，前桥的估计器使用前发动机的发动机扭矩而后桥的估计器使用后发动机的发动机扭矩。同样，制动转矩通过对车桥之间的连接进行拆分而分开。

在上部层100上设有一个卡尔曼滤波器7，该卡尔曼滤波器用作合并滤波器。该卡尔曼滤波器估计车辆的速度v_ref和加速度a_ref。因此在所示例子中使用了总共三个估计器，一个用于前桥的动力学，一个用于后桥的动力学，而一个用于车辆的总动力学。在层100的下部中设有用于产生用于加速度的伪测量量的模块5，该伪测量量的形式为四个补偿了打滑的车轮速度，这四个补偿了打滑的车轮速度被提供给合并滤波器。此外该合并滤波器应用来自模块8的加速度传感器的测量信号a。为了可以使用层级结构的强度，将由下部层的滤波器确定的标准偏差传递给合并滤波器。此外用于前桥和后桥的估计器相互交换其估计结果并且将合并滤波器的速度估计和加速度估计用作输入量。在对具有两个驱动机组的车辆建模时取消下部层估计结果的相互应用。

1)“坡度角估计器”部件

由来自7的所求得的车辆参考速度v_ref和测得的加速度a_ref以及来自8的测得的加速度a_x,传感器借助于随机滤波器估计出道路坡度角γ_ref。

2)“μ打滑特性曲线估计器、λ-μ曲线估计器”部件

根据车辆的修正了偏差的纵向加速度a_{x,传感器,corr}可以计算所使用的摩擦值μ_使用并且分别根据驱动类型(两轮驱动、全轮中间差速)将摩擦值分到四个车轮上。基于参数化的轮胎特性曲线根据所使用的摩擦值μ_使用,i和来自4的、所计算出的车轮打滑λ_i通过最小二乘法求出轮胎特性曲线的参数c₀、c₁和c₂并且由此也确定最大的摩擦值μ_最大,i。由所获得的特性曲线可以根据打滑获得模型摩擦值μ_模型,i和与之相应的车轮周向力F_x,i＝F_n,i+μ_模型,i。

3)“转速估计器”部件

在对发动机扭矩信号T_eng、车轮转速信号ω_i、来自7的所估计的车辆加速度a_ref、来自1的所估计的坡度角γ_ref、来自2的所求得的轮胎周向力F_x,i和轮胎特性(打滑曲线)进行分析处理的情况下，考虑动力传动系模型(包括轮胎动力学模型在内)借助于随机估计方法(例如扩展的卡尔曼滤波器)求得降噪的车轮速度

4)“打滑计算”部件

根据来自7的所估计的车辆速度v_ref和来自3的所估计的车轮转速ω～_i计算车轮打滑λ_i。

5)“模型加速度”部件

由来自2的所估计的轮胎力F_x,i的总和通过除去质量计算出模型车辆加速度a_x,模型。

6)“消除打滑的车轮速度”部件

由测得的车轮速度ω_i减去来自4的所估计的打滑λ_i并因此计算出相应于车辆速度的且消除了打滑的车轮速度

7)“合并滤波器”部件

在随机合并滤波器(例如卡尔曼滤波器)中由以下信息借助于线性动力学模型估计出车辆速度v_ref和车辆加速度a_ref：

-部件6)的

-测得的车辆加速度a_x,传感器，在减去坡度角γ_ref的影响后；以及

-来自部件5)的模型车辆加速度a_x,模型。

整个框架经受随机信号处理。也就是说，各部件除了所估计的信号本身外还传递所估计的信号的不精确性(置信区间)，该不精确性在进一步的信号处理中考虑。如可知的那样，测量量的数目大于状态的数目并且卡尔曼滤波器的结构能实现将测量信号与伪测量信号一起合并。卡尔曼滤波器根据信号噪声从冗余的速度信号和加速度信号滤出最可信的信息。

Claims (13)

1.一种车辆参考速度确定方法，在该方法中，将直接或间接地确定或估计的行驶状态信号包括分别配设给所述行驶状态信号的加权因子在内在合并模块(10)中合并，其特征在于，合并模块(10)包括至少两个随机估计器，所述至少两个随机估计器相互交换相应于车辆的物理行驶状态参量的信号，其中，与用于车辆性能的物理模型一致地选择随机估计器的组合，

合并模块被分成至少两个层级式布置的模型计算层(100、200、300)，其中，每个模型计算层(100、200、300)模型式地模拟车辆的一个子区域，每个模型计算层包括至少一个随机估计器，

其中，模型计算层包括如下层：

-车辆模型(100)、

-轮胎模型(200)以及

-动力传动系模型(300)。

2.根据权利要求1所述的方法，其特征在于，合并模块除了所述至少两个随机估计器之外附加地还至少包括另一按照最小二乘法工作的随机估计器和/或一物理计算模型(4、5、6)。

3.根据权利要求1或2所述的方法，其特征在于，行驶状态信号由ESC行驶状态传感器获得。

4.根据权利要求3所述的方法，其特征在于，ESC行驶状态传感器信号是：i)车轮速度(ω_i)和ii)传感器测得的车辆纵向加速度(a_x,传感器)。

5.根据权利要求3所述的方法，其特征在于，所述行驶状态信号包括：

-车辆纵向速度(v_ref)、

-车辆纵向加速度(a_ref)以及

-道路坡度角(γ_ref)。

6.根据权利要求1或2所述的方法，其特征在于，车辆模型(100)是车辆的纵向动力学模型。

7.根据权利要求1或2所述的方法，其特征在于，为了确定轮胎特性曲线的参数，应用与车轮个体有关的打滑曲线估计。

8.根据权利要求1或2所述的方法，其特征在于，对于每个车桥应用一随机估计器，该随机估计器由所测得的车轮速度和所估计的车辆速度确定消除了打滑的车轮速度。

9.根据权利要求1或2所述的方法，其特征在于，确定车辆速度和车辆纵向加速度，其中，在此应用：

-利用线性动力学的随机估计器，该利用线性动力学的随机估计器用于合并所测得的车辆加速度；

-由模型计算出的车辆加速度；以及

-四个消除了打滑的车轮速度。

10.根据权利要求9所述的方法，其特征在于，所述利用线性动力学的随机估计器用于合并所测得的补偿了持续运行偏差和坡度的车辆加速度。

11.根据权利要求1或2所述的方法，其特征在于，由轮胎特性曲线和车辆质量基于车辆纵向模型实现对由模型计算出的车辆加速度(a_x,模型)的基于周向力的确定。

12.根据权利要求1或2所述的方法，其特征在于，行车道坡度的随机确定或估计由所测得的车辆加速度和所估计的车辆加速度实现。

13.一种车辆控制装置，其特征在于，在该车辆控制装置中执行按照权利要求1至12中任一项所述的方法。