汽車橫向動力學的子空間辨識方法
【技術領域】
[0001] 本發明涉及的是一種汽車設計領域的技術，具體是一種基于子空間辨識的汽車橫 向動力學建模方法。
【背景技術】
[0002] 汽車動力學模型辨識包括模型結構的選擇和辨識方法的使用。在模型結構方面， 目前，線性開環模型結構在一定程度上可用于車輛系統的仿真，但由于該模型結構本身的 限制，導致辨識系統真實的動態響應較差，很難準確地反應出實際車輛系統的動態細節。其 次，線性車輛辨識模型的適用前提是車速恒定且側向加速度小于〇 . 4個重力加速度，這樣的 要求對于真實車輛系統來說并不實際。為克服模型結構的上述缺點，還提出了一種基于單 軌車輛模型的線性變參數結構，在其模型結構中，待辨識車輛系統的系數都為關于縱向車 速倒數的多項式函數，盡管充分考慮了縱向車速的變化，但遺憾的是輪胎側偏特性仍然在 線性域。另外，在推導該模型結構的過程中，系統的輸出量必須包含質心側偏角信號，這在 實際的汽車系統中并不容易實現，因為側偏角傳感器的價格較高且測量精度差，一般僅通 過估計手段獲得。
[0003] 在辨識方法的使用方面，盡管一些智能方法（如：人工神經網絡、最小二乘支持向 量機)可以辨識出具有很高精度的模型，但是由于這樣的模型缺乏明確的物理意義，應用范 圍受到了限制。集員辨識方法雖然考慮了線性時變參數的影響，但其僅僅是針對單輸入單 輸出系統，對于具有多輸入多輸出特點的車輛系統而言，辨識效率低。此外，經典子空間方 法雖然可以有效地用于有多輸入多輸出系統，但在閉環條件下估計的結果是有偏的。
【發明內容】
[0004] 本發明針對現有技術存在的上述不足，提出一種基于子空間辨識的汽車橫向動力 學建模方法，綜合考慮了汽車系統的多輸入多輸出、人-車-路大閉環以及非線性等特點，能 夠快速、有效地辨識出實際汽車系統的動力學模型，并且對模型進行實時更新，獲得的模型 可以準確地預測系統的輸出。
[0005] 本發明是通過以下技術方案實現的：
[0006] 本發明將輪胎的非線性車輛動力學模型在當前工況點xt和ut處通過一階Taylor展 開進行線性化，構建得到增量形式的非線性汽車橫向動力學模型結構，并通過遞推閉環子 空間辨識方法得到模型結構的車輛系統矩陣的最優估計。
[0007] 所述的增量形式的非線性汽車橫向動力學模型結構為：
[0008]
其中：系統狀態變量X包含了汽車的橫向速度 Vy，橫擺角速度γ、前軸側向力Fyf以及后軸側向力Fyr，即:x=[Vy γ Fyf Fyr]Mli入信號u = δ?，δ￡為前輪轉角，測量信號y=[ γ ay]T，γ為橫擺角速度，ay為側向加速度，F、G、H分別為系 統的系統矩陣、輸入矩陣和輸出矩陣。
[0009]所述的增量形式的非線性汽車橫向動力學模型結構的狀態變量、輸入信號和測量 信號都是以當前t時刻工況點為參考的增量形式，其離散形式的狀態方程為：
[0010:
，其中：At=I+A T · F，Bt= Δ T · G且Ct = H，Δ T為采樣時間。
[0011]所述的遞推閉環子空間辨識方法，具體包括以下步驟：
[0012] 步驟一:估計Markov參數(mi，...，mP):利用遞推最小二乘(RLS)自適應濾波器對方 程y(k)=?kZp(k)+e(k)進行線性回歸，得到包含Markov參數的車輛系數矩陣?k，基于車輛 系數矩陣Θ k可以構造出系統的Markov矩陣別，其中：
[0013] zp(k) = [zT(k-p) zT(k-p+l) ··· zT(k~l)]τ, 2：(/) = [：μγ(0
[0014] 車輛系數矩陣
[0015] 步驟二:更新車輛系統的廣義能觀矩陣Γ,:利用近似子空間投影技術(PAST)，TV 的列空間可以通過列空間的相似變換得到，將zp(fc)輸入到準則函數式
?，通過最小化準則函數7則得到廣義能觀矩陣iV的 估計。
[0016] 步驟三:更新增量形式的非線性汽車橫向動力學模型結構中的車輛系統矩陣:根 據廣義能觀矩陣1^的定義，按照式C = ff(l: 可以直接計算出C。然后，利用RLS自適應 濾波器對方S
進行線性回歸處理，得到車輛系統矩陣A、B、K的 最優估計。 技術效果
[0017] 與現有技術相比，本發明利用真實車輛系統的輸入輸出數據，通過遞推閉環子空 間辨識方法進而估計出系統的狀態空間模型矩陣，并對系統矩陣實時更新。其特點是成本 低、易于快速建模且適用范圍廣，此外，辨識出的模型精度較高，可以準確預測系統的輸出。
【附圖說明】
[0018] 圖1是本發明所述的增量形式汽車橫向動力學模型結構示意圖；
[0019] 圖2是本發明所述的遞推閉環子空間辨識方法流程圖示意圖；
[0020] 圖3是本發明所述的汽車橫向動力學模型辨識流程圖示意圖；
[0021 ]圖4是本發明所述的辨識建模方法在脈沖輸入下的辨識模型的特征值示意圖；
[0022]圖中:a為辨識模型的特征值實部示意圖，b為辨識模型的特征值虛部示意圖；
[0023] 圖5是本發明所述的辨識建模方法在脈沖輸入下的辨識模型的預測輸出示意圖；
[0024] 圖中：a為辨識模型的預測橫擺角速度示意圖，b為辨識模型的預測橫擺角速度誤 差示意圖，c為辨識模型的預測側向加速度示意圖，d為辨識模型的預測側向加速度誤差示 意圖；
[0025] 圖6是本發明所述的辨識建模方法在階躍輸入下的辨識模型的特征值示意圖；
[0026] 圖中:a為辨識模型的特征值實部示意圖，b為辨識模型的特征值虛部示意圖；
[0027] 圖7是本發明所述的辨識建模方法在階躍輸入下的辨識模型的預測輸出示意圖；
[0028] 圖中：a為辨識模型的預測側向加速度示意圖，b為辨識模型的預測側向加速度誤 差示意圖，c為辨識模型的預測橫擺角速度示意圖，d為辨識模型的預測橫擺角速度誤差示 意圖。
【具體實施方式】
[0029] 如圖1所示，本實施例中的主要是采用單軌車輛模型，考慮到輪胎的非線性因素， 其增量形式的非線性汽車橫向動力學模型結構為：
[0030]
，其中：選取的系統 狀態變量X包含了汽車的橫向速度vy，橫擺角速度γ，前軸側向力Fyf以及后軸側向力F yr，即： x=[Vy γ Fyf Fyr]T;輸入信號和測量信號分別包含:前輪轉角，橫擺角速度γ和側向加 速度 Ely，BP:U - , y - [y Ely]。
[0031] 如圖2所示，所述的閉環遞推子空間辨識方法包括:利用RLS估計車輛系統的矩陣 Θ，并構造 Markov