一种融合零均值虚拟观测的车载悬架状态估计方法及系统

本发明涉及车辆悬架状态估计，尤其涉及一种融合零均值虚拟观测的车载悬架状态估计方法及系统。

背景技术：

1、悬架状态估计问题一直是车辆主动控制领域的重要研究方向。车辆在制动、转向、弯道行驶及路面不平度激励作用下，车身垂向、俯仰、侧倾以及各悬架处的相对运动会发生明显变化，从而影响车辆平顺性和稳定性。对于半主动悬架系统而言，车身姿态、悬架动挠度及其变化趋势等状态信息直接决定减振器控制力分配和悬架响应调节效果。因此，研究能够在实际车辆传感器配置条件下获得可靠悬架控制状态信息的方法，对提高半主动悬架控制性能和工程应用可行性具有重要意义。

2、目前，针对悬架状态获取问题，现有技术通常采用多传感器直接测量方法或基于动力学模型的状态估计方法。多传感器直接测量方法通过配置悬架位移、悬架速度、车身加速度等传感器采集车辆运动信号，为控制器提供较为完整的状态输入；基于动力学模型的状态估计方法则通过采集车身可测运动信号，并结合悬架动力学模型和观测器算法重构控制所需状态量。相比多传感器直接测量方法，基于动力学模型的状态估计方法更适合面向车辆已有车载imu单传感器条件的悬架控制应用，但该类方法容易受到传感器噪声、模型参数偏差和复杂工况下车身运动耦合的影响，难以稳定提供后续控制所需的可靠状态信息。

3、为改善基于动力学模型的悬架状态估计方法在噪声抑制和状态重构方面的不足，已有研究进一步引入卡尔曼滤波、增广状态估计或数据驱动方法，以提高悬架状态估计的精度和鲁棒性。这些方法能够在一定程度上改善悬架控制状态信息的重构效果，并可利用测量信号对难以直接测量的控制状态量进行估计。但在实际车辆中，当传感器配置受限、测量噪声存在或车辆处于制动转向耦合工况时，相关方法会受到积分累积误差、模型参数偏差和实时应用条件的影响，导致控制状态信息的准确性和稳定性不足。

4、悬架系统本身具有非线性、时变性以及车身运动和路面激励耦合等特点，实际车辆工况下的状态估计难度较高。如果控制所需状态量估计不准确，将会影响后续半主动悬架控制器对车辆姿态和悬架响应的判断。尤其在仅采用车载imu实际测量信号的条件下，imu能够提供车身加速度和角速度信息，但不能直接给出完整的悬架控制状态信息，如何利用车载imu实测信息补全控制所需状态，同时抑制由间接估计和积分过程引起的漂移，成为需要进一步解决的问题。

技术实现思路

1、针对上述技术问题，本发明的主要目的在于提供一种融合零均值虚拟观测的车载悬架状态估计方法，能够在仅采用车辆已有车载imu作为实际测量传感器的情况下，结合悬架动力学模型对后续控制所需状态进行实时估计。通过提高单传感器条件下悬架状态估计的精度和稳定性，可为后续半主动悬架控制提供可靠状态信息。

2、本发明的另一个目的在于提出一种融合零均值虚拟观测的车载悬架状态估计系统。

3、本发明的第三个目的在于提出一种电子设备。

4、本发明的第四个目的在于提出一种计算机可读存储介质。

5、为达上述目的，本发明第一方面实施例提出了一种融合零均值虚拟观测的车载悬架状态估计方法，包括：

6、建立考虑路面不平度激励、车身横向加速度和纵向加速度作用的整车悬架动力学模型，并根据车载惯性测量单元可直接测量的车身垂向加速度、车身俯仰角速度和车身侧倾角速度建立观测方程；

7、利用车身位移和悬架相对位移的长期统计期望均值趋近于零的准零均值特性，构建零均值虚拟观测量；

8、将所述零均值虚拟观测量引入卡尔曼滤波更新过程，结合实际观测量和虚拟观测量进行状态预测与校正，输出更新后的后验悬架状态量与后验误差协方差矩阵；

9、通过循环递归的卡尔曼滤波算法，基于更新后的后验悬架状态量与后验误差协方差矩阵实时估计悬架控制所需的状态量。

10、在本发明的一个实施例中，所述建立考虑路面不平度激励、车身横向加速度和纵向加速度作用的整车悬架动力学模型，并根据车载惯性测量单元可直接测量的车身垂向加速度、车身俯仰角速度和车身侧倾角速度建立观测方程包括：

11、根据牛顿第二定律，建立以路面不平度激励和车身横、纵向加速度作用的整车悬架系统动力学微分方程，并定义状态向量为车身垂向位移、俯仰角、侧倾角、四个悬架相对位移及车身垂向速度、俯仰角速度、侧倾角速度、四个悬架相对速度，输入向量为四个悬架的半主动控制力，系统激励为纵向加速度、横向加速度以及四轮路面位移输入，将系统动力学方程写为状态空间形式；

12、选取车载惯性测量单元直接测量的车身垂向加速度、车身俯仰角速度和车身侧倾角速度作为实际观测量，结合车身位移与悬架相对位移的准零均值特性构建虚拟观测量，得到输出方程。

13、在本发明的一个实施例中，所述利用车身位移和悬架相对位移的长期统计期望均值趋近于零的准零均值特性，构建零均值虚拟观测量包括：

14、将车身垂向位移和四个悬架的相对位移共五个状态量的期望值设为零，构建包含五个零值元素的虚拟观测量；

15、将所述虚拟观测量与车载惯性测量单元直接测量的车身垂向加速度、车身俯仰角速度和车身侧倾角速度共同组成系统观测量。

16、在本发明的一个实施例中，所述将所述零均值虚拟观测量引入卡尔曼滤波更新过程，结合实际观测量和虚拟观测量进行状态预测与校正包括：

17、对系统状态和误差协方差矩阵进行初始化；

18、根据离散状态空间方程进行先验状态向量预测和状态误差协方差矩阵预测；

19、基于预测的误差协方差矩阵和测量噪声协方差矩阵计算卡尔曼增益矩阵；

20、利用卡尔曼增益矩阵、实际观测量和虚拟观测量对先验状态向量进行校正更新，得到后验最优状态量的估计值；更新后验状态误差协方差矩阵。

21、在本发明的一个实施例中，所述通过循环递归的卡尔曼滤波算法，基于更新后的后验悬架状态量与后验误差协方差矩阵,实时估计悬架控制所需的状态量包括：

22、将校正更新后得到的后验最优状态量估计值和后验误差协方差矩阵估计值代入下一时刻的先验状态向量预测和状态误差协方差矩阵预测步骤，实现卡尔曼滤波的循环递归过程，从而实时输出包含车身垂向位移、俯仰角、侧倾角、四个悬架相对位移、车身垂向速度、俯仰角速度、侧倾角速度以及四个悬架相对速度的悬架状态信息。

23、为达上述目的，本发明第二方面实施例提出了一种融合零均值虚拟观测的车载悬架状态估计系统，包括：

24、观测方程构建模块，用于建立考虑路面不平度激励、车身横向加速度和纵向加速度作用的整车悬架动力学模型，并根据车载惯性测量单元可直接测量的车身垂向加速度、车身俯仰角速度和车身侧倾角速度建立观测方程；

25、观测量构建模块，用于利用车身位移和悬架相对位移的长期统计期望均值趋近于零的准零均值特性，构建零均值虚拟观测量；

26、预测与校正模块，用于将所述零均值虚拟观测量引入卡尔曼滤波更新过程，结合实际观测量和虚拟观测量进行状态预测与校正，输出更新后的后验悬架状态量与后验误差协方差矩阵；

27、状态量估计模块，用于通过循环递归的卡尔曼滤波算法，基于更新后的后验悬架状态量与后验误差协方差矩阵实时估计悬架控制所需的状态量。

28、本发明实施例的融合零均值虚拟观测的车载悬架状态估计方法、系统，以车辆上布置的imu传感器作为实际测量来源，不依赖其他车辆状态测量传感器；首先建立考虑路面不平度激励、车身横向加速度和纵向加速度作用的整车悬架动力学模型，并根据车载imu可直接测量的车身垂向加速度、车身俯仰角速度和车身侧倾角速度建立观测方程；在此基础上，利用车身位移和悬架相对位移的长期统计期望均值趋近于零的准零均值特性，构建零均值虚拟观测量并引入卡尔曼滤波更新过程，从而对后续悬架控制所需状态量进行实时估计。通过仿真和样车试验验证，本发明能够在仅依赖车载imu实际测量信号的条件下抑制积分漂移，提高悬架状态估计的精度和稳定性，为后续悬架控制提供可靠状态信息。

29、本发明的第三个目的在于提出一种电子设备，包括：

30、处理器；

31、存储器，存储有可执行指令；所述处理器执行指令时，实现如上述的融合零均值虚拟观测的车载悬架状态估计方法。

32、本发明的第四个目的在于提出一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，实现如上述的融合零均值虚拟观测的车载悬架状态估计方法。

33、本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。