可靠性与灵敏度引导的车辆状态、轮胎侧偏刚度及路面附着系数协同估计方法

《Machines》：Reliability- and Sensitivity-Guided Co-Estimation of Vehicle States, Tire Cornering Stiffness, and Tire-Road Adhesion Coefficient

　　

车辆状态、轮胎侧偏刚度和路面附着系数的可靠估计对于车辆横向稳定性和智能底盘控制至关重要。在低附着、非线性轮胎工况和弱激励条件下，侧向力残差受侧偏刚度变化、附着系数变化和轮胎力饱和的共同影响，可能导致错误的参数自适应。本文提出了一种可靠性与灵敏度引导的车辆状态、轮胎侧偏刚度和路面附着系数协同估计方法。该方法基于平面三自由度车辆模型和Fiala型非线性轮胎模型构建了分层框架。前后轴侧向力伪测量由纵向加速度和横摆角加速度重构得到，无需额外的轮胎力传感器。研究人员通过考虑横向激励、纵向滑移、附着利用率和归一化侧向力残差一致性来评估参数更新的可靠性。随后，利用归一化侧向力灵敏度将残差分配到侧偏刚度和附着系数更新通道中。在高、中、低附着双移线工况下的CarSim/Simulink联合仿真表明，所提方法提高了侧偏角和横向速度的估计精度，抑制了错误的侧偏刚度自适应，并提供了更稳定的路面附着系数估计。

研究背景与意义

车辆横向稳定性由车辆运动状态、轮胎侧向力生成以及轮胎-路面附着条件共同决定。其中，侧偏角（Sideslip Angle）、纵向速度、轮胎侧偏刚度（Cornering Stiffness）和峰值路面附着系数（Tire-Road Adhesion Coefficient）是描述这一耦合关系的关键物理量。现有的车辆状态与参数协同估计框架往往面临一个核心难题：在弱横向激励、低附着条件或非线性轮胎运行区域，侧向力残差（Lateral-Force Residual）并非仅由单一参数变化引起，而是轮胎侧偏刚度变化、附着系数降低以及轮胎力饱和共同作用的结果。如果采用传统的基于残差幅值驱动的同步参数自适应方法，极易导致物理意义不一致的错误参数漂移。例如，将可用侧向力的减少错误解释为侧偏刚度的变化，或将轮胎力饱和相关的残差错误分配给附着系数更新通道。因此，在开展参数自适应之前明确残差的物理属性，对于实现可靠的车辆动力学状态估计（State Estimation）和参数辨识至关重要。该研究发表于《Machines》，旨在解决这一关键工程科学问题。

主要关键技术方法

研究人员采用了基于模型的分层估计架构。首先，建立平面三自由度（3-DOF）单轨等效车辆动力学模型，并结合Fiala型非线性轮胎模型来描述轮胎线性、过渡及饱和区域的力学特性。其次，利用可测量的纵向加速度和横摆角加速度重构前后轴侧向力伪测量（Pseudo-Measurements），规避了对昂贵轮胎力传感器的依赖。核心技术在于构建了参数更新可靠性评估指标（涵盖横向激励、纵向滑移、附着利用率等）以及基于归一化侧向力灵敏度（Sensitivity）的更新分配机制。最后，采用扩展卡尔曼滤波（EKF）进行车辆状态估计，结合带遗忘因子的递归最小二乘（RLS）和类卡尔曼更新律分别实现侧偏刚度和附着系数的选择性协同估计。

研究结果

车辆动力学模型与问题构建

研究人员基于平面三自由度单轨等效模型推导了车辆的纵向、横向和横摆动力学方程。针对标准车载传感器难以直接获取轮胎力的限制，研究利用测量的加速度信号重构了前后轴侧向力伪测量。同时，引入了Fiala型非线性轮胎模型来刻画不同滑移角下的侧向力边界。该部分明确了协同估计的目标向量，即在线估计包含纵向速度、横向速度、侧偏角在内的车辆状态，以及前后轴侧偏刚度和峰值路面附着系数，确立了后续算法设计的理论基础。

可靠性与灵敏度引导的协同估计方法

这是本研究的核心创新部分。研究人员设计了条件依赖的参数更新策略。通过引入横向激励强度、纵向滑移水平、附着利用率和滑动窗口归一化残差一致性四个指标来量化参数更新的可靠性，从而抑制弱激励条件下的不可靠更新。为了区分残差的物理来源，定义了侧向力对侧偏刚度和附着系数的局部灵敏度，并进行无量纲化处理。基于此，设计了更新分配权重机制：在轮胎线性区域，残差主要分配给侧偏刚度更新通道；而在非线性或附着极限区域，则增强附着系数的更新权重。这种机制有效解决了参数耦合辨识中的错误分配问题。

CarSim/Simulink联合仿真设置

为验证算法有效性，研究人员搭建了高保真度的CarSim整车模型作为被控对象，并在MATLAB/Simulink R2018b中实现估计算法。设置了高附着（μ=0.85）、中等附着（μ=0.50）和低附着（μ=0.35）等多种双移线（Double-Lane-Change）测试场景。对比实验包括固定参数EKF、仅更新侧偏刚度、同步更新所有参数、仅基于灵敏度更新以及本文提出的完整方法。评价指标涵盖了侧偏角和横向速度的峰值瞬态误差、均方根误差以及附着系数的最终估计偏差。

结果与讨论

仿真结果表明，所提方法在各项指标上均表现出优越性。在高附着条件下，该方法能有效避免同步更新方法（Method C）出现的参数漂移，保持侧偏刚度在物理合理范围内。在低附着条件下，对比方法常因无法区分刚度变化与附着降低而产生剧烈波动，而所提方法通过可靠性评估与灵敏度分配，显著降低了侧偏角和横向速度的估计误差，并将附着系数的最终估计误差控制在极低水平（如0.0132）。机制分析显示，在高附着线性区，附着系数更新权重接近零，残差主要流向侧偏刚度通道；而在低附着强激励下，附着系数更新权重显著增加。此外，鲁棒性测试证明该算法在测量噪声和参数不确定性下均未发散，且单步计算时间满足实时性约束。

结论翻译

本文提出了一种可靠性与灵敏度引导的车辆状态、轮胎侧偏刚度和路面附着系数协同估计方法。其核心新颖之处在于，在进行参数自适应之前，根据更新可靠性和物理属性对侧向力残差进行评估，而不是直接用于基于残差幅值的同步参数自适应。基于平面三自由度车辆模型和Fiala型非线性轮胎模型，由测量的车辆动态响应重构前后轴侧向力伪测量。引入参数更新可靠性指标以抑制弱激励条件下的不可靠参数更新，同时利用归一化侧向力灵敏度将残差分配到侧偏刚度和附着系数更新通道中。研究人员在高、中、低附着的双移线场景下进行了CarSim/Simulink联合仿真。结果表明，所提方法提高了侧偏角和横向速度的估计精度，抑制了物理上不一致的侧偏刚度自适应，并提供了更稳定的路面附着系数估计。更新分配分析进一步证实，侧向力残差主要在轮胎线性区域分配给侧偏刚度更新通道，而在低附着或非线性轮胎运行条件下，附着系数更新权重增加。鲁棒性分析和计算成本评估表明，该方法在代表性测量噪声和参数不匹配下保持稳定，并满足采样时间约束。这些结果可为车辆稳定性评估、主动安全控制和智能底盘控制提供可靠的状态与路面参数信息。