欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2026101784818
申请人: 吉林大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于数据驱动的轮胎侧偏刚度实时估计方法,其特征在于,包括以下步骤:

步骤1:获取轮胎力学锚点数据集,轮胎力学锚点数据集至少包括侧偏角、垂向载荷以及侧向力或由侧向力导出的侧偏刚度;

步骤2:以轮胎力学锚点数据集为基础,对侧偏角维度进行数据密集化处理,提高小侧偏角与过渡区样本覆盖度,得到密集化样本;

步骤3:基于密集化样本,采用参数化轮胎模型进行跨载荷全局拟合与扩展,以生成跨载荷扩展样本;

步骤4:将路面附着差异等效为载荷尺度变化,对路面附着系数进行归一化,并基于归一化后的路面附着系数对垂向载荷进行尺度变换得到等效载荷,从而构建载荷-侧偏角域增强训练数据集;

步骤5:基于载荷-侧偏角域增强训练数据集建立机器学习预测模型,并通过特征重要度评估确定关键特征子集;

步骤6:在关键特征子集上采用稀疏回归与正则化回归构建显式闭式侧偏刚度代理模型,使模型以定阶映射形式输出侧偏刚度估计值;

步骤7:在线运行时,实时获取侧偏角与垂向载荷,计算等效载荷后,将等效载荷与侧偏角输入显式闭式侧偏刚度代理模型,输出轮胎侧偏刚度估计值。

2.根据权利要求1所述的基于数据驱动的轮胎侧偏刚度实时估计方法,其特征在于,在所述步骤1中,轮胎力学锚点数据集中的锚点数据来自以下类型中的一种或多种:轮胎试验台架、实车采集或仿真数据;

所述轮胎力学锚点数据集为单轮测得数据或由车辆状态估计结果与轮胎力学关系换算得到的单轮等效数据。

3.根据权利要求1所述的基于数据驱动的轮胎侧偏刚度实时估计方法,其特征在于,在所述步骤2中,数据密集化处理包括以下方式中的一种或多种:缩小侧偏角采样间隔进行加密采样;对侧偏角-侧向力曲线进行插值重采样;对小侧偏角区与过渡区进行加权加密采样。

4.根据权利要求1所述的基于数据驱动的轮胎侧偏刚度实时估计方法,其特征在于,在所述步骤3中,参数化轮胎模型为半经验轮胎模型、魔术公式轮胎模型或其等价形式;

跨载荷全局拟合与扩展采用非线性最小二乘拟合;跨载荷全局拟合采用跨载荷联合优化获得模型参数。

5.根据权利要求1所述的基于数据驱动的轮胎侧偏刚度实时估计方法,其特征在于,在所述步骤4中,归一化后的路面附着系数由路面附着系数经比例缩放、区间归一化或分段映射得到,并被限定在预设范围内;路面附着系数缺失时采用默认值或最近有效值替代。

6.根据权利要求1所述的基于数据驱动的轮胎侧偏刚度实时估计方法,其特征在于,在所述步骤4中,构建载荷-侧偏角域增强训练数据集时,引入对称性数据处理;

对称性数据处理通过对负侧偏角样本进行绝对值变换,使样本集中于正侧偏角范围。

7.根据权利要求1所述的基于数据驱动的轮胎侧偏刚度实时估计方法,其特征在于,在所述步骤5中,机器学习预测模型为树集成回归模型、轻量化神经网络回归模型、核方法回归模型或其任意组合。

8.根据权利要求1所述的基于数据驱动的轮胎侧偏刚度实时估计方法,其特征在于,在所述步骤5中,特征重要度评估包括置换重要度评估:以验证集误差或袋外误差作为基线误差,对特征进行随机置换后重新计算误差,并以误差增量作为特征重要度,从而确定最小但充分的关键特征子集。

9.根据权利要求1所述的基于数据驱动的轮胎侧偏刚度实时估计方法,其特征在于,在所述步骤6中,所述显式闭式侧偏刚度代理模型通过“稀疏回归+正则化回归”得到;先采用LASSO进行稀疏选择,再采用岭回归进行参数精调;所述参数精调引入物理约束,物理约束至少包括以下之一:侧偏刚度非负约束;在预设小侧偏角范围内侧偏刚度关于等效载荷单调不减约束;输出关于侧偏角的连续性或光滑性约束;在高侧偏角区施加饱和或边界约束。

10.根据权利要求1所述的基于数据驱动的轮胎侧偏刚度实时估计方法,其特征在于,在所述步骤7中,还包括域外处理与可信度输出:当在线输入超出训练域阈值时,对输入进行限幅、分段外推、回退至参数化轮胎模型输出或回退至上一时刻估计值中的至少一种;并基于输入距训练域边界的距离、模型残差统计量或归一化创新平方NIS中的至少一种,输出侧偏刚度估计值的可信度或健康度指标;所述侧偏刚度估计值和/或可信度或健康度指标用于侧向力估计、车辆状态估计更新、轨迹跟踪控制器参数自适应或轮端力分配控制。