一种多传感器联合标定与在线误差修正方法及系统与流程

本发明涉及晕动舒适性试验，具体涉及一种多传感器联合标定与在线误差修正方法及系统。

背景技术：

1、随着电动汽车技术的发展，电动乘用车因其动力响应快、动能回收强度大以及车内静谧性高等特点，与传统燃油车在车辆动态特性上存在显著差异。这种差异使得乘员在电动乘用车内的晕动诱发机制更为复杂，因此，开展针对电动乘用车的晕动舒适性道路试验，精确量化并评价车辆的晕动水平，对于提升车辆驾乘体验具有现实意义。

2、在电动乘用车晕动测评道路试验场景中，通常要求被测车辆按预设的循环工况路线（如总长5 km~10 km）连续行驶多圈次，并同步采集油门/制动位移传感器、三轴陀螺仪及三轴加速度计等多类传感器数据。这些数据分别表征驾驶员输入、车辆角运动及线运动状态，是构建“驾驶员输入→车辆运动→乘员/假人响应”这一因果链的基础，直接决定了后续晕动评分、数据治理及知识图谱构建的准确性。然而，由于道路试验单日运行频次高、圈数多，且车辆行驶工况复杂，长时连续运行下的传感器误差累积问题成为制约数据质量的主要因素。

3、目前，业内针对车载传感器的标定与误差修正方案主要存在以下几方面问题：

4、首先，广泛采用的发车前一次性静态标定方法，通常仅在试验开始前于静止状态下通过物理基准（如踏板五开度锁定、imu多姿态重力基准）建立映射关系。然而，这种离线标定方式无法应对长时多圈次行驶过程中产生的动态误差。在连续行驶过程中，传感器受零漂（上电残余零偏迁移）、温漂（机舱/底盘大温差导致的刻度系数变化）以及振动失配（颠簸路段导致安装座微振）等因素影响，误差会持续累积。其次，现有的行驶中惯性测量单元（imu）在线自校准技术，多依赖于零速更新（zupt）或卡尔曼滤波等算法，主要用于adas或惯性导航领域。此类技术通常要求车辆有较长时间的静止状态以进行零速修正，而晕动道路试验多为连续循环工况，缺乏足够的静止样本，导致zupt机制难以适用。此外，现有在线校准多局限于imu自身的参数修正，忽略了油门/制动位移传感器与imu之间的联合标定。

5、最后，现有的在线修正触发机制往往不够合理。部分方案采用固定周期重标定，效率低下且浪费试验资源；而基于模型残差或固定时间阈值的触发方式，误触发率高，且缺乏针对性。特别是现有技术未能充分利用陀螺仪对安装座微振及路面冲击的敏感性优势，导致在复杂的道路试验环境中，对漂移的识别存在滞后或误报，无法满足晕动测评对传感器数据精度及实时性的高要求。

技术实现思路

1、本发明的目的在于，提出一种多传感器联合标定与在线误差修正方法及系统，能够解决现有在线校准方法不适应连续循环工况及漂移识别滞后的问题。

2、为了实现上述目的，第一方面，本发明提出一种多传感器联合标定与在线误差修正方法，包括：

3、在车辆静止状态下，利用物理基准建立传感器的初始映射关系；

4、在车辆行驶过程中，基于陀螺仪输出的短时方差实时监测传感器是否发生漂移；

5、当监测到漂移时，采用带遗忘因子的递归最小二乘算法对传感器数据进行平滑补偿；

6、在车辆满足预设匀速直线行驶条件时，基于动力学约束校验不同传感器之间的一致性；

7、将校正后的传感器数据与统一时间戳对齐并输出。

8、基础方案的有益效果：通过在车辆静止状态下利用物理基准建立传感器的初始映射关系，能够为后续的动态测量提供准确的基准点，降低了传感器固有的系统性偏差，保证了底层数据的可信度。

9、通过基于陀螺仪输出的短时方差实时监测传感器是否发生漂移，利用陀螺仪对微振动的敏感性作为判据，能够区分正常路面激励与传感器自身的异常漂移。相比固定阈值监测，该方法能更及时、准确地捕捉行驶过程中因振动等因素引起的传感器失真，降低漏判与误判率。

10、当监测到漂移时，采用带遗忘因子的递归最小二乘算法对传感器数据进行平滑补偿，能够以历史数据为基础迭代更新零偏估计。该算法在跟踪漂移趋势的同时，避免了校正过程中出现数值的突变，确保输出数据的连续平滑，防止因校正动作本身产生的伪影干扰后续的数据分析。

11、在车辆满足预设匀速直线行驶条件时，基于动力学约束校验不同传感器之间的一致性，利用特定行驶状态下各传感器数据的耦合关系进行交叉验证。该方法能够发现单一传感器自检无法识别的相对漂移问题，确保不同传感器（如油门开度与加速度计）之间的数据逻辑自洽，提升了联合采集数据的整体可靠性。

12、将校正后的传感器数据与统一时间戳对齐并输出，消除了不同传感器因采样频率或本地时钟差异导致的时间偏差，确保了多通道数据在时间维度上的严格对应，为后续的融合处理与分析提供了标准化的时间基准。

13、作为一种可实施的优选方案，在车辆静止状态下，利用物理基准建立传感器的初始映射关系，包括：

14、踏板位移传感器非线性映射标定，利用夹具将踏板依次锁定在多个指定开度位置，采集各位置处的传感器输出信号均值，构建二次多项式映射模型并通过最小二乘法求解拟合系数；

15、imu重力基准标定，将imu模块分别置于水平静置姿态、正重力朝向姿态及负重力朝向姿态，利用重力矢量作为绝对基准计算加速度计各轴的零偏与刻度系数，并利用水平静置姿态下的读数均值获取陀螺仪零偏。

16、作为一种可实施的优选方案，所述踏板位移传感器非线性映射标定的指定开度位置包括0%、25%、50%、75%及100%五个位置；在每个位置保持静置预设时间后以预设频率采集信号并计算平均值。

17、作为一种可实施的优选方案，在车辆行驶过程中，基于陀螺仪输出的短时方差实时监测传感器是否发生漂移，包括：

18、在静态标定完成后车辆静止状态下，计算陀螺仪各轴输出的短时方差，基于滑动窗口内方差的均值和标准差设定漂移触发阈值；

19、在车辆运行过程中，实时计算陀螺仪三轴的短时方差，当任意轴的短时方差连续预设次数超过所述漂移触发阈值时，判定该轴对应的传感器通道进入漂移状态并触发在线补偿步骤。

20、作为一种可实施的优选方案，所述滑动窗口的长度覆盖车辆晕动主频段的多个完整周期；

21、对于窗口内的角速度序列，计算方差：

22、

23、其中，n为窗口内样本数，统计所有窗口方差的均值μ和标准差，设定漂移触发阈值t=μ+3

24、作为一种可实施的优选方案，当监测到漂移时，采用带遗忘因子的递归最小二乘算法对传感器数据进行平滑补偿，包括：

25、构建系统模型为：

26、

27、其中，为被校正的传感器在k时刻的原始读数，为真实加速度值，为时变零偏，为测量噪声；

28、定义回归向量，参数向量；

29、计算增益向量，公式为：

30、

31、其中，为遗忘因子；

32、更新零偏估计，公式为：

33、

34、其中，作为观测值，为估计的漂移量；

35、更新逆相关矩阵，公式为：

36、

37、输出校正后数据，公式为：

38、。

39、作为一种可实施的优选方案，在车辆满足预设匀速直线行驶条件时，基于动力学约束校验不同传感器之间的一致性，包括：

40、当纵向加速度波动绝对值小于第一阈值、横摆角速度绝对值小于第二阈值且持续时长大于预设时长时，判定为匀速直线校验时段；

41、在所述匀速直线校验时段内，计算油门开度变化率与纵向加速度变化率的比值作为校验指标；

42、若连续多个采样点的所述校验指标均超出预设合理区间，则判定传感器之间存在相对失真。

43、作为一种可实施的优选方案，匀速直线判定与校验指标参数具体包括：

44、所述第一阈值为0.05m/s²，所述第二阈值为0.5°/s，所述预设时长为5s；所述预设合理区间为[0.7, 1.3]。

45、作为一种可实施的优选方案，将校正后的传感器数据与统一时间戳对齐并输出，包括：

46、所有传感器采样帧均继承车辆can控制器硬件捕获的时间戳；

47、输出包含时间戳、工况标识及经校正后的传感器值的结构化三元组数据流。

48、第二方面，本发明还提供一种多传感器联合标定与在线误差修正系统，应用于上述的一种多传感器联合标定与在线误差修正方法，包括：标定工位工装、车载采集校准单元以及后台数据管理端；

49、所述标定工位工装，部署于标定工位，用于在试验发车前对传感器进行静态标定；

50、所述车载采集校准单元，部署于试验车辆上，包括传感器组、采集计算模块和can总线接口；所述传感器组用于采集车辆运行数据；所述can总线接口用于接入车辆动力can总线并捕获硬件时间戳；所述采集计算模块用于执行漂移监测、在线补偿以及多传感器一致性交叉校验，并将校正后的传感器数据与所述硬件时间戳对齐后输出；

51、所述后台数据管理端，与所述车载采集校准单元通信连接，用于接收并归档对齐后的传感器数据。