一种融合实车数据的智能车附着系数在线估计方法

本申请提出一种融合实车数据的智能车附着系数在线估计方法，包括：构建包含车辆轮胎力方程的车辆动力学模型；采集车辆的实车运行数据序列，将输入数据和输出数据划分为过去时间段和未来时间段，并按照时间顺序进行排列，形成数据时序矩阵；基于数据时序矩阵，以最小化模型输出与实际观测数据之间的误差为目标，构建优化问题拟合车辆动力学模型，通过求解优化问题获得基于实车运行数据的车辆动力学模型；基于拟合得到的车辆动力学模型，通过无迹卡尔曼滤波算法实现对路面附着系数的实时估计。通过融合基于实车数据表示的车辆动力学模型，有效减少了现有基于动力学模型的附着系数估计算法中车辆模型的失配程度，提高了路面附着系数的估计精度。