Идентификация параметров курсового движения автомобиля с использованием сигма-точечного фильтра Калмана

Обложка


Цитировать

Полный текст

Аннотация

В статье рассматривается проблема идентификации параметров курсового движения автомобиля, которые необходимы для работы систем активной безопасности (САБ). Отсутствие возможности определять часть необходимых для функционирования САБ параметров путем прямых измерений бортовыми датчиками (в силу отсутствия соответствующих датчиков в серийных автомобилях) обуславливает актуальность применения для идентификации этих параметров косвенных вычислительных методов, которые основаны на математических структурах, называемых наблюдателями.

Цель настоящей работы заключается в создании системы идентификации параметров движения автомобиля, которая, используя доступные на борту автомобиля измерения и математический аппарат теории наблюдателей и оптимальных фильтров, косвенным образом определяет неизмеряемые параметры, представляющие важность для работы систем активной безопасности.

На основании анализа существующих методов и инструментов предложена схема наблюдателя параметров курсового движения автомобиля с использованием сигма-точечного фильтра Калмана. Наблюдатель идентифицирует боковую составляющую вектора скорости автомобиля, коэффициенты бокового сцепления шин с опорной поверхностью и углы увода колес посредством модели динамики автомобиля и бортовых инерциальных датчиков, измеряющих линейные ускорения и скорость рыскания автомобиля.

Работоспособность и адекватность наблюдателя подтверждена путем сопоставления идентифицируемых им параметров с прямыми измерениями, выполненными в ходе дорожных испытаний автомобиля. В качестве меры оценки точности использовалась среднеквадратическая ошибка идентификации относительно прямых измерений параметров курсового движения. Дополнительная оценка адекватности произведена путем сравнения идентифицированной характеристики сцепления (зависимости коэффициента сцепления от угла увода) с характеристикой, полученной путем аппроксимации с помощью математической модели шины. Оценка показала хорошее качество идентификации параметров курсового движения, обеспечиваемое разработанным наблюдателем, что дает основания считать его полезным инструментом для исследования и разработки систем активной безопасности.

Об авторах

А. В. Чаплыгин

Государственный научный центр Российской Федерации ФГУП «НАМИ»

Автор, ответственный за переписку.
Email: chaplyghin.94@mail.ru
Россия, Москва

И. А. Куликов

Государственный научный центр Российской Федерации ФГУП «НАМИ»

Email: chaplyghin.94@mail.ru

к.т.н.

Россия, Москва

Список литературы

  1. Winner H., Hakuli S., Lotz F. and Singer C. Handbook of Driver Assistance Systems. Basic Information, Components and Systems for Active Safety and Comfort, Berlin/Heidelberg:Springer International Publishing:, 2016.
  2. Liu W., He H., Sun F. Vehicle state estimation based on Minimum Model Error criterion combining with Extended Kalman Filter //J. Frankl. Inst. 2016. P. 834–856. doi: 10.1016/j.jfranklin.2016.01.005
  3. Tsunashima H., Murakami M., Miyataa J. Vehicle and road state estimation using interacting multiple model approach//Veh. Syst. Dyn. 2006. 44. P. 750–758. doi: 10.1080/00423110600885772
  4. Bechtloff J., Ackermann C., Isermann R. Adaptive state observers for driving dynamics – online estimation of tire parameters under real conditions. // In: Pfeffer P. (eds) 6th International Munich Chassis Symposium 2015. Proceedings// Springer Vieweg, Wiesbaden. doi: 10.1007/978-3-658-09711-0_46
  5. Kalman R.E. A New Approach to Linear Filtering and Prediction Problems // Journal of Basic Engineering. 1960. Vol. 82. P. 35-45.
  6. Drakunov S. and Utkin V. Sliding mode observers. Tutorial // Proceedings of 1995 34th IEEE Conference on Decision and Control, 1995. P. 3376-3378. doi: 10.1109/CDC.1995.479009.
  7. Elfring J., E Torta., van de Molengraft R. Particle Filters: A Hands-On Tutorial //Sensors 2021. 21. P. 438. doi: 10.3390/s21020438
  8. Jin X., Yin G., Chen N., Advanced estimation techniques for vehicle system dynamic state: A survey// Sensors. 2019. 19(19). doi: 10.3390/s19194289
  9. Nam K., Oh S., Fujimoto H., Hori Y. Estimation of sideslip and roll angles of electric vehicles using lateral tire force sensors through RLS and Kalman filter approaches//IEEE Trans. Ind. Electron. 2012. 60. P.988–1000.
  10. Anderson R., Bevly D.M. Using GPS with a model-based estimator to estimate critical vehicle states// Veh. Syst. Dyn. 2010. 48. P.1413–1438. doi: 10.23919/ACC.2004.1383774
  11. Kim J. Effect of vehicle model on the estimation of lateral vehicle dynamics. Int. J. Autom. Technol. 201. 11. P.331–337. doi: 10.1007/s12239-010-0041-1
  12. Liu W., He H., Sun F. Vehicle state estimation based on Minimum Model Error criterion combining with Extended Kalman Filter//J. Frankl. Inst. 2016. 353. P. 834–856. doi: 10.1016/j.jfranklin.2016.01.005
  13. Zong C., Hu D., Zheng H. Dual extended Kalman filter for combined estimation of vehicle state and road friction// Chin. J. Mech. Eng. 2013. 26. P. 313–324. doi: 10.3901/CJME.2013.02.313
  14. Antonov S., Fehn A., Kugi A. Unscented Kalman filter for vehicle state estimation// Veh. Syst. Dyn. 2011. 49. P. 1497–1520.
  15. Davoodabadi I, Ramezani A.A, Mahmoodi M. K., Ahmadizadeh P. Identification of tire forces using Dual Unscented Kalman Filter algorithm// Nonlinear Dyn, 2014. 78. P. 1907–1919.
  16. Куликова М.В., Куликов Г.Ю. Численные методы нелинейной фильтрации для обработки сигналов и измерений // Вычислительные технологии. 2016. № 4. C. 64−98.
  17. Куликов И.А., Бахмутов С.В., Барашков А.А. Исследование динамики автомобиля с системами активной безопасности посредством виртуальных и дорожных испытаний // Труды НАМИ. 2016. № 265. C. 53−65.
  18. Pacejka H.B., Besselink I. Tire and vehicle dynamics. Third Edition. Elsevier Ltd. 2012. P. 176-183. P. 202. P. 613-618.
  19. Svendenius J. Tire Modeling and Friction Estimation. Lund: Lund University. 2007. P. 130-132.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать
2. Рис. 1. Блок-схема наблюдателя параметров курсового движения автомобиля

Скачать (82KB)
Метаданные
3. Рис. 2. Расчетная схема модели движения автомобиля

Скачать (83KB)
Метаданные
4. Рис. 3. Фрагмент испытаний исследуемого автомобиля

Скачать (39KB)
Метаданные
5. Рис. 4. Результаты работы наблюдателя параметров курсового движения автомобиля в маневре «переставка» на льду

Скачать (374KB)
Метаданные
6. Рис. 5. Результаты работы наблюдателя параметров курсового движения автомобиля в маневре «переставка» на укатанном снегу

Скачать (438KB)
Метаданные
7. Рис. 6. Результаты работы наблюдателя параметров курсового движения автомобиля в маневре «поворот» на льду

Скачать (443KB)
Метаданные
8. Рис. 7. Сравнение идентифицированной характеристики бокового сцепления и ее аппроксимации с помощью модели MF: а) на льду; б) на укатанном снегу

Скачать (128KB)
Метаданные

© Чаплыгин А.В., Куликов И.А., 2021

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».