一种基于车辆动力学模型的车重及道路坡度的估算方法技术

本发明专利技术涉及智能驾驶技术领域，具体为一种基于车辆动力学模型的车重及道路坡度的估算方法，所述方法包括：根据车辆传动系统从断开到接合的过程中的动力学表现，估算车辆当前行驶的道路坡度和车重；根据车辆接收的地图信息获取车辆实时的道路坡度，并基于车辆动力学模型和卡尔曼滤波估算车辆的车重，采用卡尔曼滤波对两组车重数据进行融合，得到车重的优化值。本发明专利技术利用传动系统从断开到接合过程中的车辆动力学表现，并识别车辆装卸货操作，从而对道路坡度和车重进行实时的估算，也可以基于地图信息对车辆车重进行估算，再对车重数据进行优化，以此提高估算精度，且降低估算用设备的成本，提高估算方法的适用性。提高估算方法的适用性。提高估算方法的适用性。

【技术实现步骤摘要】
一种基于车辆动力学模型的车重及道路坡度的估算方法


[0001]本专利技术涉及智能驾驶
，具体为一种基于车辆动力学模型的车重及道路坡度的估算方法。

技术介绍

[0002]随着近年来汽车智能化的快速发展，加之汽车控制器的算力相较过去已经有了巨大的提升，汽车厂商在汽车控制器里配置了越来越丰富的功能模块，并且对功能模块的控制精度有了越来越高的要求。而各个功能模块最重要的输入就是当前的车辆状态和环境参数，其控制精度很大程度上取决于车辆状态和环境参数的准确度。
[0003]目前，车辆状态诸如车速，车重等，环境参数诸如环境温度，道路坡度等，都可以从相应的传感器直接得到，或者基于传感器的信号采用物理公式间接得到。对于车重，一般车辆会使用车轴上的气囊压力传感器得到气囊压力，再基于气囊压力估算得到车轴的轴荷，再根据经验公式估算得到车重。对于道路坡度，如果车辆配备了地图设备，地图设备会实时地将当前的道路坡度发送给控制器，或者车上的陀螺仪传感器可以得到车辆的倾斜角，控制器可以基于倾斜角估算得到当前的道路坡度。
[0004]但是，以上提到的车重和道路坡度的获取方法，都有其不足之处。如果采用气囊压力估算得到车重，则车辆需要配置气囊压力传感器，而该传感器一般只配置在高配的重卡上，这就意味着中低配的重卡无法通过该方式估算得到车重信息。而如果采用倾斜角估算得到道路坡度，首先其传感器的信号本身会存在误差，而且倾斜角的信号来源于车身的姿态，因此在行车过程中倾斜角会有明显的振荡，从而影响其对道路坡度的估算精度。而如果采用地图设备来获取当前的道路坡度，首先配置地图设备会导致车辆制造成本的增加，除此之外，目前的地图设备的道路信息仍无法覆盖所有的道路，所以无法保证全天候地提供道路坡度。鉴于此，我们提出一种基于车辆动力学模型的车重及道路坡度的估算方法。

技术实现思路

[0005]本专利技术的目的在于提供一种基于车辆动力学模型的车重及道路坡度的估算方法，以解决上述
技术介绍
中提出的问题。
[0006]为实现上述目的，本专利技术提供如下技术方案：一种基于车辆动力学模型的车重及道路坡度的估算方法，所述方法包括以下步骤：步骤1：车辆是否可以接收地图信息，若否则只执行步骤2，若是则执行步骤2
‑
5；步骤2：根据车辆传动系统从断开到接合的过程中的动力学表现，估算车辆当前行驶的道路坡度和车重；步骤3：根据车辆接收的地图信息获取车辆实时的道路坡度，并基于车辆动力学模型和卡尔曼滤波估算车辆的车重；步骤4：基于步骤2得到的车重，以及基于步骤3得到的车重，采用卡尔曼滤波对两
组车重数据进行融合，得到车重的优化值；步骤5：以步骤4得到的车重的优化值作为车辆最终的车重结果，以步骤3中地图信息的道路坡度作为车辆最终的道路坡度结果。
[0007]优选的，步骤2中，包括以下步骤：步骤21：估算道路坡度车辆传动系统处于断开的状态时，根据车辆动力学，得出：其中：为道路坡度，为车辆加速度，为车轮的滚动阻力系数，为重力加速度，为空气密度，为空气阻力系数，为迎风面积，为车速，为标定的固定车重；步骤22：估算车重车辆传动系统从断开状态恢复到接合状态的2.0s时间内，根据能量守恒原则，得出：其中，为车重，为发动机扭矩，为发动机转速，为变速箱传动效率，为空气密度，为空气阻力系数，为迎风面积，为车速，为发动机转动惯量，为车轮的滚动阻力系数，为重力加速度，为道路坡度；步骤23：车重滤波处理通过车重滤波器剔除步骤22中偏差较大的车重估算结果；步骤24：道路坡度重新估算根据步骤23中得到的滤波处理后的车重估算结果，带入步骤22中倒推出当前车辆行驶的道路坡度。
[0008]优选的，步骤23中，车重滤波器在使用时分为三个状态用于识别车辆装卸货操作：点火状态，停车状态，行驶状态；点火状态下包括以下步骤：步骤231a：当车辆点火启动，车重滤波器进入点火状态；步骤232a：在点火状态下，车重滤波器会计算目前的车重估算结果数组的平均值，作为滤波器输出；
步骤233a：当车重估算结果的数量超过2时，车重滤波器退出点火状态；停车状态下包括以下步骤：步骤231b：当不在点火状态，并且车辆停车时，车重滤波器进入停车状态；步骤232b：在停车状态下，如果停车状态超过3分钟，则判断车辆正在装卸货物而不是短暂的停车，则将滤波器输出重置为默认值，反之，则滤波器输出车重估算结果数组的平均值；步骤233b：等到下一次车辆起步，车重滤波器退出停车状态，进入行驶状态；行驶状态下包括以下步骤：步骤231c：当车辆起步并且车速超过某一限值，车重滤波器进入行驶状态；步骤232c：车重滤波器会存储一个车重估算结果数组，并计算整个数组的平均值以及最近5组车重估算结果的平均值，当两个平均值之差连续地小于某一限值的次数满足条件，则判断车重估算结果收敛成功；如果在10组车重估算中仍未收敛成功，则整个数组的平均值会被更新为最近5个车重估算结果的平均值，并重新进行收敛；步骤233c：当车重滤波器判断车重估算结果已经收敛成功，则车重滤波器进入稳定行驶状态，在该状态下会通过人为的标定限值剔除掉偏差较大的车重估算结果，以保证滤波器输出的车重估算结果数组的平均值能够稳定收敛在真值附近；步骤234c：等到下一次车辆停车，车重滤波器退出行驶状态，进入停车状态。
[0009]优选的，步骤3中，基于车辆动力学模型和卡尔曼滤波估算车辆的车重的公式：1）时间更新1）时间更新1）时间更新1）时间更新2）状态更新2）状态更新2）状态更新2）状态更新因此，得到：
其中，为车重，为与车重m相关的矩阵，为车轮的滚动阻力系数，为地图信息中的道路坡度，和为车辆加速度，为k时刻的系统状态预测值，为k
‑
1时刻的最佳系统状态估算值，为k时刻的预测协方差，为k
‑
1时刻的协方差，Q和R为高斯白噪声，H为测量系统的参数，为发动机扭矩，为变速箱档位，为主减速比，为发动机转动惯量，为发动机角加速度，为车轮滚动半径，为空气密度，为空气阻力系数，为迎风面积，为车速，为车轮的滚动阻力系数，为重力加速度，为卡尔曼增益。
[0010]优选的，步骤4中，采用卡尔曼滤波进行两组车重的数据融合时，采用以下公式：优选的，步骤4中，采用卡尔曼滤波进行两组车重的数据融合时，采用以下公式：优选的，步骤4中，采用卡尔曼滤波进行两组车重的数据融合时，采用以下公式：其中，为车重的优化值，和为两组车重，为卡尔曼增益，和为两个车重的标准差，为最优估计值的标准差。
[0011]与现有技术相比，本专利技术的有益效果是：该基于车辆动力学模型的车重及道路坡度的估算方法，利用传动系统从断开到接合过程中的车辆动力学表现，并识别车辆装卸货操作，从而对道路坡度和车重进行实时的估算，并将估算后的车重重新滤波处理，得到一个较为精确的车重值，并基于滤波处理后的车重重新计算车辆的实时道路坡度；同时，也可以基于现有的通用CAN总线信号获取车辆行驶道路的地图信息，以地图信息的道路坡度作为一个平行的信号来源，采用卡尔曼滤波器处理一系列带有误差的实际测量信号，对车辆车重进本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于车辆动力学模型的车重及道路坡度的估算方法，其特征在于，所述方法包括以下步骤：步骤1：车辆是否可以接收地图信息，若否则只执行步骤2，若是则执行步骤2
‑
5；步骤2：根据车辆传动系统从断开到接合的过程中的动力学表现，估算车辆当前行驶的道路坡度和车重，并对车重进行滤波处理，根据滤波后的车重重新估算车辆当前行驶的道路坡度；步骤3：根据车辆接收的地图信息获取车辆实时的道路坡度，并基于车辆动力学模型和卡尔曼滤波估算车辆的车重；步骤4：基于步骤2得到的车重，以及基于步骤3得到的车重，采用卡尔曼滤波对两组车重数据进行融合，得到车重的优化值；步骤5：以步骤4得到的车重的优化值作为车辆最终的车重结果，以步骤3中地图信息的道路坡度作为车辆最终的道路坡度结果。2.根据权利要求1所述的基于车辆动力学模型的车重及道路坡度的估算方法，其特征在于，步骤2中，包括以下步骤：步骤21：估算道路坡度车辆传动系统处于断开的状态时，根据车辆动力学，得出：其中：为道路坡度，为车辆加速度，为车轮的滚动阻力系数，为重力加速度，为空气密度，为空气阻力系数，为迎风面积，为车速，为标定的固定车重；步骤22：估算车重车辆传动系统从断开状态恢复到接合状态的2.0s时间内，根据能量守恒原则，得出：其中，为车重，为发动机扭矩，为发动机转速，为变速箱传动效率，为空气密度，为空气阻力系数，为迎风面积，为车速，为发动机转动惯量，为车轮的滚动阻力系数，为重力加速度，为道路坡度；步骤23：车重滤波处理通过车重滤波器剔除步骤22中偏差较大的车重估算结果；
步骤24：道路坡度重新估算根据步骤23中得到的滤波处理后的车重估算结果，带入步骤22中重新倒推出当前车辆行驶的道路坡度。3.根据权利要求2所述的基于车辆动力学模型的车重及道路坡度的估算方法，其特征在于，步骤23中，车重滤波器在使用时分为三个状态用于识别车辆装卸货操作：点火状态，停车状态，行驶状态；点火状态下执行以下步骤：步骤231a：当车辆点火启动，车重滤波器进入点火状态；步骤232a：在点火状态下，车重滤波器会计算目前的车重估算结果数组的平均值，作为滤波器输出；步骤233a：当车重估算结果的数量超过2时，车重滤波器退出点火状态；停车状态下执行以下步骤：步骤231b：当不在点火状态，并且车辆停车时，车重滤波器进入停...

【专利技术属性】
技术研发人员：胡利锋，马腾，李小龙，滕昱棠，董健，
申请(专利权)人：杭州宏景智驾科技有限公司，
类型：发明
国别省市：