轮胎／路面附着系数估算方法

为提高汽车主动安全系统自适应控制性能,需要对轮胎／路面附着系数进行精确的识别或估算。鉴于附着系数估计的复杂性,文章综述了目前路面附着系数估算中的汽车动力学建模和轮胎／路面摩擦模型建模,重点讨论了轮胎／路面附着系数识别算法中传感器的直接检测估计法,以及基于车辆动力学、回正力矩和状态观测器等动力学模型的估计算法,并对各估算方法存在的问题与发展趋势等进行了分析。对开发汽车主动安全电控系统和提高汽车产业核心竞争力具有重要意义。     

路面附着系数识别方法发展现状综述

实时、准确地识别路面附着系数是国内外汽车行业研究领域的热点和难点之一。针对目前国内外路面附着系数识别领域研究现状,根据汽车运动工况及动力学原理,分别对汽车纵向运动过程中的路面附着系数识别方法和汽车侧向运动过程中的路面附着系数识别方法进行了论述。对路面附着系数识别中常涉及的附着率估算、路面类型识别方法进行了分析,最后对路面附着系数识别技术发展方向进行了讨论。     

路面附着系数对汽车跟驰安全距离的影响研究

考虑路面附着系数对汽车跟驰安全距离的影响并建模,通过MATLAB仿真平台进行仿真,发现在路面附着系数较大(0.5~1.0)的情况下,前后两车跟驰的安全距离随速度的变化缓慢增长,且不同路面情况下的安全距离相差不大;在路面附着系数较小(0~0.5)的情况下,特别是在冰雪路面上,车辆跟驰的安全距离随速度的增长变化最大。     

冬奥延庆赛区复杂山地公路路面附着系数研究

由于地形的限制,冬奥延庆赛区的山地公路设计中大纵坡小半径路段较多,境内现有的标准、规范未能全面覆盖,为保障运行安全,需进行路面附着系数的研究。根据实际运营状况,利用摆式仪测量路面常温干燥、低温干燥、低温潮湿、融雪等状态下,普通轮胎、雪地轮胎分别与普通路面、防滑路面组合的附着系数值。研究发现,在所有路面上,普通轮胎的附着系数随温度的升高先减小后增大、而雪地胎的值持续增大至稳定;两种轮胎的值随水膜厚度的增加先减小后增大,雪地胎的值始终高于普通轮胎。最优组合为刻槽路面和雪地胎,低温干燥的值为0.806,低温潮湿的值为0.75,雪水混合物状态下的值为0.436。文章可为理论计算和仿真安全评价提供关键参数支持。     

基于Kalman滤波的路面附着系数估计算法综述

实时、准确地获取车辆行驶时的路面附着系数信息对车辆主动安全控制具有重大影响,尤其智能汽车控制策略的设计对获取路面附着系数信息的精准度和实时性提出更高要求.本文基于Kalman滤波原理,针对国内外学者采用此算法的研究现状进行了梳理,总结了路面附着系数估计算法的未来发展趋势,为车辆主动安全控制系统研究提供理论参考.     

路面状况与行车安全浅探

大量的实验和理论研究表明，路面状况的好坏影响着路面的附着性能，路面的附着性能又影响着车辆的运行安全，因此，搞好公路养护，加强路政管理，是改善路面状况提高路面的附着性能，保证行车安全的重要措施。     

考虑道路因素的智能车辆纵向运动决策与控制研究

针对智能车辆纵向运动时的交通道路适应性问题,考虑路面附着系数和前车运动速度等因素,研究了智能车辆纵向运动决策与控制方法。论文研究了基于车头时距的纵向运动决策方法并建立不同驾驶行为的目标车速模型,运用变论域模糊推理算法设计了目标加速度模型。基于纵向动力学模型,运用自适应反演滑模控制算法建立了驱动控制器和制动控制器。对高附着系数路面和低附着系数路面的行驶工况进行仿真试验验证,结果表明,在不同的附着系数路面和前车变速行驶条件下,智能车辆能实时、合理地决策目标车速、目标加速度,实现安全、高效、稳定的跟驰。     

基于Freescale S12单片机的路面附着系数测试系统

路面附着系数与行车安全性密切相关。设计了一种基于Freescale S12单片机控制的路面附着系数测试系统。该系统针对路面附着系数测试系统的需求,以滑移率与路面附着系数间的关系为依据,将MC9S12DG128B单片机作为控制核心,对信号采集系统和信号调理单元输出的信号进行相应计算处理,最终将测得的路面附着系教发送至数据显示单元。试验结果表明,设计的路面附着系数测试系统具有结构简单、测量精度高、实用性强及人机交互功能强等优点,具有一定的实际应用价值。     

路面状况与行车安全分析

文中通过分析，指出路面状况的好坏影响着路面的附着性能，而路面的附着性能又影响着车辆的运行安全。从而认为搞好公路养护，加强路政管理，是改善路面状况、提高路面附着性能、保证行车安全的重要措施。     

基于轮边驱动电动汽车轮胎力估计的路面附着系数估算

为了能够实时准确的获得当前车轮的轮胎力及路面附着系数以提高汽车主动安全性能,提出一种轮边驱动电动汽车状态估计与路面附着系数估计相结合的估计方法。根据车载传感器及七自由度非线性车辆动力学模型,采用扩展卡尔曼滤波算法(EKF)进行车辆状态及轮胎力的估计。结合EKF估算结果和轮胎模型,采用递归最小二乘法(RLS)实时估计不同路面的附着系数。仿真结果表明:该方法可以在较为复杂工况下估计出不同的路面附着系数,估计精度较高,实时性较好。     

路面附着系数的自适应衰减卡尔曼滤波估计

为了获得实时、准确的路面附着系数，进一步提高观测路面附着系数算法的精度和收敛速度，结合非线性车辆动力学模型和轮胎力修正模型，搭建分布式驱动电动汽车联合仿真平台，提出一种基于自适应衰减无迹卡尔曼滤波的路面附着系数观测算法。该算法设计与各轮对应的路面附着系数观测器，应用协方差匹配判据对观测器发散趋势进行判别，设计自适应加权系数修正预测协方差，以增强新近观测数据的利用率；同时采用次优Sage-Husa噪声估计器对未知的系统过程噪声进行估计，抑制观测器的记忆存储长度，调整过程噪声和测量噪声的均值与协方差，提高观测器的跟踪能力。利用分布式驱动电动汽车分别进行高、低附着路面和对开路面直线制动试验，并将自适应衰减无迹卡尔曼滤波路面附着系数观测器的观测结果与无迹卡尔曼滤波观测值、参考路面附着系数进行比较和分析。结果表明：高附着路面条件下，所设计的算法估计误差可控制在0.64%以内；低附着路面条件下，所设计的算法估计误差可控制在1.03%以内；对开路面条件下估计误差可控制在1.26%以内；自适应衰减无迹卡尔曼滤波算法相比无迹卡尔曼滤波算法响应速率更快，具有更高的估计精度和较强的自适应能力，估计结果整体上维持稳定，能够适应各种不同路面的估计。     

动态路面摩擦系数的分析与测试技术探讨

对于高速公路路面,采用动态摩擦系数作为评价指标,可使道路评价指标更合理,通过对动态路面摩擦系数测定的基本原理和测试设备的结构特点的分析,同时采用路面连续动态摩擦系数测定设备在不同车速下测定的摩擦系数,分析了公路路面与轮胎之间摩擦系数的动态特性。     

冰雪路面摩擦系数的影响因素研究

冬季道路的表面通常覆盖着多层积雪,重交通量的路段积雪较薄,其厚度一般不足几厘米。积雪状态的变化直接影响着路面安全性,冰雪使路面变得非常湿滑,湿滑的路面条件由多种类型的积雪引起,本研究同时测量了冰面轮胎的静摩擦系数与动摩擦系数。     

车速和路面附着系数的滚动时域估计

基于Dugoff轮胎模型建立了车辆的非线性动力学方程,并给出了路面附着系数的约束条件.针对车速和路面附着系数约束的非线性估计,提出了一种基于滚动优化原理的滚动时域估计法(MHE),并给出了MHE法的具体步骤.在不同路面上对MHE法进行了多种工况的实验验证,并在同样条件下与扩展Kalman滤波法进行了比较.实验结果表明,MHE法的估计性能优于扩展Kalman滤波法.     

基于自适应模型预测的智能汽车横向轨迹跟踪控制

当路面附着情况和车辆行驶状态不断变化时,基于恒定侧偏刚度的模型预测控制(MPC)不能考虑轮胎非线性特性的影响,难以保证车辆轨迹跟踪的适应性。为此,提出一种考虑轮胎侧向力计算误差的自适应模型预测控制(AMPC),以提高智能汽车在不确定工况下的轨迹跟踪性能。分析了路面附着系数和垂向载荷对轮胎侧向力的影响,基于平方根容积卡尔曼滤波(SCKF)算法,设计了利用侧向加速度和横摆角速度作为测量变量的前后轮胎侧向力估计器。利用轮胎侧向力线性计算值与估计值的差值计算得到侧偏刚度修正因子,设计了前后轮胎侧偏刚度的自适应修正准则,进而提出了一种基于时变修正刚度的AMPC控制方法。基于CarSim与MATLAB/Simulink联合仿真和硬件在环测试平台,对AMPC控制的有效性和实时性进行了验证。研究结果表明：在不同的路面附着情况和车辆行驶状态下,AMPC控制都能够降低横向位置偏差和航向角偏差,有效提高车辆的轨迹跟踪精度,其控制效果明显优于基于恒定侧偏刚度的标准MPC控制。尤其在低附着工况下,标准MPC控制会因为线性轮胎力的计算误差过大而导致车辆在轨迹跟踪时严重失稳,而AMPC控制通过估计轮胎力修正侧偏刚度依然能够保证车辆稳定有效的跟踪参考轨迹。所提出的AMPC控制在保证控制精度的同时具有良好的实时性,对智能汽车控制系统的设计与优化具有重要参考价值。     

Model-Based Road Friction Estimation

The tire/road friction coefficient, μ, has a significant role in vehicle longitudinal and lateral control, and there has been associated efforts to measure or estimate the road surface condition to provide additional information for stability augmentation systems of automobiles. In this paper, a model based road friction estimation algorithm is proposed from easily measured signals such as yaw rate and wheel speed. For the development of the estimator, a low order vehicle model incorporated with simple but effective tire model. Field tests of the estimator using actual vehicle measurements show promising results.     

汽车转向非线性平衡点求解新方法及其应用

针对汽车转向非线性稳定性平衡点确定问题,提出了求解汽车转向非线性平衡点的一种新方法。建立了汽车转向非线性2自由度模型,采用简化魔术公式轮胎模型描述非线性轮胎侧向力。给出了转向非线性平衡点的表示,对粒子群算法进行了简要分析,提出了求解转向平衡点的粒子群算法。设计了前轮转角、路面附着系数和车速分别变化的3种行驶条件,对3种行驶条件下的转向非线性平衡点进行了求解。结果表明,粒子群算法可以准确求得汽车转向非线性平衡点,适应值小于设置的10-4的精度。     

Estimation of maximum road friction coefficient based on Lyapunov method

With the real time and accurate information of motor torque and rotation speed of the four-in-wheel-motordrive electric vehicles, a slip based algorithm for estimating maximum road friction coefficient is designed using Lyapunov stability theory. Modified Burckhardt tire model is used to describe longitudinal slip property of the tire. By introducing a new state variable, a nonlinear estimator is proposed to estimate the longitudinal tire force and the maximum road friction coefficient simultaneously. With the appropriate selection of estimation gain, the convergence of the estimation error of the tire longitudinal force and maximum road friction coefficient is proved through Lyapunov stability analysis. In addition, the error is exponentially stable near the origin. Finally the method is validated with Carsim-Simulink co-simulation and real vehicle tests under multi working conditions in acceleration situation which demonstrate high computational efficiency and accuracy of this method.