重型车空气阻力合成系数和质量的在线同步辨识方法技术

本发明专利技术公开了一种空气阻力合成系数和汽车质量的在线同步辨识方法，利用差分的行驶方程式建立了驱动和空挡滑行工况下的在线辨识模型，结合递归两参数最小二乘算法实现了空气阻力合成系数和整车质量的联合在线辨识。选用差分的形式方程式能够消除滚动阻力计算误差对辨识精度的影响。两参数同时在线辨识具有自适应可变空气阻力的特点，得到的质量辨识结果不受空气阻力系数和车辆迎风面积误差的影响。能够在载货形式和重量不同，以及风速变化等各种复杂工况环境下得到稳定可靠的空气阻力合成系数和汽车质量。

【技术实现步骤摘要】
重型车空气阻力合成系数和质量的在线同步辨识方法
本专利技术涉及汽车自动控制技术中的空气阻力和整车质量在线辨识方法，特别是一种重型车空气阻力合成系数和质量的联合在线辨识方法。
技术介绍
空气阻力和整车质量是车辆运行经济性、动力性控制的重要参数，对换挡规律，发动机控制都有重要的影响。随着自动控制技术的发展，部分高端车辆部分整车控制参数已经能够做到在线辨识。然而在重型车领域内，目前尚无能实现多个重要参数同时在线辨识的技术。现有重型车控制系统中使用的空气阻力系数都是要通过离线实验测定的方法获取(滑行试验或风洞试验)，并不能适应该参数在不同装载类型下可变的特性。质量辨识问题已经能够实现在线辨识，解决方案多是基于整车纵向动力学。较为典型的技术路线是将整车纵向动力学公式做适当的变形或简化，再结合递归最小二乘算法对质量进行在线求解。建立面向整车控制的空气阻力和质量估计算法的关键就是要摆脱掉试验场严苛的环境限制，选取的辨识参数之间能够相互自适应，能够在载货形式和质量不同，以及风速变化等各种复杂工况环境下得到稳定可靠的辨识结果。故而建立在线辨识算法对空气阻力系数和整车质量进行在线同步辨识是非常有意义的。
技术实现思路
本专利技术的目的在于，为克服现有汽车尤其是重型车控制系统中对空气阻力和整车质量的在线辨识方法存在的缺陷，提出一种重型车空气阻力合成系数和质量的在线同步辨识方法，以提高辨识精度，提高整车动力性和经济性控制系统的性能。本专利技术重型车空气阻力合成系数和质量的在线同步辨识方法，是基于CAN总线信息和车载纵向加速度信息所建立的空气阻力合成系数和整车质量辨识模型，包括以下步骤：步骤S1：同步采集整车行驶时CAN总线提供的整车速度v、发动机驱动力矩Ttq、发动机转速n、离合器踏板信号、制动踏板信号、整车传动效率η、轮胎滚动半径r、车辆行驶加速度av、飞轮转动惯量If、车轮转动惯量Iw、空气阻力系数CD、整车迎风面积A、空气密度ρ、整车质量m和纵向加速度传感器提供的加速度asen等行车数据和整车参数；步骤S2：根据整车纵向受力平衡方程，计算轮边驱动力，即，Fres＝Ft-Fjw-Fjf式中：Fres为轮边直接用于驱动整车前进的轮边驱动力；Ft为汽车驱动力Fjw为车轮加速阻力Fjf为飞轮加速阻力i0ig为变速器传动比与主减速器传动比的乘积以上各式中：Ttq—发动机驱动力矩；n—发动机转速；v—整车速度；η—整车传动效率；r—轮胎滚动半径；av—车辆行驶加速度；If—飞轮转动惯量；Iw—车轮转动惯量；步骤S3：计算轮边驱动力的差分量ΔFres，加速度传感器的差分量Δasen和车速平方值的差分量Δv2，建立差分的空气阻力合成系数和整车质量的最小二乘辨识模型为：ΔFres＝mΔasen+kΔv2式中：k为空气阻力合成系数CD—空气阻力系数，A—整车迎风面积，ρ—空气密度，m—整车质量；步骤S4：根据差分的空气阻力合成系数和整车质量最小二乘辨识模型，构造最小二乘算法的观测量，输出量和待辨识参数；构造的最小二乘算法观测量：输出量：Z＝ΔFres，待辨识参数：θ＝[mk]T，步骤S5：判别数据有效性，输出用来表示该时刻数据是否有效的有效性判别指针S，步骤S6.1：在有效数据时刻，即S＝1时，按下式计算最小二乘算法所需的遗忘因子λ，式中，T是遗忘因子收敛时长，优选值为50s，接下来执行步骤S7.1；步骤S6.2：在无效数据时刻，即S＝0时，按下式计算最小二乘算法所需的遗忘因子λ，λ(t)＝λ(t-1)，接下来执行步骤S7.2；步骤S7.1：在有效数据时刻，即S＝1时，按下述最小二乘的递推算法进行整车空气阻力合成系数和质量的在线辨识：其中P(t)为协方差矩阵，初始的协方差矩阵推荐值步骤S7.2：在无效数据时刻，即S＝0时，按下述数据保持算法计算空气阻力合成系数和质量：P(t)＝P(t-1)步骤S8：判断辨识过程是否终止，当质量辨识结果误差的递归平均值满足设定的阈值条件时，判别算法终止，辨识过程结束，将空气阻力合成系数和整车质量的辨识结果输送至CAN总线；当质量辨识结果误差的递归平均值不满足设定的阈值条件时，从步骤S1开始重新执行算法。所述步骤S3可按以下两种方式之一实现差分运算：1)首先对数据进行平滑处理，然后将每一时刻的数据和之前某一时刻的数据取差分值，优选的平滑步长和差分步长分别是3s和1.5s；2)运用微分模块对数据取微分值，再对微分值进行低通滤波，优选的低通滤波截止频率为0.66Hz。本专利技术建立了一种基于重型车CAN总线信息和纵向加速度传感器信息的空气阻力合成系数和整车质量辨识模型。分别将整车质量m和表征空气阻力的合成系数k作为待辨识的参数，运用差分的纵向动力学公式，建立了两参数递归最小二乘算法。建立的模型具有适应复杂工况的优点，试验结果表明，该算法能够得到空气阻力合成系数和整车质量。本专利技术空气阻力合成系数和质量的在线同步辨识方法，能够在载货形式和重量不同，以及空气阻力变化等各种复杂工况环境下得到稳定可靠的空气阻力合成系数和汽车质量，空气阻力合成系数和整车质量同步辨识能够起到互相自适应的效果。有助于提高整车动力性和经济性控制系统的性能。附图说明图1为本专利技术重型车空气阻力合成系数和质量辨识方法流程示意图；图2为重型车满载工况质量和空气阻力合成系数辨识结果时间序列图；图3为重型车不带挂车时的质量和空气阻力合成系数辨识结果时间序列图。具体实施方式通过以下实施例的进一步具体描述，以便对本
技术实现思路
的作进一步理解，但并不是对本专利技术的具体限定。实施例1参照图1，一种重型车空气阻力合成系数和质量的在线同步辨识方法，是基于CAN总线信息和车载纵向加速度信息所建立的空气阻力合成系数和整车质量辨识模型，包括以下步骤：步骤S1：同步采集整车行驶时CAN总线提供的车速、发动机驱动力矩、发动机转速和纵向加速度传感器提供的加速度asen等行车数据和整车参数；步骤S2：根据整车纵向受力平衡方程，计算轮边驱动力，即，Fres＝Ft-Fjw-Fjf式中：Fres为轮边直接用于驱动整车前进的轮边驱动力；Ft为汽车驱动力Fjw为车轮加速阻力Fjf为飞轮加速阻力i0ig为变速器传动比与主减速器传动比的乘积以上各式中：Ttq—发动机驱动力矩；n—发动机转速；v—整车速度；η—整车传动效率；r—轮胎滚动半径；av—车辆行驶加速度；If—飞轮转动惯量；Iw—车轮转动惯量，这些信息均由CAN总线提供；为了得到轮边驱动力Fres，整车纵向受力平衡方程被运用于驱动力表达式的推导。整车纵向受力平衡方程为：Ft＝Ff+Fw+Fi+Fj(1)其中，汽车驱动力：滚动阻力：Ff＝mgf；空气阻力：坡道阻力：Fi＝mgi；加速阻力：Fj＝δmav。各符号表达的物理量如下：Ttq—发动机驱动力矩；i0ig—变速器传动比与主减速器传动比的乘积；η—整车传动效率；r—轮胎滚动半径；m—整车质量；f—轮胎滚动阻力系数；CD—空气阻力系数；A—迎风面积；ρ—空气密度；i—道路坡度；av—车辆行驶加速度；g—重力加速度；v—整车车速；δ—旋转质量换算系数；接下来改写加速阻力，将加速阻力改写为平动加速阻力，飞轮转动加速阻力和车轮转动加速阻力加和的形式。加速阻力计算式：Fj＝δmav，其中旋转质量换算系数的具体的本文档来自技高网...

【技术保护点】
一种重型车空气阻力合成系数和质量的在线同步辨识方法，是基于CAN总线信息和车载纵向加速度信息所建立的空气阻力合成系数和整车质量辨识模型，其特征在于包括以下步骤：步骤S1：同步采集整车行驶时CAN总线提供的整车速度v、发动机驱动力矩Ttq、发动机转速n、整车传动效率η、离合器踏板信号、制动踏板信号、轮胎滚动半径r、车辆行驶加速度av、飞轮转动惯量If、车轮转动惯量Iw、空气阻力系数CD、整车迎风面积A、空气密度ρ、整车质量m和纵向加速度传感器提供的加速度asen等行车数据和整车参数；步骤S2：根据整车纵向受力平衡方程，计算轮边驱动力，即，Fres＝Ft‑Fjw‑Fjf式中：Fres为轮边直接用于驱动整车前进的轮边驱动力；Ft为汽车驱动力Fjw为车轮加速阻力Fjf为飞轮加速阻力i0ig为变速器传动比与主减速器传动比的乘积以上各式中：Ttq—发动机驱动力矩；n—发动机转速；v—整车速度；η—整车传动效率；r—轮胎滚动半径；av—车辆行驶加速度；If—飞轮转动惯量；Iw—车轮转动惯量；步骤S3：计算轮边驱动力的差分量ΔFres，加速度传感器的差分量Δasen和车速平方值的差分量Δv2，建立差分的空气阻力合成系数和整车质量的最小二乘辨识模型为：ΔFres＝mΔasen+kΔv2式中：k为空气阻力合成系数CD—空气阻力系数，A—整车迎风面积，ρ—空气密度，m—整车质量；步骤S4：根据差分的空气阻力合成系数和整车质量最小二乘辨识模型，构造最小二乘算法的观测量，输出量和待辨识参数；构造的最小二乘算法观测量：输出量：Z＝ΔFres，待辨识参数：θ＝[m k]T，步骤S5：判别数据有效性，输出用来表示该时刻数据是否有效的有效性判别指针S，步骤S6.1：在有效数据时刻，即S＝1时，按下式计算最小二乘算法所需的遗忘因子λ，式中，T是遗忘因子收敛时长，接下来执行步骤S7.1；步骤S6.2：在无效数据时刻，即S＝0时，按下式计算最小二乘算法所需的遗忘因子λ，λ(t)＝λ(t‑1)，接下来执行步骤S7.2；步骤S7.1：在有效数据时刻，即S＝1时，按下述最小二乘的递推算法进行整车空气阻力合成系数和质量的在线辨识：其中P(t)为协方差矩阵；步骤S7.2：在无效数据时刻，即S＝0时，按下述数据保持算法计算空气阻力合成系数和质量：P(t)＝P(t‑1)步骤S8：判断辨识过程是否终止，当质量辨识结果误差的递归平均值满足设定的阈值条件时，判别算法终止，辨识过程结束，将空气阻力合成系数和整车质量的辨识结果输送至CAN总线；当质量辨识结果误差的递归平均值不满足设定的阈值条件时，从步骤S1开始重新执行算法。...

【技术特征摘要】
1.一种重型车空气阻力合成系数和质量的在线同步辨识方法，是基于CAN总线信息和车载纵向加速度信息所建立的空气阻力合成系数和整车质量辨识模型，其特征在于包括以下步骤：步骤S1：同步采集整车行驶时CAN总线提供的整车速度v、发动机驱动力矩Ttq、发动机转速n、整车传动效率η、离合器踏板信号、制动踏板信号、轮胎滚动半径r、车辆行驶加速度av、飞轮转动惯量If、车轮转动惯量Iw、空气阻力系数CD、整车迎风面积A、空气密度ρ、整车质量m和纵向加速度传感器提供的加速度asen等行车数据和整车参数；步骤S2：根据整车纵向受力平衡方程，计算轮边驱动力，即，Fres＝Ft-Fjw-Fjf式中：Fres为轮边直接用于驱动整车前进的轮边驱动力；Ft为汽车驱动力Fjw为车轮加速阻力Fjf为飞轮加速阻力i0ig为变速器传动比与主减速器传动比的乘积以上各式中：Ttq—发动机驱动力矩；n—发动机转速；v—整车速度；η—整车传动效率；r—轮胎滚动半径；av—车辆行驶加速度；If—飞轮转动惯量；Iw—车轮转动惯量；步骤S3：计算轮边驱动力的差分量ΔFres，加速度传感器的差分量Δasen和车速平方值的差分量Δv2，建立差分的空气阻力合成系数和整车质量的最小二乘辨识模型为：ΔFres＝mΔasen+kΔv2式中：k为空气阻力合成系数CD—空气阻力系数，A—整车迎风面积，ρ—空气密度，m—整车质量；步骤S4：根据差分的空气阻力合成系数和整车质量最小二乘辨识模型，构造最小二乘算法的观测量，输出量和待辨识参数；构造的最小二乘算法观测量：输出量：Z＝ΔFres，待辨识参数：θ＝[mk]T，步骤S5：判别数据有效性，输出用来表示该时刻数据是否有效的有效性...

【专利技术属性】
技术研发人员：施树明，林楠，马力，
申请(专利权)人：吉林大学，
类型：发明
国别省市：吉林;22