FULLTEXT01

Machine Translated by Google
Tỷ lệ Yaw và Gia tốc Bên
Cảm biến Plausibilisation đang hoạt động
Xe chỉ đạo phía trước
Luận văn thạc sĩ
thực hiện trong Hệ thống xe cộ cho ZF
Lenksysteme
qua
Anders Wikstrom¨
Tên đăng ký: LiTH-ISY-EX - 06/3818 - SE
Ngày 18 tháng 12 năm 2006

Tỷ lệ Yaw và Gia tốc Bên
Cảm biến Plausibilisation đang hoạt động
Xe chỉ đạo phía trước
Luận án thạc sĩ
thực hiện trong Hệ thống Xe cộ,

Khoa Kỹ thuật Điện tại Linkopings
¨
Universalitet
bởi Anders Wikstrom¨
Tên đăng ký: LiTH-ISY-EX - 06/3818 - SE
Giám sát: Samuel Malinen

ZF Lenksysteme
Jonas Biteus
¨
Linkopings Universitet
Giám khảo: Trợ lý Giáo sư Erik Frisk

¨
Linkopings Universitet
¨
Linkoping, ngày 18 tháng 12 năm 2006
trừu tượng
Các phép đo chính xác từ các cảm biến đo hành vi bên cạnh của xe rất quan trọng trong các hệ thống
kiểm soát động lực của xe như Chương trình ổn định điện tử (ESP). Luận án này liên quan đến sự căn
chỉnh chính xác của hai trong số các cảm biến này, cụ thể là cảm biến tốc độ nghiêng và cảm biến
gia tốc bên. Việc ước lượng dựa trên lọc Kalman và các tính chất culmi trong việc sử dụng mô hình
hai đường ray phi tuyến 2 bậc tự do mô tả động lực học bên của xe. Độ cứng khi vào cua không xác
định và thay đổi theo thời gian được điều chỉnh trong khi ước tính mômen quán tính không xác định.
Bộ lọc Kalman biến đổi các tín hiệu đo được thành một chuỗi các phần dư sau đó được khảo sát với sự
hỗ trợ của các phương pháp phát hiện thay đổi khác nhau như thuật toán CuSum. Một cuộc điều tra về
lĩnh vực ngưỡng thích ứng cũng đã được thực hiện.
Các phương pháp phát hiện thay đổi được nghiên cứu phát hiện thành công các lỗi trong cả tốc độ
lệch và cảm biến gia tốc bên. Nó cũng chỉ ra rằng ngưỡng thích ứng có thể được sử dụng để cải thiện
hệ thống chẩn đoán. Tất cả các kết quả đã được đánh giá trực tuyến trên một chiếc xe nguyên mẫu với
tính năng phun lỗi thời gian thực.
Từ khóa: Tỷ lệ chệch choạc, Gia tốc bên, Chẩn đoán, Phát hiện thay đổi, Mô hình xe đạp
iii
Lời nói đầu
Luận văn thạc sĩ này đã được thực hiện tại khoa EEMF tại ZF Lenksysteme GmbH
¨
ở Schwabisch Gm ¨ und, Đức, trong nửa đầu năm 2006.
Đề cương luận văn
Chương 1 - Giới thiệu Chương đầu tiên giới thiệu ngắn gọn về cơ sở và
mục tiêu của luận án này.
Chương 2 - Mô hình hóa phương tiện Quan tâm đến nguồn gốc của các mô hình phương tiện được điều tra.
Chương này cũng bao gồm việc ước lượng và điều chỉnh các tham số liên quan.
Chương 3 - Lý thuyết người quan sát Chứa lý thuyết người quan sát cần thiết và thiết kế người quan sát
vấn đề.
Chương 4 - Quan hệ động học Chứa dẫn xuất của các quan hệ động học khác nhau.
Chương 5 - Phát hiện thay đổi Chương này nghiên cứu các phương pháp phát hiện thay đổi khác nhau và khả
năng của chúng để cải thiện hiệu suất của hệ thống chẩn đoán.
Chương 6 - Kết quả Các kết quả đạt được được trình bày trong chương này.
Chương 7 - Kết luận và công việc trong tương lai Chứa các kết luận rút ra từ luận án này
và những gợi ý cho công việc sau này.
Nhìn nhận
Trước tiên, tôi muốn gửi lời cảm ơn đến những người giám sát của tôi tại ZF Lenksysteme, Samuel Malinen và Wolfgang
Reinelt cho tất cả sự giúp đỡ của họ trong quá trình viết luận án này. Tôi cũng rất biết ơn vì
¨
phản hồi và nhận xét được cung cấp bởi Jonas Biteus, người từng là giám sát của tôi tại Linkopings
Universitet. Hơn nữa, cảm ơn tất cả những người ở bộ phận EEMF và tất cả những người khác
¨
những người tôi đã tiếp xúc trong thời gian ở Schwabisch Gm ¨ und. Tất cả các bạn đã làm cho kỳ nghỉ của
tôi ở đó thú vị hơn!
Anders Wikstrom¨
¨
Schwabisch Gm ¨ und, tháng 6 năm 2006
iv
Ký hiệu
Các biến và tham số
Biểu tượng Sự mô tả Đơn vị
Hệ thống AFS
δG Góc thanh răng rad
δS Góc vô lăng rad
δM Góc động cơ rad

-
iM Tỷ lệ góc động cơ với góc bánh răng
-
iD Tỷ lệ góc vô lăng so với góc bánh răng
FSG Góc của thanh răng với độ dịch chuyển tĩnh phi tuyến tính của thanh răng -
Mô hình xe
δF , δF, giữa Góc bánh xe đường rad
δF, d Góc bánh xe trên đường bị trễ rad

m Khối lượng xe Kilôgam
lr Khoảng cách từ CoG đến trục sau m
lf
Khoảng cách từ CoG đến cầu trước m
l Khoảng cách từ trục sau đến trục trước m
Sf
Chiều rộng đường trước m
Sr Chiều rộng rãnh phía sau m
Sav Chiều rộng đường ray trung bình m
Iz Mômen quán tính của hàm kgm2

Cα, r Độ cứng khi vào cua sau N / rad
Độ cứng khi vào cua trước N / rad

Cα,
f vx Vận tốc dọc bệnh đa xơ cứng
vy Vận tốc bên bệnh đa xơ cứng
v Vận tốc xe bệnh đa xơ cứng
vij Vận tốc trên bánh xe ij bệnh đa xơ cứng
cây rìu Gia tốc dọc m / s2
ay
Gia tốc bên m / s2
β Góc trượt rad

Ψ˙ Tỷ lệ ngáp rad / s
αi Góc trượt trên bánh xe i rad
v
Biểu tượng Sự mô tả Đơn vị
Fy, ij Lực bánh xe bên tác dụng lên lốp ij N

Fz, ij Lực dọc bánh xe lên lốp ij N
Mz Nm
Mô-men xoắn quanh trục z
g Hằng số hấp dẫn chung m / s2
hcog Chiều cao trọng tâm m
aij , bij , cij -
Tham số lực bên
S -
Chức năng chất lượng
Bộ lọc Kalman
w Xử lý tiếng ồn
v ESPĐo tiếng ồn
K Kalman đạt được
Q Xử lý hiệp phương sai tiếng ồn
R Hiệp phương sai tiếng ồn đo
P Hiệp phương sai lỗi
Phát hiện thay đổi
rt Dư
st Thước đo khoảng cách
gt Thử nghiệm thống kê
W Độ không đảm bảo đo của mô hình

J Ngưỡng
Jadp Ngưỡng thích ứng
pθ Mật độ xác suất
ν Tham số trôi dạt CuSum
h Tham số ngưỡng CuSum
Các từ viết tắt
AFS Chỉ đạo phía trước chủ động

Răng cưa
Trung tâm của lực hấp dẫn
CuSum Tổng tích lũy
ECU Bộ điều khiển điện tử
EKF Bộ lọc Kalman mở rộng

ESP Chương trình chỉ đạo điện tử
ISO Tổ chức Quốc tế về Tiêu chuẩn hoá
VDC Kiểm soát động lực học của xe
YRS Cảm biến tỷ lệ ngáp
ZF Zahnrad Fabrik (Nhà máy bánh răng cưa)
vi
Nội dung
trừu tượng iii
Lời nói đầu và lời cảm ơn iv
Ký hiệu v
1 Giới thiệu 1.1 1
Cơ sở. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Mục tiêu. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.3 Hệ thống lái phía trước chủ động. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1

1.4 Các phép đo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.5 Các khoản đóng góp. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.6 Công việc liên quan. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2 Mô hình xe 2.1 Mô 5
hình đường đơn tuyến tính 2.1.1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
Giá lái phi tuyến tính. . . . . . . . . . . . . . . . . . . . . . . 9
2.1.2 Ước tính các thông số kiểu xe đạp. . . . . . . . . . . . . . . . 9
2.1.3 Tính hợp lệ của kiểu xe đạp . . . . . . . . . . . . . . . . . . . . . . 11

2.2 Kiểu xe hai bánh phi tuyến . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.2.1 Thích ứng mô hình. . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.3 Ước tính các thông số của mô hình hai đường ray. . . . . . . . . . . . . . . . . . . 17
2.3.1 Tính hợp lệ của mô hình hai đường . . . . . . . . . . . . . . . . . . . . 18
3 Lý thuyết người quan sát 21
3.1 Bộ lọc Kalman thay đổi theo thời gian . . . . . . . . . . . . . . . . . . . . . . . 21

. . . . . . . . . . . . . . . . . . . . . . . . . .
. . .3.3
tuyến tính 3.2 Bộ lọc Kalman mở rộng 22
Xác định ma trận hiệp phương sai . . . . . . . . . . . . . . . . . . . . . . . 23
4 Quan hệ động học 25
5 Phát hiện thay đổi 30

5.1 Các biện pháp khoảng cách. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
5.2 Quy tắc dừng . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
5.2.1 Định ngưỡng trực tiếp. . . . . . . . . . . . . . . . . . . . . . . . . . . 31
5.2.2 Định ngưỡng thích ứng. . . . . . . . . . . . . . . . . . . . . . . . . 31
5.2.3 Lọc dư. . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
vii
5.2.4 CuSum. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
6 kết quả 36
6.1 Quan hệ động học . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
6.2 Lọc dư. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
6.3 CuSum. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
6.4 Định ngưỡng thích ứng. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
7 Kết luận và công việc trong tương lai 47

7.1 Kết luận. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
7.2 Công việc trong tương lai. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
Người giới thiệu 49
Một thông số xe 51
B Ma trận Jacobian 52
viii
Chương 1
Giới thiệu
1.1 Cơ sở
Trong thập kỷ qua, hệ thống Kiểm soát Động lực học (VDC) của Xe, chẳng hạn như Chương trình Ổn định
Điện tử (ESP), đã được giới thiệu và hiện là tiêu chuẩn trên hầu hết các loại xe hiện đại.
Những hệ thống này được tạo ra để giúp người lái xe trong các tình huống lái xe khác nhau mà nếu không
họ sẽ mất kiểm soát xe. Ví dụ, ESP có thể giúp phanh trên từng bánh xe nếu người lái không thể kiểm
soát được xe và do đó giúp người lái lấy lại quyền kiểm soát xe. Các hệ thống VDC chủ yếu dựa vào các
phép đo chính xác từ các cảm biến xe liên quan và việc giám sát các cảm biến này đã và đang là một
lĩnh vực nghiên cứu sâu rộng. Mục tiêu của luận án này là mục tiêu của luận án này là kích hoạt điều
khiển động lực theo chiều ngang của ESP dựa vào tín hiệu cảm biến tốc độ góc và tín hiệu cảm biến gia
tốc kế bên.
1.2 Mục tiêu

Mục tiêu của luận án này có thể được chia thành hai phần. Phần đầu tiên là thiết kế một chức năng phát
hiện lỗi trong cảm biến tốc độ yaw. Phần thứ hai là thiết kế chức năng giám sát để phát hiện các hư
hỏng trong cảm biến gia tốc kế bên. Cả hai chức năng sẽ được thực hiện như mô hình Simulink và được thử
nghiệm và xác nhận trực tuyến trên một chiếc xe nguyên mẫu tại cơ sở chứng minh và với khả năng phun
lỗi thời gian thực.
1.3 Hệ thống lái phía trước chủ động
Công ty ZF Lenksysteme GmbH của Đức đã phát triển và cấp bằng sáng chế cho một khái niệm về Hệ thống
lái phía trước chủ động (AFS), đây là một công nghệ được phát triển gần đây có tác dụng nâng cao góc
điều khiển điện tử tới góc vô lăng do người lái quy định. Điều này được thực hiện trong khi vẫn duy
trì khớp nối cơ khí giữa vô lăng và trục trước.
Hệ thống AFS về cơ bản bao gồm một thanh răng và bánh răng lái thủy lực, một động cơ điện, một số cảm
biến và một Bộ điều khiển điện tử (ECU). Các bộ phận đúc có thể được nhìn thấy trong Hình 1.1. Mục đích
của hệ thống AFS là tăng sự thoải mái, dễ dàng điều khiển và an toàn chủ động cho người lái. Tùy thuộc
vào tình huống lái xe, góc hiệu quả giữa đường và bánh xe sẽ nhỏ hơn hoặc lớn hơn so với góc được điều
chỉnh tại vô lăng bằng cách
1
2 Chương 1. Giới thiệu
người lái xe. Tỷ số phụ thuộc vào vận tốc xe cũng như bánh răng và góc lái. Ở vận tốc
thấp, động cơ điện sẽ cộng một góc với góc vô lăng và do đó làm cho việc đánh lái trực
tiếp hơn, do đó làm tăng sự nhanh nhẹn của xe khi thực hiện các thao tác như đỗ xe hoặc
lái xe trong giao thông thành phố. Tương tự, ở tốc độ cao, động cơ điện sẽ can thiệp và
trừ đi một góc so với góc đánh lái, khiến việc đánh lái trở nên ít trực diện hơn. Điều này
làm giảm nguy cơ người lái mất kiểm soát xe vì trong điều kiện lái xe bình thường, góc lái
đột ngột lớn không mong muốn khi lái xe ở vận tốc cao.
Hình 1.1: Tổng quan về cơ chế động cơ AFS.
Hình 1.2: Nguyên tắc AFS. Góc điều khiển điện tử δM được đặt chồng lên góc vô lăng δS dẫn
đến góc bánh răng δG.
Nguyên tắc hoạt động của hệ thống AFS cũng như cả ba góc độ quan tâm có thể được nhìn
thấy trong Hình 1.2. Góc δS đại diện cho góc vô lăng do người lái điều khiển, δM đại diện
cho góc động cơ được điều khiển điện tử xếp chồng lên nhau
1.4. Đo 3
với δS dẫn đến góc bánh răng δG xuống giá lái. Mối quan hệ giữa các góc này là
1 1
δG (t) = δM (t) + δS (t) iM iD (1.1)
trong đó iD và iM chiếm tỷ lệ tương ứng. Góc bánh xe trung bình trên đường δF có thể được tính
toán thông qua
δG (t) = FSG (δF (t)) (1.2)
trong đó FSG (·) tính đến mối quan hệ giữa góc bánh răng và độ dịch chuyển của thanh răng cũng
như đối với dạng hình học lái (1.2).
1.4 Phép đo
Một lượng lớn các số liệu đo đạc đã được thu thập và khảo sát trong quá trình viết luận án này.
¨
Các phép đo đã được thực hiện một phần tại ZF Lenksysteme ở Schwabisch Gmund, Đức, và một phần tại
¨
khu chứng minh nằm ở Arjeplog, Thụy Điển. Trong giai đoạn sau của giai đoạn luận án, các phép đo
cũng được thu thập từ bãi chứng minh của Bosch ở Boxberg, Đức. Một lịch trình đo lường đã được
thiết lập và trong đó, các thao tác lái xe đã được xác định. Phương tiện đo được sử dụng là
BMW-545i, được trang bị các cảm biến tương tự như trên xe thương mại. Đặc biệt quan tâm là Cảm
biến Tỷ lệ YRS-MM1.1, được phát triển bởi Bosch GmbH. Cảm biến bao gồm hai phần tử đo khác nhau,
một để đo tốc độ chệch hướng và một để đo gia tốc ngang của xe.
Với mục đích ước tính và xác nhận thông số, dữ liệu đo được từ một chiếc BMW 545i khác được
trang bị thêm cảm biến đã được sử dụng. Các cảm biến bổ sung này nhận ra các phép đo lực tác động
lên mỗi lốp theo không gian ba chiều cũng như các phép đo vận tốc bên của xe.
1,5 đóng góp
Khi phát triển các mô hình xe, nguồn cảm hứng đã được lấy từ các công trình khác liên quan đến
các nghiên cứu về các mô hình xe đơn giản hơn, cả tuyến tính và phi tuyến tính. Tuy nhiên, để tận
dụng tối đa hệ thống chẩn đoán, cần phải có một mô hình chính xác hơn về động lực bên của xe và
điều này dẫn đến mô hình phi tuyến được trình bày trong luận án này. Một mô hình cân bằng đủ chính
xác cho mục đích phát hiện lỗi và đồng thời không quá phức tạp.
Luận án này cũng cho thấy việc áp dụng thành công các phương pháp phát hiện thay đổi khác nhau
để phát hiện lỗi trong cảm biến gia tốc ngang và cảm biến tốc độ chệch hướng. Đặc biệt là việc sử
dụng ngưỡng thích ứng trong các hệ thống chẩn đoán xe là một lĩnh vực còn khá chưa phát triển.
Luận án này đã chỉ ra thành công cách hệ thống chẩn đoán có thể được cải thiện bằng cách sử dụng các
ngưỡng thích ứng.
Trong khi nhiều công trình mang tính lý thuyết thuần túy, tất cả các công việc được trình bày trong luận án này cũng đã
được xác nhận trực tuyến trong một chiếc xe nguyên mẫu.
4 Chương 1. Giới thiệu
1.6 Công việc liên quan
Các lĩnh vực mô hình hóa phương tiện và phát hiện thay đổi được điều tra khá tốt. Nhiều mô hình xe có
độ phức tạp khác nhau đã được phát triển và sử dụng trong các ứng dụng như ước lượng tín hiệu. “Sự kết
hợp cảm biến để tính toán chính xác tốc độ chệch hướng và vận tốc tuyệt đối” của F. Gustafsson là một
công trình cho thấy rằng sự kết hợp cảm biến có thể được sử dụng để ước tính chính xác tốc độ chệch
hướng và vận tốc tuyệt đối của một chiếc xe. Một công trình liên quan khác là “Quan sát Động lực học
Phương tiện Bên cạnh” của U. Kiencke và A. Daiss trình bày sự so sánh giữa một quan sát viên tuyến tính
và phi tuyến tính cho các góc trượt bên của xe và lốp. Luận án Tiến sĩ “Phát hiện và tái tạo tai nạn
giao thông đường bộ dựa trên mô hình” của M.
Hiemer trình bày một hệ thống dựa trên mô hình để phát hiện tai nạn giao thông đường bộ. Quy trình điều
chỉnh độ cứng khi vào cua được trình bày trong luận án này phần lớn giống như trong công việc Hiemers.
Mặc dù các ứng dụng khác nhau nhưng cuối cùng cả hai đều hoạt động dựa trên một mô hình xe chính xác và
đồng thời không quá phức tạp.
Phát hiện thay đổi hoặc phát hiện lỗi cũng là một lĩnh vực hoạt động rất tích cực và công trình
này đã lấy cảm hứng từ “Phát hiện thay đổi AFS sử dụng ước tính tín hiệu” của Samuel Malinen, một luận
văn thạc sĩ được thực hiện tại ZF Lenksysteme nghiên cứu việc sử dụng phát hiện thay đổi trong Chỉ đạo
phía trước chủ động phương tiện giao thông.

chương 2
Mô hình xe
Để mô tả chính xác động lực học của xe, một kiểu xe thích hợp phải được tính toán.
Vì mục đích của luận án này là theo dõi tốc độ chệch hướng và gia tốc ngang, nên việc mô hình hóa động lực học
của xe đã được nhấn mạnh. Đầu tiên, mô hình đường đơn nổi tiếng, còn được gọi là mô hình xe đạp, được bắt nguồn
và ước tính thông số quan trọng của lốp được gọi là độ cứng khi vào cua. Tiếp theo, một phần mở rộng của mô hình
này được tạo ra và mô hình hai đường ray phi tuyến cuối cùng được tạo ra. Ngoài ra, mô hình hai rãnh còn bao gồm
các tác động của việc truyền tải cũng như mô hình lốp phi tuyến thực tế hơn. Cả hai mô hình đã được thực hiện
trong Simulink và được đánh giá trực tuyến trên một chiếc xe nguyên mẫu với khả năng phun lỗi thời gian thực.
2.1 Mô hình đường đơn tuyến tính
Cách tiếp cận đầu tiên liên quan đến việc nghiên cứu mô hình đường đơn tuyến tính cũng được gọi là mô hình xe đạp.
Nó được gọi như vậy vì bánh xe bên phải và bên trái trên cả hai trục đã được gộp lại với nhau và kết quả có thể
thấy trong Hình 2.1. Trong hình 2.1, Fy, f và Fy, r lần lượt thể hiện các lực bên tác dụng lên lốp trước và lốp
sau. Ở đây và xuyên suốt luận án này, chỉ số f và r đề cập đến trục trước và trục sau. Góc αf và αr lần lượt là
góc trượt trên bánh trước và bánh sau và được xác định là hiệu số giữa hướng quay của bánh xe và hướng di chuyển
của nó. Các biến vx và vy đại diện cho các đặc điểm dọc và bên của xe tại trọng tâm (CoG). Góc δF là góc đặt bánh
xe trên đường đối với bánh trước và β đại diện cho góc trượt bên thân xe. Cuối cùng, Ψ˙ đại diện cho tỷ lệ ngáp
xung quanh
CoG của phương tiện.
Vì mô hình này gộp các bánh xe trên mỗi trục lại với nhau, nên các góc trượt và góc bánh xe trên đường bằng nhau
được giả định trên các bánh xe bên trái và bên phải trên cả hai trục. Lốp xe được giả định tạo ra lực bên tỷ lệ
thuận với góc trượt của lốp [6], [9]. Do đó các lực bên được mô hình hóa là
Fy, f = Cα, fαf (2.1)
Fy, r = Cα, rαr (2.2)
Trong đó Cα, i, với i {f, r}, đại diện cho độ cứng khi vào cua trên mỗi trục, ở đây bằng hai lần độ cứng khi
vào cua trên mỗi bánh xe và được định nghĩa là độ dốc của đường cong nhìn thấy trong
5
6 Chương 2. Mô hình phương tiện
Hình 2.1: Mô hình xe đạp tuyến tính.
Hình 2.5 tại αi = 0. Hành vi tuyến tính của (2.1) - (2.2) chỉ có giá trị trong phép gần đúng tuyến tính
khu vực được xác định bởi đường đứt nét trong Hình 2.5. Để mô hình hóa chính xác hành vi của các phương tiện đối với
góc trượt lớn hơn cần có một mô hình lốp phi tuyến và đây là một trong những vấn đề của mô hình lốp phi tuyến
mô hình trong phần 2.2 đề cập đến.
Mô hình xe đạp bao gồm hai bậc tự do, đó là góc trượt bên, β, và
tỷ lệ ngáp xe, Ψ˙ . Các phương trình chính của chuyển động có thể được suy ra từ Newton's
luật thứ hai mang lại
˙ ˙
vy) = XFy = Fy, f cos δF + Fy, r m (vxΨ + (2.3)
Mz = IzΨ = ¨ lfFy, f cos δF - lrFy, r (2.4)
trong đó m đại diện cho khối lượng xe, Iz là mômen quán tính của xe quanh trục z và
lf và lr khoảng cách tương ứng giữa CoG của xe và trục trước và trục sau. Từ
vy
Hình 2.1 mối quan hệ tan β = có thể được tìm thấy và bằng cách giả sử các góc nhỏ (tan β ≈
vx
d
β), v˙y có thể được viết là v˙y = dt (βvx) = vxβ˙ + ˙vxβ. Chèn mối quan hệ này cùng với
biểu thức của lực bên (2.1) - (2.2) thành (2.3) - (2.4) cho kết quả
m (vxΨ + ˙ vxβ˙ + ˙vxβ) = Cαfαf cos δF + Cαrαr IzΨ = (2,5)
¨ lfCαfαf cos δF - lrCαrαr. (2,6)
Các góc trượt có thể được xác định theo các biến số chuyển động của xe, Ψ˙ và β. Có thể lập công thức
biểu diễn cho góc trượt của bánh trước bằng cách xem xét vận tốc của
điểm chính giữa của bánh trước (vx, vy + lfΨ˙),
vy + lfΨ˙
tan (δF - αf ) = (2,7)
vx
và tương tự cho bánh sau,
vy + lrΨ˙
tan αr = . (2,8)
vx
2.1. Mô hình đường đơn tuyến tính 7
vy
Giả sử các góc nhỏ và một lần nữa nhận dạng ≈ β là biểu thức góc trượt cuối cùng
vx
được mô hình xe đạp sử dụng,
lfΨ˙ αf = δF - β - (2,9)
vx
lrΨ˙ αr = β + . (2.10)
vx
Chèn các biểu thức này vào (2.5) - (2.6) cùng với giả định góc lái nhỏ sẽ tạo ra các phương
trình sau của chuyển động ngang và chuyển động nghiêng,
lfΨ˙ lrΨ˙ mvxΨ + ˙ mvxβ˙

+ mv˙xβ = Cαf (δF - β - ) + Cαr ( β +) (2.11)
vx vx
lfΨ˙ lrΨ˙
IzΨ = ¨ lfCαf (δF - β -) - lrCαr ( β +) (2.12)
vx vx
có thể được viết lại thành
Cαf - Cαrlr )
lf mvxβ˙ = β (Cαf + Cαr + mv˙x) - Ψ (˙ mvx + + δF Cαf (2.13)
vx vx
2 2
Cαf l + Cαrl f r
IzΨ = ¨ β (Cαf lf - Cαrlr) - Ψ (˙ ) + δF Cαf lf . (2,14)
vx
Hoặc, trên biểu mẫu không gian trạng thái,
lfCαf + lrCαr
β˙ - 1
mvx 2 mvx mvx
lfCαf + lrCαr lf 2Cαf lr 2Cαr lfCαf
µ Ψ¨ ¶ = Ã Cαf Cαr
Iz mv˙x Izvx ! µ βΨ˙ ¶ + Ã Cαf
Iz ! δF .
Vì không chỉ quan tâm đến tốc độ nghiêng ở đây mà còn là gia tốc bên, mục đích khi xây dựng
phương trình cảm biến của chúng tôi là kết hợp gia tốc bên
˙ vào mô hình. Điều này có thể được thực
vx
hiện bằng cách sử dụng mối quan hệ ay = v (β˙ + Ψ) = (β˙ + Ψ) ˙ [5].
góc Bằng
trượt
cách
bên một
xe nhỏ,
lần nữa
biểu
giả
thức
sử
cos β
này trở thành ay = vx (β˙ + Ψ) ˙ trong đó β˙ có thể được tìm thấy trong (2.13). Gia tốc bên bây
giờ có thể được biểu diễn bằng
˙
Cαf - Cαr - mv˙x Cαf lf + Cαrlr Cαf
ay = vx (β˙ + Ψ) = + Ψ (˙ vx (β 1) + mv2 δF + Ψ) ˙ (2,15)
mvx x mvx
có thể được viết lại thành
Cαf - Cαr - mv˙x Cαf lf + Cαrlr Cαf + Ψ (˙) + δF . ay = β

(2,16)
m mvx m
Trên không gian trạng thái, các phương trình đo lường trở thành
Cαf Cαr mv˙x lfCαf + lrCαr

m mvx
µ ay Ψ˙ ¶ = µ 0 1 ¶ µβ Ψ˙ ¶ + µCαf
m 0 ¶ δF
số 8
Chương 2. Mô hình phương tiện
˙ ˙
và mô hình không gian trạng thái cuối cùng cho mô hình xe đạp tuyến tính với x = T , y = [ay, Ψ]T
[β, Ψ] và u = δF dẫn đến
˙x = Ax + (2,17)
Bu y = Cx + Du (2,18)
ở đâu
lfCαf + lrCαr
- 1
mvx 2 mvx mvx
A = Ã Cαf lfCαf
Cαr + lrCαr
mv˙x lf 2Cαf lr 2Cαr ! , B = Ã Cαf lfCαf
Iz !
Iz Izvx
Cαf Cαr mv˙x lfCαf + lrCαr Cαf

m mvx m
C = µ 0 1 ¶, D = µ 0 ¶.
Mô hình kết quả (2.17) - (2.18) thay đổi theo thời gian và tuyến tính nếu và chỉ khi các tín hiệu vx
và v˙x được coi là đã biết.
Đối với việc triển khai trực tuyến, mô hình (2.17) - (2.18) đã được loại bỏ bằng cách sử
dụng giữ thứ tự 0 trên các đầu vào và thời gian lấy mẫu là 10 ms. Mô hình rời rạc kết quả trở thành
x [k + 1] = Ax [k] + Bu [k] (2,19)
y [k] = Cx [k] + Du [k]. (2,20)

2.1.1 Độ phi tuyến của giá lái
Trong mô hình không gian trạng thái (2.17) - (2.18), góc bánh xe đường δF được coi là đầu vào, tuy nhiên
không có cảm biến nào khả dụng để đo trực tiếp góc này. Thay vào đó, hệ thống AFS cung cấp một cảm biến đo
góc bánh răng δG (xem Hình 1.2) đã được sử dụng. Tuy nhiên, quan hệ giữa góc bánh răng và góc bánh xe đường
là phi tuyến tính về bản chất của nó. Hình 2.2 cho thấy góc trung bình của bánh xe đường F, được vẽ ở giữa
so với góc bánh răng δG và có thể thấy tỷ lệ giữa chúng không phải là tuyến tính.
40
30
20
10
[deg]
δFmid
0
10
20
30
40
600 400 200 0 200 400 600
δG [độ]
Hình 2.2: Góc đặt bánh xe đường trung bình δF, giữa của bánh trước được vẽ theo góc bánh răng δG.
Vì thông tin này đã có sẵn cho chiếc xe được nghiên cứu nên vấn đề với độ phi tuyến đã được giải quyết
bằng cách sử dụng bảng tra cứu, tức là một phép gần đúng dựa trên dữ liệu đo được.
2.1.2 Ước tính các thông số kiểu xe đạp
Các thông số có trong mô hình xe đạp được liệt kê trong Bảng 2.1. Tổng khối lượng của xe cùng với các số
đo cụ thể của xe đã được thu được bằng các phép đo đơn giản. Khối lượng CoG của phương tiện trong máy bay
đã được tính toán dựa trên các phép đo đồng thời về trọng lượng của cả bốn lốp. Do đó, các thông số này đã
được nhận xét như được đo trong Bảng 2.1.
Mô men quán tính lệch cùng với độ cứng khi vào cua cho cả trục trước và trục sau đã được ước tính và Hộp
công cụ tối ưu hóa Matlab và phương pháp bình phương nhỏ nhất đã được sử dụng cho mục đích này. Đầu tiên,
thặng dư được tạo ra là sự khác biệt giữa tỷ lệ chệch hướng đo được và ước tính được cung cấp từ mô hình
xe đạp như trong Hình 2.3.
Tiếp theo, một hàm chất lượng, S, được thiết lập làm bình phương tổng của các phần dư
Thông số mô hình xe đạp

Tham số Nhận xét đơn vị ký hiệu
Khoảng cách giữa trục sau và CoG lr
m đo
Khoảng cách giữa trục trước và CoG lf m đo

Khối lượng xe m kg đo được
Mômen quán tính của hàm Iz kgm2 ước tính
Độ cứng khi vào cua trước Cαf N / rad ước tính
Độ cứng khi vào cua sau Cαr N / rad ước tính
Bảng 2.1: Thông số mẫu xe đạp.
vx
. ^
Mô hình
xe đạp
F
. - .-
. ^
r =
Hình 2.3: Quy trình ước lượng tham số cho mô hình xe đạp tuyến tính.
N N ˆ˙
r2 (Ψ˙S, n - ΨM, n)
2
(2,21)
S (p) = X N = X
n = 1 n = 1
trong đó chỉ số n đại diện cho mẫu hiện tại và N là tổng lượng mẫu trong dữ liệu
bộ. Hàm chất lượng phụ thuộc vào vectơ tham số, p, chứa các tham số để
T .
tối ưu hóa, tức là p = [Iz, Cα, f , Cα, r] Mục tiêu bây giờ là giảm thiểu (2,21) liên quan đến điều này
vectơ tham số. Hình 2.4 cho thấy sự khác biệt kết quả giữa đo lường và ước tính
tỷ lệ yaw cho một thao tác xử lý khóa học với các thông số được tối ưu hóa.
Một yếu tố quan trọng ảnh hưởng lớn đến việc ước tính độ cứng khi vào cua là
độ bám dính bề mặt hiện tại. Hình 2.5 cho thấy mối quan hệ điển hình giữa góc trượt và
lực bên đối với lốp sau. Như đã đề cập trước đây, độ cứng khi vào cua là độ dốc của
đường cong tại α = 0 và có thể thấy rằng độ dốc thay đổi giữa các bề mặt khác nhau. Bề mặt này
Tuy nhiên, sự phụ thuộc không được đề cập trong luận án này, thay vào đó là hệ số ma sát hiện tại
được cho là luôn được biết đến. Điều này yêu cầu ước tính độ cứng khi vào cua
trên các bề mặt khác nhau vì thông số này phụ thuộc vào bề mặt. Để biết thêm thông tin về
ước lượng ma sát xem [1] là luận văn thạc sĩ được thực hiện song song với luận án này.
Cũng đáng chú ý trong hình 2.5 là mối quan hệ tuyến tính giữa lực bên và góc trượt
mà kiểu xe đạp sử dụng chỉ hợp lệ cho các góc trượt lên đến khoảng 4-6 độ hoặc ở bên trái
của đường đứt nét trong Hình 2.5. Đối với góc trượt lớn hơn, mối quan hệ tuyến tính sẽ không còn
cung cấp một giá trị gần đúng tốt.
60
Đo lường
Ước lượng
Sự khác biệt
40
20
s] /
ngáp
[độ
Tốc
độ
20
40
60
0 10 20 30 40 60 70 80 90 100
50 lần
Hình 2.4: Tỷ suất lợi nhuận được đo lường so với ước tính được vẽ biểu đồ cùng với sự khác biệt cho một
xử lý diễn tập trên đường nhựa. Ước tính được đưa ra bởi mô hình xe đạp tuyến tính với
các thông số được tối ưu hóa.
Hình 2.5: Đặc tính phi tuyến đặc trưng cho lực bánh xe bên. Ở đây âm mưu chống lại
góc trượt của lốp sau. Khu vực xấp xỉ tuyến tính có thể được nhìn thấy ở bên trái của
vạch đứt.
2.1.3 Hiệu lực của kiểu xe đạp
Mô hình xe đạp tuyến tính cung cấp một ước tính tốt về cả tốc độ chệch hướng và các tín hiệu tăng cường lực
bên trong khi thực hiện các thao tác lái xe ổn định. Tức là khi lái xe trên đường khô ráo và không trơn trượt
bề mặt và đối với lực bên vừa phải. Tuy nhiên, khi góc trượt trở nên quá lớn
chiếc xe rời khỏi khu vực tuyến tính được thấy trong Hình 2.5, các ước tính sẽ bắt đầu lệch khỏi
sự đo, sự đo lường. Động tác lái xe trong Hình 2.6 xuất phát từ việc rẽ ngoặt
khi lái xe thẳng về phía trước với tốc độ không đổi gây ra cực đại gia tốc bên lớn. Cơ chế
này minh họa các vấn đề bắt nguồn từ góc trượt lớn và có thể thấy rằng mô hình đã đánh giá
quá cao cả tốc độ chệch hướng và gia tốc bên cho cơ chế này. Furrmore mô hình xe đạp kết
hợp hai lốp trên mỗi trục lại với nhau và do đó không thể tính đến các tác động của việc
truyền tải qua các bên, điều này cũng sẽ ảnh hưởng đến độ chính xác của mô hình, đặc biệt
là trong các thao tác vào cua gấp. Để khắc phục những hạn chế này và cung cấp các ước tính
tốt hơn cho các tình huống lái xe này, cần có một mô hình phức tạp hơn. Đây là những lý do
cho việc xây dựng mô hình hai đường ray phi tuyến được trình bày trong Phần tiếp theo.
0,8
15
Ước lượng
Ước lượng
0,6 Đo lường
Đo lường
10
0,4
0,2 5
0
] 2
[bệnh
cứng
xơ
đa
0
ya
0,2
nghiêng
[rad
s]
lệ
Tỷ /
0,4 5
0,6
10
0,8
1 15
0 5 10 15 20 0 5 15 20
lần] 10 lần]
(a) Ước tính tỷ lệ chệch hướng. (b) Ước tính gia tốc bên.
Hình 2.6: Các ước tính của mô hình xe đạp cho một động tác gây ra gia tốc bên cao.
2.2 Mô hình hai rãnh phi tuyến
Để bao gồm các tác động của việc chuyển tải, mô hình xe đạp đã được mở rộng thành mô hình
hai đường đua. Mô hình hai đường đua cũng kết hợp một mô hình lốp phức tạp hơn để thể hiện
chính xác lực của lốp cũng trong vùng phi tuyến. Phần này liên quan đến sự hình thành của
mô hình hai đường ray phi tuyến tính này.
Trong hình 2.7, có thể thấy các tham số và biến đang nhập. Sr và Sf lần lượt thể hiện chiều
rộng rãnh phía sau và phía trước trong khi phần còn lại của các thông số giống như đối với mô
hình tuyến tính trong Hình 2.1. Cũng giống như đối với mô hình tuyến tính, các lực dọc bị bỏ
qua và định luật thứ hai của Newton được áp dụng trên chiếc xe như trong Hình 2.7. Các phương
trình chuyển động kết quả trở thành
may = Fy, rl + Fy, rr + (Fy, fl + Fy, fr) cos δF (2,22)

¨
Sf
IzΨ = lr (Fy, rl + Fy, rr) + lf (Fy, fl + Fy, fr) cos δF - ((Fy, fr - Fy, f l) sin δF (2.23). 2
Biểu thức cho gia tốc bên cũng giống như đối với mô hình tuyến tính, ay = ˙vy + vxΨ˙. β˙ vy có
thể
được viết lại thành vy = vx tan β (xem Hình 2.7) và do đó v˙y = ˙vx tan β + vx cos2 β cách
. Bằng
xác
định góc đặt bánh xe đường δF bằng 0 khi hướng thẳng về phía trước và tăng khi
2.2. Mô hình hai rãnh phi tuyến 13
Hình 2.7: Mô hình hai rãnh phi tuyến.
lốp xe được quay ngược chiều kim đồng hồ, kết quả là các phương trình chuyển động đối với động lực
học của xe trở thành
v˙x tan
β˙ = (Fy, rl + Fy, rr + (Fy, fl + Fy, fr) cos δF β - Ψ˙ -) cos2 β (2,24)
mvx vx
¨
Sf lr (Fy, rl + Fy, rr) + lf (Fy, fr + Fy, f l) cos δF -2 (Fy, fr - Fy, f l) sin
Ψ = δF . (2,25)
Iz
Để giảm độ phức tạp của mô hình, mối quan hệ tuyến tính giữa góc trượt và lực bên,
tức là Fy, ij = Cαijαi , được giữ. các
Tuy đặc
nhiên,
tínhđểcủa
tính
lốpđến
phihiệu
tuyến,
ứng độ
truyền
cứng tải
khi và
vào
cua giờ đây được phép thay đổi theo thời gian và cũng được điều chỉnh riêng cho từng
loại lốp. Quy trình thích ứng được giải thích thêm trong phần 2.2.1. Chèn biểu thức
của lực bên cùng với biểu thức của góc trượt bên (2.9) - (2.10) sẽ thu được các
phương trình sau
1 lrΨ˙ lfΨ˙
(Cα, rl + Cα, rr) (- β + ) + (Cα, fl + Cα, fr) (δF - β -) cos δF
β˙ = cos2 β n mvx
vx vx
v˙x tan
β Ψ˙ -
) o
vx
(2,26)
1 lrΨ˙ lfΨ˙) + lf (Cα, fl + Cα, fr) (δF - β -)

Ψ = ¨
cos δF
n - lr (Cα, rl + Cα, rr) (- β +
Iz vx vx
Sf ) sin δF o. lfΨ˙
(Cα, fr - Cα, f l) (δF - β - 2
vx
(2,27)
Cuối cùng, việc sắp xếp lại các phương trình liên quan đến β và Ψ˙ tạo ra các phương trình phi tuyến cuối cùng,
- (Cα, rl + Cα, rr) - (Cα, fl + Cα, fr) cos δF v˙x tan β) - +

β˙ = cos2 β n β ( mvx vx
lr (Cα, rl + Cα, rr) - lf (Cα, fl + Cα, fr) cos δF

Ψ (˙ - 1) + mv2 (2,28)
x
Cα, fl + Cα, fr
δF ( cos δF ) o
mvx
1
Ψ = ¨
n β (lr (Cα, rl + Cα, rr) - lf (Cα, fl + Cα, fr) cos δF +
Iz
2
l
Sf r
(Cα, fr - Cα, f l) sin δF ) + Ψ (˙ (Cα, rl + Cα, rr) -
- 2
vx
(2,29)
2
tôi f
Sf lf
(Cα, fl + Cα, fr) cos δF + (Cα, fr - Cα, f l) sin δF )
vx + 2vx
Sf
δF (lf (Cα, fl + Cα, fr) cos δF - 2 (Cα, fr - Cα, f l) sin δF ) o.
˙
Phương trình đo lường có thể được suy ra bằng cách sử dụng mối quan hệ ay = v (β˙ + Ψ) = (β˙ + Ψ) ˙ trong đó
vx
β˙ được cho bởi (2.28).
cos β
˙
vx
ay = cos β (β˙ + Ψ) =
- (Cα, rl + Cα, rr) - (Cα, fl + Cα, fr) cos δF )

- v˙x tan β +
cos β n β ( m
(2,30)
Ψ (˙ - vx) +
mvx
Cα, fl + Cα, fr vxΨ˙

.
δF (
m cos δF ) o + cos β
˙
T
Phương
˙ trình không gian trạng thái cuối cùng cho mô hình hai rãnh phi tuyến với x = [β, , y =
T
Ψ] [ay, Ψ]và(2.30)
các hàmtương
vectơ,ứng là u) và h (x, u), được mô tả bởi (2.28) - (2.29) và
f (x,
x˙ = f (x, u) y (2,31)
= h (x, u). (2,32)

2.2. Mô hình hai rãnh phi tuyến 15
Đối với việc triển khai trực tuyến, mô hình phi tuyến đã được loại bỏ bằng cách sử dụng thứ tự không
giữ các đầu vào và thời gian lấy mẫu là 10 ms. Mô hình rời rạc kết quả trở thành
xk + 1 = f (xk, uk) (2,33)
yk = h (xk, uk). (2,34)
2.2.1 Điều chỉnh mô hình
Mô hình xe đạp nêu trong phần 2.1 sử dụng mô hình lốp tuyến tính theo (2.1) - (2.2) nhưng như đã
đề cập trong phần 2.1.2, ước lượng gần đúng này chỉ có giá trị đối với các góc trượt nhỏ. Các tác
động của chuyển tải không được tính đến. Để cải thiện độ chính xác của mô hình hai đường đua hơn
nữa, những thiếu sót này cần được giải quyết trong phần này bằng cách kết hợp các hiệu ứng này vào
độ cứng khi vào cua và do đó biến chúng thành các biến số thay đổi theo thời gian. Tổng quan khối
của quy trình thích ứng có thể được nhìn thấy trong Hình 2.8. Dữ liệu đầu vào của cảm biến là vận
tốc của xe vx góc bánh xe trên đường δF và tốc độ chệch hướng Ψ˙ hoặc gia tốc ngang ay. Tín hiệu
tốc độ nghiêng được sử dụng khi ước tính gia tốc bên và ngược lại. Trong hình, có thể thấy góc
trượt bên hông xe β, có sẵn như một biến trạng thái từ bước thời gian cuối cùng, được đưa trở lại
vào một khối tính toán góc trượt α cho từng lốp riêng lẻ. Sau đó, các góc trượt này cùng với các
lực thẳng đứng Fz của mỗi lốp, được đưa vào một khối tính toán các lực bên Fy tác dụng lên mỗi lốp.
Khối tính toán các lực dọc kết hợp các tác động của truyền tải trong khi khối tính toán các lực bên
kết hợp hành vi lốp phi tuyến tính. Thay vì chèn trực tiếp các biểu thức cho các lực bên vào mô
hình không gian trạng thái phi tuyến cuối cùng (2.28) - (2.30) các biểu thức cho các lực bên đã
được chia cho các góc trượt để tính toán độ cứng góc thích ứng mới cho mỗi lần Fy, ij instance .
Tức là Cα, ij = trong đó chỉ số ij đại diện cho từng lốp riêng lẻ, fl = phía trước bên trái, v.v.
Điều này đã được thực hiện chủ yếu để tránh các biểu thức toán học phức tạp mà nếu không sẽ tốn
thời gian để thực hiện trong môi trường Simulink. Toàn bộ quy trình chuyển
,
thể tương tự như quy trình được sử dụng trong [4].
αi
Lực dọc
Hiệu ứng truyền tải phát sinh từ việc vào cua và lăn xe, tức là chuyển tải theo chiều ngang, hoặc
mô phỏng tương tự, phanh hoặc tăng tốc và bước xe, tức là chuyển tải theo chiều dọc. Để tính đến
những tác động này, lực dọc của từng bánh xe riêng biệt phải được đưa vào mô hình. Tuy nhiên, như
đã đề cập trước đó, chuyển động sân không được mô hình hóa trong luận án này và hơn nữa ảnh hưởng
của góc camber đã bị bỏ qua.
Trong Hình 2.9, có thể thấy các lực thẳng đứng Fz tác dụng lên mỗi bên của xe cùng với chiều rộng
đường ray trung bình Sav , chiều cao CoG hcog và các lực tác dụng lên xe CoG.
Các lực này là lực hướng tâm Fcp = may và lực hấp dẫn Fg = mg. Bằng cách tính toán cân bằng mô-men
xoắn xung quanh các điểm tiếp xúc giữa lốp và đường, P1 và P2, tải trọng thẳng đứng kết quả có thể
được xác định như
cảm biến Fz Fy ^.
Dữ liệu C ay,
Fz Fy C Kalman
lọc
-1
z
cảm biến
Dữ liệu
Hình 2.8: Tổng quan về quy trình điều chỉnh độ cứng khi vào cua.
Hình 2.9: Các lực tác động lên xe nhìn từ phía sau dẫn đến chuyển tải theo phương. Các
xe đang lái qua một khúc cua bên phải dẫn đến gia tốc bên trái.
Sav
P1: mayhcog + mg - Fz, rSav = 0 (2,35)
2
Sav
P2: mayhcog - mg + Fz, lSav = 0. (2,36)
2
Giải các lực dọc thu được các biểu thức được sử dụng trong luận án này
g aym
Fz, l = m ( ) + (2,37)
2 Sav
g - aym
Fz, r = m ( ). (2,38)
2 Sav
2.3. Ước tính các thông số mô hình hai rãnh 17
Ở đây, gia tốc bên được sử dụng làm đầu vào và để tạo ra một ước tính độc lập với tín hiệu cảm
biến, ước tính được sử dụng ở đây thay vì tín hiệu cảm biến thực tế.
Lực lượng bên
Các lực bên bây giờ được tính toán bằng cách sử dụng các lực dọc cùng với các góc trượt làm đầu
vào. Sự phụ thuộc của các lực dọc làm cho nó có thể được tính đến các tác động của truyền tải.
Bằng cách nhận ra rằng mối quan hệ giữa lực bên và góc trượt là không tuyến tính ngoại trừ trong
một vùng hẹp đối với góc trượt nhỏ, xem Hình 2.5, một hàm phi tuyến phù hợp hơn sẽ cải thiện hiệu
suất của mô hình đối với góc trượt lớn hơn. Nhưng trước hết các tác động của chuyển tải phải được
kết hợp và để làm được điều này, mỗi lốp phải được mô hình hóa riêng biệt. Bằng cách biểu diễn
độ cứng khi vào cua trên mỗi lốp theo một đa thức bậc hai (hoặc cao hơn), lực bên do mỗi lốp phát
triển được cho bởi [2]
2
Fy, ij = Cαijαi = (aijFz, ij - bijFz, ij ) αi = (aij - bijFz, ij ) Fz, ijαi (2,39)
trong đó aij và bij đại diện cho các hệ số trong đa thức độ cứng khi vào cua cho mỗi lốp trong
khi Fz, ij đại diện cho tải trọng thẳng đứng trên mỗi lốp. Ngoài việc sửa đổi này, mối quan hệ
phi tuyến giữa lực bên và góc trượt phải được giải quyết. Trong luận án này, điều này đã được
thực hiện bằng cách điều chỉnh một hàm arctan thành đường cong trong Hình 2.5. Các công trình
khác đã nghiên cứu một số hàm cơ bản khác nhưng kết luận rằng hàm arctan cung cấp sự phù hợp nhất
cho đường cong lực bên [4]. Biểu thức cuối cùng cho các lực bên do đó trở thành
Fy, ij = (aij - bijFz, ij ) Fz, ij arctan (cijαi) (2,40)
trong đó αi đại diện cho góc trượt và cij là một hệ số khác. Ba thông số aij , bij và cij cần
được ước tính cho từng lốp riêng biệt và quy trình ước lượng sẽ được thực hiện trong phần tiếp
theo.
2.3 Ước tính các thông số mô hình hai rãnh
Khi mở rộng mô hình, một số tham số mới được đưa vào. Các thông số cụ thể của xe như chiều rộng
đường ray có thể được lấy bằng các phép đo đơn giản. Các thông số khác như những thông số được
giới thiệu để mô hình chính xác các lực bên phải được ước tính. Tất cả các tham số nhập trong mô
hình hai đường ray phi tuyến có thể được xem trong Bảng 2.2.
Chiều cao CoG được tính gần đúng bằng 40% chiều cao của mái xe vì không có dữ liệu hoặc phương
pháp đo lường nào cho điều này. Phần còn lại được ước tính là ba tham số cho mỗi bánh xe aij ,
bij và cij từ (2.40) và mômen quán tính góc Iz. Mô men quán tính yaw được ước lượng theo cách
tương tự như đối với mô hình tuyến tính nhưng trước tiên các tham số aij , bij và cij được ước
lượng và vì 2,40 là phi tuyến trong các tham số, nên cần có phương pháp ước lượng phi tuyến. Hộp
công cụ Tối ưu hóa Matlab cung cấp bộ giải bình phương nhỏ nhất phi tuyến đã được sử dụng trong
quy trình ước lượng. Mã Matlab nhận ra thuật toán tối ưu hóa và cho phép nó hoạt động cùng với
giao diện Simulink. Tức là thuật toán tối ưu hóa tối thiểu hóa đầu ra từ mô hình Simulink đối
với các tham số điều khiển đã chọn. Các thông số điều khiển cũng như đầu ra do người dùng lựa
chọn. Ở đây đầu ra được biểu thị bằng sự khác biệt giữa mô hình được lập mô hình và được đo
Thông số mô hình hai rãnh

Tham số Đơn vị ký hiệu lr Bình luận
Khoảng cách giữa trục sau và CoG m đo
Khoảng cách giữa trục trước và CoG lf m được đo

Chiều rộng đường ray trung bình Sav m đo
Khối lượng xe m kg đo được
Chiều cao của CoG hcog m xấp xỉ

Mômen quán tính của hàm Iz ước tính
kgm2
Điều chỉnh độ cứng khi vào cua phía trước Cα, f N / rad
Điều chỉnh độ cứng khi vào cua phía sau Cα, r N / rad
Hệ số lực bên ước tính -
aij
Hệ số lực bên ước tính -
bij
Hệ số lực bên - ước lượng
cij
Bảng 2.2: Các thông số của mô hình hai đường ray.
lực bên trong khi các thông số điều khiển được tối ưu hóa là aij , bij và cij . Một phần dư là
do đó được tạo ra như là sự khác biệt giữa lực bên đo được và lực ước tính là
rn = Fy, n - Fˆy, n
(2.41)
trong đó chỉ số n đại diện cho mẫu hiện tại. Sau đó, một hàm chất lượng được tạo dưới dạng tổng
hình vuông của phần dư
N N
r2 2
(2.42)
S = X N = X (Fy, n - Fˆ y, n)
n = 1 i = 1
trong đó N là tổng lượng mẫu trong tập dữ liệu. Chèn (2,40) vào (2,42) cho kết quả
Sij = X (Fy, n - (aij - bijFz, n) Fz, n arctan (cijαn)) 2 (2,43)

n = 1
Thuật toán tối ưu hóa hiện giảm thiểu (2,43) đối với các tham số aij , bij và
Phương pháp tối ưu hóa Levenberg-Marquardt đã được sử dụng để đạt được
cij . đảm bảo hội tụ về lâu dài. Để có mô tả chi tiết hơn về phương pháp Levenberg
Marquardt, bạn có thể tham khảo phần trợ giúp của Matlab. Các lực đo được đã
thu được từ một chiếc BMW-545i được trang bị các cảm biến đo lực lốp trong x- y- và
chỉ đường z cũng như các cảm biến đo vận tốc bên của xe. Các bên được đo
và các lực dọc cùng với các góc trượt được tính theo (2.9) - (2.10) đã được
được sử dụng để tìm bộ tham số tốt nhất giảm thiểu (2.42).
2.3.1 Tính hợp lệ của mô hình hai đường
Hình 2.10 cho thấy lực đo được so với lực bên được mô hình hóa kết quả với
thông số cho lốp trước bên trái trong quá trình xử lý.
Độ cứng khi vào cua kết quả cho một ổ đĩa tròn ở vận tốc không đổi có thể được nhìn thấy trong
Hình 2.11. Trong hình, độ cứng khi vào cua trên cặp bánh xe bên trong (trong trường hợp này là bên trái)
2.3. Ước tính các thông số mô hình hai rãnh 19
Lốp trước bên trái

4000
Đo lường
Ước lượng
Sự khác biệt
2000
0
[N]
y
2000
bên,
Lực
F
4000
6000
8000
0 20 40 60 80 100 120 140 160 180 200
lần
Hình 2.10: Lực bên được đo so với ước tính của lốp trước bên trái được vẽ cùng với
sự khác biệt đối với một quy trình xử lý trên đường nhựa. Ước tính được đưa ra bởi
mô hình hai đường ray phi tuyến với các thông số được tối ưu hóa.
nhỏ hơn nhiều so với cặp bánh xe bên ngoài. Điều này là do độ cứng khi vào cua có thể
được hiểu là thước đo mức độ truyền lực của lốp theo phương ngang. Quá hạn
để lăn xe thì khả năng này sẽ lớn hơn đối với cặp bánh ngoài.
x 104
9 Phía trước bên trái
Phía trước bên phải
số 8
Phía sau bên trái
Phía sau bên phải
5
[rad
s] /
α
C 4
0
40 50 60 70 80
lần
Hình 2.11: Độ cứng của góc cua đã điều chỉnh trên cả bốn bánh xe trong quá trình ngược chiều kim đồng hồ
ổ tròn.
Có thể xác nhận thêm về mô hình hai đường ray phi tuyến bằng cách điều tra sự điều động nhỏ
giọt từ Hình 2.6. Việc điều động gia tốc bên cao này tỏ ra khó khăn
cho mô hình xe đạp. Tuy nhiên, bằng cách nghiên cứu Hình 2.12, rõ ràng là mô hình phi tuyến
cung cấp một ước tính tốt hơn nhiều.
0,8
Ước lượng Ước lượng
Đo lường 10 Đo lường
0,6
0,4
0,2 ]
2
[bệnh
cứng
xơ
đa
0 0
ya
nghiêng
[rad
s]
lệ
Tỷ /
0,2
5
0,4
0,6
10
0,8
0 5 10 15 20 2 4 6 số 8 12 14 16 18
lần 10 lần]
(a) Ước tính tỷ lệ chệch hướng. (b) Ước tính gia tốc bên.
Hình 2.12: Các ước lượng của mô hình phi tuyến cho một cơ động gia tốc bên cao.
Chương 3
Lý thuyết người quan sát
Đối với cả mô hình xe tuyến tính và phi tuyến tính được nêu trong Chương 2, kỹ thuật lọc Kalman đã được
sử dụng khi tạo ra phần dư cho các tín hiệu cảm biến. Chương sau giới thiệu chung về lý thuyết cơ bản
đằng sau bộ lọc Kalman và Bộ lọc Kalman mở rộng cũng như tổng quan ngắn gọn về việc sử dụng các quan sát
viên trong bối cảnh tạo dư. Để được giải thích cặn kẽ hơn về các bộ lọc Kalman so với những gì được đưa
ra ở đây, hãy xem [3] hoặc [8]. Hơn nữa, chương này cũng đề cập đến việc lấy ra các ma trận hiệp phương
sai.
3.1 Bộ lọc Kalman thay đổi theo thời gian tuyến tính
Ý tưởng cơ bản là sử dụng bộ lọc Kalman làm bộ tạo dư cho mô hình tuyến tính.
Điều này được thực hiện bằng cách cung cấp các tín hiệu đầu vào và các tín hiệu đo được cho bộ lọc Kalman,
theo các giả định mô hình nhất định, sẽ biến đổi chúng thành một chuỗi các phần dư tạo lại tiếng ồn trắng.
Do đó, mô hình được chạy song song với quá trình và phần dư được tính như sự khác biệt. Vì ma trận trạng
thái, AD, bao gồm các thông số thay đổi theo thời gian, chẳng hạn như vận tốc dọc của xe và gia tốc, chúng
phải được coi là thay đổi theo thời gian và do đó chúng tôi cần triển khai phiên bản thay đổi theo thời
gian của bộ lọc Kalman.
Quá trình được ước lượng sau đó có thể được chỉ định trên biểu mẫu không gian trạng thái chung, thay đổi theo thời
gian, sau đây
xk + 1 = Akxk + Bkuk + wk wk N (0, Q) yk = Ckxk

+ Dkuk + vk vk N (0, R)
trong đó yk là vectơ chứa các tín hiệu đo được, Ak - Dk là các ma trận (thay đổi theo thời gian) đã biết
và xk là vectơ trạng thái. Các đầu vào là uk quan sát được, tiếng ồn quá trình không quan sát được và
tiếng ồn đo lường vk . Cường độ của tiếng ồn được mô tả bởi ma trận hiệp phương sai Q và R. Sau đó, bộ
lọc Kalman được đưa ra bởi
xˆk + 1 = Akxˆk + Bkuk + Kkrk rk = (3.1)
yk - yˆk = yk - (Ckxˆ - + Dkuk). k (3.2)
Ở đây rk đại diện cho vectơ phần dư và được tạo ra như là sự khác biệt giữa tín hiệu sured và tín hiệu
được mô hình hóa. Độ lợi Kalman, Kk, được tính toán bởi bộ lọc Kalman
21
22 Chương 3. Lý thuyết người quan sát
các phương trình. Bộ lọc Kalman có thể được xem như một bộ ước lượng quá trình sử dụng điều khiển phản
hồi, tức là bộ lọc ước tính các trạng thái tại một thời điểm nhất định và sau đó nhận phản hồi dưới
dạng các phép đo nhiễu. Do đó, các phương trình bộ lọc thường được chia thành các cập nhật về thời gian
và đo lường trong đó cập nhật thời gian đưa ra ước tính trạng thái hiện tại trước thời gian trong khi
cập nhật chắc chắn ít nhất điều chỉnh ước tính dự kiến bằng một phép đo thực tế tại thời điểm đó.
Bộ lọc Kalman rời rạc
+ 1 = Axˆk + Buk k
Các phương trình cập nhật thời gian: xˆ -
P -
k + 1= AkPkAT k + Q
Phương trình cập nhật đo lường: Kk = P - C T C T + R) 1

k k (CkP -k k
xˆk = ˆx - + Kk (yk - (Ckxˆ - + Dkuk))
k k
Pk = (I - KkCk) P - k
Trong các phương trình trên, Pk đại diện cho hiệp phương sai ở bước k và chỉ số siêu trừ
(như trong ví dụ xˆ k- cho
) đại diện
biết chocủa
cạnh ướcquá
lượng tiên
trình nghiệm,
trước bước tức là ước
k. Khi lượng
số trừ ở bước
ở trên bị kbỏđãđi,
ước tính được gọi là hậu kỳ và cũng bao gồm kiến thức về phép đo tại thời điểm đó. Tóm lại,
bộ lọc Kalman dự báo ước tính trạng thái đầu tiên và ước tính hiệp phương sai chuyển tiếp
một bước trong quá trình cập nhật thời gian. Sau đó, độ lợi Kalman được tính toán, quá trình
này được đo lường và ước tính trạng thái posteriori thu được. Cuối cùng, ma trận hiệp phương
sai sai số posteriori Pk được tính toán.
3.2 Bộ lọc Kalman mở rộng
Vì mô hình hai đường dẫn xuất phát trong phần 2.2 là phi tuyến nên không thể áp dụng lý thuyết
bộ lọc Kalman từ phần cuối cùng. Thay vào đó, một phần mở rộng của bộ lọc Kalman thông thường
bao gồm các vấn đề phi tuyến cũng đã được sử dụng. Ý tưởng đằng sau lý thuyết EKF bao gồm việc
tuyến tính hóa mô hình xung quanh ước tính trạng thái trước đó trong mỗi bước thời gian. EKF dựa
trên (2.28) - (2.30). Hệ thống phi tuyến quan sát được có thể được mô tả bằng
xk + 1 = f (xk, uk) + wk wk N (0, Q) yk (3.3)
= h (xk, uk) + vk vk N (0, R) (3.4)
trong đó f (xk, uk) biểu diễn phương trình trạng thái và h (xk, uk) là phương trình đo. Như tai
lier, wk và vk lần lượt đại diện cho tiếng ồn quá trình và tiếng ồn đo lường. Bộ lọc Kalman mở
rộng hiện được cung cấp bởi
xˆk + 1 = f (ˆxk, uk) + Kkrk (3.5)
rk = yk - yˆk = yk - h (ˆx - k , uk). (3.6)
Các phương trình cập nhật thời gian và đo lường EKF hiện được xây dựng theo cách tương tự như đối
với bộ lọc Kalman tuyến tính.
3.3. Xác định ma trận hiệp phương sai 23
Bộ lọc Kalman mở rộng
xˆ -
Các phương trình cập nhật thời gian: k + 1 = f (ˆxk, uk)
P - = FkPkF T + Qk
k + 1 k
1
k HTk (HkP -
k HTk
Phương trình cập nhật đo lường: Kk = P - + Rk)
xˆk = ˆx - + Kk (yk - h (ˆx - k , uk))
k
Pk = (Tôi - KkHk) P k-
Fk và Hk đại diện cho các phiên bản tuyến tính hóa của ma trận Ak và Ck. Ma trận Jacobian
đưa ra một tiệm cận tuyến tính tốt nhất cho một hàm khác biệt gần một điểm nhất định. Ma
trận Jacobian bao gồm một hàm nhất định (giá trị véc tơ) tất cả các đạo hàm riêng bậc nhất.
Ma trận Jacobian tương ứng với ma trận Ak - Dk được định nghĩa là
fi
(3,7)
Fi, j = (ˆxk 1, uk 1) xj
fi (ˆxk 1, uk 1)
(3,8)
Bi, j =
uj
hi
(3,9)
Xin chào, (ˆxk 1, uk 1)
j = xj
hi
Di, j (3.10)
(ˆxk 1, uk 1)
= uj
Các ma trận Jacobian cho mô hình hai đường thẳng phi tuyến với các đạo hàm riêng của chúng có thể
được tìm thấy trong Phụ lục B.
3.3 Xác định ma trận hiệp phương sai

Để giảm độ phức tạp của vấn đề, cả ma trận hiệp phương sai đo lường và ma trận hiệp phương
sai quá trình đều được giả định theo đường chéo. Điều đó có nghĩa là cả tiếng ồn đo lường
và tiếng ồn quá trình được giả định là không tương quan.
Ma trận hiệp phương sai của phép đo R được sử dụng để xác định sai số trên phương pháp
đo cảm biến. Mức độ tiếng ồn của cảm biến được biết đến từ các tờ dữ liệu của nhà sản xuất
cảm biến và do đó, ma trận hiệp phương sai đo được bao gồm bình phương của mức độ nhiễu
cảm biến tương ứng. Tuy nhiên, nhiễu đo cũng phụ thuộc vào bề mặt vì bề mặt không nhẵn làm
tăng thêm độ rung của cảm biến. Đặc biệt là cảm biến gia tốc bên cho thấy nhiễu đo lớn khi
lái xe trên các bề mặt có µ thấp. Có thể đạt được sự gần đúng bằng cách lọc thông cao tín
hiệu gia tốc bên và giả định rằng tín hiệu còn lại bao gồm nhiễu cảm biến. Hình 3.1 cho
thấy một biểu đồ của tín hiệu gia tốc xoay chiều bên được lọc thông cao cho một lái xe xử
lý trên băng. Có thể thấy rằng phân phối dường như xấp xỉ một phân phối chuẩn, một điều gì
đó càng thúc đẩy việc sử dụng bộ lọc Kalman.
Nhiễu quá trình chủ yếu gây ra bởi sự không chính xác của mô hình và sự không chắc chắn trong các
ước lượng tham số. Một ước tính cho tiếng ồn của quá trình đạt được theo cách tương tự như cho tiếng
ồn chắc chắn nhỏ. Bằng cách giả định rằng tiếng ồn của quá trình có đặc tính tần số thấp, nó có thể
được giới thiệu là
24 Chương 3. Lý thuyết người quan sát
4000
3500
3000
2500
2000
lượng
mẫu
Số
1500
1000
500
0
2 1,5 1 0,5 0 0,5 1 1,5 2
Độ lệch
Hình 3.1: Sự phân bố nhiễu đo trên cảm biến gia tốc bên.
w = f (ˆx, u) - (3,11)
x¯˙ trong đó x¯˙ là thông thấp được lọc và trạng thái đo phân biệt và f (ˆx, u) là trạng thái
ước lượng ở mức khác nhau. Các phép tính R và Q hiện có thể được thực hiện trong Matlab.
Chương 4
Quan hệ động học
Ngoài phần dư được tạo ra từ hai bộ lọc Kalman, một số phần dư cũng được tạo ra dựa
trên quan hệ động học. Chương này mô tả nguồn gốc của những phần dư này và cũng giải
quyết các vấn đề đi kèm với mỗi mối quan hệ.
Mô hình 1-2
Một cách để tái tạo lại cảm biến tốc độ chệch hướng là sử dụng tín hiệu tốc độ bánh xe. Cách tiếp cận này
giả định lốp xe lăn và bỏ qua góc lăn của thân xe. Bằng cách nghiên cứu tốc độ bánh xe trên mỗi bánh xe
trong số bốn bánh xe, các mối quan hệ sau có thể được thiết lập
vf l = (vx - Ψ˙ Sf ) cos δF + (vy + Ψ˙ lf ) sin δF (4,1)

2
vfr = (vx + Ψ˙ Sf ) cos δF + (vy + Ψ˙ lf ) sin δF (4,2)

2
Sr
vrl = vx - Ψ˙ (4.3)
2
Sr
vrr = vx + Ψ˙ (4,4)
2
trong đó Sf và Sr lần lượt đại diện cho chiều rộng rãnh phía trước và phía sau. Tính toán độ chênh
lệch về tốc độ bánh xe giữa hai lốp trên mỗi trục sẽ cho kết quả là
vfr - vf l vrr
= Ψ˙
- vrl
Sf cos
= Ψ˙δFSr (4,5)
(4,6)
hoặc, đối với tỷ lệ yaw
vfr - vf l
Ψ˙M1 =
(4,7)
Sf cos δF
vrr - vrl
Ψ˙M2 = . (4,8)
Sr
Vì lốp xe không phải lúc nào cũng lăn mà đôi khi quay hoặc bị khóa, nên giả thiết về lốp lăn không phải lúc
nào cũng được đáp ứng. Đặc biệt, do phương tiện được nghiên cứu trong luận văn này là loại xe dẫn động cầu sau nên
25
26 Chương 4. Quan hệ động học
phần dư dựa trên tín hiệu tốc độ bánh sau sẽ bị ảnh hưởng bởi điều này và do đó
còn lại tương ứng với bánh trước nên chính xác hơn trong hai. Cái này có thể
được xác nhận trong Hình 4.1 trong đó ước tính tỷ lệ chệch hướng từ hai mô hình động học đầu tiên
được so sánh với tín hiệu cảm biến. Mô hình dựa trên tín hiệu tốc độ bánh sau lệch
mạnh từ giá trị đo được sau khoảng 52 giây và từ 90 đến 94 giây. Trong
trường hợp này sự không chính xác đến từ thực tế là lốp sau bên trái quay nhẹ trong những
phiên bản thời gian.
4 Ước tính mô hình 1

Ước tính mô hình 2
Đo đạc
nghiêng
[rad
s]
lệ
Tỷ /
10 20 30 40 50 60 70 80 90
thời gian [s]
Hình 4.1: Các ước tính tỷ lệ chệch hướng từ các mô hình động học sử dụng các cảm biến tốc độ bánh xe được vẽ biểu đồ
cùng với tỷ lệ chệch hướng đo được.
Mô hình 3
Một ước tính khác về tỷ lệ chệch hướng có thể được rút ra từ vận tốc dọc của xe, vx
và góc đặt bánh xe trên đường δF bằng cách giả sử độ trượt bên bằng không trên cả bốn lốp. Phương trình trượt
(2.7) - (2.8) với αf = αr = 0 do đó trở thành
lfΨ˙
tan δF = β + (4,9)
vx
lrΨ˙
0 = β + . (4.10)
vx
Kết hợp hai phương trình góc trượt thu được
lfΨ˙ lfΨ˙
δF = arctan (β + ) = arctan (lrΨ˙ + ) = arctan (lΨ˙ ) (4.11)
vx vx vx vx
hoặc, đối với tỷ lệ yaw
tan δF
Ψ˙
M3 = vx . (4.12)
l
27
Bằng cách giả định góc trượt bằng không, mô hình này sẽ mất độ chính xác trong các tình huống không thể bỏ
qua đường trượt. Hình 4.2 cho thấy ước tính tỷ lệ chệch hướng so với tỷ lệ chệch hướng được đo lường
tỷ lệ. Như có thể thấy trong hình, biên độ lớn hơn một chút so với ước tính và nó cũng
hơi chậm trễ. Sai số về biên độ xuất phát từ sự phi tuyến tính kế thừa trong lốp xe, hệ thống lái,
tàu điện và hệ thống treo và bằng cách giảm một chút góc bánh xe trên đường, điều này có thể được hoàn thành.
Thử nghiệm cho thấy rằng mức giảm khoảng 5% mang lại thỏa thuận tốt nhất cho
Mô hình này. Hơn nữa, cũng có thể thấy rằng tỷ lệ ngáp đo được có vẻ hơi trễ
so với ước tính. Đây là kết quả của sự khác biệt trong các kỹ thuật lọc được sử dụng
cho các tín hiệu khác nhau và đã được bù đắp bằng cách trì hoãn tín hiệu đo được với
0,1 giây, một con số cũng thu được qua các thí nghiệm. Phần dư được sửa đổi trở thành
tan 0,95δF, d
Ψ˙ = vx (4,13)
M3
l
trong đó δF, d là góc bánh xe trên đường bị trễ. Kết quả có thể được nhìn thấy trong Hình 4.3.
1,2 Ước tính mô hình 3
Đo đạc
1
0,8
0,6
0,4
nghiêng
[rad
s]
lệ
Tỷ /
0,2
0,2
0,4
0,6
0,8
10 20 30 40 50 60 70 80 90
lần
Hình 4.2: Ước tính tốc độ nghiêng từ quan hệ động học bằng cách sử dụng cảm biến góc bánh răng được vẽ biểu đồ
cùng với tỷ lệ chệch hướng đo được.

28 Chương 4. Quan hệ động học
Ước tính mô hình 3 đã sửa đổi

Đo đạc
1
0,5
nghiêng
[rad
s]
lệ
Tỷ /
0,5
1
10 20 30 40 60 70 80 90
50 lần
Hình 4.3: Ước tính tốc độ nghiêng từ quan hệ động học đã sửa đổi bằng cách sử dụng góc bánh răng
cảm biến được vẽ cùng với tỷ lệ ngáp đo được.
Mô hình 4
Cuối cùng, một mối quan hệ giữa tốc độ chệch hướng và gia tốc bên được thiết lập bằng cách giả định là ổn định
nêu các điều kiện lái xe và do đó bỏ qua góc trượt bên xe như
= ay
Ψ˙M4 . (4,14)
vx
Hình 4.4 cho thấy ước tính tốc độ chệch hướng dựa trên cảm biến gia tốc bên. Một vấn đề
với mô hình này là ước tính trở nên rất ồn ào vì nó dựa trên độ ồn bên
tín hiệu cảm biến gia tốc. Điều này có thể được giải quyết bằng cách lọc tín hiệu nhưng điều này dẫn đến một
trễ thời gian không mong muốn.
Các ước tính trên đều dành cho cảm biến tỷ lệ chệch hướng nhưng chúng có thể dễ dàng được điều chỉnh để theo dõi
gia tốc bên bằng cách sử dụng (4.14), tức là ay = Ψ˙ M3vx. Tất cả các quan hệ động học là
được tóm tắt trong Bảng 4.1.
Quan hệ động học
Tỷ lệ nghiêng [rad / s] Gia tốc bên [m / s2 ]

Mô hình 1 Ψ˙ M1 = vfr vf l vfr vf l
Sf cos δF ay, M1 = Sf cos δF vx

Mô hình 2 Ψ˙ M2 = vrr vrl vrr vrl
vx
Sr ay, M2 = Sr
tan 0,95δF, d 2 tan 0,95δF, d
Mô hình 3 Ψ˙ M3 = vx ay, M3 = v x
l l
= ay
Mô hình 4 Ψ˙ M4 ay, M4 = Ψ˙ vx
vx
Bảng 4.1: Tóm tắt các quan hệ động học được sử dụng.
29

1
Đo đạc
0,8
0,6
0,4
0,2
nghiêng
[rad
s]
lệ
Tỷ /
0,2
0,4
0,6
0,8
1
10 20 30 40 60 70 80 90
50 lần
Hình 4.4: Ước tính tốc độ nghiêng từ quan hệ động học bằng cách sử dụng cảm biến gia tốc bên
được lập biểu đồ cùng với tỷ lệ chệch hướng đo được.

Chương 5
Phát hiện thay đổi
Lý tưởng nhất là phần dư được tạo trong các chương trước đó (hoặc bất kỳ phần dư nào cho vấn đề
đó) sẽ bằng 0 trong trường hợp không có lỗi và chỉ lệch khỏi giá trị này khi xảy ra lỗi. Trong
thực tế, không bao giờ có thể bỏ qua các tác động từ nhiễu như tiếng ồn hoặc sự không chắc chắn
trong mô hình hóa hoặc ước lượng tham số. Ngay cả những nỗ lực nghiêm ngặt nhất để mô hình hóa
hành vi động của các quá trình phức tạp như "lái xe ô tô" cũng sẽ mắc phải những thiếu sót trong
mô hình theo cách này hay cách khác.
cảm biến
rt st Báo thức
Dữ liệu Kalman Khoảng cách
Quy tắc
Lọc đo lường dừng
Hình 5.1: Phát hiện thay đổi dựa trên bộ lọc kalman.
Cấu trúc khối của hệ thống chẩn đoán có thể được nhìn thấy trong Hình 5.1. Khối đầu tiên chứa
bộ quan sát dựa trên các tín hiệu cảm biến khác nhau cung cấp rt dư mà ở đây là sự khác biệt giữa
các giá trị đo được và các giá trị được mô hình hóa. Phần dư này sau đó được đưa vào một khối đo
khoảng cách. Khối này biến phần dư thành một thước đo khoảng cách để đo khả năng tồn tại từ giả
định không thay đổi. Sau đó, số đo khoảng cách st được đưa vào khối quy tắc dừng áp dụng hàm quyết
định trên số đo khoảng cách mang lại thống kê thử nghiệm gt là gt = g (st). Thống kê thử nghiệm
này sau đó được so sánh với một ngưỡng để xác định xem có nên báo động hay không.
5.1 Các biện pháp khoảng cách
Như đã đề cập, số đo khoảng cách biến phần dư thành số đo khoảng cách mà nó sẽ tính sai lệch so
với giả định không thay đổi. Có một số loại lỗi khác nhau có thể xảy ra và tùy thuộc vào loại lỗi
mà chúng tôi muốn phát hiện mà có các biện pháp khoảng cách khác nhau có thể được áp dụng. Lỗi đột
ngột là lỗi xảy ra đột ngột và sau đó vẫn như vậy. Lỗi trôi là một dạng lỗi khác tăng dần theo
thời gian và cũng có những lỗi phương sai ảnh hưởng đến phương sai tín hiệu. Một cách tiếp cận phổ
biến khi tìm kiếm
30
5.2. Quy tắc dừng 31
đối với các lỗi đột ngột hoặc trôi dạt là sử dụng chính phần dư làm thước đo khoảng cách. Một cách tiếp cận
phổ biến khác là sử dụng phần dư bình phương rất thuận lợi, đặc biệt là khi cố gắng phát hiện các lỗi phương
sai.
5.2 Quy tắc dừng
Vấn đề phát hiện thay đổi có thể được định dạng lại bằng cách sử dụng hai giả thuyết như
H0 : E (st) = 0 H1 :
E (st) > 0.
Quy tắc dừng về cơ bản là một bộ lọc thông thấp được áp dụng cho thước đo khoảng cách và kết quả sau đó
được so sánh với một ngưỡng để phát hiện xem có lỗi xảy ra hay không.
Ví dụ về các quy tắc dừng thường được sử dụng là các bài kiểm tra Tổng tích lũy (CuSum) và Geometric Mov ing
Average (GMA). Thử nghiệm CuSum được nghiên cứu thêm trong phần 5.2.4.
5.2.1 Ngưỡng trực tiếp
Cách đơn giản nhất để thực hiện quy tắc dừng là áp dụng một ngưỡng trực tiếp trên thước đo khoảng cách. Bằng
cách này, một báo động có thể được nâng lên khi thước đo khoảng cách vượt quá mức J cũ.
Báo động nếu st ≥ J (5,1)
Ngưỡng này thường được chọn trước dựa trên mức độ tiếng ồn, nhiễu và độ không đảm bảo của chế độ. Vì
mục đích của luận án này là phát hiện lỗi cảm biến, trọng tâm là phát hiện nhanh trong khi đồng thời giữ cho
tỷ lệ báo động sai ở mức nhỏ. Để thiết lập các mức ngưỡng chính xác trong một ứng dụng, chẳng hạn như lượng
lớn dữ liệu thử nghiệm từ các tình huống lái xe khác nhau phải được thu thập và điều tra. Ở đây, các ngưỡng
đã được chọn để không phát hiện cảnh báo sai đối với bất kỳ tập dữ liệu nào có sẵn trong quá trình viết luận
văn này. Để tăng tính mạnh mẽ của hệ thống chẩn đoán, cách tiếp cận phổ biến là theo dõi số lần thống kê thử
nghiệm vượt quá ngưỡng trong một khoảng thời gian cố định và không báo động cho đến khi vượt quá ngưỡng đối
với một số mẫu nhất định.
5.2.2 Ngưỡng thích ứng
Một trong những vấn đề với cách tiếp cận ngưỡng trực tiếp là độ không đảm bảo của mô hình buộc mức ngưỡng
phải được đặt cao, do đó làm tăng thời gian phát hiện. Thay vì cố gắng tối ưu hóa mô hình xe và do đó giảm
thiểu sự không chắc chắn của mô hình về tổng thể, có thể sử dụng các phương pháp xác định ngưỡng tiên tiến
hơn như ngưỡng thích ứng. Ý tưởng cơ bản với ngưỡng thích ứng là sử dụng thông tin về mức độ không chắc chắn
và nhiễu loạn của mô hình thay đổi theo thời gian và để cho ngưỡng thay đổi tương ứng. Mô tả chung về cách
tính ngưỡng thích ứng Jadp được [7] đưa ra như
Jadp = c1W (u, y) + c2 (5.2)

32 Chương 5. Phát hiện thay đổi
trong đó W (u, y) là thước đo độ không đảm bảo của mô hình trong khi c1 và c2 là các hằng số. Khó khăn khác
với việc sử dụng ngưỡng thích ứng nằm ở việc tìm ra một thước đo độ không đảm bảo của mô hình tốt.
Luận án này tập trung vào việc phân biệt giữa hai chế độ lái xe khác nhau, ổn định
lái xe và lái xe không ổn định. Khi xe ở chế độ lái không ổn định, sẽ không có bất kỳ sự chắc chắn nào ảnh
hưởng đến lượng dư và do đó các ngưỡng được nâng lên để tránh
Báo động giả. Hình 5.2 cho thấy các ngưỡng thích ứng được tính toán như thế nào. Khối đầu tiên
so sánh vận tốc vx tốc độ bánh xe, ωi đối với i {1..4} và các quan hệ động học được xác định trong Chương
4 (ngoại trừ những quan hệ bao gồm các tín hiệu quan sát) với một tập hợp các giá trị tới hạn
và theo cách đó có thể xác định phương tiện đang ở chế độ lái nào. Khối ngưỡng đã đặt
sau đó xác định ngưỡng tùy thuộc vào chế độ lái xe hiện tại.
Quan hệ
động học
Chế độ
Quyết
lái Đặt Jadp
Dư thừa định chế
ngưỡng
cảm biến độ lái xe
tín hiệu
Hình 5.2: Tổng quan về khối tạo ngưỡng thích ứng.
Xe được coi là đang ở chế độ lái ổn định khi | Ψ˙ M1 | & | Ψ˙ M2 | & | Ψ˙ M3 | <
Ψ˙ c, | vx | < vx, c và | ˙δG | < ˙δG, c trong đó chỉ số c đại diện cho các mức tới hạn. Đó là, khi cái ngáp
các ước tính tỷ lệ từ các quan hệ động học gần với tỷ lệ yaw đo được và không
vận tốc của xe cũng như vận tốc góc của bánh răng quá lớn thì xe đang chuyển động ổn định.
Các cấp độ quan trọng đã được xác định bằng cách điều tra các ổ đĩa thử nghiệm được thực hiện.
Tương tự, chiếc xe được coi là đang ở chế độ lái không ổn định khi một trong hai
vượt quá mức quan trọng. Đó là khi | Ψ˙ M1 | | | Ψ˙ M2 | | | Ψ˙ M3 | > Ψ˙ c hoặc | vx | > vx, c hoặc
| ˙δG | > ˙δG, c.
5.2.3 Lọc dư
Một cách tiếp cận để xử lý các lỗi mô hình hóa là vượt qua bộ lọc cao của thống kê thử nghiệm và sau đó áp dụng
một kỹ thuật ngưỡng trực tiếp để phát hiện lỗi. Ý tưởng đằng sau quá trình lọc dư là
chọn một tần số cắt để nó phân biệt giữa đầu vào của trình điều khiển thông qua hệ thống lái
bánh xe và sự xuất hiện của các lỗi đột ngột.
Đầu vào trong các ứng dụng động lực học xe là lệnh của trình điều khiển và nó thường không
vượt quá dải tần số 2 Hertz và bằng cách lọc thông cao bằng cách sử dụng thông cao
bộ lọc với tần số chéo 2 Hertz, các độ không đảm bảo của mô hình có thể được phân biệt dễ dàng hơn.
Tuy nhiên, điều này sẽ dẫn đến việc nếu người lái đang lái với tần số lớn hơn 2 Hertz, cho
Ví dụ khi cố gắng tránh va chạm, điều này có thể bị nhầm với lỗi cảm biến trừ khi nó là
xử lý. Để tránh điều này, thuật toán quan sát góc bánh răng và góc bánh răng
dẫn xuất và vô hiệu hóa thuật toán nếu chúng trở nên quá lớn. Phương pháp này cũng có một số hạn chế. Rõ ràng
nhất là sau khi lỗi cảm biến xảy ra, phần dư sẽ chỉ lệch một thời gian ngắn so với giá trị quy định của chúng
và sau đó quay trở lại ngay cả khi lỗi vẫn còn. Hơn nữa, phương pháp này chỉ có thể áp dụng để phát hiện các
lỗi đột ngột. Các lỗi trôi tăng chậm theo thời gian sẽ không được phát hiện.
5.2.4 CuSum
Để biết thêm thông tin về bản chất của tỷ lệ khả năng xảy ra log và hiểu sâu hơn về thuật toán được trình bày ở
đây, hãy xem ví dụ [3]. CuSum là viết tắt của Tổng tích lũy và là một kỹ thuật phổ biến được sử dụng trong các
ứng dụng phát hiện thay đổi. Thuật toán tính toán tổng tích lũy của các phương sai bằng cách sử dụng sự thay
đổi dấu hiệu được kế thừa trong tỷ lệ log-khả năng xảy ra
pθ1 (yi)
si = ln pθ2 (yi) . (5,3)
Trong (5.3) θ1 và θ2 đại diện cho hai giả thuyết với các xác suất pθ1 (yi) và pθ2 (yi) tương
ứng. Xác suất pθ1 (yi) tương ứng với phân phối thống kê trước khi thay đổi và pθ1 (yi) tương ứng
với phân bố sau khi thay đổi. Khi một thay đổi tự thể hiện trong tham số θ, điều này phản ánh tỷ
lệ log-khả năng xảy ra (5.3) như một dấu hiệu thay đổi. Thuộc tính này được sử dụng bởi thuật
toán CuSum trong việc phát hiện. Các tỷ lệ khả năng xảy ra trong nhật ký được tóm tắt là
Sn = Xn
si (5,4)
i = 0
trong đó si đại diện cho số đo khoảng cách. Cho một tín hiệu gaussian với sự thay đổi được đưa vào như trong
Hình 5.3 (a), Sn sẽ cho thấy một sự thay đổi âm trước khi thay đổi và tích cực sau khi được thấy trong Hình ur
5.3 (b). Sau đó, một thống kê thử nghiệm gt được tạo bằng cách tính tổng số đo khoảng cách một cách đệ quy
như
gt = gt 1 + (5.5)
st g0 = 0. (5.6)
Thuật toán CuSum hiện so sánh giá trị hiện tại của thống kê thử nghiệm với giá trị nhỏ nhất và nếu sự khác biệt
này lớn hơn ngưỡng đặt trước thì báo động sẽ được phát ra. Để thuận tiện, thống kê thử nghiệm thường được đặt
lại về 0 mỗi khi nó trôi về âm, nếu không nó sẽ trôi về âm vĩnh viễn trong trường hợp không có lỗi. Hơn nữa,
một tham số trôi dạt ν được đưa vào để tránh sự sai lệch dương không mong muốn có thể xảy ra khi Sk dương trong
một vài trường hợp thời gian liên tiếp. Tham số trôi là một tham số thiết kế do người dùng lựa chọn.
Thuật toán CuSum cuối cùng được đại diện bởi
gt = max (gt 1 + st - υ, 0) g0 = (5,7)
0 Nếu gt > h: gt = 0 và báo động. (5,8)
(5,9)
34 Chương 5. Phát hiện thay đổi
2,5
1,5
tS
0,5
0,5
1,5
2
0 5 15 20
10 lần]
(a) Một tín hiệu được quan sát có nhiễu.
10
10
tg
20
30
40
50
0 5 15 20
10 lần]
(b) Độ lệch âm và dương của khả năng xảy ra log, Sn.
Hình 5.3: Một chuỗi Gaussian với lỗi sai lệch được đưa vào sau 10 giây.
4,5
3.5
2,5
tg
1,5
0,5
0 0 5 10 15 20
thời gian [s]
Hình 5.4: Hành vi thống kê kiểm định CuSum đối với tín hiệu được thấy trong Hình 5.3 (a). Thresh
cũ được đặt ở 5 và tham số trôi dạt được đặt thành 0,25.
Hình 5.4 cho thấy một hành vi điển hình cho thuật toán CuSum. Trong hình có thể thấy thống kê thử
nghiệm bị ảnh hưởng như thế nào sau khi lỗi được tiêm vào. Thống kê thử nghiệm được đặt lại về 0
mỗi khi nó đạt trên ngưỡng mà trong trường hợp này được đặt là 5. Cũng cần lưu ý rằng điều này dựa
trên tín hiệu Gaussian hoàn hảo.
Các thông số thiết kế có sẵn cho người dùng là ngưỡng h và thông số trôi ν. Đầu vào cho thuật
toán CuSum kiểm soát sự lựa chọn của các tham số này và phương sai càng lớn thì nên chọn ν càng
lớn. Một nguyên tắc nhỏ khi chọn tham số thiết kế là bắt đầu với ngưỡng h rất lớn và sau đó chọn
tham số trôi ν sao cho gt = 0 hơn 50% thời gian [3]. Bây giờ, hãy đặt ngưỡng để thu được số lượng
cảnh báo sai được yêu cầu. Các thông số thiết kế sau đó có thể được điều chỉnh để đạt được hiệu
suất mong muốn. Cũng lưu ý rằng thay đổi nhỏ hơn ν sẽ không thể phát hiện được. Ngưỡng phụ thuộc
vào cả tín hiệu đầu vào và tham số trôi. Nếu ν được chọn lớn, độ lệch dương ngẫu nhiên sẽ nhỏ, do
đó có thể chọn h nhỏ để phát hiện lỗi nhanh hơn. Trong luận án này, các tham số đã được chọn dựa
trên các quy tắc ngón tay cái.
Chương 6
Kết quả
Trong chương này, một số kết quả đạt được từ việc sử dụng các quan hệ động học khác nhau từ Chương
4 cùng với các phương pháp phát hiện thay đổi được mô tả trong Chương 5 được trình bày. Ngoài các
kết quả đạt được từ việc sử dụng quan hệ động học, tất cả các phần dư được trình bày trong chương
này đều dựa trên mô hình hai đường ray phi tuyến được suy ra trong phần 2.2. Các phần dư được vẽ
trên đồ thị được tạo ra dưới dạng sự khác biệt giữa tín hiệu đo được và tín hiệu ước tính, tức là
r = ˆyi - yi trong đó chỉ số i đại diện cho hai cảm biến khác nhau sẽ được phân tích và khi sự
xuất hiện của lỗi đã được mô phỏng, nó đã được thực hiện trong môi trường Simulink . Các số liệu
được trình bày trong chương này thường được hiển thị hai và hai và khi trường hợp này xảy ra, hình
bên trái biểu thị tốc độ chệch hướng trong khi hình bên phải biểu thị gia tốc bên. Hơn nữa, tất cả
các số liệu trong chương này là kết quả mô phỏng dựa trên chuỗi dữ liệu thử nghiệm thu được từ các
lần lái thử khác nhau được thực hiện với chiếc xe nguyên mẫu, cụ thể là BMW-545i.
6.1 Quan hệ động học
Các quan hệ động học khác nhau xuất phát trong Chương 4 ở đây được nghiên cứu và so sánh với nhau.
Mô hình động học thứ hai (4.8) đã bị loại bỏ vì nó tương tự như mô hình đầu tiên (4.7) nhưng không
chính xác vì chiếc xe được điều tra là bánh sau.
Hình 6.1 (a) -6.1 (b) thể hiện ước tính tốc độ chệch hướng và gia tốc bên cho ba mô hình động
học khi thực hiện thao tác chuyển làn theo tiêu chuẩn ISO (Tổ chức tiêu chuẩn hóa quốc tế) trên
đường nhựa. Hình 6.1 (c) -6.1 (d) cho thấy các phần dư tương ứng và có thể lưu ý rằng phần dư là
khá nhỏ và người ta kết luận rằng các quan hệ động học hoạt động tốt trong các trường hợp này, khá
giống loại. Đặc biệt là mô hình dựa trên góc vô lăng (4.13) cung cấp một ước tính tốt cho cả tỷ lệ
chệch hướng và gia tốc bên cho cơ động này.
Một thao tác xử lý thực hiện trên băng cũng đã được đánh giá và kết quả được thể hiện trong
Hình 6.2. Quan sát đầu tiên có thể được thực hiện là độ ồn của tất cả các tín hiệu. Điều này là do
rung động làm tăng tiếng ồn đo trên băng. Trong Hình 6.2 (c) - 6.2 (d) các ước lượng tương tự được
vẽ biểu đồ nhưng ở đây các tín hiệu cảm biến đã được lọc thông thấp bằng cách sử dụng bộ lọc
butterworth cấp 2 và do đó lọc bỏ rất nhiều nhiễu. Hình 6.2 (e) - 6.2 (f) cho thấy các phần dư và
các đỉnh rất lớn có thể được nhìn thấy chủ yếu trong phần dư của mô hình 1 và mô hình 4. Những
điều này đến từ sự thay đổi lớn trong các tín hiệu cảm biến đến từ các cảm biến tốc độ bánh xe và
vận tốc xe tương ứng.
36
6.1. Quan hệ động học 37
Đo đạc
Đo đạc
s2]]/
[m
ya
[rad
ngáp
s]
lệ
tỷ /
0 2 4 6 số 8 10 12 14 16 18 0 2 4 6 số 8 10 12 14 16 18
thời gian [s] thời gian [s]
(a) Tỷ lệ chệch hướng được đo lường so với ước tính. (b) Đo được so với gia tốc bên ước tính.
Mô hình 1 còn lại

Mô hình 4 còn lại Mô hình 3 còn lại
]2
s /
res
[m
[rad
lại
còn
s] /
0 2 4 6 8 10 lần [s] 12 14 16 18 0 2 4 6 8 10 lần [s] 12 14 16 18
(c) Tỷ lệ yaw còn lại. (d) Gia tốc bên dư.
Hình 6.1: Các ước tính tốc độ nghiêng và gia tốc bên dựa trên các mô hình động học cho một
Thực hiện thao tác chuyển làn ISO trên đường nhựa.
38 Chương 6. Kết quả
Đo đạc
Đo đạc
]
2
[bệnh
cứng
xơ
đa
ya
nghiêng
[rad
s]
lệ
Tỷ /
0 50 100 150 200 0 50 100 150 200

thời gian [s] lần
Đo đạc
Đo đạc
]
2
[bệnh
cứng
xơ
đa
ya
nghiêng
[rad
s]
lệ
Tỷ /
0 50 100 150 200 0 50 100 150 200

thời gian [s] lần
(c) Tỷ lệ chệch hướng được đo lường so với tỷ lệ ngáp ước tính (đã lọc). (d) Được đo so với gia tốc bên ước tính (đã lọc).

]
2
[rad
lại
còn
s] / s /
lại
còn
[m
0 50 100 150 200 0 50 100 150 200

(e) Thặng dư tỷ lệ yaw đã lọc. (f) Phần dư gia tốc bên đã lọc.
Hình 6.2: Các ước tính tốc độ nghiêng và gia tốc bên dựa trên các mô hình động học cho một
xử lý diễn tập thực hiện trên băng.
6.2. Lọc dư 39
6.2 Lọc dư
Trong Hình 6.3 (a) tỷ lệ ngáp đo được và ước tính được vẽ trong cùng một hình. Mô phỏng này
đến từ một chuỗi thử nghiệm từ một thao tác xử lý khóa học trên băng được thực hiện trong
Arjeplog. Hình 6.3 (b) dựa trên cùng một thao tác nhưng thay vào đó mô tả ước tính tăng
cường tích lũy bên. Trong Hình 6.3 (c) -6.3 (d) các phần dư thô được hiển thị và có thể thấy
rằng do sự không chắc chắn của mô hình, chúng có xu hướng đi theo đầu vào của người lái,
thông qua vô lăng và bàn đạp ga và phanh, ở một mức độ nào đó thay vì màu trắng. tiếng ồn sẽ tốt hơn.
Trong Hình 6.3 (e) -6.3 (f), các phần dư này đã được lọc thông cao theo phương pháp giải
thích trong phần 5.2.3 và không còn phát hiện được ảnh hưởng từ độ không đảm bảo của mô hình.
Đối với tốc độ yaw, tức là biểu đồ ngoài cùng bên trái, lỗi sai lệch 5 / s (≈ 0,087
rad / s) đã được đưa vào sau 50 giây và kết quả là phần dư được lọc trong Hình 6.4 (a).
Hình 6.4 (c) cũng cho thấy phần dư tốc độ yaw đã lọc nhưng ở đây khu vực xung quanh 50 giây
đã được phóng đại và có thể thấy rằng lỗi được đưa vào làm phát sinh đỉnh lớn trong phần dư
gần như ngay lập tức và do đó kết luận rằng phương pháp này có thể được sử dụng để phát
hiện lỗi trong cảm biến tốc độ lệch. Thời gian phát hiện ngắn là một trong những ưu điểm
chính của phương pháp này. Theo cách tương tự, Hình 6.4 (b) cho thấy phần dư gia tốc bên
được lọc qua đường cao khi độ lệch 0,5 2 m / s được đưa vào sau 50 giây. Cũng ở đây,
lỗi làm
nhưphát sinhhợp
trường đỉnh
đốitrong phần
với tỷ lệ dư nhưng
lệch cũng
và do đó có
khóthể thấy
phát rằng
hiện đỉnh
hơn. Đâykhông dễ phân
chủ yếu biệt
là kết quả
của mức độ nhiễu cảm biến cao trên cảm biến gia tốc bên và điều này đặc biệt đúng khi lái
xe trên băng.
Ước lượng
Đo lường
]
2
[bệnh
cứng
xơ
đa
ya
nghiêng
[rad
s]
lệ
Tỷ /
Đo lường
Ước lượng
20 40 60 80 100 120 140 160 180 200 20 40 60 80 100 120 140 160 180 200
]
2
[rad
lại
còn
s] / s /
lại
còn
[m
50 100 200 250 50 100 200 250

150 lần 150 lần
]
2
[rad
lại
còn
s] / s /
lại
còn
[m
0 50 100 200 250 50 100 200 250

150 lần 150 lần
(e) Phần dư tỷ lệ yaw được lọc vượt qua cao. (f) Phần dư gia tốc bên được lọc qua đường cao.
Hình 6.3: Phần dư tốc độ nghiêng và gia tốc bên cho một động tác xử lý mỗi lần hình
thành trên băng.
6.2. Lọc dư 41
] 2
[rad
lại
còn
s] / s /
lại
còn
[m
20 40 60 80 100 120 140 160 180 200 20 40 60 80 100 120 140 160 180 200
Phần dư tốc độ nghiêng với độ lệch 5 / s được bơm vào sau 50

(b)
giây.
Phần dư gia tốc bên với độ lệch 0,5 m / s2 trong (a)
jected sau 50 giây.
[rad
lại
còn
s] /
48,5 49 49,5 50 50,5 51 51,5 52 52,5

thời gian [s]
(c) Độ phóng đại của phần dư tốc độ sai lệch từ Hình 6.4 (a).
Hình 6.4: Tỷ lệ ngáp được lọc và phần dư gia tốc bên cho một thao tác xử lý
biểu diễn trên băng.
6.3 CuSum
Thuật toán CuSum dựa trên lý thuyết được trình bày trong phần 5.2.4 và phần này sẽ trình bày
kết quả từ việc sử dụng phương pháp này. Hai cách điều khiển lái xe khác nhau được trình bày
và cách thức đầu tiên là từ cách điều khiển slalom với đỉnh gia tốc bên cao đạt khoảng 9 m /
s2 và trong đó lỗi sai lệch đã được tiêm vào. Phép đo thứ hai là từ một thao tác thay đổi làn
đường ISO trong đó lỗi trôi dạt đã được đưa vào.
Đối với thao tác slalom, Hình 6.5 (a) -6.5 (b) cho thấy giá trị đo được so với ước tính
của tốc độ nghiêng và gia tốc ngang tương ứng trong khi Hình 6.5 (c) -6.5 (d) cho thấy phần
dư tương ứng, không có lỗi, . Đây là một động tác lái xe rất năng động và có thể thấy rằng
mẫu xe ngày càng xấu đi khi gia tốc bên lớn dần. Các phần dư có thể liên quan đến đầu vào của
trình điều khiển do sự không chắc chắn của mô hình hơn là do giao diện Gaussian đặc trưng
thích hợp hơn. Hình 6.5 (e) cho thấy thống kê thử nghiệm CuSum cho phần dư tốc độ ngáp khi
lỗi phân cực 5 / s được đưa vào sau đối
nghiệm 9 giây. Tương
với gia tốctự,
bênHình
khi 6.5
lỗi (f)
0,5 cho
m / thấy thống
s2 được đưakêvào
thửsau
9 giây. Bằng cách nghiên cứu cả hai thống kê thử nghiệm, có vẻ như lỗi không phải là tĩnh mà
là lặp lại với một tần suất nhất định. Tuy nhiên, ảnh hưởng này có thể liên quan đến các vết
dư xuất hiện và trong trường hợp này là liên quan đến tần số quay của xe khi thực hiện cơ
động slalom. Đây là một hiệu ứng không mong muốn phát sinh từ sự không chắc chắn của mô hình.
Các đồ thị sau đây là kết quả từ việc thực hiện một thao tác thay đổi làn đường ISO và
các thông số thiết kế CuSum, h và ν đã được chọn tương ứng là 1 và 0,09. Hình 6.6 (a) - 6.6
(b) thể hiện giá trị đo được so với ước tính của tốc độ chệch hướng và gia tốc ngang tương
ứng và Hình 6.6 (c) -6.6 (d) cho thấy phần dư không có lỗi tương ứng. Ở đây, một lỗi trôi dạt
đã được đưa vào sau 9 giây ở cả hai tín hiệu. Đối với tốc độ nghiêng, độ trôi là 2,5
và đối
/ s
với
gia tốc ngang là 0,25 m / s2 .
6.3. CuSum 43
Đo lường
Ước lượng
Ước lượng
Đo lường
]2
[bệnh
cứng
xơ
đa
ya
nghiêng
[rad
s]
lệ
Tỷ /
0 5 10 15 20 0 5 10 15 20
lần thời gian [s]
]2
[rad
lại
còn
s] / s /
lại
còn
[m
2 4 6 8 10 lần [s] 12 14 16 18 2 4 6 8 10 lần 12 14 16 18

[s]
tg tg
0 5 15 20 0 5 15 20
10 lần 10 lần]
(e) Thống kê kiểm tra tỷ lệ ngáp CuSum với lỗi sai lệch 5 / s (f) Thống kê thử nghiệm gia tốc bên CuSum với 0,5
được tiêm sau 9 giây. lỗi sai lệch m / s2 được đưa vào sau 9 giây.
Hình 6.5: Hành vi của thuật toán CuSum cho một thao tác slalom được thực hiện trên đường nhựa.
Ước lượng
Ước lượng
Đo lường
Đo lường
]2
[bệnh
cứng
xơ
đa
ya
nghiêng
[rad
s]
lệ
Tỷ /
0 2 4 6 số 8 10 12 14 16 18 0 2 4 6 8 10 lần [s] 12 14 16 18
thời gian [s]
]
2
[rad
lại
còn
s] / s /
lại
còn
[m
0 2 4 6 số 8 10 12 14 16 18 0 2 4 6 số 8 10 12 14 16 18
thời gian [s]
thời gian [s]
tg tg
0 2 4 6 8 10 lần [s] 12 14 16 18 0 2 4 6 8 10 lần [s] 12 14 16 18
(e) Thống kê kiểm tra tỷ lệ ngáp CuSum với lỗi sai lệch 2,5 / s (f) Thống kê kiểm tra gia tốc bên CuSum với 0,25
được tiêm sau 9 giây. lỗi trôi m / s2 được tiêm sau 9 giây.
Hình 6.6: Hành vi của thuật toán CuSum đối với cơ chế thay đổi làn đường ISO được thực hiện dưới dạng
phalt.
6.4. Ngưỡng thích ứng 45
6.4 Định ngưỡng thích ứng
Ý tưởng đằng sau ngưỡng thích ứng đã được giải thích trong phần 5.2.2 và trong phần này,
kết quả được trình bày. Luận án này chỉ đề cập ngắn gọn lĩnh vực ngưỡng thích ứng bằng
cách phân biệt giữa hai chế độ lái khác nhau. Để hiển thị việc sử dụng ngay cả thuật toán
đơn giản này, hình 6.7 có thể được nghiên cứu. Trong hình này, tốc độ nghiêng và ước tính
gia tốc bên được thể hiện trong Hình 6.7 (a) -6.7 (b) và phần dư tương ứng có thể được
nhìn thấy trong Hình 6.7 (c) -6.7 (d). Hai thứ sau cũng hiển thị các ngưỡng thích ứng.
Đối với tốc độ yaw, ngưỡng thấp hơn đã được đặt thành 0,12 rad / s và cao hơn là 0,3
rad / s. Cấp trên đã được xác định bằng cách không cho phép bất kỳ báo động giả nào đối
với các cuộc diễn tập được điều tra trong khi cấp dưới được thiết lập bằng cách cho phép
tỷ lệ báo động giả là 10%. Tương tự đối với gia tốc ngang khi các ngưỡng đã được đặt lần
lượt là 2 và 4 m / s2. Hình 6.7 (e) - 6.7 (f) cũng cho thấy phần dư
lỗingưỡng nhưng
phân cực 5 ở /
đây
s đã
được đưa vào tín hiệu tốc độ yaw và lỗi phân cực 1 m / s2 đã được đưa vào tín hiệu gia
tốc bên , cả hai đều sau 20 giây. Một quan sát quan trọng là nếu không có ngưỡng thích
ứng thì những lỗi này sẽ không được phát hiện vì phần dư không bao giờ vượt quá ngưỡng
trên.
Đo lường
Đo lường
Ước lượng
Ước lượng
] 2
[bệnh
cứng
xơ
đa
ya
[rad
ngáp
s]
lệ
tỷ /
0 20 40 60 80 100 0 20 40 60 80 100
] 2
[rad
lại
còn
s] / s /
lại
còn
[m
10 20 30 40 50 60 70 80 90 10 20 30 40 50 60 70 80 90
(c) Tỷ lệ chụm còn lại cùng với ngưỡng thích nghi. (d) Gia tốc bên còn lại cùng với sự thích nghi
ngưỡng cửa.
]2
[rad
lại
còn
s] / s /
lại
còn
[m
10 20 30 40 60 70 80 90 10 20 30 40 60 70 80 90
50 lần 50 lần
(e) Tỷ lệ chệch hướng còn lại cùng với ngưỡng thích ứng (f) Gia tốc bên còn lại cùng với sự thích nghi
lỗi sai lệch 5 / s được đưa vào sau 20 giây. ngưỡng với lỗi sai lệch 1 m / s2 được đưa vào sau 20 giây với
trái phiếu.
Hình 6.7: Ngưỡng thích ứng cho một thao tác xử lý được thực hiện trên đường nhựa.
Chương 7
Kết luận và công việc tương lai
7.1 Kết luận
Mục tiêu của luận án này là phát hiện các lỗi trong cảm biến tốc độ góc và cảm biến gia tốc bên.
Đầu tiên, một mẫu xe được tạo ra và cách tiếp cận đầu tiên liên quan đến việc thẩm định mẫu xe
đạp nổi tiếng. Để khắc phục những sai sót chính của nó, một bản mở rộng thành mô hình hai đường
ray phi tuyến đã được phát triển. Điều quan trọng cần xem xét là bất kể mô hình chi tiết đến đâu,
sẽ luôn có độ không đảm bảo của mô hình phát sinh từ độ không đảm bảo đo trong ước lượng tham số,
nhiễu cảm biến, v.v. Tất nhiên, một mẫu xe chính xác hơn sẽ được ưu tiên hơn nhưng nó có thể
không cải thiện được hiệu suất của hệ thống chẩn đoán. Dựa trên mô hình phi tuyến đã phát triển,
hai bộ quan sát đã được thiết kế và sử dụng để tạo thành phần dư là r = ˆyi - yi nhằm quan sát
tốc độ chệch hướng và các tín hiệu gia tốc bên. Việc sử dụng các máy chủ ob làm cho khả năng giảm
tiếng ồn và điều đó có nghĩa là có thể có một mức độ tự do thiết kế nhất định.
Một số phương pháp phát hiện thay đổi khác nhau đã được nghiên cứu để phát hiện lỗi cảm biến.
Một hạn chế cơ bản đối với các chương trình phát hiện lỗi là sự cân bằng giữa thời gian phát hiện
lỗi và tỷ lệ cảnh báo sai. Trong các ứng dụng dành cho xe cộ, điều quan trọng là phải giữ tỷ lệ
báo động giả ở mức thấp vì lý do an toàn nhưng đồng thời thời gian phát hiện không được quá lớn.
Để tìm được sự cân bằng có thể chấp nhận được là một trong những thách thức lớn nhất trong lĩnh
vực này. Trong luận án này, một số thuật toán và phương pháp phát hiện thay đổi phổ biến như tổng
tích lũy và lọc phần dư đã được nghiên cứu. Các phương pháp khác nhau được nghiên cứu để bao gồm
việc phát hiện tất cả các loại lỗi cảm biến có thể xảy ra.
Một trong những thách thức lớn nhất trong luận án này nằm ở việc mô hình hóa động lực học của
xe. Mô hình bắt nguồn ở đây cung cấp các ước tính chính xác về cả tốc độ chệch hướng và gia tốc
bên miễn là chiếc xe không ở trong tình huống lái xe "nguy cấp". Điều này đưa ra một số vấn đề
mới, cụ thể là để xác định tình huống lái xe quan trọng là gì và làm thế nào để xác định xem
chiếc xe hiện tại có đang ở trong tình huống này hay không. Một cuộc điều tra ngắn gọn về khả
năng sử dụng ngưỡng thích ứng để khắc phục những vấn đề này đã được thực hiện nhằm tối ưu hóa hơn
nữa sơ đồ phát hiện lỗi.
Từ các kết quả được trình bày trong Chương 6, có thể kết luận rằng các phương pháp phát hiện
thay đổi được khảo sát có thể phát hiện thành công các lỗi trong cả hai cảm biến. Tính năng lọc
dư đã được sử dụng thành công để phát hiện các lỗi đột ngột trong cả hai cảm biến. Tuy nhiên,
phương pháp này không thể phát hiện lỗi trôi và cũng rất nhạy cảm với nhiễu đo. Thuật toán CuSum
cung cấp một phương pháp phát hiện lỗi hoàn chỉnh hơn có thể phát hiện tất cả các lỗi được điều tra
47
48 Chương 7. Kết luận và công việc trong tương lai
các loại lỗi. Nó cũng cho thấy cách ngưỡng thích ứng cho thấy khả năng phát hiện ra các lỗi, điều mà nếu
không sẽ không thể phát hiện được.
7.2 Công việc trong tương lai
Có thể điều tra thêm về một số lĩnh vực được nghiên cứu trong luận án này. Đầu tiên, cải tiến mẫu xe là
một trong những cách khả thi. Việc bao gồm các lực dọc trong mô hình là một cách để cải thiện độ chính xác
của mô hình, trong trường hợp này chủ yếu cải thiện hành vi của mô hình trong quá trình phanh và tăng tốc
nặng. Tuy nhiên, điều quan trọng là trước tiên phải đánh giá xem liệu hệ thống chẩn đoán có được hưởng lợi
đầy đủ từ việc tạo ra một mô hình tiên tiến hơn hay không hoặc liệu có nên dành thời gian và nỗ lực cho nơi
khác hay không. Hơn nữa, mô hình có thể được mở rộng bằng cách kết hợp hệ số ma sát hiện tại để tính đến
các bề mặt khác nhau trên mạng. Có khả năng cải thiện trong lĩnh vực này chủ yếu bằng cách điều tra kỹ
lưỡng hành vi của lực lốp khi lái xe trên các bề mặt khác nhau. Một phần mở rộng khác có thể thực hiện đối
với mô hình là bao gồm các ảnh hưởng của đường có bờ biển. Ảnh hưởng của đường có biển chưa được nghiên cứu
trong luận án này chủ yếu do thiếu dữ liệu về việc lái xe trên đường có biển.
Ngoài việc cải thiện mô hình xe, sự không chắc chắn của mô hình có thể được xử lý bằng các sơ đồ chẩn
đoán tiên tiến hơn và một cách tiếp cận liên quan đến việc sử dụng các ngưỡng thích ứng. Khó khăn chính ở
đây nằm ở việc xác định tình trạng lái xe hiện tại và phương pháp rời rạc được sử dụng trong luận án này
có thể được mở rộng hoặc thay thế bằng các phương pháp phức tạp hơn.
Người giới thiệu
[1] A. Andersson. Ước tính ma sát để điều khiển phương tiện afs. Luận văn thạc sĩ, Lunds Univer
sitet, Lund, Thụy Điển, 2006.
[2] TD Gillespie. Cơ bản về động lực học của xe. Hiệp hội kỹ sư ô tô,
Inc., 400 Commonwealth Drive, Warrendale PA 15096-0001, 1993.
[3] F. Gustafsson. Lọc thích ứng và phát hiện thay đổi. John Wiley và Sons Ltd, West
Sussex, PO19 1UD, Anh, 2000.
[4] M. Hiemer. Phát hiện dựa trên mô hình và tái tạo các vụ tai nạn giao thông đường bộ. Bằng tiến sĩ
¨
luận án 261, Fakultat f ¨ ur Elektrotechnic und Informationstechnic, Universit at Karlsruhe, ¨
Karlsruhe, Đức, tháng 11 năm 2004.
[5] M. Mitschke. Dynamik der Kraftfahrzeuge, Ban nhạc C. Springer Verlag, 1990.
¨
[6] L. Nielsen và L. Eriksson. Tài liệu khóa học Hệ thống xe cộ. Bokakademin Linkoping, Linkoping,
¨
Thụy Điển, 2004.
¨
[7] M. Nyberg và E. Frisk. Chẩn đoán dựa trên mô hình của các quy trình kỹ thuật. Liên kết,
Thụy Điển, 2005.
[8] G. Welch và G. Bishop. Giới thiệu về bộ lọc kalman. Báo cáo kỹ thuật TR95-
041, Khoa Khoa học Máy tính, Đại học Bắc Carolina tại Chapel Hill, 1995.
[9] JY Wong. Lý thuyết về Phương tiện Mặt đất. John Wiley and Sons, Inc., 605 Third Avenue,
New York, NY 10158-0012, 2001.
49
Phụ lục A
Thông số xe
Thông số mô hình xe đạp

Tham số Ký hiệu Giá trị (nhựa đường) Giá trị (băng) Đơn vị Nhận xét
Khoảng cách giữa trục sau và CoG lr 1.448 m đo
Khoảng cách giữa trục trước và CoG lf 1.440 m đo

Khối lượng xe m 1905 kg đo được
Bảng A.1: Thông số mẫu xe đạp.
51
Phụ lục B
Ma trận Jacobian
Ma trận Jacobian bao gồm tất cả các đạo hàm riêng bậc nhất của phương trình vi phân
và số đo phi tuyến được trình bày trong Công thức 2.31. Do đó, các ma trận Jacobian
sau đây được yêu cầu:
f1
= (B.1)
F1,1 =
β

2 sin β cos β n β ( mvx vx

Ψ (˙ - 1) + mv2
x
Cα, fl + Cα, fr
δF ( cos δF ) o
mvx
- (Cαrl + Cαrr) - (Cαf l + Cαfr) cos δF v˙x +

cos2 β () -
mvx vx
f1
= (B.2)
F1,2 =
Ψ˙
lr (Cαrl + Cαrr) - lf (Cαf l + Cαfr) cos δF

cos2 β (- 1) mv2
x
f2
= (B.3)
F2,1 =
β
1 Sf
(lr (Cαrl + Cαrr) - lf (Cαf l + Cαfr) cos δF + (Cαfr - Cαf l) sin δF )
Iz 2
52
53
f2
= (B 4)
F2,2 =
Ψ˙
2
1 2 lr (Cαrl + Cαrr) - l f (Cαf l + Cαfr) cos δF Sf lf
( + 2vx (Cαfr - Cαf l) sin δF )
Iz vx
h1
= (B.5)
H1,1 =
β

- sin β n β ( mvx vx
lr (Cα, rl + Cα, rr) - lf (Cα, fl + Cα, fr) cos δF Cα, fl + Cα, fr

Ψ (˙ - 1) + δF ( mv2
x mvx cos δF ) o
˙
- (Cαrl + Cαrr) - (Cαf l + Cαfr) cos δF v˙x vxΨ tan β + cos β () -
+ cos β cos β
m
h1
= (B.6)
H1,2 =
Ψ˙
vx
lr (Cαrl + Cαrr) - lf (Cαf l + Cαfr) cos δF
cos β (- vx) + cos β
mvx
h2
H2,1 = = 0 β (B.7)
h2
H2,2 = = 1 Ψ˙ (B.8)
Bản quyền
Svenska
˚ ¨ ˚ ¨ ¨
Detta dokument sảnh đếng angligt pa Internet - eller tráng miệng framtida ers attare - under en l
˚ ¨ ¨ ¨ ¨ ˚
angre tid fran publiceringsdatum underoruts
f attning att inga extra-ordin ara omst andigheter uppst ar.
˚ ˚ ¨ ¨
Tillgang cho đến dokumentet innebskriva
ar allowst
ut
detensta-
of
¨och
và
or¨for
ka
f andrat
hoặc
kopior
undervisning.
var
f for
hoặc
ochenskilt
anv
en
ickekommersiell
¨att
andning
đứng
bruk
l asa,
vững.
av
ochladda
dokumentet
Tất
att
forskning
cả
anv
ner,
annan
anda
kr
¨ ¨ ¨ ¨
aver upphovsmannens ¨
medgivande. F garantera
osningar
aktheten,
av teknisk
s akerheten
och admin-
och tớig
istrativ
angligheten
art. finns det l
¨ ¨
Overf oring av upphovsr atten vid en senare tidpunkt kan inte upph ava detta ¨
˚ ¨ ¨ ¨
hoặc att
¨ ¨ ¨ ¨
¨ ¨ ¨
Upphovsmannens ideellareek innefattar r att att bli n amnd som upphovsman i den omfat-
¨ ¨ ˚ ¨
tning som god sed kraver vid anv andning av dokumentet pa ovan beskrivna s att samt skydd mot
¨ ˚ ˚
att dokumentet andras eller presenteras is adan form
or upphovsmannens
eller is adant litter
sammanhang
arligaara eller
som krankande
anseende konstn f ar¨
eller eller
¨ ¨ ¨ ¨
egenarte eller.
¨ ¨ ¨
Để biết thông tin ytterligare om Liên kết chọn Trường Đại học Báo chí Điện tử se f orlagets hemsi-
da: http://www.ep.liu.se/
Tiếng Anh
Các nhà xuất bản sẽ giữ tài liệu này trực tuyến trên Internet - hoặc có thể thay thế nó -
trong một thời gian đáng kể kể từ ngày xuất bản trừ những trường hợp ngoại lệ.
Tính khả dụng trực tuyến của tài liệu ngụ ý sự cho phép vĩnh viễn cho bất kỳ ai
đọc, để tải xuống, để in ra các bản sao duy nhất để sử dụng cho riêng bạn và sử dụng nó không thay đổi cho bất kỳ
nghiên cứu phi thương mại và mục đích giáo dục. Những lần chuyển nhượng bản quyền tiếp theo không được
thu hồi quyền này. Tất cả các mục đích sử dụng khác của tài liệu đều có điều kiện dựa trên sự đồng ý của
chủ sở hữu bản quyền. Nhà xuất bản đã thực hiện các biện pháp kỹ thuật và hành chính để đảm bảo
tính xác thực, bảo mật và khả năng truy cập.
Theo luật sở hữu trí tuệ, tác giả có quyền được đề cập khi
tác phẩm của anh ấy / cô ấy được truy cập như mô tả ở trên và được bảo vệ chống lại hành vi xâm phạm.
¨
Để biết thêm thông tin về Nhà xuất bản Điện tử Đại học Linkoping và các quy trình xuất bản
và đảm bảo tính toàn vẹn của tài liệu, vui lòng tham khảo trang chủ WWW của nó
trang: http://www.ep.liu.se/
° c Anders Wikstrom¨
¨
Linkoping, ngày 18 tháng 12
năm 2006

FULLTEXT01

Uploaded by

Copyright:

Available Formats

You might also like

FULLTEXT01

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

FULLTEXT01

Uploaded by

Copyright:

Available Formats

Machine Translated by Google

Tỷ lệ Yaw và Gia tốc Bên

Cảm biến Plausibilisation đang hoạt động

Xe chỉ đạo phía trước

Luận văn thạc sĩ

thực hiện trong Hệ thống xe cộ cho ZF

Tên đăng ký: LiTH-ISY-EX - 06/3818 - SE

Ngày 18 tháng 12 năm 2006

Tỷ lệ Yaw và Gia tốc Bên

Cảm biến Plausibilisation đang hoạt động

Xe chỉ đạo phía trước

thực hiện trong Hệ thống Xe cộ,

bởi Anders Wikstrom¨

Tên đăng ký: LiTH-ISY-EX - 06/3818 - SE

Giám sát: Samuel Malinen

Giám khảo: Trợ lý Giáo sư Erik Frisk

Lời nói đầu

Đề cương luận văn

mục tiêu của luận án này.

và những gợi ý cho công việc sau này.

tôi ở đó thú vị hơn!

Các biến và tham số

Biểu tượng Sự mô tả Đơn vị

δG Góc thanh răng rad

δS Góc vô lăng rad

δM Góc động cơ rad

δF , δF, giữa Góc bánh xe đường rad

δF, d Góc bánh xe trên đường bị trễ rad

lr Khoảng cách từ CoG đến trục sau m

Sr Chiều rộng rãnh phía sau m

Sav Chiều rộng đường ray trung bình m

Iz Mômen quán tính của hàm kgm2

Độ cứng khi vào cua trước N / rad

f vx Vận tốc dọc bệnh đa xơ cứng

vy Vận tốc bên bệnh đa xơ cứng

v Vận tốc xe bệnh đa xơ cứng

vij Vận tốc trên bánh xe ij bệnh đa xơ cứng

cây rìu Gia tốc dọc m / s2

β Góc trượt rad

αi Góc trượt trên bánh xe i rad

Biểu tượng Sự mô tả Đơn vị

Fy, ij Lực bánh xe bên tác dụng lên lốp ij N

K Kalman đạt được

Q Xử lý hiệp phương sai tiếng ồn

R Hiệp phương sai tiếng ồn đo

P Hiệp phương sai lỗi

Phát hiện thay đổi

W Độ không đảm bảo đo của mô hình

Các từ viết tắt

AFS Chỉ đạo phía trước chủ động

CuSum Tổng tích lũy

ECU Bộ điều khiển điện tử

EKF Bộ lọc Kalman mở rộng

ZF Zahnrad Fabrik (Nhà máy bánh răng cưa)

trừu tượng iii

Lời nói đầu và lời cảm ơn iv

1 Giới thiệu 1.1 1

1.2 Mục tiêu. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1

1.3 Hệ thống lái phía trước chủ động. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1