本技术涉及车辆控制领域,旨在提供一种车辆质心侧偏角的精准测定方法、装置、设备及存储介质。该技术通过分析历史行驶状态参数生成训练样本,并采用粒子群算法优化LSTM神经网络模型,以实现对车辆质心侧偏角的高效准确测定。
背景技术
为了提高车辆的主动安全性和操纵稳定性,大量的车辆主动安全控制技术被发展应用。但是车辆主动安全控制的根本是对车辆状态信息的准确掌握,如车辆质心侧偏角这一车辆稳定性评判的核心要素。
在实际工程应用中,直接测量质心侧偏角需要依赖价格昂贵的特殊试验设备,且需要特定的安装固定方式,目前不适合配置在量产车上,只适合于开发试验阶段。因此从节约成本和实际应用的角度来看,必须基于量产车上的传感器配置,对质心侧偏角进行估计。
目前常用的估计方法是基于动力学方法对质心侧偏角进行估计,如单轨模型作为状态参数观测模型。在稳态转向条件下,车辆的质心侧偏角是前轮转角的线性函数,而单轨模型侧重于轮胎侧向力对车辆横向运动的影响,对于轮胎纵向力的忽略使得在侧滑明显或者车辆加速的工况下,此方法的估算不再准确。另外,现有技术中还使用包括纵向、侧向和横摆运动的三自由度车辆模型来估计质心侧偏角。此种方法对轮胎侧向力的准确度要求较高,为此需要建立高精度的车辆模型,从而影响到估算结果的实时性。此外,现有技术中使用了高阶车辆动力学模型以获得更准确的质心侧偏角的估计值,但是在实际应用中,此类高阶动力学模型的实时性和稳定性有待验证。
因此,现有技术中对于质心侧偏角的估测都存在较大误差,进而影响车辆的安全性和稳定性。
实现思路