本發(fā)明涉及一種半車主動懸架狀態(tài)估計系統(tǒng)及設(shè)計方法，尤其是涉及一種云輔助半車主動懸架狀態(tài)估計系統(tǒng)及設(shè)計方法。
背景技術(shù)：
：隨著汽車行業(yè)的快速發(fā)展，人們對汽車性能的要求越來越高。汽車懸架系統(tǒng)與改善汽車駕駛舒適性和安全性密切相關(guān)。汽車懸架系統(tǒng)通常有以下三類：被動懸架系統(tǒng)、半主動懸架系統(tǒng)和主動懸架系統(tǒng)。相比于被動和半主動懸架，主動懸架系統(tǒng)對于減少路面輸入對汽車車身的影響有很大的潛力。因此，主動懸架系統(tǒng)受到了國內(nèi)外專家的關(guān)注。一輛正常行駛的汽車往往需要成百上千的具有計算和存儲能力的嵌入式電子器件，而這些電子器件在設(shè)計和制造的過程中，就增加了汽車的成本。云計算有無限的存儲能力和計算能力，如果汽車可以借用云計算的存儲空間和服務(wù)器而不是設(shè)計和制造嵌入式電子器件，那么汽車制造的成本就會降低。在基于云服務(wù)的汽車框架下，汽車本地的傳感器將采集到的信息通過網(wǎng)絡(luò)傳送到云計算平臺。云計算平臺基于汽車信息給出相應(yīng)的控制信號，控制信號通過網(wǎng)絡(luò)傳送給本地汽車，從而改善汽車的性能。在基于云計算服務(wù)的汽車系統(tǒng)中，所有設(shè)備通過網(wǎng)絡(luò)實現(xiàn)信息共享，但是網(wǎng)絡(luò)帶寬的有限造成了網(wǎng)絡(luò)堵塞現(xiàn)象時有發(fā)生。網(wǎng)絡(luò)的堵塞會引誘網(wǎng)絡(luò)時延和丟包的發(fā)生，進(jìn)而影響汽車系統(tǒng)的性能。為了減少網(wǎng)絡(luò)的傳輸帶寬，目前主要有兩種方式：時間觸發(fā)裝置和事件觸發(fā)裝置。時間觸發(fā)裝置周期性的采取系統(tǒng)信息，因此采樣周期的大小會對汽車系統(tǒng)的性能有很大的影響。采樣周期太小采樣頻率就會增加，較多的數(shù)據(jù)包會傳送到通信網(wǎng)絡(luò)，造成網(wǎng)絡(luò)堵塞，進(jìn)而引誘網(wǎng)絡(luò)傳輸時延和丟包，使得汽車系統(tǒng)的性能受到影響。采樣周期太大采樣頻率會減少，汽車系統(tǒng)的性能也會受到影響，因此選擇一個合適的采樣周期是非常重要的。采樣周期通常根據(jù)人們以往的經(jīng)驗選取的，這就造成了采樣周期選取的難度。不同于傳統(tǒng)的時間觸發(fā)裝置，事件觸發(fā)裝置是按需傳送的，即只有當(dāng)事先設(shè)計好的事件觸發(fā)條件得到滿足的時候，事件觸發(fā)裝置才會釋放采樣值，否則，采樣值就會被丟棄。因此事件觸發(fā)裝置不僅能夠從本質(zhì)上減少網(wǎng)絡(luò)的傳輸負(fù)擔(dān)，還能保證汽車的性能。汽車信息采集的準(zhǔn)確性是提高汽車性能的基礎(chǔ)。傳統(tǒng)的卡爾曼濾波器對于高斯白噪聲有很好的作用，但是對于隨機(jī)噪聲的適應(yīng)性不強(qiáng)。而在無線網(wǎng)絡(luò)中除了存在白噪聲外，還存在著隨機(jī)噪聲。因此如何設(shè)計一種濾波系統(tǒng)，提高數(shù)據(jù)信息的準(zhǔn)確性也是亟待解決的一個問題。技術(shù)實現(xiàn)要素：本發(fā)明的目的就是為了克服上述現(xiàn)有技術(shù)存在的缺陷而提供一種云輔助半車主動懸架狀態(tài)估計系統(tǒng)及設(shè)計方法。本發(fā)明的目的可以通過以下技術(shù)方案來實現(xiàn)：一種云輔助半車主動懸架狀態(tài)估計系統(tǒng)，該系統(tǒng)包括：傳感器采樣單元：包括分布在半車主動懸架前輪懸架和后輪懸架的車載傳感器；事件觸發(fā)單元：包括2個事件觸發(fā)器，2個事件觸發(fā)器分別對應(yīng)連接前輪懸架和后輪懸架的車載傳感器；濾波器單元：所述的濾波器單元設(shè)置在云服務(wù)器上，濾波器單元包括2個濾波器，2個濾波器分別通過網(wǎng)絡(luò)對應(yīng)連接1個事件觸發(fā)器；該系統(tǒng)中前輪懸架和后輪懸架的車載傳感器分別通過1個事件觸發(fā)器連接至濾波器形成2個獨立的狀態(tài)估計子系統(tǒng)，2個濾波器分別通過從事件觸發(fā)器發(fā)送的傳感器的采樣信息對半車主動懸架進(jìn)行狀態(tài)估計。事件觸發(fā)器的觸發(fā)條件為：其中，為第i個子系統(tǒng)的第k次事件觸發(fā)時刻，為第i個子系統(tǒng)的第k次事件觸發(fā)時刻后的第j次采樣時刻，為第i個子系統(tǒng)的第k次事件觸發(fā)時刻后的第j次采樣值，為第i個子系統(tǒng)的第k次事件觸發(fā)時刻發(fā)送至濾波器的采樣信息，φi為第i個狀態(tài)估計子系統(tǒng)中事件觸發(fā)器的加權(quán)矩陣，δi為第i個狀態(tài)估計子系統(tǒng)中事件觸發(fā)器給定的事件觸發(fā)閾值，i＝1，2。所述的濾波器為分布式h∞濾波器。一種云輔助半車主動懸架狀態(tài)估計系統(tǒng)的設(shè)計方法，該方法包括如下步驟：(1)構(gòu)建如上述的云輔助半車主動懸架狀態(tài)估計系統(tǒng)；(2)建立2個狀態(tài)估計子系統(tǒng)中半車主動懸架的動力學(xué)方程；(3)確定2個狀態(tài)估計子系統(tǒng)中的事件觸發(fā)器的觸發(fā)條件；(4)對2個狀態(tài)估計子系統(tǒng)建立基于事件觸發(fā)的濾波器動力學(xué)模型；(5)根據(jù)步驟(2)和步驟(4)的兩個動力學(xué)方程設(shè)計濾波器參數(shù)使得濾波器具有h∞特性。步驟(2)中第i個狀態(tài)估計子系統(tǒng)中半車主動懸架的動力學(xué)方程為：其中，分別為第i個和第j個狀態(tài)估計子系統(tǒng)中半車主動懸架的狀態(tài)變量，i＝1，2，j＝1，2，且i≠j，wi(t)為第i個狀態(tài)估計子系統(tǒng)中路面擾動輸入，為第i個狀態(tài)估計子系統(tǒng)中傳感器的采樣信息，zi(t)表示第i個狀態(tài)估計子系統(tǒng)中待估計的半車主動懸架的狀態(tài)變量，ai、bi、ci、li為常數(shù)矩陣，li為單位陣，hij為第j個對狀態(tài)估計子系統(tǒng)對第i個狀態(tài)估計子系統(tǒng)的影響矩陣。步驟(3)中事件觸發(fā)器的觸發(fā)條件為：其中，為第i個子系統(tǒng)的第k次事件觸發(fā)時刻，為第i個子系統(tǒng)的第k次事件觸發(fā)時刻后的第j次采樣時刻，為第i個子系統(tǒng)的第k次事件觸發(fā)時刻后的第j次采樣值，為第i個子系統(tǒng)的第k次事件觸發(fā)時刻發(fā)送至濾波器的采樣信息，φi為第i個狀態(tài)估計子系統(tǒng)中事件觸發(fā)器的加權(quán)矩陣，δi為第i個狀態(tài)估計子系統(tǒng)中事件觸發(fā)器給定的事件觸發(fā)閾值，i＝1，2。步驟(4)中2個狀態(tài)估計子系統(tǒng)的濾波器動力學(xué)模型為：其中，i＝1，2，為第i個狀態(tài)估計子系統(tǒng)中濾波器的狀態(tài)變量，為第i個狀態(tài)估計子系統(tǒng)中濾波器輸出的半車主動懸架的狀態(tài)估計值，為第i個狀態(tài)估計子系統(tǒng)中濾波器接收的傳感器的采樣信息，afi、bfi和lfi是第i個狀態(tài)估計子系統(tǒng)中濾波器的增益矩陣。步驟(4)具體為：(401)根據(jù)第i個狀態(tài)估計子系統(tǒng)中半車主動懸架的動力學(xué)方程和濾波器動力學(xué)模型建立第i個狀態(tài)估計子系統(tǒng)中濾波器的估計誤差模型：其中，τi(t)表示第i個狀態(tài)估計子系統(tǒng)中的網(wǎng)絡(luò)傳輸時延；(402)確定估計誤差模型的約束條件；(403)采用李雅普諾夫穩(wěn)定性分析法建立使得誤差模型滿足步驟(402)中約束條件的矩陣不等式；(404)求解矩陣不等式獲取每個狀態(tài)估計子系統(tǒng)中具體參數(shù)，包括濾波器增益矩陣afi、bfi和lfi以及事件件觸發(fā)器的加權(quán)矩陣φi。步驟(402)中約束條件為：(a)當(dāng)wi(t)＝0時，步驟(401)中的估計誤差模型是漸近穩(wěn)定的；(b)在零輸入條件下，對于給定的性能參數(shù)γi＞0，任意的非零wi(t)＞0，滿足：步驟(403)具體為：(403a)對于第i個狀態(tài)估計子系統(tǒng)選擇李雅普諾夫函數(shù)為：為第i個狀態(tài)估計子系統(tǒng)中的網(wǎng)絡(luò)傳輸時延τi(t)的上限值，pi、qi和ri分別為正定矩陣；(403b)對李雅普諾夫函數(shù)求導(dǎo)，求得使得李雅普諾夫函數(shù)滿足步驟(402)約束條件的矩陣不等式：其中，γi為給定的性能參數(shù)，i為適維單位陣，f＝[i0]。與現(xiàn)有技術(shù)相比，本發(fā)明具有如下優(yōu)點：(1)與傳統(tǒng)的汽車相比，在云計算服務(wù)器上設(shè)置濾波單元進(jìn)行車主動懸架狀態(tài)估計，可以減少汽車本地有計算和存儲能力的嵌入式電子器件的設(shè)計和制造，從而降低汽車的成本。(2)本發(fā)明不需要把全部的汽車狀態(tài)信息傳送到云計算平臺中，只需利用傳感器獲取汽車懸架系統(tǒng)的傳感器采樣信息，云計算服務(wù)器會根據(jù)這些傳感器采用信息在線估計出系統(tǒng)的狀態(tài)信號，方便可靠，同時，采用事件觸發(fā)機(jī)制決定是否把系統(tǒng)的采樣信息傳送到網(wǎng)絡(luò)中，不同于時間觸發(fā)機(jī)制，事件觸發(fā)機(jī)制是按需傳送的，即只有當(dāng)汽車懸架系統(tǒng)需要信號傳送時，濾波器才會釋放采樣信息。這種按需傳送的事件觸發(fā)機(jī)制，不僅能夠保證濾波器的效果，還能從本質(zhì)上減少網(wǎng)絡(luò)的傳輸負(fù)擔(dān)。(3)本發(fā)明將半車主動懸架劃分為前輪懸架和后輪懸架，從而半車主動懸架狀態(tài)估計系統(tǒng)采用2個獨立的狀態(tài)估計子系統(tǒng)對前輪懸架和后輪懸架的相關(guān)狀態(tài)變量進(jìn)行估計，兩個子系統(tǒng)濾波器的設(shè)計是相互獨立的，設(shè)計更加方便，提高設(shè)計半車主動懸架系統(tǒng)濾波器的效率；(4)本發(fā)明設(shè)計的分布式h∞濾波器能夠抑制多種行駛的路面輸入擾動和網(wǎng)絡(luò)噪聲。與傳統(tǒng)的卡爾曼濾波器相比，h∞濾波器能夠?qū)V泛類型的噪聲進(jìn)抑制，比如不是白噪聲的擾動和噪聲不確定的擾動等，同時本發(fā)明濾波器可以滿足不同精度要求，應(yīng)用范圍廣，濾波器的保守性低，對于不同的擾動抑制系數(shù)γi，都能從矩陣不等式中得到濾波器參數(shù)，滿足不同的需求。附圖說明圖1為云輔助半車主動懸架狀態(tài)估計系統(tǒng)的結(jié)構(gòu)框圖；圖2為半車主動懸架的結(jié)構(gòu)示意圖；圖3為第一事件觸發(fā)器的觸發(fā)間隔圖；圖4為第二事件觸發(fā)器的觸發(fā)間隔圖。圖中，11為前輪懸架，12為后輪懸架，21為第一車載傳感器，22為第二車載傳感器，31為第一事件觸發(fā)器，32為第二事件觸發(fā)器，41為第一濾波器，42為第二濾波器，5為網(wǎng)絡(luò)，6為云服務(wù)器。具體實施方式下面結(jié)合附圖和具體實施例對本發(fā)明進(jìn)行詳細(xì)說明。實施例如圖1所示，一種云輔助半車主動懸架狀態(tài)估計系統(tǒng)，該系統(tǒng)包括：傳感器采樣單元：包括分布在半車主動懸架前輪懸架11和后輪懸架12的車載傳感器，具體地，前輪懸架11對應(yīng)的車載傳感器為第一車載傳感器21，后輪懸架12對應(yīng)的車載傳感器為第二車載傳感器22；事件觸發(fā)單元：包括2個事件觸發(fā)器，分別為第一事件觸發(fā)器31和第二事件觸發(fā)器32，2個事件觸發(fā)器分別對應(yīng)連接前輪懸架11和后輪懸架12的車載傳感器；濾波器單元：所述的濾波器單元設(shè)置在云服務(wù)器6上，濾波器單元包括2個濾波器，2個濾波器分別通過網(wǎng)絡(luò)5對應(yīng)連接1個事件觸發(fā)器，對應(yīng)地，濾波器為第一濾波器41和第二濾波器42；該系統(tǒng)中前輪懸架11和后輪懸架12的車載傳感器分別通過1個事件觸發(fā)器連接至濾波器形成2個獨立的狀態(tài)估計子系統(tǒng)，2個濾波器分別通過從事件觸發(fā)器發(fā)送的傳感器的采樣信息對半車主動懸架進(jìn)行狀態(tài)估計。事件觸發(fā)器的觸發(fā)條件為：其中，為第i個子系統(tǒng)的第k次事件觸發(fā)時刻，為第i個子系統(tǒng)的第k次事件觸發(fā)時刻后的第j次采樣時刻，為第i個子系統(tǒng)的第k次事件觸發(fā)時刻后的第j次采樣值，為第i個子系統(tǒng)的第k次事件觸發(fā)時刻發(fā)送至濾波器的采樣信息，φi為第i個狀態(tài)估計子系統(tǒng)中事件觸發(fā)器的加權(quán)矩陣，δi為第i個狀態(tài)估計子系統(tǒng)中事件觸發(fā)器給定的事件觸發(fā)閾值，i＝1，2。所述的濾波器為分布式h∞濾波器。一種云輔助半車主動懸架狀態(tài)估計系統(tǒng)的設(shè)計方法，該方法包括如下步驟：(1)構(gòu)建如上所述的云輔助半車主動懸架狀態(tài)估計系統(tǒng)；(2)建立2個狀態(tài)估計子系統(tǒng)中半車主動懸架的動力學(xué)方程；(3)確定2個狀態(tài)估計子系統(tǒng)中的事件觸發(fā)器的觸發(fā)條件；(4)對2個狀態(tài)估計子系統(tǒng)建立基于事件觸發(fā)的濾波器動力學(xué)模型；(5)根據(jù)步驟(2)和步驟(4)的兩個動力學(xué)方程設(shè)計濾波器參數(shù)使得濾波器具有h∞特性。半車主動懸架系統(tǒng)動力學(xué)模型為：其中，xt(t)＝[x1(t)x2(t)x3(t)x4(t)x5(t)x6(t)x7(t)x8(t)]t為半車主動懸架系統(tǒng)的狀態(tài)，x1(t)＝zsf(t)-zuf(t)為前輪懸架行程，x2(t)＝zuf(t)-zof(t)為前輪輪胎上下振動的位移，為前懸架上下振動速度，為前輪輪胎上下振動速度，x5(t)＝zsr(t)-zur(t)為后輪懸架行程，x6(t)＝zrf(t)-zor(t)為后輪輪胎上下振動位移，為后輪懸架上下振動位移，為后輪輪胎上下振動位移，u(t)為半車主動懸架系統(tǒng)的輸入，w(t)為路面輸入且有w(t)∈l2(0,+∞)，a、b、bw為常數(shù)矩陣。為了提高濾波器的設(shè)計效率，汽車主動懸架系統(tǒng)被分為了2個子系統(tǒng)，因此，步驟(2)中第i個狀態(tài)估計子系統(tǒng)中半車主動懸架的動力學(xué)方程為：其中，分別為第i個和第j個狀態(tài)估計子系統(tǒng)中半車主動懸架的狀態(tài)變量，i＝1，2，j＝1，2，且i≠j，wi(t)為第i個狀態(tài)估計子系統(tǒng)中路面擾動輸入，為第i個狀態(tài)估計子系統(tǒng)中傳感器的采樣信息，zi(t)表示第i個狀態(tài)估計子系統(tǒng)中待估計的半車主動懸架的狀態(tài)變量，ai、bi、ci、li為常數(shù)矩陣，li為單位陣，hij為第j個對狀態(tài)估計子系統(tǒng)對第i個狀態(tài)估計子系統(tǒng)的影響矩陣。步驟(3)中事件觸發(fā)器的觸發(fā)條件為：其中，為第i個子系統(tǒng)的第k次事件觸發(fā)時刻，為第i個子系統(tǒng)的第k次事件觸發(fā)時刻后的第j次采樣時刻，為第i個子系統(tǒng)的第k次事件觸發(fā)時刻后的第j次采樣值，為第i個子系統(tǒng)的第k次事件觸發(fā)時刻發(fā)送至濾波器的采樣信息，φi為第i個狀態(tài)估計子系統(tǒng)中事件觸發(fā)器的加權(quán)矩陣，δi為第i個狀態(tài)估計子系統(tǒng)中事件觸發(fā)器給定的事件觸發(fā)閾值，i＝1，2。步驟(4)中2個狀態(tài)估計子系統(tǒng)的濾波器動力學(xué)模型為：其中，i＝1，2，為第i個狀態(tài)估計子系統(tǒng)中濾波器的狀態(tài)變量，為第i個狀態(tài)估計子系統(tǒng)中濾波器輸出的半車主動懸架的狀態(tài)估計值，為第i個狀態(tài)估計子系統(tǒng)中濾波器接收的傳感器的采樣信息，afi、bfi和lfi是第i個狀態(tài)估計子系統(tǒng)中濾波器的增益矩陣。步驟(4)具體為：(401)根據(jù)第i個狀態(tài)估計子系統(tǒng)中半車主動懸架的動力學(xué)方程和濾波器動力學(xué)模型建立第i個狀態(tài)估計子系統(tǒng)中濾波器的估計誤差模型：其中，τi(t)表示第i個狀態(tài)估計子系統(tǒng)中的網(wǎng)絡(luò)傳輸時延；(402)確定估計誤差模型的約束條件；(403)采用李雅普諾夫穩(wěn)定性分析法建立使得誤差模型滿足步驟(402)中約束條件的矩陣不等式；(404)求解矩陣不等式獲取每個狀態(tài)估計子系統(tǒng)中具體參數(shù)，包括濾波器增益矩陣afi、bfi和lfi以及事件件觸發(fā)器的加權(quán)矩陣φi。步驟(402)中約束條件為：(a)當(dāng)wi(t)＝0時，步驟(401)中的估計誤差模型是漸近穩(wěn)定的；(b)在零輸入條件下，對于給定的性能參數(shù)γi＞0，任意的非零wi(t)＞0，滿足：步驟(403)具體為：(403a)對于第i個狀態(tài)估計子系統(tǒng)選擇李雅普諾夫函數(shù)為：為第i個狀態(tài)估計子系統(tǒng)中的網(wǎng)絡(luò)傳輸時延τi(t)的上限值，pi、qi和ri分別為正定矩陣；(403b)對李雅普諾夫函數(shù)求導(dǎo)，求得使得李雅普諾夫函數(shù)滿足步驟(402)約束條件的矩陣不等式：其中，γi為給定的性能參數(shù)，i為適維單位陣，f＝[i0]。步驟(404)中求解矩陣不等式獲取每個狀態(tài)估計子系統(tǒng)中具體參數(shù)具體為：令對矩陣不等式進(jìn)行線性化得到：其中，通過利用matlab工具的lmi工具箱可以解得汽車半車主動懸架系統(tǒng)的分布式h∞濾波器的增益矩陣為：以及2個事件觸發(fā)器的加權(quán)矩陣φ1和φ2。如圖2所示，m表示車身質(zhì)量，iα為仰俯軸上的轉(zhuǎn)動慣量，uf(t)表示前輪懸架系統(tǒng)的執(zhí)行器輸出，ur(t)是后輪懸架系統(tǒng)的執(zhí)行器輸出，muf為前輪輪胎的質(zhì)量，mur為后輪輪胎質(zhì)量，zuf(t)表示前輪位置，zur(t)為后輪位置，a表示前車軸到中心的距離，b是后車軸到中心的距離，是車身仰角，zsf(t)和zsr(t)分別表示前后懸架系統(tǒng)的位置，zs(t)為車身位置，zof(t)和zor(t)為前后輪路面擾動輸入。根據(jù)牛頓第二定律，得到半車主動懸架系統(tǒng)的動力學(xué)模型為：定義x1(t)＝zsf(t)-zuf(t)為前輪懸架行程，x2(t)＝zuf(t)-zof(t)為輪胎上下振動的位移，為車身上下振動速度，為輪胎上下振動速度，x5(t)＝zsr(t)-zur(t)為后輪懸架行程，x6(t)＝zrf(t)-zor(t)為輪胎上下振動位移，為后輪懸架上下振動位移，為后輪輪胎上下振動位移。則半車主動懸架系統(tǒng)的動力學(xué)模型為：其中，xt(t)＝[x1(t)x2(t)x3(t)x4(t)x5(t)x6(t)x7(t)x8(t)]t，進(jìn)而根據(jù)上述半車主動懸架系統(tǒng)的動力學(xué)模型得到2個狀態(tài)估計子系統(tǒng)動力學(xué)方程?；谝陨显戚o助半車主動懸架系統(tǒng)的設(shè)計方法，根據(jù)表1中半車主動懸架參數(shù)，設(shè)計分布式h∞濾波器和事件觸發(fā)器，從而實現(xiàn)半車主動懸架系統(tǒng)的狀態(tài)估計。表1半車主動懸架參數(shù)表參數(shù)值單位參數(shù)值單位m690kgcsf1kn.s/miα1222kgcsr1kn.s/mmuf40kgkuf200kn/mmur45kgkur22kn/mksf18kn/ma11.3mksr22kn/ma21.5m通過matlab求解擾動抑制系數(shù)γ的最優(yōu)解并解得一組濾波器增益和事件觸發(fā)權(quán)重矩陣為：對上述云輔助半車主動懸架狀態(tài)估計系統(tǒng)進(jìn)行仿真實驗。由仿真結(jié)果可以看出濾波器在1.5秒左右就能跟蹤上半車主動懸架系統(tǒng)的狀態(tài)。圖3和圖4分別為第一事件觸發(fā)器31和第二事件觸發(fā)器32的觸發(fā)間隔圖。圖中的橫坐標(biāo)為時間軸，縱坐標(biāo)為兩次事件觸發(fā)間隔?？v坐標(biāo)的值越大，兩次事件觸發(fā)間隔越大，節(jié)省的網(wǎng)絡(luò)資源越多。從而可以看出在網(wǎng)絡(luò)有通信受限的條件下云輔助半車主動懸架狀態(tài)估計系統(tǒng)也能夠很好的跟蹤半車主動懸架的狀態(tài)。當(dāng)前第1頁12