CN102700551B - 一种车辆行驶过程中路面坡度的实时估计方法 - Google Patents

Abstract

本发明涉及一种车辆行驶过程中路面坡度的实时估计方法，包括以下步骤：整车控制器控制驱动力传感器、车速传感器和加速度传感器将信号分别发送到坡度估算系统；车辆加速度计算模块计算车辆加速度，并将其发送到坡度估算系统；基于纵向动力学坡度估计模块计算路面坡度估计值，并将其发送到多方法融合坡度估计模块；基于加速度偏差坡度估计模块计算路面坡度估计值，并将其发送到多方法融合坡度估计模块；多方法融合坡度估计模块分别对两个路面坡度估计值进行滤波处理，得到路面坡度的实时估计值；完成路面坡度值估计后，重复上述步骤对各采样时刻的路面坡度进行实时估算，直到车辆熄火。本方法鲁棒性良好，适用于各种车辆在行驶过程中各工况的路面坡度的实时估计中。

Description

一种车辆行驶过程中路面坡度的实时估计方法

技术领域

本发明涉及一种路面坡度的估计方法，特别是关于一种车辆行驶过程中路面坡度的实时估计方法。

背景技术

现代车辆控制系统包含有多个子系统，车辆控制效果不仅仅取决于整车控制器的控制，而且还需要依赖采集的车辆参数信息，车辆各个系统在进行参数估计时需要利用车辆和环境信息，如果一些未知的环境参数可以被实时估计到，不仅可以改善车辆控制模型的精度，而且能够有效改善车辆控制效果。车辆行驶路面的坡度信息对于车辆的导航、主动安全控制和驱动力控制都是非常重要的。

现有技术中对车辆行驶路面的坡度估计方法包括有基于纵向动力学坡度估计方法和基于加速度偏差坡度估计方法。其中，基于纵向动力学坡度估计方法对车辆行驶路面的坡度进行估计主要是依赖于车辆的模型精度以及车辆行驶过程中所实时采集的各个参数，由于车辆行驶过程中实时采集的各个参数受环境影响较大，带有很强的高频噪声，直接利用带有高频噪声的信息对路面坡度进行估计会使得路面坡度的估计结果也带有较大的高频噪声；基于加速度偏差的坡度估计方法由于受惯性传感器的静态偏差影响较大，这是因为惯性传感器的静态偏差在计算过程中表现为路面的坡度，由于惯性传感器的静态偏差属于低频信号，此低频信号会使得对车辆行驶过程中的路面坡度的结果不准确。

发明内容

针对上述问题，本发明的目的是提供一种能够准确估计路面坡度的车辆行驶过程中路面坡度的实时估计方法。

为实现上述目的，本发明采取以下技术方案：一种车辆行驶过程中路面坡度的实时估计方法，包括以下步骤：1）设置一包括有驱动力传感器、车速传感器、加速度传感器和坡度估算系统的路面坡度实时估计系统，所述坡度估算系统包括有车辆加速度计算模块、基于纵向动力学坡度估计模块、基于加速度偏差坡度估计模块和多方法融合坡度估计模块；2）整车控制器在某一采样时刻控制驱动力传感器将驱动力信号F_x发送到基于纵向动力学坡度估计模块，车速传感器将接收到车辆的纵向速度信号v_x分别发送到车辆加速度计算模块和基于纵向动力学坡度估计模块，加速度传感器将接收的车载纵向加速度传感器信号a_x发送到基于加速度偏差坡度估计模块；3）车辆加速度计算模块根据纵向速度信号v_x计算车辆加速度并将其分别发送到基于纵向动力学坡度估计模块和基于加速度偏差坡度估计模块；4）基于纵向动力学坡度估计模块根据驱动力信号F_x、纵向速度信号v_x和车辆加速度信号计算路面坡度估计值θ₁，并将其发送到多方法融合坡度估计模块；5）基于加速度偏差坡度估计模块根据车载纵向加速度传感器信号a_x和车辆加速度计算路面坡度估计值θ₂，并将其发送到多方法融合坡度估计模块；6）多方法融合坡度估计模块将路面坡度估计值θ₁和θ₂分别进行滤波处理，得到车辆行驶过程中某一采样时刻路面坡度θ的估计值式中，τ为时间常数，s为拉普拉斯算子；7）完成某一采样时刻路面坡度值估计后，整车控制器根据设定的采样间隔分别控制驱动力传感器、车速传感器和加速度传感器采集信号，重复上述步骤2）～6）对各采样时刻的路面坡度进行实时估算，直到车辆熄火。

所述步骤4）中路面坡度估计值θ₁为：

${\mathrm{\θ}}_1=\arcsin \frac{D-f\sqrt{1-D^2+f^2}}{1+f^2},$

$D=\frac{\hat{b}}{\mathrm{mg}},$

式中，f为路面滚阻系数，为每一采样时刻的估计值，m为车辆的质量，g为重力加速度。

所述每一采样时刻估计值采用递推最小二乘估计方法进行实时估计。

所述步骤5）中路面坡度估计值θ₂为：式中，g为重力加速度。

本发明由于采取以上技术方案，其具有以下优点：本发明对车辆行驶过程中路面坡度进行实时估计时通过采集驱动力信号、车辆的纵向速度信号和车载纵向加速度传感器信号，首先采用基于纵向动力学的坡度估计方法和基于加速度偏差的坡度估计方法分别对路面坡度实时估计，然后将上述两种方法的路面坡度估计值分别发送到多方法融合坡度估计模块进行滤波处理，得到比较准确的坡度估计值，与现有的对路面坡度进行估计方法相比，不仅消除了高频噪声信息对路面坡度的影响，而且也避免了静态偏差等低频信号对路面坡度估计带来的误差。本方法鲁棒性良好，适用于各种车辆在行驶过程中各工况的路面坡度的实时估计中。

附图说明

图1是本发明的方法流程示意图。

具体实施方式

下面结合附图和实施例对本发明进行详细的描述。

如图1所示，本发明的路面坡度实时估计系统包括一设置在车辆驱动系统上的驱动力传感器1，一设置在整车控制器上的车速传感器2，一设置在车辆重心处的加速度传感器3和一设置在整车控制器上的坡度估算系统；坡度估算系统包括一车辆加速度计算模块4、一基于纵向动力学坡度估计模块5、一基于加速度偏差坡度估计模块6和一多方法融合坡度估计模块7。

如图1所示，采用本发明的路面坡度实时估计系统对车辆行驶过程中的路面坡度θ的实时估计方法包括以下步骤：

1、在车辆运行过程中，整车控制器在某一采样时刻控制驱动力传感器1将接收到车辆的实时驱动力信号F_x发送到基于纵向动力学坡度估计模块5；整车控制器控制车速传感器2将接收到车辆的实时纵向速度信号v_x分别发送到车辆加速度计算模块4和基于纵向动力学坡度估计模块5；整车控制器控制加速度传感器3将接收的车载纵向加速度传感器信号a_x发送到基于加速度偏差坡度估计模块6。

2、车辆加速度计算模块4根据接收到的实时纵向速度信号v_x计算车辆加速度并将车辆加速度分别发送到基于纵向动力学坡度估计模块5和基于加速度偏差坡度估计模块6；车辆加速度的具体计算过程为：

车辆加速度计算模块4根据前后两个相邻采样时刻k-1和k实时采集到的纵向速度v_x(k-1)和v_x(k)计算得到在采样时间k-1时的车辆加速度

${\stackrel{\·}{v}}_x(k-1)=\frac{v_x\left(k\right)-v_x(k-1)}{T}---\left(1\right)$

式中，T为采样步长。

3、基于纵向动力学坡度估计模块5根据接收到的实时驱动力信号F_x、实时纵向速度信号v_x和车辆加速度信号计算车辆行驶过程中路面坡度估计值θ₁，并将路面坡度估算值θ₁发送到多方法融合坡度估计模块7，路面坡度估计值θ₁的计算过程为：

车辆的纵向动力学模型：

$F_x=m{\stackrel{\·}{v}}_x+\frac{1}{2}\mathrm{\ρ}{C}_{d}A{v}_x^2+\mathrm{mg}(\sin \mathrm{\θ}+f\cos \mathrm{\θ})---\left(2\right)$

式中，m为车辆的质量，ρ为空气密度，C_d为风阻系数，A为迎风面积，g为重力加速度，θ为路面坡度，f为路面滚阻系数，公式(2)中路面坡度θ为待求参数，其它的参数对某一车辆来说均可以认为是已知的或者通过测量能够得到的。

令y＝F_x，b＝mg(sinθ+fcosθ)，将公式(2)简化为：

y＝u+b    (3)

式中， y，u均为已知量，b为未知量，由于b是θ的函数，因此对路面坡度的估计可以通过估算b的值求得。

求解公式(3)可以采用最小二乘法，由于路面坡度θ是时变的，b是θ的函数，b也是时变的，因此本发明采用带有遗忘因子的最小二乘法估计b的值。采用最小二乘法估计b的值相当于通过求解参数使得函数在某一采样时刻k取得极小值：

$V(\hat{b},k)=\frac{1}{2}\underset{i=1}{\overset{k}{\mathrm{\Σ}}}{\mathrm{\λ}}^{k-i}(y\left(i\right)-u\left(i\right)-\hat{b}\left(k\right))---\left(4\right)$

式中，λ为遗忘因子，k为采样时刻。

当函数取得极小值时：

$\frac{\∂V}{\∂\hat{b}\left(k\right)}=0---\left(5\right)$

即： $\underset{i=1}{\overset{k}{\mathrm{\Σ}}}{\mathrm{\λ}}^{k-i}(y\left(i\right)-u\left(i\right)-\hat{b}\left(k\right))=0---\left(6\right)$

根据公式(6)求解得到b的估计值为：

$\hat{b}\left(k\right)={\left(\underset{i=1}{\overset{k}{\mathrm{\Σ}}}{\mathrm{\λ}}^{k-i}\right)}^{-1}\left(\underset{i=1}{\overset{k}{\mathrm{\Σ}}}{\mathrm{\λ}}^{k-i}(y\left(i\right)-u\left(i\right))\right)---\left(7\right)$

由公式(7)可以看出，随着采样时刻k不断增加，的计算量也是不断增加的，由于对车辆行驶过程中的路面坡度估计是实时的，因此在实际应用中通常采用递推最小二乘估计方法实时估计每一采样时刻b的估计值递推最小二乘估计方法对每一采用时刻的b的估计值进行实时估计的过程为：

$\hat{b}\left(k\right)=\hat{b}(k-1)+L\left(k\right)(y\left(k\right)-u\left(k\right))---\left(8\right)$

$L\left(k\right)=\frac{P(k-1)}{(\mathrm{\λ}+P(k-1))}---\left(9\right)$

$P\left(k\right)=\frac{1}{\mathrm{\λ}}(1-L\left(k\right))P(k-1)---\left(10\right)$

通过公式(8)可以计算得到在每一个采样时刻k时b的估计值公式(9)可以计算得到每一采样时刻k时的最小二乘增益L，公式(10)可以计算得出每一采样时刻k时误差协方差P，是对误差协方差P的更新。

当求解得到b的估计值后，采用公式(11)和公式(12)可以计算得到路面坡度的估计值θ₁：

$D=\frac{\hat{b}}{\mathrm{mg}}---\left(11\right)$

${\mathrm{\θ}}_1=\arcsin \frac{D-f\sqrt{1-D^2+f^2}}{1+f^2}---\left(12\right)$

4、基于加速度偏差坡度估计模块6根据接收到的车载纵向加速度传感器信号a_x和车辆加速度计算车辆行驶过程中路面坡度估计值θ₂，并将路面坡度估计值θ₂发送到多方法融合坡度估计模块7。

a_x是通过加速度传感器3测量得到的车载纵向加速度信号，是车辆行驶过程中产生的加速度，a_x和之间的关系为：

$a_x={\stackrel{\·}{v}}_x+g\sin \mathrm{\θ}---\left(13\right)$

根据公式（13）得到路面坡度的估计值θ₂为：

${\mathrm{\θ}}_2=\arcsin \left(\frac{a_x-{\stackrel{\·}{v}}_x}{g}\right)---\left(14\right)$

5、多方法融合坡度估计模块7对接收到的两个路面坡度估计值θ₁和θ₂分别进行滤波处理，融合得到车辆行驶过程中路面坡度θ的实时准确估计值

车辆行驶过程中路面坡度θ可以认为是由高频信号和低频信号两部分组成，在对路面坡度进行估计时，基于纵向动力学坡度估计方法依赖于车辆的多个参数，车辆的各个参数受高频噪声影响大；基于加速度偏差坡度估计的缺点是受惯性传感器的静态偏差影响较大，惯性传感器的静态偏差是属于低频噪声，为了保证路面坡度估算结果的准确性，本发明的多方法融合坡度估计模块7在对路面坡度θ实际估计时，对θ₁采用低通滤波器滤除其高频部分，对θ₂采用高通滤波器滤除其低频部分，最终得到的更加准确的路面坡度θ的实时估计值为：

$\widehat{\mathrm{\θ}}=\frac{1}{\mathrm{\τs}+1}{\mathrm{\θ}}_1+\frac{\mathrm{\τs}}{\mathrm{\τs}+1}{\mathrm{\θ}}_2---\left(15\right)$

式中，τ为时间常数，s为拉普拉斯算子，为低通滤波器，为高通滤波器。

6、完成某一采样时刻的路面坡度值估计后，整车控制器根据设定的采样间隔实时控制驱动力传感器1、车速传感器2和加速度传感器3在车辆行驶过程中的信号采集，重复上述步骤1～5对各采样时刻的路面坡度进行实时估算，直到车辆熄火。

上述各实施例仅用于说明本发明，其中方法的实施步骤等都是可以有所变化的，凡是在本发明技术方案的基础上进行的等同变换和改进，均不应排除在本发明的保护范围之外。

Claims (3)

1.一种车辆行驶过程中路面坡度的实时估计方法，包括以下步骤：

1)设置一包括有驱动力传感器、车速传感器、加速度传感器和坡度估算系统的路面坡度实时估计系统，所述坡度估算系统包括有车辆加速度计算模块、基于纵向动力学坡度估计模块、基于加速度偏差坡度估计模块和多方法融合坡度估计模块；

2)整车控制器在某一采样时刻控制驱动力传感器将驱动力信号F_x发送到基于纵向动力学坡度估计模块，车速传感器将接收到车辆的纵向速度信号υ_x分别发送到车辆加速度计算模块和基于纵向动力学坡度估计模块，加速度传感器将接收的车载纵向加速度信号a_x发送到基于加速度偏差坡度估计模块；

3)车辆加速度计算模块根据纵向速度信号υ_x计算车辆加速度，并将其分别发送到基于纵向动力学坡度估计模块和基于加速度偏差坡度估计模块；

4)基于纵向动力学坡度估计模块根据驱动力信号F_x、纵向速度信号υ_x和车辆加速度信号计算路面坡度估计值θ₁，并将其发送到多方法融合坡度估计模块；

5)基于加速度偏差坡度估计模块根据车载纵向加速度信号a_x和车辆加速度计算路面坡度估计值θ₂，并将其发送到多方法融合坡度估计模块；

6)多方法融合坡度估计模块将路面坡度估计值θ₁和θ₂分别进行滤波处理，得到车辆行驶过程中某一采样时刻路面坡度θ的估计值式中，T为时间常数，s为拉普拉斯算子；

7)完成某一采样时刻路面坡度值估计后，整车控制器根据设定的采样间隔分别控制驱动力传感器、车速传感器和加速度传感器采集信号，重复上述步骤2)～6)对各采样时刻的路面坡度进行实时估算，直到车辆熄火；

其特征在于：步骤4)中的路面坡度估计值θ₁为：

${\mathrm{\θ}}_1=\arcsin \frac{D-f\sqrt{1-D^2+f^2}}{1+f^2},$

$D=\frac{\hat{b}}{\mathrm{mg}},$

式中，f为路面滚阻系数，为每一采样时刻的估计值，m为车辆的质量，g为重力加速度。

2.如权利要求1所述的一种车辆行驶过程中路面坡度的实时估计方法，其特征在于：所述每一采样时刻估计值采用递推最小二乘估计方法进行实时估计。

3.如权利要求1或2所述的一种车辆行驶过程中路面坡度的实时估计方法，其特征在于：所述步骤5)中路面坡度估计值θ₂为：

${\mathrm{\θ}}_2=\arcsin \left(\frac{a_x-{\stackrel{\·}{\mathrm{\υ}}}_x}{g}\right)$

式中，g为重力加速度。