CN103129560B - 用于估计车辆的质量的系统和方法 - Google Patents

用于估计车辆的质量的系统和方法 Download PDF

Info

Publication number
CN103129560B
CN103129560B CN201210502132.5A CN201210502132A CN103129560B CN 103129560 B CN103129560 B CN 103129560B CN 201210502132 A CN201210502132 A CN 201210502132A CN 103129560 B CN103129560 B CN 103129560B
Authority
CN
China
Prior art keywords
vehicle
acceleration
accel
described vehicle
estimated valve
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201210502132.5A
Other languages
English (en)
Other versions
CN103129560A (zh
Inventor
J.N.尼科劳乌
L.J.小列辛斯基
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
GM Global Technology Operations LLC
Original Assignee
GM Global Technology Operations LLC
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by GM Global Technology Operations LLC filed Critical GM Global Technology Operations LLC
Publication of CN103129560A publication Critical patent/CN103129560A/zh
Application granted granted Critical
Publication of CN103129560B publication Critical patent/CN103129560B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/12—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to parameters of the vehicle itself, e.g. tyre models
    • B60W40/13—Load or weight
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2510/00—Input parameters relating to a particular sub-units
    • B60W2510/06—Combustion engines, Gas turbines
    • B60W2510/0657—Engine torque
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/10—Longitudinal speed
    • B60W2520/105—Longitudinal acceleration
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2552/00—Input parameters relating to infrastructure
    • B60W2552/15—Road slope, i.e. the inclination of a road segment in the longitudinal direction

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Mathematical Physics (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
  • Combined Controls Of Internal Combustion Engines (AREA)

Abstract

本发明涉及用于估计车辆的质量的系统和方法。车辆系统和方法，其估计或约计车辆的质量，使得可以将更准确的车辆质量估计值提供给其它车辆系统，例如自适应巡航控制(ACC)系统或自动换道(LCX)系统。在示例性实施例中，该方法在车辆处于自动加速事件的控制之下的同时比较车辆的实际加速度与预计加速度。然后，可以考虑诸如乘客、货物、燃料等项目的方式使用这两个加速度值之间的差值以及其它可能的输入来约计车辆的实际质量。一旦生成准确的车辆质量估计值，该方法就可以将该估计值提供给其它车辆部件、装置、模块、系统等，以便可以改善它们的性能。

Description

用于估计车辆的质量的系统和方法
技术领域
本发明大体涉及车辆系统和方法，并且更具体而言，涉及利用车辆质量估计或值的系统和方法。
背景技术
车辆系统在操作期间利用各种输入，其中一些是已知的，而其中一些是估计的。例如，皮重(车辆的空车重量)、整备重量(车辆带有诸如机油、冷却剂、满油箱燃料等的所有必要消耗品的重量，但没有乘客和货物)和车辆总重额定值(车辆的最大容许总质量)通常是可从车辆制造商或某些其它来源获得的已知量。诸如包括其所有内容物(如燃料、乘客、货物等)的车辆的实际质量的其它输入可能不是精确已知的，因为该数量随时间变化。
发明内容
根据一个实施例，提供了一种用于估计车辆质量的方法。该方法可包括下列步骤：(a)确定车辆的预计加速度；(b)确定车辆的实际加速度；(c)比较预计加速度与实际加速度；以及(d)使用预计加速度与实际加速度的比较来确定车辆质量估计值。
根据另一个实施例，提供了一种用于估计车辆质量的方法。该方法可包括下列步骤：(a)确定车辆是否在自主加速事件的控制下；(b)在车辆在自主加速事件的控制下的同时，评价车辆的速度和/或加速度，其中，车辆的速度和/或加速度以闭环方式评价；(c)使用闭环评价的结果生成车辆质量估计值；以及(d)将车辆质量估计值提供给车辆模块，使得车辆模块能生成一个或多个命令信号。
本发明提供下列技术方案。
技术方案1.一种用于估计车辆质量的方法，包括下列步骤：
（a）确定所述车辆的预计加速度；
（b）确定所述车辆的实际加速度；
（c）比较所述预计加速度与所述实际加速度；以及
（d）使用所述预计加速度与所述实际加速度的比较确定车辆质量估计值。
技术方案2.根据技术方案1所述的方法，其中步骤(a)还包括使用来自模块的发动机命令来确定所述车辆的所述预计加速度，所述预计加速度表示所述车辆的预计或预期加速度。
技术方案3.根据技术方案2所述的方法，其中步骤(a)还包括确定所述车辆是否在自主加速事件的控制之下，并且如果是，则使用在所述自主加速事件期间发出的发动机命令来确定所述车辆的所述预计加速度。
技术方案4.根据技术方案3所述的方法，其中步骤(a)还包括确定所述车辆是否在起步事件期间在自适应巡航控制(ACC)系统的控制之下，并且如果是，则使用由ACC在所述起步事件期间发出的发动机命令来确定所述车辆的所述预计加速度。
技术方案5.根据技术方案1所述的方法，其中步骤(b)还包括使用来自速度传感器的速度读数来确定所述车辆的所述实际加速度，所述实际加速度表示由所述车辆实际上或真实地经历的加速度。
技术方案6.根据技术方案1所述的方法，其中步骤(c)还包括在比较所述预计加速度与所述实际加速度时将除了车辆质量之外的一个或多个加速度影响因素考虑进去。
技术方案7.根据技术方案6所述的方法，其中步骤(c)还包括接收来自拖车传感器的拖车读数，以便确定所述车辆是否正在牵引拖车并在比较所述预计加速度与所述实际加速度时将该因素考虑进去。
技术方案8.根据技术方案6所述的方法，其中步骤(c)还包括接收来自环境传感器的环境读数，以便确定所述车辆是否正在经历某些环境和/或道路条件，并且在比较所述预计加速度与所述实际加速度时将该因素考虑进去。
技术方案9.根据技术方案6所述的方法，其中步骤(c)还包括接收来自倾角传感器的倾角读数，以便确定所述车辆是否正在经历上坡或下坡路段，并且在比较所述预计加速度与所述实际加速度时将该因素考虑进去。
技术方案10.根据技术方案1所述的方法，其中步骤(c)还包括从所述预计加速度中减去所述实际加速度，或反之亦然，以便确定加速度差值(Δacceleration)。
技术方案11.根据技术方案10所述的方法，其中步骤(c)还包括比较所述加速度差值(Δacceleration)与阈值，并且在所述加速度差值(Δacceleration)小于所述阈值时，使所述车辆质量估计值保持不变。
技术方案12.根据技术方案1所述的方法，其中步骤(d)还包括确定所述车辆是否加速不足或过度加速，并且在所述车辆加速不足时增加所述车辆质量估计值，和在所述车辆过度加速时减少所述车辆质量估计值。
技术方案13.根据技术方案12所述的方法，其中步骤(d)还包括在所述车辆加速不足时通过增量前一车辆质量估计值而增加所述车辆质量估计值，并且在所述车辆过度加速时通过减少前一车辆质量估计值而减少所述车辆质量估计值。
技术方案14.根据技术方案13所述的方法，其中步骤(d)还包括在所述车辆加速不足时用增量值增量前一车辆质量估计值，并且在所述车辆过度加速时用减量值减量前一车辆质量估计值，并且所述增量值和减量值受阈值限制，所述阈值受所述车辆的驾驶模式的影响。
技术方案15.根据技术方案12所述的方法，其中步骤(d)还包括在所述车辆加速不足时通过计算大于前一车辆质量估计值的新的车辆质量估计值而增加所述车辆质量估计值，并且在所述车辆过度加速时通过计算小于前一车辆质量估计值的新的车辆质量估计值而减少所述车辆质量估计值。
技术方案16.根据技术方案1所述的方法，还包括以下步骤：
接收来自一个或多个车辆传感器的传感器读数并使用所述传感器读数来评价所述车辆内的重量分布。
技术方案17.根据技术方案1所述的方法，还包括以下步骤：
将所述车辆质量估计值提供给车辆模块，所述车辆模块使用所述车辆质量估计值来生成一个或多个命令信号。
技术方案18.根据技术方案17所述的方法，其中所述车辆模块是车辆安全系统、主动悬架系统、主动制动系统、自适应巡航控制(ACC)系统或换道系统(LCX)的一部分。
技术方案19.一种用于估计车辆质量的方法，包括下列步骤：
（a）确定所述车辆是否在自主加速事件的控制之下；
（b）在所述车辆在所述自主加速事件的控制之下时，评价所述车辆的速度和/或加速度，其中，所述车辆的速度和/或加速度以闭环方式被评价；
（c）使用所述闭环评价的结果来生成车辆质量估计值；以及
（d）将所述车辆质量估计值提供给车辆模块，使得所述车辆模块能生成一个或多个命令信号。
附图说明
下面将结合附图描述优选的示例性实施例，在附图中，相同的标号表示相同的元件，并且其中：
图1是具有示例性车辆系统的车辆的示意图；以及
图2是示出用于估计车辆的质量且可与诸如图1所示系统的车辆系统一起使用的示例性方法的流程图。
具体实施方式
本文所述车辆系统和方法可用来估计或约计车辆的质量，使得更准确的车辆质量估计值可以被生成并提供给其它车辆系统，例如自适应巡航控制(ACC)系统或自动换道(LCX)系统。在示例性实施例中，本发明的方法在车辆处于自动加速事件的控制之下时比较车辆的实际加速度与预计加速度。然后，可以以考虑诸如乘客、货物、燃料等项目的方式使用这两个加速度值之间的差值以及其它可能的输入来约计车辆的实际质量。一旦生成准确的车辆质量估计值，该方法就可以将该估计值提供给其它车辆部件、装置、模块、系统等，以便可以改善它们的性能。
参照图1，示出了安装在车辆12上的示例性车辆系统10的一般示意图，其中车辆系统可以估计或约计车辆12的质量。应当理解，本发明的系统和方法可用于任何类型的车辆，包括传统车辆、混合动力电动车辆(HEV)、增程式电动车(EREV)、纯电动车(BEV)、客车、运动型多功能车(SUV)、跨界车、卡车、厢式货车、公共汽车、旅行车(RV)等。这些仅仅是可能的应用中的一些，因为本文所述系统和方法不限于图1-2所示示例性实施例，并且可通过多种不同方式实现。根据一个示例，车辆系统10包括速度传感器20-26、拖车传感器32、环境传感器34、倾角传感器36和控制模块40，并且车辆系统可以将车辆质量估计值提供给某些其它部件、装置、模块和/或系统70。
任何数量的不同传感器、部件、装置、模块、系统等可以为车辆系统10提供可由本发明方法使用的信息或输入。这些装置包括例如图1所示示例性传感器以及本领域已知但此处未示出的其它传感器。应当理解，速度传感器20-26、拖车传感器32、环境传感器34、倾角传感器36以及位于车辆系统10中和/或由车辆系统10使用的任何其它传感器可以应用于硬件、软件、固件或它们的一些组合。这些传感器可以直接感测或测量其提供用于的条件，或者它们可以基于由其它传感器、部件、装置、模块、系统等提供的信息而间接地评估这样的条件。此外，这些传感器可以直接联接到控制模块40、经由其它电子装置、车辆通信总线、网络等间接联接或根据本领域已知的一些其它布置联接。这些传感器可以集成在另一车辆部件、装置、模块、系统等(例如，已成为发动机控制模块(ECM)、牵引力控制系统(TCS)、电子稳定控制(ESC)系统、防抱死制动系统(ABS)等一部分的传感器)内，它们可以是独立式部件(如图1中示意性地示出的)，或者它们可以根据一些其它布置提供。下文描述的各种传感器读数中任一种也可能由车辆12中的某些其它部件、装置、模块、系统等提供，而不是由实际传感器元件提供。在某些情况下，可采用多个传感器来感测单个参数(例如，以便提供冗余度)。应当理解，上述情况仅代表一些可能，因为车辆系统10不限于任何特定的传感器或传感器布置。
速度传感器20-26为车辆系统10提供了在估计车辆12的质量时可能有帮助的读数或其它信息。在一个实施例中，速度传感器20-26生成表示车辆速度的速度读数和/或表示车辆加速度的加速度读数，并且速度传感器联接到控制模块40。速度传感器20-26可使用多种不同的传感器类型和技术，包括使用旋转轮速度、地面速度、加速踏板位置、变速杆选择、加速计、发动机速度、发动机输出、以及节流阀位置等的那些。在图1所示示例中，各个轮速传感器20-26联接到主车辆的四个车轮中的每一个并且单独地报告四个车轮的旋转速度。技术人员将理解，这些传感器可根据光学、电磁学或其它技术操作，并且可从速度读数导出或计算其它参数，例如车辆加速度。在另一个实施例中，速度传感器20-26通过将雷达、激光和/或其它信号导向地面或固定目标并分析反射回的信号或通过使用来自可选的全球定位系统(GPS)的反馈而确定相对于地面的车辆速度。如上所述，速度传感器20-26可以是类似发动机控制模块(ECM)或防抱死制动系统(ABS)的某些其它装置、模块、系统等的一部分。
拖车传感器32为车辆系统10提供可用来检测和/或评价被车辆12牵引的拖车的读数或其它信息。在一个实施例中，拖车传感器32联接到控制模块40并生成拖车读数，该读数指示当拖车插头连接到车辆的牵引插座时连接到车辆12的拖车的存在。拖车传感器32可以是单个传感器(例如，车辆的牵引插座的一部分)，或者其可包括其它装置，例如，光探测和测距(LIDAR)装置、无线电探测和测距(RADAR)装置、视觉装置(例如，倒车摄像机)、车间通信装置、或它们的组合。根据示例性实施例，传感器32包括观后短程RADAR装置和/或摄像机，它们是现有车辆倒车系统的一部分并安装在车辆的后部，例如在后保险杠处。这些装置可监测车辆12后方的区域并告知车辆系统10拖车的存在以及拖车的某些属性(例如，其约计尺寸、重量、车轮数量、其是否为空车或运有货物等)。其它拖车传感器实施例和布置也是可能的。
环境传感器34为车辆系统10提供可用来检测或评价当前环境条件的读数或其它信息，这些环境条件能影响车辆12的加速度或性能。例如，环境传感器34可包括外部温度传感器、外部湿度传感器、降雨量传感器或任何其它类型的感测部件，该感测部件感测或收集环境读数并将它们提供给控制模块40。关于环境传感器34如何可以确定环境条件的某些示例包括：直接感测和测量环境读数；通过从车辆中的其它模块或系统收集环境读数、从车间通信装置获得读数、或者通过接收包括来自与天气相关的服务或网站的天气报告、预报等的无线传输而间接确定环境读数。在后一示例中，无线传输可以在远程信息处理单元处被接收，远程信息处理单元接着将相关环境数据传输到控制模块40。环境传感器的其它示例也是可能的。
倾角传感器36将能指示车辆12的倾度、坡度或方位的读数或其它信息提供给车辆系统10。例如，倾角传感器36可以是车辆动态传感器单元的一部分，该传感器单元测量诸如倾度以及偏航角速度、纵向加速度等的参数，并且将倾度读数提供给控制模块40。存在可以采用的多种不同类型的倾角传感器，因为倾角传感器36不限于任何特定类型，包括由于重力而受静态加速度影响并提供关于车辆相对于大地倾斜的角度的信息的倾角传感器，以及使用RADAR、LIDAR、激光器和/或摄像机的倾角传感器。还可以使用倾斜计，其为通过形成人造地平线而测量相对于重力的斜坡角度和倾度的仪器；其它名称包括倾角传感器、倾角指示器、斜率表、斜率计、梯度表等。这样的装置有时被车辆防盗系统用来防止非法牵引。此外，类似远程信息处理单元或GPS单元的导航部件、装置、模块等的任何组合可使用车辆的当前位置和道路或地图数据来评价道路的倾度。
如此前所阐述的，车辆系统10不限于任何特定类型的传感器或传感器布置、用于收集或处理传感器读数的任何具体技术、或用于提供传感器读数的任何特定方法，因为本文所述实施例仅仅用来举例说明。其它传感器或传感器组合可用来将信息提供给车辆系统10。例如，在一个实施例中，提供占用者重量相关信息的座椅占有者传感器可被车辆系统10采用。在另一个实施例中，位于车辆12的燃料箱的内部或外部的燃料水平传感器(例如，浮子传感器、RF传感器、超声波传感器等)可用来直接或间接(例如，经由燃料系统控制模块、燃料计等)提供燃料水平读数。
控制模块40可包括任意多种电子处理装置、存储装置、输入/输出(I/O)装置、和/或其它已知部件，并且可执行各种与控制和/或通信有关的功能。在示例性实施例中，控制模块40包括电子存储装置42，其存储各种传感器读数(例如，来自传感器20-26和32-36的传感器读数)、查找表或其它数据结构、算法(例如，嵌入下文所述示例性方法中的算法)等。存储装置42还可存储与车辆12有关的相关的特性和背景信息，例如与加速度限值、扭矩限值、车辆质量、各种已知的车辆重量(例如，空车重量、整备重量、车辆总重额定值等)有关的信息。控制模块40还可包括电子处理装置44(例如，微处理器、微控制器、专用集成电路(ASIC)等)，其执行存储在存储装置42中的用于软件、固件、程序、算法、脚本等的指令并且可以管理本文所述过程和方法。控制模块40可以经由合适的车辆通信电子连接到传感器20-26和32-36以及其它车辆部件、装置、模块和系统并且可以在需要时与它们交互。当然，这些仅仅是控制模块40的一些可能的布置、功能和能力，因为也可以使用其它实施例。
模块70表示需要车辆质量估计以用于其操作性能的任何车辆部件、装置、模块、系统等。为了说明起见，模块70可以是自适应巡航控制(ACC)系统、自动换道(LCX)系统或某些其它主动车辆系统，这些系统在执行某些计算或其它操作时使用车辆质量值。在自适应巡航控制(ACC)系统的示例中，控制模块40可以为ACC系统70提供车辆质量估计值，ACC系统接着使用该值来执行某些算法；车辆质量估计值中的偏差或不准确会影响该算法的结果，因为ACC系统70会错误地认为车辆比实际上更重或更轻。根据特定实施例，模块70可以是能从控制模块40接收信息并将信息提供给控制模块40的输入/输出装置，并且它可以是独立式车辆电子模块或者它可以是更大的网络或系统(例如，牵引力控制系统(TCS)、电子稳定控制(ESC)系统、防抱死制动系统(ABS)、驾驶员辅助系统、自适应巡航控制(ACC)系统、车道偏离报警系统等)的一部分，等等。模块70甚至可以与控制模块40结合或一体化，因为模块70不限于任何一个特定实施例或布置。
同样，对于示例性车辆系统10的此前描述和图1中的附图仅意图示出一个可能的实施例，并且下面的方法不限于仅与该系统一起使用。相反，可以使用许多其它系统布置、组合和架构，包括与图1所示明显不同的那些。
现在转到图2，示出了示例性方法100，其可与车辆系统10一起使用以便估计车辆12的质量并且将该估计值提供给其它车辆系统和方法。准确的车辆质量估计值是期望的，尤其是当估计值用来生成诸如模块70所提供的信号的命令信号以自动地控制发动机扭矩或某些其它车辆操作参数时。如果车辆质量估计值偏离例如25%，则对应的命令信号会偏离类似的量。根据示例性实施例，方法100使用来自车辆周围的现有传感器的输入而以闭环自学方式生成车辆质量估计值。
从步骤110开始，该方法收集各种车辆输入和其它信息并执行诸如重置变量、旗标等的其它任务。这些车辆输入可包括车辆速度、车辆加速度、关于所牵引的拖车的存在情况和性质的信息、外部环境条件(例如，路面条件、天气条件等)、道路倾斜或坡度信息、发动机命令、平台车辆质量值、和/或可能对于方法100有用的任何其它输入或信息。在一个实施例中，控制模块40接收来自传感器20-26的速度和/或加速度读数、来自拖车传感器32的拖车读数、来自环境传感器34的环境读数、来自倾角传感器36的倾斜读数、来自模块70的发动机命令等形式的命令信号、以及存储在存储装置42中的平台车辆质量值(例如，车辆12的皮重或整备重量)。步骤110当然可以接收输入和信息的其它组合，因为前述组合仅仅是一个示例。
接下来，步骤120确定车辆当前是否在自动加速事件的控制之下。如本文所用，“自动加速事件”广义地包括当在没有驾驶员的直接干预的情况下车辆被自动或独立地加速时的任何车辆事件或事情。自动加速事件的示例是在驾驶员没有接合加速器踏板的情况下自适应巡航控制(ACC)系统控制使车辆加速的发动机命令的情形。自主加速事件之所以能产生用来估计车辆质量的期望环境的一个原因在于，自主加速事件通常涉及相比驾驶员接合脚踏板的手动加速事件更充分控制且一致的加速。从手动接合脚踏板生成的发动机命令固有地包括相比由发动机控制模块、自适应巡航控制(ACC)系统等自动生成的那些更大的波动和偏差。此外，其中车辆从停止或低速加速的自动加速事件(例如，从低于5k.p.h.或低于某个纵向加速度开始的起步事件)可能是尤其有用的，因为它不仅是一定程度上受控的环境，而且也是其中实际车辆质量和预计车辆质量之间的差值可以以可感知且可测量的方式显露出来的环境；也就是说，这些差值可以导致可被测量的不同的加速度。如果步骤120确定车辆当前参与自动加速事件，则方法100进行到下一步骤；否则，该方法循环返回以继续监测。当然，步骤120可以期待除自动加速事件之外的条件，因为这仅仅是一个示例。
在步骤130中，该方法比较车辆的实际加速度与预计加速度。如本文所用，“实际加速度”表示由车辆实际上或真实地经历的加速度，因为它涉及诸如地面的某些固定的参照系。另一方面，“预计加速度”表示车辆鉴于某些发动机命令而预计或预期的加速度。例如，当车辆在自动加速事件的控制之下并且模块70或某些其它装置发出发动机命令时，预计车辆将经历一定的加速度(即，预计加速度)；然而，由于诸如车辆的质量、路面的倾度和条件、拖车的存在等的各种因素，由车辆经历的实际加速度可能不同于其预计加速度。在示例性实施例中，步骤130使用来自传感器20-26的加速度读数来确定实际加速度值(测量值)，使用来自模块70的发动机命令来确定预计加速度值(导出或计算值；例如，经由查找表或算法)，然后从预计加速度中减去实际加速度以得出加速度差值(Δacceleration)，反之亦然。
Δacceleration=预计加速度–实际加速度(公式1)。
由于方法100试图估计车辆的质量并使用加速度差值来进行估计，因此步骤130可能希望考虑其他影响加速度的因素，以使得加速度差值(Δacceleration)很大程度上取决于或者可归因于质量差值而不是其它因素。这样做的一种方式是评价来自拖车传感器32的拖车读数，以便确定车辆12当前是否正在牵引拖车，并且如果是，则约计拖车的尺寸。显然，牵引拖车能减小车辆的实际加速度，并且如果不加以考虑，它可以导致相当大的加速度差值(Δacceleration)。根据特定实施例，步骤130可以尝试通过减小预计加速度值来消除所牵引的拖车对计算的影响，或者该步骤可以确定在牵引拖车时难以准确估计车辆质量并且因此等待，直到不存在拖车为止。在后一种情况下，该方法可以在无牵引情况出现之前借助于使用默认车辆质量值。
可以影响加速度的另一个潜在因素涉及环境和/或道路条件。例如，如果道路潮湿或结冰或者由泥土、沙砾、鹅卵石等制成，则其会影响车辆的实际加速度和因此影响计算的加速度差值(Δacceleration)。当实际加速度的减少是由于车轮打滑而不是增加的车辆质量所导致时，这可以潜在地导致车辆比实际上重得多的不准确结论。步骤130可通过接收来自速度传感器20-26的速度读数和/或来自环境传感器34的环境读数而将这些因素考虑进去。与上文所述牵引问题相同，该方法可以通过减小预计加速度值来尝试补偿这些条件，或者它可以决定这些条件太恶劣从而不能构成用于估计车辆质量的适当环境；在这种情况下，该方法可以在环境条件和/或道路条件不再存在之前代替地使用默认车辆质量。
道路的倾角或坡度是另一个因素，其可以影响由步骤130执行的加速度计算，并且因此可以以类似于上文所述的方式加以考虑。步骤130可以使用来自倾角传感器36的倾角读数以尝试量化上坡或下坡路段将对车辆的加速度的影响；上坡通常导致预计加速度的减少，而下坡通常则导致预计加速度的增加。同样，该方法可以通过将道路上坡或下坡考虑进去而决定继续车辆质量估计，或者它可以确定坡度太大从而不允许合理地准确比较加速度，而是代替地选择使用默认车辆质量值。技术人员应当理解，除了以上篇幅中讨论的那些之外的因素可以影响或干扰步骤130中执行的加速度比较，并且这样的因素当然可以被本发明的方法顾及和考虑。步骤130不限于以上示例，因为这些示例仅仅意图示出可能影响加速度的潜在因素中的一些。
步骤140为可选步骤，该步骤比较加速度差值(Δacceleration)与阈值。阈值的值可根据若干因素而变化，包括车辆的尺寸、发动机、预计车辆质量、道路条件等，并且不同的阈值可以存储在存储器42中。在某种意义上，步骤140可以为方法提供有效性评估或关于加速度差值(Δacceleration)的一定置信水平，因为非常小的Δacceleration值可能是由于噪声数据所导致或者可能不造成车辆性能的任何明显的降低并且因此可以被忽略。相似地，非常大的Δacceleration值可能对于尺寸、重量和/或其它车辆特性是不合理的，并且也可以被忽略。根据加速度差值(Δacceleration)是否为正值或负值，也可以使用不同的阈值。如果Δacceleration为正值(预计加速度大于实际加速度)，则可以将其与负阈值比较；如果Δacceleration为负值(预计值小于实际加速度)，则可以将其与正阈值比较。诸如使用Δacceleration的绝对值的实施例的其它实施例也是可能的。如果加速度差值(Δacceleration)高于阈值(例如，实际加速度的5-15%)，则该方法进行到步骤160，因为可能需要调整车辆质量估计值。否则，该方法进行到步骤150，其中车辆质量估计值保持不变。
接下来，步骤160确定车辆是否加速不足(出力不足)或过度加速(出力过大)。正(Δacceleration)值表明实际加速度低于预计加速度(加速不足情形)并且前一车辆质量估计值可能太低；在这种情况下，该方法进行到步骤180，以便可以增加车辆质量估计值。反之，负(Δacceleration)值对应于高于预计加速度的实际加速度(过度加速情形)，并且暗示前一车辆质量估计值可能太高。在这种情况下，该方法进行到步骤170，以便可以减小车辆质量估计值。
本领域的技术人员理解诸如力、质量、加速度、扭矩等的量之间的关系，因为这些数量已经被写入各种公式和运动定律中：
力=质量×加速度(公式2)
扭矩=力×半径(公式3)
可以合并和处理公式2和3，以便求解质量(m)和质量差(Δmass)，如下文所描述的那样：
质量=扭矩/(加速度×半径)(公式4)
Δmass=扭矩/(Δacceleration×半径)(公式5)
从公式5可以看到，质量的差值(Δmass)与加速度的差值(Δacceleration)成反比，并且Δacceleration的偏差将导致Δmass的偏差，假设其它参数保持相同。由于公式5中的所有其它值均为已知的--扭矩通过引起加速度的发动机命令而已知；Δacceleration从步骤130已知；并且半径为表征车辆12中使用的特定发动机和传动系的已知量--该方法能够解出Δmass。就像值Δacceleration包括实际加速度分量和预计加速度分量一样，值Δmass包括实际质量分量和预计质量分量；实际质量分量为示例性方法100试图估计或以其它方式确定的量。预计质量值可以是车辆的预定一般质量(例如，与车辆的皮重、整备重量、车辆总重额定值等有关的质量)，或者它可以是此前估计的质量值，等等。由于预计质量和Δmass为已知，可以通过以下公式确定车辆的实际质量：
实际质量=预计质量+Δmass(公式6)。
技术人员应理解，包括公式1-6在内的本文提出的公式和数学表示及关系仅仅是为了示出所涉及步骤中的一些的算法基础，因为所使用的实际公式可能比此处所表达的这些更加复杂和深奥。技术人员将认识到，其它表示、关系、公式、因素等可以被使用或考虑，因为上述数学表达可以以不同形式来处理和表示，并且方法100不限于这些表达。例如，公式1可以被修改和采用如下所示的公式1’的形式：
Δacceleration=实际加速度–预计加速度(公式1’)
这产生新的修改后的公式6’：
实际质量=预计质量-Δmass(公式6’)
当然，这仅仅是一个示例，因为其它实施例也是可能的。
对于其中车辆被过度加速的情形，步骤170减少车辆质量估计值，大概是因为车辆实际上比此前认为的更轻。存在多种不同的技术可被步骤170采用，包括减量地减少前一车辆质量估计值的技术和执行新的车辆质量估计的技术。例如，步骤170可以根据以下公式通过使用增益因子(例如，前一估计值的百分比)来减量地减少车辆质量估计值：
车辆质量估计值=前一车辆质量估计值-(增益因子×前一车辆质量估计值)(公式7)
如果在下一循环期间车辆仍然被过度加速，则步骤170可以再次减少或减小车辆质量估计值。估计值每个循环减少的量(即，减量值)可以被阈值限制或钳位，使得车辆占用者不会经历意外和快速的加速度变化。此外，减量阈值可以被不同的驾驶模式或设置影响，其中运动模式允许更大的减量值，以及舒适模式将该方法限制到更小的减量值。这种减少车辆质量估计值的迭代过程可以继续例如直到车辆不再过度加速或直到达到某些最小值或阈值(例如，为诸如皮重、空车重量等的已知质量或重量的百分比(例如，5-20%)且被存储在存储器42中的最小阈值)。如果来自步骤170的车辆质量估计值落在最小阈值以下，则可以将估计值设定在最小阈值处。根据不同的实施例，步骤170可以通过使用此前确定的质量差值(Δmass)和/或加速度差值(Δacceleration)来计算新的车辆质量估计值，而不是仅仅按照预定的减量量减少估计值。该实施例的非常简单的实施方式在以下公式中示出：
车辆质量估计值=前一车辆质量估计值-Δmass(公式8)。
在该实施例中，车辆质量估计值的值未必遵循某种预定模式，因为该方法不在每个循环从估计值减去设定或预定的减量量。其它技术和实施例也可被步骤170利用，包括诸如比例积分微分(PID)控制的闭环反馈技术，其计算误差值并尝试通过调整不同的控制输入来最小化误差值。这样的技术为自学习的，因为该方法能够通过闭环反馈系统一致地提高车辆质量估计值的精度。技术人员将知道可以代替地使用的其它合适的技术。
在步骤180中，该方法增加车辆质量估计值。在这种情况下，车辆加速不足，这意味着实际车辆质量可能大于或高于此前估计的质量。步骤180可以通过使用以上所述技术中的任一种并结合步骤170来增加车辆质量估计值，包括：使用预定增量值；限制或控制增量值；和/或计算高于前一估计值的新的车辆质量估计值。
步骤170和/或180可以考虑其它因素以提高车辆质量估计值的准确度或精度。作为示例，这些步骤可以评价来自驾驶员或乘客监测装置、座椅传感器、安全带传感器、货物传感器、燃料水平传感器等的传感器数据，以便逐步形成关于车辆中的重量分布的更准确而完整的图景。因此，模块100可用来不仅提供总的车辆质量估计，而且提供在车辆内的质量分布的估计。除了重量分布之外的其它因素也可以被顾及和考虑。
继续该方法，步骤190将车辆质量估计值提供给可以继而使用该信息的一个或多个车辆部件、装置、模块和/或系统。可以将车辆质量估计值提供给一个用于访问的中央单元或者可以将估计值直接提供给请求该值的每个车辆装置，等等。在一个实施例中，控制模块40将车辆质量估计值提供给车辆模块70，车辆模块70又使用该改进的质量估计值来生成控制某些类型的自动加速、减速或其它类型事件的命令信号。模块70可包括利用车辆质量输入的任何车辆部件、装置、模块和/或系统，包括安全系统(例如，防撞系统、碰撞减轻系统等)、主动悬架系统、主动制动系统、自适应巡航控制系统(例如，全速范围自适应巡航控制(FSRACC)等)、换道系统(例如，自动换道(LCX)系统)等。本发明的方法不限于与任何特定的模块70或系统一起使用。
方法100可以保持或存储用于一个点火循环(即，直到车辆熄火和/或再次启动)的车辆质量估计值，它可以定期地更新车辆质量估计值(例如，在单个点火循环内多次更新)，或者它可以在定期或其它基础上更新车辆质量估计值，等等。
应当理解，以上描述不是对本发明的限定，而是对本发明的一个或多个优选示例性实施例的描述。本发明不限于本文所公开的(多个)特定实施例，而是仅由下面的权利要求限定。而且，包含在以上描述中的陈述与特定实施例有关且不应理解为限制本发明的范围或权利要求中使用的术语的定义，除非上文明确地定义了术语或短语。各种其它实施例和对本文所公开的(多个)实施例的各种变化和修改对于本领域的技术人员将变得显而易见。例如，步骤的具体组合和顺序仅为一种可能，因为本发明的方法可包括具有比此处所示更少、更多或不同的步骤的步骤组合。在另一示例中，该方法用来估计车辆的重量而不是其质量。所有这样的其它实施例、变化和修改均意图落在所附权利要求的范围内。
如在本说明书和权利要求中所用，术语“例如”、“如”、“诸如”和“等”以及动词“包括”、“具有”、“含有”和它们的其它动词形式，当与一个或多个部件或其它项目的罗列结合使用时，各自应理解为开放式的，这意味着该罗列不应看作是排除其它、额外的部件或项目。其它术语将使用其最广义的合理含义来理解，除非它们在要求不同解释的背景上使用。

Claims (18)

1.一种用于估计车辆质量的方法，包括下列步骤：
（a）确定所述车辆是否在自主加速事件的控制下，在该自主加速事件期间车辆加速度被预计为是受控制的且是一致的，且如果是在自主加速事件的控制下，则确定该自主加速事件的所述车辆的预计加速度，其中所述预计加速度对应于在纵向方向上的车辆推进；
（b）确定在所述自主加速事件期间所述车辆的实际加速度，其中所述实际加速度对应于在纵向方向上的车辆推进；
（c）比较所述自主加速事件的在所述纵向方向上的所述车辆的预计加速度与所述自主加速事件期间在所述纵向方向上的所述车辆的实际加速度；以及
（d）使用所述自主加速事件的在所述纵向方向上的所述车辆的预计加速度与所述自主加速事件期间在所述纵向方向上的所述车辆的实际加速度的比较确定车辆质量估计值。
2.根据权利要求1所述的方法，其中步骤(a)还包括使用来自模块的发动机命令来确定所述车辆的所述预计加速度，所述预计加速度表示在所述自主加速事件期间所述车辆的预计或预期加速度。
3.根据权利要求2所述的方法，其中步骤(a)还包括确定所述车辆是否在起步事件期间在自适应巡航控制(ACC)系统的控制之下，并且如果是，则使用由ACC在所述起步事件期间发出的发动机命令来确定所述车辆的所述预计加速度。
4.根据权利要求1所述的方法，其中步骤(b)还包括使用来自速度传感器的速度读数来确定所述车辆的所述实际加速度，所述实际加速度表示由所述车辆实际上或真实地经历的加速度。
5.根据权利要求1所述的方法，其中步骤(c)还包括在比较所述预计加速度与所述实际加速度时将除了车辆质量之外的一个或多个加速度影响因素考虑进去。
6.根据权利要求5所述的方法，其中步骤(c)还包括接收来自拖车传感器的拖车读数，以便确定所述车辆是否正在牵引拖车并在比较所述预计加速度与所述实际加速度时将该因素考虑进去。
7.根据权利要求5所述的方法，其中步骤(c)还包括接收来自环境传感器的环境读数，以便确定所述车辆是否正在经历某些环境和/或道路条件，并且在比较所述预计加速度与所述实际加速度时将该因素考虑进去。
8.根据权利要求5所述的方法，其中步骤(c)还包括接收来自倾角传感器的倾角读数，以便确定所述车辆是否正在经历上坡或下坡路段，并且在比较所述预计加速度与所述实际加速度时将该因素考虑进去。
9.根据权利要求1所述的方法，其中步骤(c)还包括从所述预计加速度中减去所述实际加速度，或反之亦然，以便确定加速度差值(Δacceleration)。
10.根据权利要求9所述的方法，其中步骤(c)还包括比较所述加速度差值(Δacceleration)与阈值，并且在所述加速度差值(Δacceleration)小于所述阈值时，使所述车辆质量估计值保持不变。
11.根据权利要求1所述的方法，其中步骤(d)还包括确定所述车辆是否加速不足或过度加速，并且在所述车辆加速不足时增加所述车辆质量估计值，和在所述车辆过度加速时减少所述车辆质量估计值。
12.根据权利要求11所述的方法，其中步骤(d)还包括在所述车辆加速不足时通过增量前一车辆质量估计值而增加所述车辆质量估计值，并且在所述车辆过度加速时通过减少前一车辆质量估计值而减少所述车辆质量估计值。
13.根据权利要求12所述的方法，其中步骤(d)还包括在所述车辆加速不足时用增量值增量前一车辆质量估计值，并且在所述车辆过度加速时用减量值减量前一车辆质量估计值，并且所述增量值和减量值受阈值限制，所述阈值受所述车辆的驾驶模式的影响。
14.根据权利要求11所述的方法，其中步骤(d)还包括在所述车辆加速不足时通过计算大于前一车辆质量估计值的新的车辆质量估计值而增加所述车辆质量估计值，并且在所述车辆过度加速时通过计算小于前一车辆质量估计值的新的车辆质量估计值而减少所述车辆质量估计值。
15.根据权利要求1所述的方法，还包括以下步骤：
接收来自一个或多个车辆传感器的传感器读数并使用所述传感器读数来评价所述车辆内的重量分布。
16.根据权利要求1所述的方法，还包括以下步骤：
将所述车辆质量估计值提供给车辆模块，所述车辆模块使用所述车辆质量估计值来生成一个或多个命令信号。
17.根据权利要求16所述的方法，其中所述车辆模块是车辆安全系统、主动悬架系统、主动制动系统、自适应巡航控制(ACC)系统或换道系统的一部分。
18.一种用于估计车辆质量的方法，包括下列步骤：
（a）确定所述车辆是否在自主加速事件的控制之下，在该自主加速事件期间车辆加速度被预计为是受控制的且是一致的；
（b）在所述车辆在所述自主加速事件的控制之下时，评价对应于在纵向方向上的车辆推进的所述车辆的加速度，其中，在所述纵向方向上的所述车辆的加速度以闭环方式使用对应于所述自主加速事件的在所述纵向方向上的所述车辆的预计加速度来评价；
（c）使用所述闭环评价的结果来生成车辆质量估计值；以及
（d）将所述车辆质量估计值提供给车辆模块，使得所述车辆模块能生成一个或多个命令信号。
CN201210502132.5A 2011-11-30 2012-11-30 用于估计车辆的质量的系统和方法 Active CN103129560B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US13/307460 2011-11-30
US13/307,460 US8798887B2 (en) 2011-11-30 2011-11-30 System and method for estimating the mass of a vehicle
US13/307,460 2011-11-30

Publications (2)

Publication Number Publication Date
CN103129560A CN103129560A (zh) 2013-06-05
CN103129560B true CN103129560B (zh) 2016-04-20

Family

ID=48431584

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201210502132.5A Active CN103129560B (zh) 2011-11-30 2012-11-30 用于估计车辆的质量的系统和方法

Country Status (3)

Country Link
US (1) US8798887B2 (zh)
CN (1) CN103129560B (zh)
DE (1) DE102012221561B4 (zh)

Families Citing this family (47)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10056008B1 (en) 2006-06-20 2018-08-21 Zonar Systems, Inc. Using telematics data including position data and vehicle analytics to train drivers to improve efficiency of vehicle use
US20170242443A1 (en) 2015-11-02 2017-08-24 Peloton Technology, Inc. Gap measurement for vehicle convoying
US8798887B2 (en) 2011-11-30 2014-08-05 GM Global Technology Operations LLC System and method for estimating the mass of a vehicle
US9266530B2 (en) * 2011-12-08 2016-02-23 Toyota Jidosha Kabushiki Kaisha Control device for hybrid vehicle
JP5533903B2 (ja) * 2012-01-27 2014-06-25 トヨタ自動車株式会社 車両制御装置
US20130261939A1 (en) 2012-04-01 2013-10-03 Zonar Systems, Inc. Method and apparatus for matching vehicle ecu programming to current vehicle operating conditions
US9153139B2 (en) * 2012-12-21 2015-10-06 Embraer S.A. Steep approach performance improvements and optimization
WO2015035362A1 (en) * 2013-09-09 2015-03-12 Dana Limited Online mass estimation
FR3014192B1 (fr) * 2013-12-03 2015-12-25 Renault Sas Procede et dispositif d'estimation de l'intervalle dans lequel se situe la masse totale d'un vehicule automobile
US20150170287A1 (en) * 2013-12-18 2015-06-18 The Travelers Indemnity Company Insurance applications for autonomous vehicles
CN104848923A (zh) * 2014-05-05 2015-08-19 北汽福田汽车股份有限公司 车辆载荷的检测方法和检测装置
DE102014011844B4 (de) 2014-08-08 2019-05-09 Audi Ag Luftdruckbasierte Korrektur einer Berechnung einer fahrzeugseitig gemessenen Längsbeschleunigung
MX2017013943A (es) 2015-05-01 2018-03-07 Blackburn Energy Llc Metodo y sistema para generacion de energia auxiliar.
FR3052726B1 (fr) * 2016-06-16 2018-07-06 Peugeot Citroen Automobiles Sa Procede d'adaptation du decollage d'un vehicule automobile
FR3053492A1 (fr) * 2016-06-30 2018-01-05 Compagnie Generale Des Etablissements Michelin Procede et dispositif de determination d'une estimation de la masse totale d'un vehicule automobile
CN107643117B (zh) * 2016-07-22 2021-05-18 Zf 腓德烈斯哈芬股份公司 装载简档
US10025318B2 (en) 2016-08-05 2018-07-17 Qualcomm Incorporated Shape detecting autonomous vehicle
JP6690056B2 (ja) * 2016-08-22 2020-04-28 ぺロトン テクノロジー インコーポレイテッド 自動連続車両の制御システムアーキテクチャ
KR101836290B1 (ko) * 2016-11-07 2018-04-19 현대자동차 주식회사 차량 중량 추정 장치 및 방법
US10118627B2 (en) 2016-12-20 2018-11-06 Uber Technologies, Inc. Vehicle controls based on the measured weight of freight
GB2559168B (en) 2017-01-30 2021-01-27 Jaguar Land Rover Ltd Controlling movement of a vehicle
GB2559170B (en) * 2017-01-30 2020-08-05 Jaguar Land Rover Ltd Apparatus and method for controlling movement of a vehicle
CN106891896B (zh) * 2017-03-27 2019-06-07 中国第一汽车股份有限公司 一种商用车机械式自动变速器载荷识别计算方法
US10344844B2 (en) * 2017-05-24 2019-07-09 GM Global Technology Operations LLC Method and system for controlling a limited slip differential
AT520200B1 (de) * 2017-07-18 2019-02-15 Siemens Ag Oesterreich Vorrichtung und Verfahren zur Lastbestimmung für Fahrzeuge
CN107588843A (zh) * 2017-07-19 2018-01-16 北汽福田汽车股份有限公司 车辆载重识别方法、系统及车辆
CN107507420A (zh) * 2017-08-15 2017-12-22 深圳智慧车联科技有限公司 车辆超载监控方法、系统及车辆
JP6465461B1 (ja) * 2017-08-31 2019-02-06 マツダ株式会社 四輪駆動車の車輪荷重推定方法
US10612961B2 (en) * 2017-12-20 2020-04-07 Gm Global Technology Operateons Llc Method for real-time mass estimation of a vehicle system
CN110673515A (zh) * 2018-07-03 2020-01-10 西门子股份公司 对工业设施的监控
US10899323B2 (en) 2018-07-08 2021-01-26 Peloton Technology, Inc. Devices, systems, and methods for vehicle braking
US10821947B2 (en) * 2018-10-03 2020-11-03 Ford Global Technologies, Llc Driving adjustment for vehicle loading
US10762791B2 (en) 2018-10-29 2020-09-01 Peloton Technology, Inc. Systems and methods for managing communications between vehicles
CN109849663B (zh) * 2018-12-21 2020-11-27 合肥工业大学智能制造技术研究院 一种车辆的智能限速方法及其智能限速装置
US11573119B2 (en) 2019-01-17 2023-02-07 GM Global Technology Operations LLC Method and apparatus for dynamically estimating vehicle mass
CN113518902B (zh) * 2019-03-07 2024-05-03 沃尔沃卡车集团 用于确定车辆的质量特性的方法
US11427196B2 (en) 2019-04-15 2022-08-30 Peloton Technology, Inc. Systems and methods for managing tractor-trailers
CN110271555B (zh) * 2019-06-29 2023-06-23 潍柴动力股份有限公司 一种整车重量确定方法、装置、设备及存储介质
DE102019216044A1 (de) * 2019-10-17 2021-04-22 Robert Bosch Gmbh Verfahren und System zum Bestimmen eines Beladungszustands eines Fahrzeugs sowie ein Fahrzeug mit solch einem System
CN110987470B (zh) * 2019-12-06 2021-02-05 吉林大学 一种基于模型迭代的汽车质量在线估计方法
DE102020001457A1 (de) * 2020-03-06 2021-09-09 Man Truck & Bus Se Betreiben eines automatisierten Nutzfahrzeugs in einem Container-Logistikzentrum
US11377111B1 (en) 2020-08-26 2022-07-05 Allstate Insurance Company Systems and methods for detecting vehicle mass changes
CN113085876B (zh) * 2021-03-23 2022-10-18 浙江吉利控股集团有限公司 一种基于递推梯度矫正法的整车质量估算方法及装置
WO2023177898A1 (en) * 2022-03-17 2023-09-21 Harbinger Motors Inc. Operating commercial vehicles using weight estimates
US20240001938A1 (en) * 2022-06-30 2024-01-04 Toyota Motor Engineering & Manufacturing North America, Inc. Methods and systems for estimating the mass of a vehicle
DE102022129010A1 (de) 2022-11-03 2024-05-08 Valeo Schalter Und Sensoren Gmbh Szenarioabhängige adaptive Geschwindigkeitsregelung
DE102022129011A1 (de) 2022-11-03 2024-05-08 Valeo Schalter Und Sensoren Gmbh Bestimmung einer Masse eines Kraftfahrzeugs

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5752752A (en) * 1995-11-30 1998-05-19 Aisin Seiki Kabushiki Kaisha Vehicle motion control system
US6173226B1 (en) * 1994-06-06 2001-01-09 Hitachi, Ltd. Control apparatus and method for powertrain of a vehicle
US6226587B1 (en) * 1997-07-11 2001-05-01 Mazda Motor Corporation Stability control system for automotive vehicle
US6498976B1 (en) * 2000-10-30 2002-12-24 Freightliner Llc Vehicle operator advisor system and method
CN101687500A (zh) * 2007-07-12 2010-03-31 丰田北美设计生产公司 用于车辆变速器换档控制的系统及方法
US7786849B2 (en) * 2007-02-02 2010-08-31 Chrysler Group Llc Trailer detection system

Family Cites Families (30)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5209661A (en) * 1990-10-29 1993-05-11 Systems Control Technology, Inc. Motor control desired dynamic load of a simulating system and method
JP3461572B2 (ja) * 1994-06-09 2003-10-27 株式会社日立ユニシアオートモティブ 車両の制御装置
DE19728769A1 (de) * 1997-07-05 1999-01-07 Bosch Gmbh Robert Verfahren und Vorrichtung zur Ermittlung der Fahrzeugmasse
DE19802630A1 (de) * 1998-01-24 1999-09-16 Daimler Chrysler Ag Vorrichtung zur Bestimmung der Masse eines Kraftfahrzeuges
US6167357A (en) * 1998-04-23 2000-12-26 Cummins Engine Company, Inc. Recursive vehicle mass estimation
US6304806B1 (en) * 2000-03-06 2001-10-16 General Motors Corporation Vehicle acceleration based throttle area compensation
US6347269B1 (en) * 2000-07-26 2002-02-12 Kabushiki Kaisha Toyota Chuo Kenkyusho Vehicle mass calculation device
SE519792C2 (sv) * 2001-08-17 2003-04-08 Volvo Lastvagnar Ab Metod för estimering av massan hos ett fordon vilket framförs på en väg med en varierande lutning samt metod för estimering av lutningen av den väg där ett fordon framförs
US6567734B2 (en) * 2001-08-23 2003-05-20 Cummins, Inc. System and method for estimating vehicle mass
JP2004037255A (ja) * 2002-07-03 2004-02-05 Sumitomo Rubber Ind Ltd 車両の質量推定方法および装置、ならびに該方法を用いる勾配推定方法および装置
DE10245270A1 (de) 2002-09-27 2004-04-01 Robert Bosch Gmbh Verfahren und Vorrichtung zur Bestimmung der Masse eines Kraftfahrzeugs
DE10307511B4 (de) * 2003-02-21 2004-12-09 Knorr-Bremse Systeme für Nutzfahrzeuge GmbH Verfahren und Vorrichtung zur computergestützten Schätzung der Masse eines Fahrzeugs, insbesondere eines Nutzfahrzeugs
JP4066864B2 (ja) * 2003-03-28 2008-03-26 アイシン精機株式会社 車両重量推定装置
FR2857090B1 (fr) * 2003-07-04 2005-08-26 Renault Sa Procede et dispositif d'estimation de la masse totale d'un vehicule automobile
DE10344210B4 (de) * 2003-09-24 2015-03-19 Robert Bosch Gmbh Verfahren zur Ermittlung eines Schätzwerts der Masse eines Kraftfahrzeugs
US7448983B2 (en) * 2004-06-07 2008-11-11 Ford Global Technologies, Llc System and method for utilizing estimated driver braking effort
US7254472B2 (en) * 2005-02-09 2007-08-07 General Motors Corporation Coordinated torque control security method and apparatus
DE102005025851B4 (de) 2005-06-06 2014-08-21 Robert Bosch Gmbh Verfahren und Vorrichtung zur Erkennung einer Änderung einer Gewichtsverteilung in einem Fahrzeug
US7472002B2 (en) * 2005-06-28 2008-12-30 Dana Heavy Vehicle Systems, Llc Method of estimating vehicle weight by determining vertical oscillation frequency
JP2007248160A (ja) 2006-03-14 2007-09-27 Toyota Motor Corp 車両の重量と路面勾配を推定する装置
KR100828778B1 (ko) * 2006-11-29 2008-05-09 현대자동차주식회사 차량의 질량 추정 방법
US8180544B2 (en) * 2007-04-25 2012-05-15 General Electric Company System and method for optimizing a braking schedule of a powered system traveling along a route
WO2009071104A1 (en) * 2007-12-03 2009-06-11 Nira Dynamics Ab Estimation of the load of a vehicle
US7818140B2 (en) * 2008-01-29 2010-10-19 Zf Friedrichshafen Ag System for estimating a vehicle mass
JP5113020B2 (ja) * 2008-11-10 2013-01-09 株式会社デンソー 加速度制御装置及び加速度制御プログラム
JP2010216856A (ja) * 2009-03-13 2010-09-30 Aisin Seiki Co Ltd 重量勾配推定装置、及びそれを用いた車両制御装置
CN102387947A (zh) * 2009-04-10 2012-03-21 丰田自动车株式会社 车辆的重量关联物理量推断装置以及控制装置
DE102011075609A1 (de) * 2011-05-10 2012-11-15 Bayerische Motoren Werke Aktiengesellschaft Beschleunigungsbasierte Sicherheitsüberwachung eines Antriebs eines Kraftfahrzeugs
US8706378B2 (en) * 2011-11-28 2014-04-22 Toyota Motor Engineering & Manufacturing North America, Inc. Systems and methods for determining road mu and drive force
US8798887B2 (en) 2011-11-30 2014-08-05 GM Global Technology Operations LLC System and method for estimating the mass of a vehicle

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6173226B1 (en) * 1994-06-06 2001-01-09 Hitachi, Ltd. Control apparatus and method for powertrain of a vehicle
US5752752A (en) * 1995-11-30 1998-05-19 Aisin Seiki Kabushiki Kaisha Vehicle motion control system
US6226587B1 (en) * 1997-07-11 2001-05-01 Mazda Motor Corporation Stability control system for automotive vehicle
US6498976B1 (en) * 2000-10-30 2002-12-24 Freightliner Llc Vehicle operator advisor system and method
US7786849B2 (en) * 2007-02-02 2010-08-31 Chrysler Group Llc Trailer detection system
CN101687500A (zh) * 2007-07-12 2010-03-31 丰田北美设计生产公司 用于车辆变速器换档控制的系统及方法

Also Published As

Publication number Publication date
US8798887B2 (en) 2014-08-05
DE102012221561A1 (de) 2013-06-06
DE102012221561B4 (de) 2019-10-10
CN103129560A (zh) 2013-06-05
US20130138288A1 (en) 2013-05-30

Similar Documents

Publication Publication Date Title
CN103129560B (zh) 用于估计车辆的质量的系统和方法
CN106985810B (zh) 车辆减速确定
CN106965801B (zh) 车辆曲率确定
CN107010075B (zh) 车辆加速确定
CN103057376B (zh) 车辆悬架系统及其使用方法
US10042815B2 (en) Road gradient estimation arbitration
US9454508B2 (en) Kinematic road gradient estimation
US8793035B2 (en) Dynamic road gradient estimation
US9355319B2 (en) System and method for detecting road surface conditions
EP2956343B1 (en) Simultaneous estimation of at least mass and rolling resistance
US9517774B2 (en) Static road gradient estimation
US20150185036A1 (en) Method and device for ascertaining a source of danger on atravel route
US10202125B2 (en) Systems and methods for fault detection in lateral velocity estimation
US10377358B2 (en) Methods of learning long term brake corner specific torque variation
CN103459213A (zh) 用于确定车辆的安全最大速度的系统和方法
US20190248364A1 (en) Methods and systems for road hazard detection and localization
CN112141120A (zh) 用于匹配车辆的行驶行为的方法，控制器和存储介质
US10076937B2 (en) Vehicle tow capacity estimator
CN102464017B (zh) 用于车辆的不足转向评估
EP3891512B1 (en) System and method for providing an indication of driving performance
US20220281451A1 (en) Target vehicle state identification for automated driving adaptation in vehicles control
CN108016447B (zh) 使用操作员触发的机器质量估计
US11175667B2 (en) System and method for vehicle integrated stability control using perceived yaw center
GB2579559A (en) System and method for providing an indication of driving performance
GB2579558A (en) System and method for providing an indication of driving performance

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant