CN105209309A - 用于确定车辆重量的方法和装置以及具有这种装置的车辆 - Google Patents

Abstract

本发明涉及一种基于力学的功率定理用于确定车辆、特别是载货车辆的重量m的方法。为了在行驶期间以简单的方式尽可能精确地确定车辆重量，确定车辆的速度v并且确定车辆的驱动功率P_A。然后根据速度v和驱动功率P_A确定车辆重量m。本发明涉及一种用于执行这样的方法的装置以及一种具有用于这样的装置的车辆。

Description

用于确定车辆重量的方法和装置以及具有这种装置的车辆

本发明涉及一种用于确定车辆、特别是载货车辆的重量的方法，以及一种用于执行这样的方法的装置。此外，本发明涉及一种具有用于确定车辆重量的这种装置的车辆。

公知的是，装备用于控制或调节行驶动力学、诸如电子稳定系统(ESP)或电子调节制动系统(EBS)、的系统的车辆，特别是载货车辆，其中将车辆重量设置为控制参数。

因为车辆、特别是载货车辆在空载和满载的车辆之间具有大的装载改变，总计的基于估计的重量确定不够精确。但是对于车辆重量的确定通常不存在传感器。因此必须通过合适的算法基于计算估计当前的车辆重量。

对于确定车辆重量已知的是，重量m根据按照第二牛顿定律的运动方程来确定：

m×a＝F_A-F_L-F_R-F_St(1)

在此，m是总共的车辆重量；a是车辆加速度；F_A是驱动力；F_L是空气阻力；F_R是滚动阻力以及F_St是爬坡阻力。

但是在此这种计算的缺陷是，对于确定爬坡阻力F_St的行车道的坡度角α通常是未知的。此外，对于驱动力F_A的计算需要获知驱动系传动比，这又以获知变速器速比和轴传动比为前提。

因此，本发明要解决的技术问题是，实现一种方法或一种装置，用于在行驶期间以简单的方式尽可能精确地确定车辆重量。

本发明利用按照权利要求1的用于确定车辆重量的方法的特征、利用按照权利要求10的用于确定车辆重量的装置以及利用按照权利要求15的车辆来解决上述技术问题。

按照本发明的用于确定车辆、特别是载货车辆的重量(m)的方法以力学的功率定理(Leistungssatz)为依据并且其特征在于，确定车辆的速度(v)和车辆的驱动功率(P_A)。然后根据速度(v)和驱动功率(P_A)确定车辆重量(m)。

此外，本发明利用用于确定车辆、特别是载货车辆的重量m的装置来解决上述技术问题，该装置具有用于确定车辆的速度v的合适的器件以及具有用于确定车辆的驱动功率P_A的合适的器件。此外，按照本发明的装置具有计算器件，用于根据速度v和驱动功率P_A确定车辆重量。

在此也应用这样的装置，其由用于确定车辆的速度v的器件、用于确定车辆的驱动功率P_A的器件以及可能的用于确定用于克服车辆的行驶阻力的功率P_R的器件和用于确定车辆重量m的计算器件组成，作为用于确定车辆、特别是载货车辆的重量m的装置。

最后，本发明还利用具有按照本发明的用于确定车辆重量m的装置和/或用于执行按照本发明的方法的步骤的器件的车辆、特别是载货车辆来解决上述技术问题。

本发明的一种优选的实施方式基于功率定理的基本原理，其说明了，所有作用在系统上的功率的总和在每个时间点都等于系统的动能的时间变化：

$\frac{d}{dt}{E}_{kin}=P_A-P_R---\left(2\right)$

其中E_kin是动能；P_A是驱动功率并且P_R是用于克服车辆的行驶阻力的功率。

动能E_kin在此是平移能量和转动能量之和。平移能量是对象由于其移动而获得的能量，并且可以通过该移动的对象的速度v和重量m来描述。转动能量是围绕轴旋转的对象的能量，并且可以通过惯性力矩J和角速度ω来描述：

$E_{kin}=\frac{1}{2}m\×v^2+\frac{1}{2}J\×{\mathrm{\ω}}^2---\left(3\right)$

为了确定车辆的重量m，将等式(3)代入等式(2)并且求解m。在此，包括载重和一个或多个乘客的总车辆重量被理解为车辆重量。

在按照本发明的用于确定车辆重量m的方法的范围内，确定车辆的速度v。此外，确定驱动功率P_A以及用于克服行驶阻力的功率P_R。根据车辆的速度v、驱动功率P_A和用于克服行驶阻力的功率P_R相应于等式(2)和等式(3)确定车辆重量m。

按照本发明的一种优选的实施方式，通过所测量的车轮转数信号n确定车辆的速度v。由此优选地对于车辆的速度v的确定可以动用存在的测量系统，因为对于另外的车辆动力学调节系统、诸如ABS调节器必然同样需要车轮转数n。基于总是由该传感器提供的数据有利的是，能够简单地确定车辆的速度v。

在本发明的另一种优选的实施方式中，如下地确定车辆的驱动功率P_A：

P_A＝(M_eng-M_fric)×ω_eng×η(4)

其中P_A是驱动功率；M_eng是发动机的驱动力矩；M_fric是发动机的摩擦力矩；ω_eng是发动机的角速度并且η是驱动系的参数化效率。

由此优选地通过由当前的发动机控制装置提供的发动机转矩模型确定驱动功率P_A。

按照本发明的另一种优选的实施方式，由各个行驶阻力总和∑F_res与车辆的速度v相乘来确定用于克服行驶阻力的功率P_R：

P_R＝(F_L+F_R+F_St)×v＝∑F_res×v(5)

可以如下地确定车辆的空气阻力F_L：

$F_L=\frac{1}{2}{c}_w\×{\mathrm{\ρ}}_{Luft}\×A\×v^2---\left(6\right)$

在此，c_w是空气阻力系数；ρ_Luft是空气密度；A是车辆的端面以及v是车辆的速度。对于空气阻力系数c_w和空气密度ρ_Luft采用合理的近似值。速度v可以根据所测量的车轮转数n来确定，并且车辆的端面A作为车辆参数被存储。

可以如下地确定车辆的滚动阻力F_R：

F_R＝μ×m×g(7)

在此，μ是滚动阻力系数；g是万有引力常数并且m是车辆的重量。对于滚动阻力系数μ和万有引力常数g又采用合理的近似值。

可以如下地确定爬坡阻力F_St：

F_St＝m×g×sinα(8)

在此，α是坡度角；g是万有引力常数并且m是车辆的重量。在平坦的行车道的情况下可以忽略爬坡阻力，从而由此优选地无需附加的传感器就可以确定用于克服行驶阻力的功率P_R。

但是在倾斜的行车道的情况下，用于克服行驶阻力的功率P_R包含极大的爬坡阻力F_St，其在计算重量m时必须被考虑。

但是如果各个行驶阻力F_L、F_R、F_St不是已知的，特别是爬坡阻力F_St不是已知的，则可以通过考察两个不同的时间点t₀、t₁来确定重量m。如果两个时间点t₀、t₁彼此尽可能接近，则行驶阻力F_L、F_R、F_St基本上相同。

因此本发明的另一种优选的实施方式在于，对于两个不同的(特别是短时相继的)时间点t₀、t₁确定车辆的速度v和车辆的驱动功率P_A。在此将两个时间点t₀、t₁的时间间隔选择为、在这两个时间点t₀、t₁的车辆的行驶阻力总和∑F_res(与在两个时间点的各个行驶阻力一样)彼此没有明显差距。

然后根据在两个时间点t₀、t₁的速度v₀、v₁和驱动功率P_A0、P_A1确定车辆重量m：

$\begin{array}{cc}{t}_0:& \frac{1}{2}m\×\frac{d}{dt}{v}_0^2=P_{A0}-\frac{d}{dt}{E}_{rot0}-\ΣF_{res}\×v0\\ t_1:& \frac{1}{2}m\×\frac{d}{dt}{v}_1^2=P_{A1}-\frac{d}{dt}{E}_{rot1}-\ΣF_{res}\×v1\end{array}---\left(9\right)$

由此可以减小未知数的数量并且通过将一个等式代入另一个等式优选地确定车辆的重量m：

$m=\frac{2\×\left(P_{A1}-\frac{d}{dt}{E}_{rot1}-\frac{v_1}{v_0}\left(P_{A0}-\frac{d}{dt}{E}_{rot1}\right)\right)}{\frac{d}{dt}{v}_1^2-\frac{v_1}{v_0}\×\frac{d}{dt}{v}_0^2}---\left(10\right)$

按照本发明的另一种优选的实施方式，利用递归估计算法确定车辆的重量m。该算法依据多个输入参量递归地计算一个或多个输出参量，其中输出参量逐步地接近最优的值。由此优选地可以从一系列不完整且有噪声的数据中估计动态系统的状态。

优选地假定在最后执行递归估计算法时确定的或估计的车辆重量的值m作为对于查找的车辆重量m的起始值。但是也可以预先给定处于各个待预计的值范围内的另外的值。

多于两次、特别是有规律地按照预定的间隔、确定车辆的速度v和驱动功率P_A并且通过递归估计算法确定车辆重量m。这优选地提高了待确定的车辆重量m的精确性。

在本发明的另一种优选的实施方式中，借助卡尔曼滤波器或借助最小二乘估计器(RLS-滤波器)执行递归估计算法。优选地，该滤波器的特征在于小的资源需求并且由此可以在计算装置中以小的计算容量实施。

按照本发明的另一种优选的实施方式，确定车辆重量的平均值以便提高估计的车辆重量m的精确性。为此中间存储所确定的重量m的值。当存在至少三个重量m的测量值时，在考虑方差的条件下确定平均值

$\hat{m}=\frac{\Σ\frac{m_i}{{\mathrm{\σ}}_i^2}}{\Σ\frac{1}{{\mathrm{\σ}}_i^2}}---\left(11\right)$

其中m_i是重量m的第i个测量值并且σ_i是与该测量值m_i对应的方差。

为了有利地识别在确定估计的重量m时的异常测量值，首先检查，所确定的重量m的一个数值与由多个、特别是三个估计值临时计算所得的平均值的差距是否超过预定的边界值。在该情况下对于进一步计算排除所述数值。也就是，例如由于行车道坡度的通常变化或基于由于在开动时拉紧驱动系造成的强烈失真的计算信号，用于车辆重量的估计的数值与实际重量差距较大。

此外按照本发明提供一种计算机程序，其具有软件代码段，具有用于在处理器上执行上述方法的指令。在此，处理器优选是在车辆的控制设备中的微处理器。

按照本发明的用于确定车辆、特别是载货车辆的重量的装置具有用于确定车辆的速度v的合适的器件、用于确定车辆的驱动功率P_A的合适的器件以及可能的用于确定克服车辆的行驶阻力的功率P_R的合适的器件。此外，按照本发明的装置具有计算器件，用于根据速度v、驱动功率P_A和可能的用于克服车辆的行驶阻力的功率P_R来确定车辆重量m。这样的装置可以是中央的或单独的控制设备或设置在用于调节行驶动力学的系统(例如ESP)或制动系统(例如EBS)中。

例如可以设置用于测量车轮转数n的测量装置作为用于确定车辆的速度v的器件。

用于确定驱动功率P_A的器件例如按照等式(4)根据发动机的驱动力矩M_eng、发动机的摩擦力矩M_fric和发动机的所测量的角速度ω_eng确定驱动功率P_A。

此外设置可能的用于确定克服行驶阻力的功率P_R的器件，其按照等式(5)考虑空气阻力、滚动阻力和爬坡阻力。

用于克服行驶阻力的功率P_R不能被确定的情况是，例如由于未知的行车道的坡度角α，则按照本发明的装置被构造为，在两个短时相继的时间点t₀、t₁确定车辆的速度v和车辆的驱动功率P_A。

按照本发明的装置的计算器件按照等式(10)确定车辆重量m，因为当两个时间点t₀、t₁尽可能接近彼此时，在两个时间点t₀、t₁的行驶阻力F_L、F_R、F_St可以被假定为近似相等。

按照本发明的一种优选的实施方式，按照本发明的计算器件被构造为，通过递归估计算法确定车辆重量m。由此优选地提高了在确定车辆重量m时的精确性，因为重量m基于递归估计算法近似于最优的数值。

在本发明的另一种优选的实施方式中，递归估计算法是最小二乘算法(RLS算法)或卡尔曼算法。

在本发明的另一种实施方式中，设置用于根据由车辆重量m的至少三个不同的测量值所确定平均值的器件，其中在形成平均值时考虑测量值的各自的方差。优选地，在此使用方差的倒数作为加权因数。

优选地为了避免通过可能存在的异常测量值歪曲平均值按照本发明的装置具有用于检查测量值与暂时确定的平均值的差距是否超过预定的边界值的器件。在确定待输出的用于车辆重量m的值的情况下优选不考虑这样识别的异常测量值。

本发明的另外的实施方式根据权利要求以及根据借助于附图详细描述的实施例给出。附图中：

图1示出了用于解释按照本发明的用于确定车辆重量的方法的框图，和

图2示出了用于解释按照本发明的平均值形成的流程图。

图1示出用于解释按照本发明的用于确定车辆重量m的方法的框图。为了执行该方法设置计算器件2，其根据多个输入参量确定车辆重量m。

对于为确定重量m所需的输入参量，提供一方面用于确定速度v的器件4以及另一方面用于确定驱动功率P_A的器件6。在此，在本发明的范围内可以使用能够确定所需的输入参量的每个措施。

与通常的用于确定车辆重量m的方法不同，该方法不是基于运动方程而是基于功率定理。本发明已知，驱动功率P_A可以简单地通过发动机转矩M_eng、M_fric在考虑发动机的角速度ω_eng的条件下借助器件6来确定。

为了确定车辆重量m在计算器件2中考虑不同的方案。如果装置具有合适的、用于确定为了克服行驶阻力的功率P_R的器件8，则将该功率P_R传送给计算器件2。但是为此必须已知车辆的各个行驶阻力F_L、F_R、F_St。

如果不是这种情况，则借助计时器10确定尽可能接近彼此的两个时间点t₀、t₁，从而行驶阻力F_L、F_R、F_St在两个时间点t₀、t₁基本上相同。也就是，如果时间点t₀、t₁足够靠近彼此，则可以假定，行驶阻力F_L、F_R、F_St在这么短的时间间隔内也基本上不改变。

计算器件2被构造为，用于根据车辆在两个时间点t₀、t₁的速度v₀、v₁和根据驱动功率P_A0、P_A1按照等式(9)确定车辆重量m。

在此，对于确定转动能量所需的、旋转的重量的惯性力矩被评估或作为车辆参数被存储。

为了减小错误计算车辆重量的次数，优选在用于确定重量m的计算器件2中应用递归估计算法11。因为例如通过有噪声的信号和/或通过快速改变的行驶阻力可以歪曲对于车辆重量m的值。递归估计算法11减小了估计错误的错误平方(Fehlerquadrat)。具有优势的是，在此，迄今的测量值在当前的估计中都被考虑，由此对于估计提供更多的信息。

本发明的实施方式在于，递归估计算法11是最小二乘算法，也称为RLS算法。该算法对于专业人员是已知的并且因此在此不详细解释。

本发明的备选的实施方式在于，递归估计算法11是卡尔曼算法。该算法对于专业人员同样是已知的并且因此在此不详细解释。

基于上述的、在用于确定车辆重量m的计算器件2中应用的递归估计算法11，由计算器件2输出的重量m已经优选地是具有高品质的测量值。

对于重量m的这种测量值被传送并存储到用于确定平均值的另外的器件12，以便减小特别是通过测量值中的异常测量值引起的、错误计算的风险。

图2示出了用于解释在图1的方框12中应用的形成平均值的流程图。开始符号经由连接支路22与询问符号24连接，其询问是否存在用于重量m的测量值。只要不存在三个用于重量m的测量值，就将否定信号26传输到方框28，方框28信号报告对关于重量m的另外的测量值的等待。从方框28出来经由连接支路32到达结束符号30并且可以重新开始该方法。

但是，如果由询问符号24识别到，存在用于重量m的三个测量值，则将肯定信号34传输到方框36，在该方框36中根据这三个测量值计算平均值。在考虑各个测量值的方差的条件下计算该平均值，方法是，使用方差的倒数作为加权因数。

为了避免在重量m的测量值中的可能存在的异常测量值歪曲待形成的平均值，将在方框36中计算的平均值经由支路38传送到询问符号40。在此检查重量m的至少一个测量值是否与在方框36中计算所得的平均值相差了一个预定的值。

如果不是这种情况，则将否定信号42传送到方框44，其中设置对于车辆重量m的待输出的值等于前面计算的平均值。然后经由支路46到达结束符号30。

但是如果由询问符号40识别到，对于重量m的至少一个测量值与平均值有差距，则将肯定信号48传送到另外的询问符号50。在此检查是否对于重量m的仅一个测量值明显与平均值有差距。

如果不是这种情况，即，多于一个测量值明显与平均值有差距，则将否定信号52传送到方框54，在该方框54中放弃对于该测量过程所得的用于重量m的测量值。然后经由支路56到达结束符号30，并且可以重新开始该方法。

针对对于重量m的仅一个测量值明显与平均值有差距的情况，从询问符号50将肯定信号58传送到方框60。然后在方框60中在考虑方差的条件下根据用于重量m的两个剩余的测量值计算新的平均值，也就是舍弃明显与前面计算的平均值有差距的测量值。

将新确定的平均值经由支路62传送到方框64，在该方框64中设置对于车辆重量m的待输出的值等于新确定的平均值。然后经由支路66到达结束符号30。

在到达结束符号30的情况下，由在图1中示出的用于确定平均值的器件12将前面确定的用于车辆重量m的待输出的值作为平均的车辆重量输出。车辆重量的这种估计值优选被提供给车辆的调节算法(Regel-Algorithmus)作为输入参量。这例如可以是ABS控制设备或EBS控制设备。但是可能地也可以考虑对于其车辆重量是有意义的另外的控制设备。

对于按照图2解释的方法的可能应用是在估计车辆重量m的情况下识别异常测量值。但是用于形成平均值的方法可以用于改善每个静态车辆参数的精确性。在此可以测量或借助合适算法估计参数。利用按照本发明的方法通过相对简单的计算步骤有利地改善车辆参数的精确性。

因为车辆重量m的计算按照本发明基于驱动功率P_A，所以优选取消对牵引力的确定。按照本发明的方法优选可以在具有常规驱动系以及四轮驱动和混合驱动的车辆中应用。

所有在上述描述中以及在权利要求中提到的特征，既可以单独也可以任意组合地与独立权利要求的特征组合。因此，本发明的公开不限于描述的或要求保护的特征组合。而是将所有在本发明的范围内有意义的特征组合视为是公开的。

附图标记列表(说明书的组成部分)

2计算器件

4用于确定速度v的器件

6用于确定驱动功率P_A的器件

8用于确定用于克服行驶阻力的功率P_R的器件

10计时器

11递归估计算法

12用于确定平均值的器件

22连接支路

24询问符号

26否定信号

28方框(等待)

30结束符号

32连接支路

34肯定信号

36方框(平均值)

38计算的平均值的支路

40询问符号(异常测量值)

42否定信号

44方框(分配)

46至结束符号的支路

48肯定信号

50询问符号

52否定信号

54方框(舍弃测量值)

56至结束符号的支路

58肯定信号

60方框(平均值)

62平均值支路

64方框(分配)

66至结束符号的支路

F_L车辆的空气阻力

F_R车辆的滚动阻力

F_St车辆的爬坡阻力

m车辆重量

重量m的平均值

M_eng发动机的驱动力矩

M_fric发动机的摩擦力矩

n车轮转数信号

P_A驱动功率

P_A0在时间点t＝0的驱动功率

P_A1在时间点t＝1的驱动功率

P_R用于克服行驶阻力的功率

t₀第一时间点

t₁第二时间点

v车辆速度

v₀在时间点t＝0的速度

v₁在时间点t＝1的速度

η驱动系的参数化效率

ω_eng发动机的角速度

Claims (15)

1.一种用于确定车辆、特别是载货车辆的重量(m)的方法，其特征在于

确定车辆的速度(v)，和

确定车辆的驱动功率(P_A)，和

根据速度(v)和驱动功率(P_A)确定车辆重量(m)。

2.根据权利要求1所述的方法，其特征在于，

确定用于克服行驶阻力的功率(P_R)，和

根据速度(v)、驱动功率(P_A)和用于克服行驶阻力的功率(P_R)确定车辆重量(m)，其中驱动功率(P_A)和用于克服行驶阻力的功率(P_R)的差相应于车辆的动能的变化。

3.根据权利要求1或2所述的方法，其特征在于，借助所测量的车轮转数信号(n)确定车辆的速度(v)。

4.根据上述权利要求中任一项所述的方法，其特征在于，如下地确定车辆的驱动功率(P_A)：

P_A＝(M_eng-M_fric)×ω_eng×η

其中P_A是驱动功率，M_eng是发动机的驱动力矩，M_fric是发动机的摩擦力矩，ω_eng是发动机的角速度并且η是驱动系的参数化效率。

5.根据上述权利要求中任一项所述的方法，其特征在于，由各个行驶阻力(F_L，P_R、F_St)的总和与车辆的速度(v)相乘来确定用于克服行驶阻力的功率(P_R)。

6.根据上述权利要求中任一项所述的方法，其特征在于，对于两个不同的时间点(t₀，t₁)确定车辆的速度(v)和对于所述两个时间点(t₀，t₁)确定车辆的驱动功率(P_A)，其中将两个时间点(t₀，t₁)的时间间隔选择为，与时间点(t₀，t₁)对应的行驶阻力(F_L，P_R、F_St)在时间点(t₀，t₁)之间没有明显差距，并且根据在两个时间点(t₀，t₁)的速度(v₀，v₁)和驱动功率(P_A0，P_A1)确定车辆重量(m)。

7.根据上述权利要求中任一项所述的方法，其特征在于，根据速度(v)和驱动功率(P_A)通过递归估计算法(11)确定车辆重量(m)。

8.根据权利要求7所述的方法，其特征在于，借助卡尔曼滤波器或借助递归的最小二乘估计器(RLS-滤波器)执行递归估计算法(11)。

9.根据上述权利要求中任一项所述的方法，其特征在于，根据对于车辆重量(m)的至少三个测量值形成平均值其中在考虑对于车辆重量(m)的各个测量值的方差的条件下进行平均值的计算。

10.一种用于确定车辆、特别是载货车辆的重量(m)的装置，其特征在于，

用于确定车辆的速度(v)的器件(4)，

用于确定车辆的驱动功率(P_A)的器件(6)，和

器件用于根据速度(v)和驱动功率(P_A)确定重量(m)的计算器件(2)。

11.根据权利要求10所述的装置，其特征在于，用于确定克服行驶阻力的功率(P_R)的器件(8)和

计算器件(2)被构造为，用于根据速度(v)、驱动功率(P_A)和用于克服行驶阻力的功率(P_R)确定重量(m)。

12.根据权利要求10至11中任一项所述的装置，其特征在于计算器件(2)被构造为，能够通过递归估计算法(11)确定车辆重量(m)。

13.根据权利要求12所述的装置，其特征在于，所述递归估计算法(11)是最小二乘算法或卡尔曼算法。

14.根据权利要求10至13中任一项所述的装置，其特征在于用于根据车辆重量(m)的至少三个不同的测量值确定平均值的器件(12)，其中分别考虑测量值的方差。

15.一种车辆、特别是载货车辆，其特征在于

根据权利要求10至14中任一项所述的用于确定车辆重量(m)的装置和/或

用于执行根据权利要求1至9中任一项所述的方法的步骤的器件的装置。