• 沒有找到結果。

模擬例三:車輛小幅度左轉並行駛於隨時間變化的道路平面

在文檔中 車輛動態估測與預測系統 (頁 85-89)

6.4  車輛動態估測系統之流程

6.5.3  模擬例三:車輛小幅度左轉並行駛於隨時間變化的道路平面

1 2

deg

Vehicle Pitch Angle

Real vehicle dynamics

Suspenion displacement sensor output

0 1 2 3 4 5 6 7 8 9 10

-10 0 10

deg

Vehicle Roll Angle

0 1 2 3 4 5 6 7 8 9 10

-0.15 -0.1 -0.05

m

Relative Vertical Displacement

time (sec)

圖 6.9 例二之完整車輛模型與藉由懸吊位移量感測器計算而得的車輛動態資訊比較(車輛俯仰角、車輛 側傾角以及車輛垂直位移)。

 

6.5.3 模擬例三:車輛小幅度左轉並行駛於隨時間變化的道路平 面

本例為車輛小幅度左轉彎並行駛於隨時間變化的道路平面,其駕駛行為(方向盤角 度)如圖6.5 之藍色實線所示。隨時間變化的道路平面是指兩個道路角度被假設為時間 函數,本例中假設為一弦波函數(r 5sin

20.25t

deg與r 5sin

20.25t

deg)。

此例主要是用來檢驗感測器混合系統在道路角度變化的情況時的可行性,其車輛動態 的模擬結果呈現於圖 6.10,從圖中可以看出,本論文所發表的感測器混合系統在車輛 行駛於隨時間變化的道路平面上,亦能夠正確估測出所有的系統動態,其估測精度列 於表6.2。

如同先前所提到,感測器混合系統與完整車輛模型的系統動態並不是位於相同座 標系統、缺少系統動態的一次微分資訊且無法得知輪胎轉速。經由座標轉換與 濾 波器的系統動態呈現於圖 6.11,從圖中可以看出被估測的車輛動態如預期般地相當近 似於完整車輛模型。

 

0 5 10

Logitudinal Displacement x g

Real vehicle dynamics Sensor output Sensor fusion system

0 5 10

Lateral Displacement yg

0 5 10

Vertical Displacement zg

Time (sec)

0 5 10

15 20 25

m/s

Logitudinal Velocity x g

Lateral Velocity y g

Vertical Velocity z g

Time (sec)

0 5 10

Absolute Roll Angle g

Absolute Pitch Angle g

Absolute Yaw Angle  g

Time (sec)

0 5 10

-5 0 5

deg

Road Bank Angle  r

Road Grade Angle  r

Vehicle Yaw Angle  v

Time (sec)

圖 6.10 例三之完整車輛模型、感測系統以及感測器混合系統的輸出比較,與例一相異於道路角度的設計。

Longitudinal Displacement xa

0 5 10

20 22 24

m/s

Longitudinal Velocity xa

0 5 10

Lateral Displacement ya

0 5 10

Lateral Velocity ya

0 5 10

-0.2 -0.1 0

m

Vertical Displacement za

0 5 10

-0.5 0 0.5

m/s

Vertical Velocity za

0 5 10

Wheel Angular Rate 1

0 5 10

70 75 80

rad/s

Wheel Angular Rate 2

0 5 10

70 75 80

rad/s

Wheel Angular Rate 3

0 5 10

70 75 80

rad/s

Wheel Angular Rate 4

0 5 10

0 0.2 0.4

m

Suspension Displacement Ha1

Time (sec)

0 5 10

0 0.2 0.4

m

Suspension Displacement Ha2

Time (sec)

0 5 10

0 0.1 0.2

m

Suspension Displacement Ha3

Time (sec)

0 5 10

0 0.1 0.2

m

Suspension Displacement Ha4

Time (sec) Real vehicle dynamics

Sensor fusion system

圖 6.11 例三之完整車輛模型與感測器混合系統(座標轉換過後)的輸出比較。

 

表 6.2 感測器混合系統的估測精度

系統動態 變數

符號

估測精度a

例一 例二 例三 單位

車 輛 相 對 於 地 球座標的位移

縱向位移 x g 0.2104 0.2687  0.2701  m 側向位移 y g 0.1910 0.4207  0.2749  m 垂直位移 z g 0.1219 0.1271  0.2556  m

車 輛 相 對 於 地 球座標的速度

縱向速度 x g 0.0688 0.0807  0.0534  m/s 側向速度 y g 0.0598 0.0661  0.0849  m/s 垂直速度 z g 0.0136 0.0897  0.0346  m/s

車 輛 相 對 於 地 球座標的姿態

絕對側傾角 g 0.0532 0.0352  0.1114  deg

絕對俯仰角 g 0.0152 0.0179  0.0891  deg 絕對橫擺角 g 0.0877 0.0416  0.0431  deg 道 路 相 對 於 地

球座標的角度

道路傾斜角  r 0.0594 0.0452  0.1456  deg 道路坡度角  r 0.0425 0.3292  0.0395  deg 車輛橫擺角 v 0.0961 0.0423  0.0525  deg

a 估測精度是指感測器混合系統的估測訊號與完整車輛模型的實際訊號之誤差標準差,其計算時間從模 擬結果的 5 秒到 10 秒。

   

6.6 結論

這個章節介紹以感測器混合系統來獲得車輛動態與道路角度資訊。所建構的感測 器混合系統由三種感測器組合而成,包含三根天線的全球衛星定位系統、慣性量測單 元以及懸吊系統位移量感測器,其中三根天線的全球衛星定位系統能夠獲得車輛相對 於地球座標的位置與姿態,懸吊系統位移量感測器能夠獲得車輛相對於道路座標的姿 態、而慣性量測單元能夠增加估測精度,因為上述感測器訊號有著不同的雜訊特性與 輸出頻率,所以本論文採用多變率濾波器來整合這些感測器訊號。從模擬結果可以看 出感測器混合系統能夠估測所有的系統動態,包含道路角度資訊,其絕對車輛位移的 估測誤差皆小於0.3 m,絕對車輛姿態的估測誤差皆小於 0.11 deg,道路角度的估測誤 差皆小於0.15 deg。除此之外,模擬結果亦指出當輪胎離開地面時,感測器混合系統會 無法估測部分系統動態。

由於感測器混合系統與完整車輛模型的系統動態並不是位於相同的座標系統上,

加上感測器混合系統缺少系統動態的一次微分資訊且無法得知輪胎轉速,必須經由座 標轉換、  濾波器與增設輪胎轉速計才能比較估測所得的動態與完整車輛模型的動 態。從模擬結果中可以看出,估測的車輛動態近似於完整車輛模型的系統動態。

   

 

第 七 章

車輛參數鑑定系統

由於車輛動態預測需要一個車輛動態模型,而第六章所提出之車輛動態估測系統 不需要車輛動態模型與相關車輛參數,因此本章節建構一個車輛模型,並利用第六章 所獲得的系統動態進行模型的參數鑑定,以作為後續車輛動態預測之用。此一參數鑑 定系統運用遞迴式最小平方法(Recursive Least-squares Method)來獲得簡易車輛模型中 的相關車輛參數,包括:車輛總質量、懸載質量系統的三軸慣性矩、輪胎模型中的輪 胎驅動剛性係數(Tracking Stiffness Coefficients)以及輪胎轉向剛性係數(Cornering Stiffness Coefficients)。

 

在文檔中 車輛動態估測與預測系統 (頁 85-89)