一种基于参数识别的车辆状态估计方法

1.本发明涉及车辆参数识别与车辆状态估计领域，特别涉及一种基于参数识别的半主动悬架车辆状态估计方法。


背景技术：

2.半主动悬架系统的控制力大多是基于车辆运行状态信息进行反馈计算的，因此要求能够获得尽可能多的车辆运行状态信息，以实现更好的控制性能。但是，在工程应用中并非所有状态变量都能够由车载传感器直接准确测量获得。一方面原因是传感器难以直接测量某些状态变量；另一方面原因是传感器本身存在的标定误差、零飘、测量噪声等问题都会导致测量精度随传感器数量的增多而降低。此外，使用的传感器越多，半主动悬架系统的成本也相应越高。这些因素都会严重制约半主动悬架系统控制效果程度充分发挥。因此，通过已知的系统信息和可观测的信号估计得到完整且准确的半主动悬架车辆运行状态具有重要价值。
3.目前获得半主动悬架车辆状态的常用方法是设计基于车辆动力学参考模型的状态观测算法，根据已知的系统输入量以及易于传感器测量的车辆状态量来预测其它未知的状态量，再通过引入测量变量偏差反馈对预测的状态量进行修正，最终获得比较可靠的状态变量估计值。但是，该状态观测算法受到描述车辆运动状态的参考模型的影响较大。由于乘员数量或车辆空满载等工况变化，会引起车辆的簧上质量发生变化，使得参考模型与实际模型之间的模型误差变大，进而导致观测的状态变量估计值不准确。因此，对簧上质量进行实时参数识别，准确估计完整的车辆运行状态具有相当大的工程意义。
4.管继富等在中国发明公开专利cn115431696a公开的“一种车辆悬架动力学状态观测方法及控制方法”中，仅利用悬架动行程信号来对悬架系统的状态量以及路面高程进行估计。但是，该方法中表征模型误差的过程噪声只考虑了路面不平度激励的影响，没有涉及由于主观或客观因素导致的用于估计的参考模型与实际运动过程之间的动态模型误差，尤其是由于车辆载重即簧上质量变化引起的车辆状态观测器预测结果的误差，估计结果并不精确。


技术实现要素：

5.为了解决现有技术中存在的问题，本发明提供一种基于参数识别的车辆状态估计方法，该方法先对半主动悬架车辆的簧上质量进行参数识别，从而更新车辆状态观测器的状态方程。再基于更新后的车辆状态观测器，根据悬架高度传感器信号，即可估计出完整车辆运行状态。
6.为实现本发明目的，本发明提供的一种基于参数识别的车辆状态估计方法，按以下步骤实现：
7.(1)建立簧上质量参数观测器：
8.车辆在行驶过程中，簧上质量是几乎不变的，因此可以认为前一时刻的簧上质量
与后一时刻的簧上质量相等，即：
9.m
k+1
＝m
k (14)
10.其中，下标k和k+1表示时刻；m为簧上质量。
11.选取状态变量测量变量系统输入u＝[u]
t
，可建立如下簧上质量参数观测器：
[0012][0013]
其中，下标k和k+1表示时刻；ms为簧上质量，为簧上质量的垂向加速度，u为减振器可调作动力，h为包含减振器阻尼力和弹簧力的悬架合力；w为过程噪声，v为测量噪声，二者分别满足w～n(0,qw)、v～n(0,rv)的高斯分布，其中qw与rv分别表示过程噪声和测量噪声满足的协方差矩阵。此外，噪声w与v相互独立且和状态变量无关。
[0014]
(2)建立车辆状态观测器：
[0015]
选取状态变量测量变量y＝[x
s-xu]
t
，系统输入u＝[u]
t
，可建立如下车辆状态观测器：
[0016][0017]
其中，a为系统状态矩阵，b为输入矩阵，c为输出状态矩阵；ω为过程噪声，υ为测量噪声，二者分别满足ω～n(0,q
ω
)，υ～n(0,r
υ
)的高斯分布，其中q
ω
与r
υ
分别表示过程噪声和测量噪声满足的协方差矩阵。此外，噪声ω与υ相互独立且和状态变量无关。
[0018]
考虑到工程实际应用中的传感器和ecu等元件都是以采样时间t运行工作的，因此，对车辆状态观测器进行离散化：
[0019][0020]
由此得到离散化形式的车辆状态观测器：
[0021][0022]
其中，下标k和k+1表示时刻，下标d表示离散化形式；ad、bd、cd为离散化形式的矩阵。
[0023]
(3)初始化参数观测器和状态观测器：
[0024]
设定簧上质量参数观测器的模型参数，包括设定初始簧上质量参数值θ0、初始参数误差协方差矩阵根据参数模型误差和簧上质量加速度传感器测量误差，设定过程噪声w和测量噪声v满足的协方差矩阵qw与rv；设定簧上质量参数观测器的采样时间t
θ
。
[0025]
设定车辆状态观测器的模型参数，包括设定初始车辆状态x0、初始状态误差协方差矩阵根据状态模型误差和悬架高度传感器测量误差，设定过程噪声ω和测量噪声υ满足的协方差矩阵q
ω
与r
υ
；设定车辆状态观测器的采样时间t
x
。
[0026]
其中，表征模型误差的过程噪声w和ω满足的协方差矩阵qw和q
ω
是通过离线调整取值使估计结果最优的方法确定的，表征传感器测量误差的测量噪声v和υ满足的协方差矩阵rv和r
υ
是通过对传感器测量信号进行噪声分析的方法确定的。
[0027]
(4)计算k时刻的悬架合力hk：
[0028]
通过悬架高度传感器测量得到k时刻的悬架动挠度x
s-xu，并对其信号进行离散微分，可得到k时刻的悬架动速度此外，由阻尼连续可调减振器控制单元得到k时刻的减振器可调作动力uk。由此，计算k时刻的悬架合力hk：
[0029][0030]
(5)计算k时刻的参数预测值和参数预测误差协方差
[0031]
根据簧上质量参数观测器的预测方程，由k-1时刻的参数估计值计算k时刻的参数预测值
[0032][0033]
其中，上标折线表示预测值，上标波浪线表示估计值。
[0034]
计算k时刻的参数预测误差协方差求解计算公式如下：
[0035][0036]
其中，上标折线表示预测误差协方差，上标波浪线表示估计误差协方差。
[0037]
(6)计算k时刻的参数估计值和参数估计误差协方差
[0038]
根据簧上质量加速度传感器的测量值与参数观测器的输出预测值之间的偏差，对k时刻的参数预测值进行反馈校正，求解计算公式如下：
[0039][0040]
计算k时刻的参数估计误差协方差求解计算公式如下：
[0041][0042]
式(6)和式(7)中：
[0043][0044]
其中，为k时刻的参数偏差增益，为k时刻的簧上质量加速度传感器的测量值，i表示单位矩阵。
[0045]
根据式(7)得到的参数估计误差协方差用于下一时刻的参数预测误差协方差的计算。
[0046]
(7)更新k时刻的车辆状态观测器：
[0047]
对参数估计值取倒数，得到k时刻的簧上质量估计值将k时刻的簧上质量估计值代入式(2)，更新车辆状态观测器，并根据状态观测器的采样时间t
x
对车辆状态
观测器进行离散化。
[0048]
(8)计算k时刻的状态预测值和状态预测误差协方差
[0049]
由阻尼连续可调减振器控制单元得到k-1时刻的减振器可调作动力u
k-1
，根据车辆状态观测器的预测方程，由k-1时刻的状态估计值计算k时刻的状态预测值求解计算公式如下：
[0050][0051]
其中，上标折线表示预测值，上标波浪线表示估计值。
[0052][0053]
其中，上标折线表示预测误差协方差，上标波浪线表示估计误差协方差。
[0054]
(9)计算k时刻的状态估计值和状态估计误差协方差
[0055]
根据悬架高度传感器的测量值与状态观测器的输出预测值之间的偏差，对k时刻的状态预测值进行反馈校正，求解计算公式如下：
[0056][0057]
计算k时刻的状态估计误差协方差求解计算公式如下：
[0058][0059]
式(11)和式(12)中：
[0060][0061]
其中，为k时刻的状态偏差增益，为k时刻的悬架高度传感器的测量值，i表示单位矩阵。
[0062]
根据式(12)得到的状态估计误差协方差用于下一时刻的状态预测误差协方差的计算。
[0063]
(10)输出k时刻的簧上质量估计值和车辆状态估计结果；
[0064]
(11)令k＝k+1，重复上述步骤(4)至(10)，得到下一时刻的簧上质量估计值和车辆状态估计结果。
[0065]
本发明与现有技术相比，至少具有以下优点：
[0066]
1)通过簧上质量加速度传感器和悬架高度传感器对簧上质量进行参数识别，能够减小由于乘员数量或车辆空满载等工况变化引起的参数误差，为后续状态估计和悬架作动力控制提供了可靠的参数结果。
[0067]
2)基于参数识别得到的簧上质量能对车辆状态观测器进行实时更新，能够减小由于参数误差引起的状态观测器的模型误差，使得估计的车辆运行状态更加准确。
[0068]
3)在车辆状态估计中，只用到了悬架高度传感器的测量信号，能够在保证状态估计精度的基础上减小传感器的使用数量，降低半主动悬架控制系统的成本，充分发挥半主动悬架的控制效果和进一步实现更好的控制性能。
[0069]
4)本发明提供的估计方法中引入表征模型误差的过程噪声w和ω满足的协方差矩
阵qw和q
ω
，引入表征传感器测量误差的测量噪声v和υ满足的协方差矩阵rv和r
υ
，能够提高估计结果的精确度。
附图说明
[0070]
图1是本发明实施例提供的一种基于参数识别的车辆状态估计方法的流程示意图。
[0071]
图2是本发明实施例中四分之一半主动悬架车辆模型的示意图。
[0072]
图3是本发明实施例中的系统框架示意图。
[0073]
图4是本发明实施例中簧上质量的本发明估计结果、实际结果和原估计结果对比图。
[0074]
图5是本发明实施例中悬架动挠度的本发明估计结果、实际结果和原估计结果对比图。
[0075]
图6是本发明实施例中簧上质量速度的本发明估计结果、实际结果和原估计结果对比图。
[0076]
图7是本发明实施例中轮胎动变形的本发明估计结果、实际结果和原估计结果对比图。
[0077]
图8是本发明实施例中簧下质量速度的本发明估计结果、实际结果和原估计结果对比图。
具体实施方式
[0078]
以下结合附图并举实施例对本发明作进一步详细描述。
[0079]
请参阅图1，本发明提供的一种基于参数识别的车辆状态估计方法，实施步骤如下：
[0080]
(1)建立簧上质量参数观测器：
[0081]
在本发明的其中一些实施例中，车辆在行驶过程中，簧上质量是几乎不变的，因此可以认为前一时刻的簧上质量与后一时刻的簧上质量相等，即：
[0082]mk+1
＝m
k (14)
[0083]
其中，下标k和k+1表示时刻。
[0084]
对于应用阻尼连续可调半主动悬架的四分之一车辆模型，针对簧上质量有如下动力学方程：
[0085][0086]
其中，ms为簧上质量，xs为簧上质量的垂向位移，cs为减振器固定阻尼系数，ks为悬架弹簧刚度，u为减振器可调作动力，分别是xs、xu的一阶导数，为xs的二阶导数，xu为簧下质量的垂向位移。
[0087]
则式(14)可改写为：
[0088][0089]
其中，h为包含减振器阻尼力和弹簧力的悬架合力，其表达式为：
[0090][0091]
选取状态变量测量变量系统输入u＝[u]
t
，可建立如下簧上质量参数观测器：
[0092][0093]
其中，下标k和k+1表示时刻；θ、θ
k+1
分别表示k时刻和k+1时刻的簧上质量的倒数，y
k+1
表示k+1时刻的簧上质量加速度传感器的测量值，hk表示k时刻的悬架合力；wk为k时刻的过程噪声，vk为k时刻的测量噪声，二者分别满足w～n(0,qw)、v～n(0,rv)的高斯分布，其中qw与rv分别表示过程噪声和测量噪声满足的协方差矩阵。此外，噪声w与v相互独立且和状态变量无关。
[0094]
选取的状态变量θ为簧上质量的倒数，以使参数观测器的输出方程为线性形式的方程。
[0095]
(2)建立车辆状态观测器：
[0096]
对于应用阻尼连续可调半主动悬架的四分之一车辆模型，有如下动力学方程：
[0097][0098]
其中，ms为簧上质量，mu为簧下质量，xs为簧上质量的垂向位移，xu为簧下质量的垂向位移，xr为路面激励，cs为减振器固定阻尼系数，ks为悬架弹簧刚度，k
t
为轮胎垂向刚度，u为减振器可调作动力。
[0099]
选取状态变量测量变量y＝[x
s-xu]
t
，系统输入u＝[u]
t
，可建立如下车辆状态观测器：
[0100][0101]
式(16)中：
[0102]
c＝[1000]
[0103]
其中，为状态变量x的一阶导数，a为系统状态矩阵，b为输入矩阵，c为输出状态矩阵；ω为过程噪声，υ为测量噪声，二者分别满足ω～n(0,q
ω
)，υ～n(0,r
υ
)的高斯分布，其中q
ω
与r
υ
分别表示过程噪声和测量噪声满足的协方差矩阵。此外，噪声ω与υ相互独立且和
状态变量无关。
[0104]
考虑到工程实际应用中的传感器和ecu等元件都是以采样时间t运行工作的，因此，对车辆状态观测器进行离散化：
[0105][0106]
由此得到离散化形式的车辆状态观测器：
[0107][0108]
其中，下标k和k+1表示时刻，下标d表示离散化形式；ad、bd、cd为离散化形式的矩阵。
[0109]
(3)初始化参数观测器和状态观测器：
[0110]
设定簧上质量参数观测器的模型参数，包括设定初始簧上质量参数值θ0、初始参数误差协方差矩阵根据参数模型误差和簧上质量加速度传感器测量误差，设定过程噪声w和测量噪声v满足的协方差矩阵qw与rv；设定簧上质量参数观测器的采样时间t
θ
。
[0111]
设定车辆状态观测器的模型参数，包括设定初始车辆状态x0、初始状态误差协方差矩阵根据状态模型误差和悬架高度传感器测量误差，设定过程噪声ω和测量噪声υ满足的协方差矩阵q
ω
与r
υ
；设定车辆状态观测器的采样时间t
x
。
[0112]
在本发明的其中一些实施例中，表征模型误差的过程噪声w和ω满足的协方差矩阵qw和q
ω
是通过离线调整取值使估计结果最优的方法确定的，表征传感器测量误差的测量噪声v和υ满足的协方差矩阵rv和r
υ
是通过对传感器测量信号进行噪声分析的方法确定的。
[0113]
(4)计算k时刻的悬架合力hk：
[0114]
通过悬架高度传感器测量得到k时刻的悬架动挠度x
s-xu，并对其信号进行离散微分，可得到k时刻的悬架动速度此外，由阻尼连续可调减振器控制单元得到k时刻的减振器可调作动力uk。根据式(19)，计算k时刻的悬架合力hk：
[0115][0116]
(5)计算k时刻的参数预测值和参数预测误差协方差
[0117]
根据簧上质量参数观测器的预测方程，由k-1时刻的参数估计值计算k时刻的参数预测值
[0118][0119]
其中，上标折线表示预测值，上标波浪线表示估计值。
[0120]
计算k时刻的参数预测误差协方差求解计算公式如下：
[0121][0122]
其中，上标折线表示预测误差协方差，上标波浪线表示估计误差协方差。
[0123]
(6)计算k时刻的参数估计值和参数估计误差协方差
[0124]
根据簧上质量加速度传感器的测量值与参数观测器的输出预测值之间的偏差，对
k时刻的参数预测值进行反馈校正，求解计算公式如下：
[0125][0126]
式(6)中：
[0127][0128]
其中，为k时刻的参数偏差增益，为k时刻的簧上质量加速度传感器的测量值。
[0129]
计算k时刻的参数估计误差协方差求解计算公式如下：
[0130][0131]
其中，i表示单位矩阵。
[0132]
根据式(7)得到的参数估计误差协方差用于下一时刻的参数预测误差协方差的计算。
[0133]
(7)更新k时刻的车辆状态观测器：
[0134]
对参数估计值取倒数，得到k时刻的簧上质量估计值将k时刻的簧上质量估计值代入式(2)，更新车辆状态观测器，并根据状态观测器的采样时间t
x
对车辆状态观测器进行离散化。
[0135]
(8)计算k时刻的状态预测值和状态预测误差协方差
[0136]
由阻尼连续可调减振器控制单元得到k-1时刻的减振器可调作动力u
k-1
，根据车辆状态观测器的预测方程，由k-1时刻的状态估计值计算k时刻的状态预测值求解计算公式如下：
[0137][0138]
其中，上标折线表示预测值，上标波浪线表示估计值。
[0139]
计算k时刻的状态预测误差协方差求解计算公式如下：
[0140][0141]
其中，上标折线表示预测误差协方差，上标波浪线表示估计误差协方差。
[0142]
(9)计算k时刻的状态估计值和状态估计误差协方差
[0143]
根据悬架高度传感器的测量值与状态观测器的输出预测值之间的偏差，对k时刻的状态预测值进行反馈校正，求解计算公式如下：
[0144][0145]
式(11)中：
[0146]
[0147]
其中，为k时刻的状态偏差增益，为k时刻的悬架高度传感器的测量值。
[0148]
计算k时刻的状态估计误差协方差求解计算公式如下：
[0149][0150]
其中，i表示单位矩阵。
[0151]
根据式(12)得到的状态估计误差协方差用于下一时刻的状态预测误差协方差的计算。
[0152]
(10)输出k时刻的簧上质量估计值和车辆状态估计结果；
[0153]
(11)令k＝k+1，重复上述步骤(4)至(10)，得到下一时刻的簧上质量估计值和车辆状态估计结果。
[0154]
在本发明的其中一些实施例中，采用具体示例来对本发明方法的有效性进行验证：
[0155]
在仿真软件中建立四分之一半主动悬架车辆模型，其中，车辆参数如表1所示。同时，建立c级路面激励作用于车辆模型，设定车速为72km/h。首先，从车辆模型引出簧上质量加速度信号和悬架动挠度信号，并将信号分别接入簧上质量参数观测器和车辆状态观测器。其次，从簧上质量参数观测器输出簧上质量估计值，并接入车辆状态观测器。再次，从车辆状态观测器输出车辆状态估计结果，即悬架动挠度、簧上质量速度、轮胎动变形和簧下质量速度。最后，将簧上质量估计值和车辆状态估计结果与实际结果进行对比。
[0156]
其中，图4是簧上质量的本发明估计结果、实际结果和原估计结果对比图；图5是悬架动挠度的本发明估计结果、实际结果和原估计结果对比图；图6是簧上质量速度的本发明估计结果、实际结果和原估计结果对比图；图7是轮胎动变形的本发明估计结果、实际结果和原估计结果对比图；图8是簧下质量速度的本发明估计结果、实际结果和原估计结果对比图。这些结果表明本发明所提出的基于参数识别的车辆状态估计方法能够实时估计并动态修正调整簧上质量的参数值，可以有效减小由于参数误差引起的状态观测器的模型误差，进而提高车辆运行状态的估计精度。因此，本发明方法能够更好地满足半主动悬架车辆运行状态估计的需求，以充分发挥半主动悬架的控制效果和进一步实现更好的控制性能。
[0157]
表1四分之一车辆模型参数
[0158][0159][0160]
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其他实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一
致的最宽的范围。

技术特征：
1.一种基于参数识别的车辆状态估计方法，其特征在于，包括以下步骤：(1)建立簧上质量参数观测器；选取状态变量测量变量系统输入u＝[u]
t
，建立如下簧上质量参数观测器：其中，下标k和k+1表示时刻；y
k+1
表示k+1时刻的簧上质量加速度传感器的测量值，m
s
为簧上质量，为簧上质量的垂向加速度，u为减振器可调作动力，h为包含减振器阻尼力和弹簧力的悬架合力；w为过程噪声，v为测量噪声，二者分别满足w～n(0,q
w
)、v～n(0,r
v
)的高斯分布，其中q
w
与r
v
分别表示过程噪声和测量噪声满足的协方差矩阵；(2)建立车辆状态观测器；选取状态变量测量变量y＝[x
s-x
u
]
t
，系统输入u＝[u]
t
，建立如下车辆状态观测器：其中，下标k和k+1表示时刻；x
s
为簧上质量的垂向位移，x
u
为簧下质量的垂向位移，u为减振器可调作动力；下标d表示离散化形式；a
d
为离散化的系统状态矩阵，b
d
为离散化的输入矩阵，c
d
为离散化的输出状态矩阵；ω为过程噪声，υ为测量噪声，二者分别满足ω～n(0,q
ω
)，υ～n(0,r
υ
)的高斯分布，其中q
ω
与r
υ
分别表示过程噪声和测量噪声满足的协方差矩阵；(3)初始化簧上质量参数观测器和车辆状态观测器；设定簧上质量参数观测器的模型参数，包括设定初始簧上质量参数值θ0、初始参数误差协方差矩阵根据参数模型误差和簧上质量加速度传感器测量误差，设定过程噪声w和测量噪声v满足的协方差矩阵q
w
与r
v
；设定簧上质量参数观测器的采样时间t
θ
；设定车辆状态观测器的模型参数，包括设定初始车辆状态x0、初始状态误差协方差矩阵根据状态模型误差和悬架高度传感器测量误差，设定过程噪声ω和测量噪声υ满足的协方差矩阵q
ω
与r
υ
；设定车辆状态观测器的采样时间t
x
；(4)计算k时刻的悬架合力h
k
：其中，为悬架动速度，x
s-x
u
为悬架动挠度，u
k
为减振器可调作动力；(5)计算k时刻的参数预测值和参数预测误差协方差和参数预测误差协方差和参数预测误差协方差其中，上标折线表示预测情况，上标波浪线表示估计情况；
(6)计算k时刻的参数估计值和参数估计误差协方差和参数估计误差协方差和参数估计误差协方差式(6)和式(7)中：其中，为k时刻的参数偏差增益，为k时刻的簧上质量加速度传感器的测量值，i表示单位矩阵；(7)更新k时刻的车辆状态观测器：对参数估计值取倒数，得到k时刻的簧上质量估计值将k时刻的簧上质量估计值代入式(2)，更新车辆状态观测器，并根据状态观测器的采样时间t
x
对车辆状态观测器进行离散化；(8)计算k时刻的状态预测值和状态预测误差协方差和状态预测误差协方差和状态预测误差协方差其中，上标折线表示预测情况，上标波浪线表示估计情况；(9)计算k时刻的状态估计值和状态估计误差协方差和状态估计误差协方差和状态估计误差协方差式(11)和式(12)中：其中，为k时刻的状态偏差增益，为k时刻的悬架高度传感器的测量值，i表示单位矩阵；(10)输出k时刻的簧上质量估计值和车辆状态估计结果；(11)令k＝k+1，重复上述步骤(4)至(10)，得到下一时刻的簧上质量和车辆状态估计结果。2.根据权利要求1所述的一种基于参数识别的车辆状态估计方法，其特征在于，所述步骤(1)是基于车辆在行驶过程中簧上质量是几乎不变的事实上建立的，认为前一时刻的簧上质量与后一时刻的簧上质量相等，即：m
k+1
＝m
k (14)其中，下标k和k+1表示时刻，m为簧上质量。3.根据权利要求1所述的一种基于参数识别的车辆状态估计方法，其特征在于，所述步骤(2)是通过对连续形式的状态方程离散化得到的，其离散化的方式考虑了采样时间，具体
方法为：其中，下标k和k+1表示时刻，x为状态变量，u为系统输入，ω为过程噪声，a为系统状态矩阵，b为输入矩阵，t为采样时间。4.根据权利要求1所述的一种基于参数识别的车辆状态估计方法，其特征在于，过程噪声满足的协方差矩阵是通过离线调整取值使估计结果最优的方法确定的，测量噪声满足的协方差矩阵是通过对传感器测量信号进行噪声分析的方法确定的。5.根据权利要求1所述的一种基于参数识别的车辆状态估计方法，其特征在于，悬架高度传感器测量得到悬架动挠度，通过对其信号进行离散微分，得到悬架动速度。6.根据权利要求1所述的一种基于参数识别的车辆状态估计方法，其特征在于，所述步骤(5)和(8)中下一时刻的预测值是根据观测器的预测方程，由上一时刻的估计值计算得来的。7.根据权利要求1所述的一种基于参数识别的车辆状态估计方法，其特征在于，根据簧上质量加速度传感器的测量值与车辆参数观测器的输出预测值之间的偏差，对参数预测值进行反馈校正。8.根据权利要求1所述的一种基于参数识别的车辆状态估计方法，其特征在于，步骤(6)和(9)中得到的估计误差协方差用于下一时刻的预测误差协方差的计算。9.根据权利要求1所述的一种基于参数识别的车辆状态估计方法，其特征在于，根据悬架高度传感器的测量值与状态观测器的输出预测值之间的偏差，对状态预测值进行反馈校正。10.根据权利要求1-9任一所述的一种基于参数识别的车辆状态估计方法，其特征在于，步骤(2)得到车辆状态观测器的过程包括：选取状态变量测量变量y＝[x
s-x
u
]
t
，系统输入u＝[u]
t
后，能够建立如下车辆状态观测器：式(16)中：c＝[1000]其中，为状态变量x的一阶导数，a为系统状态矩阵，b为输入矩阵，c为输出状态矩阵；ω为过程噪声，υ为测量噪声，二者分别满足ω～n(0,q
ω
)，υ～n(0,r
υ
)的高斯分布，其中q
ω
与r
υ
分别表示过程噪声和测量噪声满足的协方差矩阵；对车辆状态观测器进行离散化：即可得到离散化形式的车辆状态观测器：

技术总结
本发明公开一种基于参数识别的车辆状态估计方法，包括：建立簧上质量参数观测器；建立车辆状态观测器；初始化参数观测器和状态观测器；计算k时刻的悬架合力H


技术研发人员：杜灿杰 殷智宏 上官文斌
受保护的技术使用者：华南理工大学
技术研发日：2023.02.17
技术公布日：2023/6/26