CN106926845B - 一种车辆状态参数的动态估计方法 - Google Patents
一种车辆状态参数的动态估计方法 Download PDFInfo
- Publication number
- CN106926845B CN106926845B CN201710121586.0A CN201710121586A CN106926845B CN 106926845 B CN106926845 B CN 106926845B CN 201710121586 A CN201710121586 A CN 201710121586A CN 106926845 B CN106926845 B CN 106926845B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- value
- kth
- time
- dynamic mass
- 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
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
- B60W40/10—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 vehicle motion
- B60W40/105—Speed
-
- 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
- B60W40/02—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 ambient conditions
- B60W40/06—Road conditions
- B60W40/076—Slope angle of the road
-
- 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
Abstract
本发明公开了一种车辆状态参数的动态估计方法,包括以下步骤:在设定的采样周期内采集由车辆CAN总线提供的轮速信息和驱动装置的输出扭矩信息,并对采集的信息进行预处理;基于采集的轮速信息和输出扭矩信息来估计车辆的整车动态质量;基于估计的整车动态质量来估计道路坡度。本发明的车辆状态参数的动态估计方法整个以车载CAN总线信息为信息来源,无需加速度计或GPS等,降低硬件成本。信号来源于CAN总线,对车辆工况状态、外部干扰不敏感,系统环境适应性好,估计效果好,具有良好的可用性。
Description
技术领域
本发明涉及一种车辆状态参数的动态估计方法,具体涉及一种以电机作为动力源的电动汽车的状态参数的动态估计方法。
背景技术
准确的整车状态参数(整车质量信息及道路坡度信息)对于提高广泛应用于车辆控制系统中的一些智能子系统的控制效果有重要意义。这些智能子系统可以是:上坡辅助系统、主动紧急制动系统、ESP系统等。整车状态参数还可用于对路面附着系数的估计、估计剩余行驶里程等方面。
专利文献1(申请号:201210071906.3)公开了一种车载道路坡度的检测方法及装置,其利用车载车速传感器实时检测车速信息,通过卡尔曼滤波器估计车速Vk;通过数字微分计算车辆加速度a=Vk/dt;利用车载加速度传感器实时检测车辆加速度asenser;MCU运算单元计算道路坡度θ=arcsin{(a-asenser)/g};MCU单元通过CAN总线输出道路坡道值。
专利文献2(申请号:200510100119.7)公开了一种汽车质量估计方法,其根据GPS信号估计坡度,获得陀螺仪及加速度信号,结合坡度模块信号计算车辆速度及加速度。质量中心模块根据坡度模块和速度、加速度模块信息估算整车质量。
然而,上述专利文献1和2公开的方法在估计车辆状态参数时依赖车载加速度计或车载GPS,需要付出较高的硬件成本。当路况复杂时,信号噪声对估计结果影响较大。
发明内容
针对上述技术问题,本发明旨在提供一种车辆状态参数估计方法,该方法不会提高车辆硬件成本(如加速度传感器),对车辆状态变化有良好的适应性,
具有较高的估计精度。
本发明采用的技术方案如下:
本发明的实施例提供一种车辆状态参数的动态估计方法,包括以下步骤:
S1:在设定的采样周期内采集由车辆CAN总线网络提供的轮速信息和驱动装置的输出扭矩信息,并对采集的信息进行预处理;
S2:基于采集的轮速信息和输出扭矩信息,通过下述公式(1)来估计车辆的整车动态质量:
其中,λ为常数,其取值范围:0<λ<1;k为采样次数;P(k-1)为协方差矩阵,其初值设为P(0)=10-4*I,I为单位矩阵;表示第k次采样时估计的整车动态质量,表示第k-1次采样时估计的整车动态质量,ΔFx(k)表示第k次采样和第k-1次采样时的纵向驱动力之差,表示第k次采样和第k-1次采样时的加速度值之差,
S3:基于步骤S2中估计的整车动态质量,通过下述公式(2)来估计道路坡度:
其中,md(k-1)表示第k-1次采样时采集的整车动态质量估计值,和分别表示第k次和第k-1次采样时的车速估计值,vx(k-1)表示第k-1次采样时的车速采样值,Fd(k-1)表示第k-1次采样时的驱动力采样值,和分别表示第k次和第k-1次采样时的道路坡度值,k1、k2为常数。
可选地,步骤S2具体包括:
S201:将第k次采集的轮速和输出扭矩与预先设定的车速阈值和输出扭矩阈值进行比较,如果采集的轮速大于预先设定的车速阈值并且采集的输出扭矩小于预先设定的输出扭矩阈值,则执行下述步骤S202,否则返回步骤S1;
S202:基于第k次所采集的轮速信息和输出扭矩信息,通过上述公式(1)来估计车辆的整车动态质量。
可选地,步骤S3具体包括:
S300:判断步骤S2中的第k次估计的整车动态质量在预设时间内是否符合收敛条件,如果符合,则执行下述步骤S301,否则,返回步骤S202;如果估计整车动态质量的估算时间达到预设时间且整车动态质量估计值不符合收敛条件,则执行下述步骤S302;
S301:将在第k次估计的整车动态质量作为输出参数,并进入下述步骤S303;
S302:将在第k-1次估计的整车动态质量估计值作为输出参数,并进入下述步骤S303;
S303:判断作为输出参数的整车动态质量估计值是否符合预设要求,如果符合,则执行下述步骤S304;否则,则执行下述步骤S305;
S304:采集作为输出参数的整车动态质量估计值作为计算道路坡度的参数值,并进入下述步骤S306;
S305:采集整车质量预设值作为计算道路坡度的参数值,并进入下述步骤S306;
S306:判断当前采集的车速信息是否符合计算道路坡度的条件,如果符合,则执行下述步骤S307;否则,则执行下述步骤S308;
S307:基于车速信息和作为计算道路坡度的参数值的整车动态质量信息,利用上述公式(2)来估计道路坡度,并输出该估计的道路坡度值;
S308:从预置坡度表中选择相对应的道路坡度值进行输出。
可选地,所述采样周期为车辆总线网络提供的所需信号的更新周期。
与现有技术相比,本发明提供的车辆状态参数的动态估计方法至少具有以下优点:本发明的车辆状态参数的动态估计方法以车载CAN总线信息为信息来源,无需加速度计或GPS等,从而能能够降低硬件成本。估计过程中所使用的信号来源于CAN总线,对车辆工况状态、外部干扰不敏感,系统环境适应性好,估计效果好,具有良好的可用性。
附图说明
图1为本发明的车辆状态参数的动态估计方法的流程图。
图2和图3为利用本发明的车辆状态参数的动态估计方法得到的不同车型的循环整车质量估计结果的示意图。
图4和图5为利用本发明的车辆状态参数的动态估计方法得到的不同车型的循环道路坡度估计结果的示意图
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚,下面将结合附图及具体实施例进行详细描述。
图1为本发明的车辆状态参数的动态估计方法的流程图。如图1所示,本发明的车辆状态参数的动态估计方法主要包括整车质量估计和道路坡度估计两部分。在对本发明的车辆状态参数的动态估计方法进行介绍之前,先对本发明所使用的用于估计整车质量和道路坡度的公式进行介绍。
首先,为估计车辆的整车动态质量,可建立如下式(1)所示的车辆动力学方程。
式中,Fx为纵向驱动力;md为整车动态质量;为车辆加速度;Cd为车辆风阻系数;A为车辆迎风面积;vx为车辆纵向速度;m为整车静态质量;g为重力加速度;θ为道路坡度;f为车轮滚动阻力系数;ρ为空气密度。
分析上述式(1)中各参数可知,在车辆起步加速过程中,坡度阻力、滚动阻力、空气阻力可近似为常量。对上(1)式两端求微分并用采样信号的差分代替微分可得到反映驱动力Fx与车辆纵向加速度线性关系的式(2)。
根据式(2)就可计算整车动态质量md(k)。当直接利用式2计算整车动态质量时估计结果受信号噪声影响较大,因此,对式(2)采用加权递推最小二乘法(WRLS)进行处理。
令ΔFx(k)=z(k),md(k)=θ(k),则整车动态质量的加权递推最小二乘法如式(3)、(4)、(5)所示。
K(k)=P(k-1)h(k)[h′(k)P(k-1)h(k)+λ]-1 (4)
将上述式(3)至(5)进行整理可得到整车动态质量的计算模型,如下式(6)所示:
其中,λ为常数,其取值范围:0<λ<1,具体值可根据仿真结果来进行确定,以保证车辆质量变化时,质量估计结果迅速收敛到真实值附近,一般为0.9至1之间;k为采样次数,具体的采样次数可根据计算的整车动态质量的收敛结果来进行确定,一般需要采样几百次;P(k-1)为协方差矩阵,其初值设为P(0)=10-4*I,I为单位矩阵;表示第k次采样时估计的整车动态质量,表示第k-1次采样时估计的整车动态质量,ΔFx(k)表示第k次采样和第k-1次采样的纵向驱动力之差,表示第k次采样和第k-1次采样的加速度值之差。
根据上述加权递推最小二乘法估计整车质量时,要接合车辆行驶工况设定计算的触发条件及计算截止条件,从而得到理想的整车质量估计结果,随后将进行具体介绍。
其次,在进行道路坡度的估计时,利用线性全维状态观测器来采集驱动力、车速和整车质量信号来计算道路坡度,即本发明的道路坡度的估算模型可如下所述。
采用线性观测器时,需将上式(1)线性化。由于道路坡度较小(四级公路〈9%),因此可设sinθ≈θ,cosθ≈1,将与坡度阻力无关的阻力项与纵向驱动力Fx合并,得到方程(7)。
式中:Fd=Fx-Ff-Fw;Ff为滚动阻力;Fw为空气阻力。
将式(7)改写为线性状态空间方程(8)的形式,状态向量x包括vx和θ,输入u为合力Fd。
可得:
将以上两式与式(8)比较可知D=0。因此,系统观测矩阵QB如式(13)所示。
将矩阵C及A代入式(13)得下式
由式(14)计算得det(QB)=-g≠0,可知QB各行线性独立,式(11)所示状态方程具有能观性,可用极点配置方法设计观测器。
状态观测器闭环系统的特征多项式为
其中s为系统极点,I为单位矩阵,K表示由参数k1和k2组成的矩阵。
记系统特征值为λ1和λ2,则上式又可表示为
s2+sk1-gk2=(s-λ1)(s-λ2)=s2-s(λ1+λ2)-λ1λ2
(16)
比较式(16)等号两端的对应系数,求得K矩阵的元素如下
k1=-λ1-λ2,k2=-λ1λ2/g (17)
系统特征值λ1,λ2要在保证系统稳定的前提下根据仿真结果试凑,进而得到理想的K矩阵,在正常车辆运行工况下,观测结果稳定且跟随道路状况变化及时,滞后小,则意味着得到了理想的K矩阵。一般,系统特征值λ1,λ2的取值在[-10,10]之间可得到理想的K矩阵。
在将状态观测器应用于实时系统时,需要将式(11)进行离散化,设系统采样周期为车辆CAN网络车速更新周期T。离散的状态观测器闭环系统状态方程如下式(18)所示,即可利用下述公式(18)来对本发明的车辆道路坡度进行实时估计。
其中,md(k-1)表示第k-1次采样时采集的整车动态质量估计值,md(k-1)的具体取值基于计算的整车动态质量的来进行确定,如果计算的整车动态质量符合对象车辆所规定的质量要求,则利用计算的整车动态质量来进行计算,如果不符合则利用整车质量预设值来进行计算;和分别表示第k次和第k-1次采样时的车速估计值,在输入各输入参数后,利用公式(18)得到;vx(k-1)表示第k-1次采样时的车速采样值,可通过CAN总线网络提供;Fd(k-1)表示第k-1次采样时的驱动力采样值,通过CAN总线网络提供的驱动装置的输出扭矩来获得;和分别表示第k次和第k-1次采样时的道路坡度值,在输入各输入参数后,利用公式(18)得到;k1、k2为常数,一般为小于10的数值。这样,只要输入驱动力、车速、整车动态质量、采样周期T、k1和k2(采样周期T、k1和k2为常数)就可根据上述公式(18)得到相应地车辆道路坡度值。
以下,结合上述描述对本发明的车辆状态参数的动态估计方法进行详细介绍。
如图1所示,本发明的实施例提供的一种车辆状态参数的动态估计方法,可包括以下步骤:
S1:在设定的采样周期内采集由车辆CAN总线网络提供的轮速信息和驱动装置的输出扭矩信息,并对采集的信息进行预处理。在本发明中,采样周期可采用车辆CAN总线网络提供的所需信号的更新周期T,但并不局限于此,采样周期也可为不高于车辆CAN总线网络提供的所需信号的更新周期T,从而充分利用现有资源,在实现算法功能的同时不增加硬件成本。可利用常规的带通滤波器对采集的信息进行滤波处理,以消除信号噪声,采集的信息随着采样时间而实时动态变化,驱动装置可为电机或内燃机。
S2:基于采集的轮速信息和输出扭矩信息,通过下述公式(I)来估计车辆的整车动态质量:
具体地,步骤S2可包括:
S201:将第k次采集的轮速和输出扭矩与预先设定的车速阈值和输出扭矩阈值进行比较,如果采集的轮速大于预先设定的车速阈值并且采集的输出扭矩小于预先设定的输出扭矩阈值,则执行下述步骤S202,否则返回步骤S1;预先设定的车速阈值和预先设定的输出扭矩阈值可根据不同车型和不同工况来进行确定。即,在估计整车动态质量时,启动估计算法的触发条件是采集的轮速信息大于预先设定的车速阈值并且采集的输出扭矩信息小于预先设定的输出扭矩阈值。在利用上述公式(I)对整车动态质量进行估计时,整车质量初始值可以设定为整车整备质量、整车满载质量或上述二者之间的任意值,例如对于一般的乘用车,整车质量初始值可设置为1.5吨。
S202:基于第k次所采集的轮速信息和输出扭矩信息,通过上述公式(I)来估计车辆的整车动态质量。整车动态质量的估计可在包含能够进行整车动态质量估计的控制程序的质量估计模块中进行估计。
S3:基于步骤S2中估计的整车动态质量,通过下述公式(II)来估计道路坡度:
具体地,步骤S3可包括:
S300:判断步骤S2中的第k次估计的整车动态质量在预设时间内是否符合收敛条件,如果符合,则执行下述步骤S301,否则,返回步骤S202;即在每次计算时,都会对计算的整车动态质量的收敛状态进行判断,如果符合收敛条件,则停止本次计算,如果不符合,则继续计算。如果估计整车动态质量的估算时间达到预设时间且整车动态质量估计值不符合收敛条件,则执行下述步骤S302;即如果本次计算整车动态质量的时间达到预设时间且计算的整车动态质量估计值不符合收敛条件,则将不输出本次计算结果,但为了进行下一步的道路坡度估计,输出上一次的整车动态质量估计值。整车动态质量在预设时间内符合收敛条件是指质量估计值过程在设定的时间内趋于稳定,即第k次计算值与第k-1次计算值之差小于预设值,比如20kg,此条件也是估计整车动态质量的截止条件,即满足收敛条件,则可停止估算整车动态质量。
S301:将在第k次估计的整车动态质量作为输出参数,并进入下述步骤S303。即在本次计算的整车动态质量满足收敛条件的情况下,将本次计算的整车动态质量估计值作为输出参数,以便进行后续的计算。
S302:将在第k-1次估计的整车动态质量估计值作为输出参数,并进入下述步骤S303。即将不输出本次计算的整车动态质量估计值而输出上一次计算的整车动态质量估计值作为后续计算道路坡度的依据。
S303:判断作为输出参数的整车动态质量估计值是否符合预设要求,如果符合,则执行下述步骤S304;否则,则执行下述步骤S305;在本发明中,由于计算对象是已知的,比如某某型号纯电动乘用车,整车整备质量1.5吨,它的质量变化范围应该在1到2吨之间,因此,如果计算的整车动态质量估计值在上述数值之间,就可认为是符合要求的,预设要求可根据具体的车辆型号来进行确定。
S304:采集作为输出参数的整车动态质量估计值作为计算道路坡度的参数值,并进入下述步骤S306。在输出的整车动态质量估计值符合预设要求的情况下,采集该输出的整车动态质量估计值作为后续计算道路坡度的参数值。
S305:采集整车质量预设值作为计算道路坡度的参数值,并进入下述步骤S306;在输出的整车动态质量估计值不符合预设要求的情况下,则采用整车质量预设值作为后续计算道路坡度的参数值,整车质量预设值可根据具体的车辆型号来进行确定,一般乘用车的整车质量预设值可在1到2吨之间。
S306:判断采集的车速信息是否符合计算道路坡度的条件,如果符合,则执行下述步骤S307;否则,则执行下述步骤S308。由于在车辆行驶过程中,车速会不断变化,因此在计算道路坡度时,需要对本次计算时的车速进行判断,只有在车辆处于运动状态下才进行计算,因此,计算道路坡度时车速要大于一定的车速阈值,例如大于0.2m/s,具体的车速阈值需根据车型来进行确定。
S307:基于车速信息和作为计算道路坡度的参数值的整车动态质量信息,利用上述公式(II)来估计道路坡度,并输出该估计的道路坡度值,以作为道路坡度的实时观测值。在车速符合计算条件后,则输入通过CAN总线网络提供的驱动装置的输出扭矩、采集的车速、作为计算道路坡度的参数值的整车动态质量估计值、采样周期T、k1和k2等代入上述公式(II),就可以估计出车辆当前的道路坡度值。
S308:从预置坡度表中选择相对应的道路坡度值进行输出。当给定不同的驱动力时,车辆在不同加速度下能爬上的最大坡度是确定的,这三者之间的关系可以事先计算形成表格,即形成预置坡度表。当车速不满足计算条件而无法实时计算道路坡度时,可采用预置坡度表中的静态计算结果作为输出量。
本发明对道路坡度的估计在每次车辆停止后起步时会重新开始计算,因此能够实时地知道车辆道路坡度。
【实施例】
分别设定仿真工况为NEDC循环及FTP-75循环,验证本发明的车辆状态参数的动态估计方法。利用本发明的车辆状态参数的动态估计方法得到的循环整车质量估计结果如图2和图3所示,得到的循环道路坡度估计结果如图4和图5所示。
参考图2至图5的仿真结果可知,整车动态质量估计及道路坡度估计算法达到较高的准确度,具有良好的工况适应性,稳定性,实时性,完全满足实际工程需要。
综上可知,本发明的车辆状态参数的动态估计方法整个以车载CAN总线信息为信息来源,无需加速度计或GPS等,降低硬件成本。信号来源于CAN总线,对车辆工况状态、外部干扰不敏感,系统环境适应性好,估计效果好,具有良好的可用性。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明所述原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (4)
1.一种车辆状态参数的动态估计方法,其特征在于,包括以下步骤:
S1:在设定的采样周期内采集由车辆CAN总线网络提供的轮速信息和驱动装置的输出扭矩信息,并对采集的信息进行预处理;
S2:基于采集的轮速信息和输出扭矩信息,通过下述公式(1)来估计车辆的整车动态质量:
其中,λ为常数,其取值范围:0<λ<1;k为采样次数;P(k-1)为协方差矩阵,其初值设为P(0)=10-4*I,I为单位矩阵;表示第k次采样时估计的整车动态质量,表示第k-1次采样时估计的整车动态质量,ΔFx(k)表示第k次采样和第k-1次采样时的纵向驱动力之差,表示第k次采样和第k-1次采样时的加速度值之差,
S3:基于步骤S2中估计的整车动态质量,通过下述公式(2)来估计道路坡度:
其中,md(k-1)表示第k-1次采样时采集的整车动态质量估计值,和分别表示第k次和第k-1次采样时的车速估计值,vx(k-1)表示第k-1次采样时的车速采样值,Fd(k-1)表示第k-1次采样时的驱动力采样值,和分别表示第k次和第k-1次采样时的道路坡度值,k1、k2为常数,T表示采样周期,g为重力加速度。
2.根据权利要求1所述的车辆状态参数的动态估计方法,其特征在于,步骤S2具体包括:
S201:将第k次采集的轮速和输出扭矩与预先设定的车速阈值和输出扭矩阈值进行比较,如果采集的轮速大于预先设定的车速阈值并且采集的输出扭矩小于预先设定的输出扭矩阈值,则执行下述步骤S202,否则返回步骤S1;
S202:基于第k次所采集的轮速信息和输出扭矩信息,通过上述公式(1)来估计车辆的整车动态质量。
3.根据权利要求2所述的车辆状态参数的动态估计方法,其特征在于,步骤S3具体包括:
S300:判断步骤S2中的第k次估计的整车动态质量在预设时间内是否符合收敛条件,如果符合,则执行下述步骤S301,否则,返回步骤S202;如果估计整车动态质量的估算时间达到预设时间且整车动态质量估计值不符合收敛条件,则执行下述步骤S302;
S301:将在第k次估计的整车动态质量作为输出参数,并进入下述步骤S303;
S302:将在第k-1次估计的整车动态质量估计值作为输出参数,并进入下述步骤S303;
S303:判断作为输出参数的整车动态质量估计值是否符合预设要求,如果符合,则执行下述步骤S304;否则,则执行下述步骤S305;
S304:采集作为输出参数的整车动态质量估计值作为计算道路坡度的参数值,并进入下述步骤S306;
S305:采集整车质量预设值作为计算道路坡度的参数值,并进入下述步骤S306;
S306:判断当前采集的车速信息是否符合计算道路坡度的条件,如果符合,则执行下述步骤S307;否则,则执行下述步骤S308;
S307:基于车速信息和作为计算道路坡度的参数值的整车动态质量信息,利用上述公式(2)来估计道路坡度,并输出该估计的道路坡度值;
S308:从预置坡度表中选择相对应的道路坡度值进行输出。
4.根据权利要求1所述的车辆状态参数的动态估计方法,其特征在于,所述采样周期为车辆总线网络提供的所需信号的更新周期。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710121586.0A CN106926845B (zh) | 2017-03-02 | 2017-03-02 | 一种车辆状态参数的动态估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710121586.0A CN106926845B (zh) | 2017-03-02 | 2017-03-02 | 一种车辆状态参数的动态估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106926845A CN106926845A (zh) | 2017-07-07 |
CN106926845B true CN106926845B (zh) | 2019-02-12 |
Family
ID=59423742
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710121586.0A Active CN106926845B (zh) | 2017-03-02 | 2017-03-02 | 一种车辆状态参数的动态估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106926845B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7095278B2 (ja) * | 2017-12-26 | 2022-07-05 | いすゞ自動車株式会社 | 車両重量推定装置及び車両重量推定方法 |
CN108437998B (zh) * | 2018-01-09 | 2019-09-13 | 南京理工大学 | 基于纵向动力学的纯电动汽车坡度识别方法 |
CN108394415B (zh) * | 2018-02-01 | 2019-10-29 | 中国第一汽车股份有限公司 | 一种车辆质量的估计方法和系统 |
CN108896149A (zh) * | 2018-03-26 | 2018-11-27 | 北汽福田汽车股份有限公司 | 车辆称重方法及车辆 |
CN108944935A (zh) * | 2018-05-31 | 2018-12-07 | 重庆大学 | 一种考虑参数耦合关系的汽车质量和道路坡度估计方法 |
CN109094565B (zh) * | 2018-07-17 | 2020-07-28 | 同济大学 | 一种功率分流系统模式切换过程制动器锁止力矩估计方法 |
CN109808507B (zh) * | 2018-12-31 | 2022-04-29 | 河南嘉晨智能控制股份有限公司 | 一种适用于电动叉车的驻坡溜坡综合控制系统 |
CN110780091A (zh) * | 2019-07-31 | 2020-02-11 | 中国第一汽车股份有限公司 | 一种车辆加速度的获取方法 |
CN112596509A (zh) * | 2019-09-17 | 2021-04-02 | 广州汽车集团股份有限公司 | 车辆控制方法、装置、计算机设备及计算机可读存储介质 |
CN112896164B (zh) * | 2021-02-05 | 2022-05-10 | 北京理工大学 | 一种基于车重及坡度自适应的车辆制动方法、装置及介质 |
CN113264056A (zh) * | 2021-05-25 | 2021-08-17 | 三一汽车制造有限公司 | 车重估算方法、装置、车辆和可读存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3755464B2 (ja) * | 2002-01-11 | 2006-03-15 | トヨタ自動車株式会社 | 駐車支援装置 |
CN100559151C (zh) * | 2006-06-20 | 2009-11-11 | 通用汽车环球科技运作公司 | 混合的道路坡度确定系统 |
US8224549B2 (en) * | 2009-09-17 | 2012-07-17 | GM Global Technology Operations LLC | Method and system for controlling vehicle functions in response to at least one of grade, trailering, and heavy load |
EP2537727B1 (en) * | 2011-06-22 | 2015-03-11 | Volvo Car Corporation | Method for estimating a speed profile for a vehicle |
CN104457937B (zh) * | 2014-10-11 | 2017-01-18 | 中国第一汽车股份有限公司 | 计算车辆总质量的方法及节油控制方法 |
-
2017
- 2017-03-02 CN CN201710121586.0A patent/CN106926845B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN106926845A (zh) | 2017-07-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106926845B (zh) | 一种车辆状态参数的动态估计方法 | |
Manzoni et al. | Driving style estimation via inertial measurements | |
US9725093B2 (en) | Vehicle controls including dynamic vehicle mass and road grade estimation during vehicle operation | |
CN103661393B (zh) | 运动学道路坡度估计 | |
CN105667521B (zh) | 一种用于计算车辆总质量的方法以及系统 | |
EP2536611B1 (en) | A motor-vehicle driving style estimating system and method | |
US9988057B2 (en) | Method and device for determining the mass of a motor vehicle, and a motor vehicle with a device of this type | |
CN104554271B (zh) | 一种基于参数估计误差的路面坡度和汽车状态参数联合估计方法 | |
CN103661394A (zh) | 道路坡度估计仲裁 | |
CN102486400A (zh) | 车辆质量辨识方法和装置 | |
DE112012005806T5 (de) | Verzögerungsfaktorschätzvorrichtung und Fahrunterstützungsvorrichtung. | |
CN108320508A (zh) | 一种基于出行计划预测未来交通拥堵状况方法及其系统 | |
CN103661384A (zh) | 用于停止/起动车辆的起步准备的动态滤波 | |
CN110696835B (zh) | 一种车辆危险行驶行为的自动预警方法及自动预警系统 | |
CN110231181A (zh) | 一种基于振动测试信息的车辆物理参数估计方法 | |
CN108304594A (zh) | 一种基于速度与陀螺仪数据的汽车驾驶稳定性的判定方法 | |
CN109872415A (zh) | 一种基于神经网络的车速估计方法及系统 | |
Derbel | Driving style assessment based on the GPS data and fuzzy inference systems | |
CN107103185A (zh) | 基于灰色预测模型的智能车辆主动避撞方法 | |
CN103310637B (zh) | 基于车载数据的公交车速度获取装置及方法 | |
CN102975720A (zh) | 车辆纵向车速测算装置、方法及使用该装置的车辆 | |
CN110126815B (zh) | 用于协助交通工具的驾驶控制的方法、装置、设备和介质 | |
CN109190153A (zh) | 一种能耗计算方法及其系统 | |
GB2535774A (en) | Vehicle mass estimation | |
CN110126760B (zh) | 用于交通工具的驾驶控制的方法、装置、设备和介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |