CN107247824A - 考虑刹车和转弯影响的汽车质量‑道路坡度联合估计方法 - Google Patents
考虑刹车和转弯影响的汽车质量‑道路坡度联合估计方法 Download PDFInfo
- Publication number
- CN107247824A CN107247824A CN201710368329.7A CN201710368329A CN107247824A CN 107247824 A CN107247824 A CN 107247824A CN 201710368329 A CN201710368329 A CN 201710368329A CN 107247824 A CN107247824 A CN 107247824A
- Authority
- CN
- China
- Prior art keywords
- model
- vehicle
- road grade
- car mass
- estimation
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Computing Systems (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
- Regulating Braking Force (AREA)
Abstract
本发明公开了一种考虑刹车和转弯影响的汽车质量‑道路坡度联合估计方法,包括如下步骤:步骤1:采集数据:步骤11:利用数据采集装置获取车辆行驶状态数据;步骤12:结合车辆行驶状态数据和车辆固有参数,计算模型所需相关参数;步骤2:基于车辆动力学模型建立汽车质量、道路坡度与车辆行驶状态数据的关系模型;步骤3:分别基于汽车质量、道路坡度与车辆行驶状态数据的关系模型,构建最小二乘质量估计模型和卡尔曼滤波坡度估计模型;步骤4:采用嵌套循环迭代进行汽车质量和道路坡度联合估计;步骤5:采用状态保持的方式消除刹车和转弯的影响。其考虑了实车驾驶过程中刹车和转弯的影响,实现了汽车质量和道路坡度的实时动态联合估计。
Description
技术领域
本发明涉及一种基于最小二乘和卡尔曼滤波的汽车质量和道路坡度的联合估计方法,其考虑了实车驾驶过程中刹车和转弯的影响,实现了汽车质量和道路坡度的实时动态联合估计。
背景技术
车辆动力学模型参数的实时估计是车辆控制的基础,而汽车质量和道路坡度是车辆动力学模型中的重要参数,准确实时的估计汽车质量和道路坡度可以有效提高车辆动力性和经济性。根据汽车质量在线调整换挡控制策略不仅能够使自动换挡过程中车辆运行更加顺畅,而且还能够得到更为经济的换挡控制策略。基于道路坡度、速度和加速度等信息可以计算出车辆功率系数,由此估计克服空气阻力和滚动阻力所需的发动机功率,从而实现排放控制。但车辆在实际驾驶过程中会经常出现刹车和转弯操作,严重影响实际驾驶过程中对汽车质量和道路坡度的感知精度。因此,探索一种考虑刹车和转弯影响的汽车质量和道路坡度的联合估计方法对于提高汽车动力性和燃油经济性具有重要意义。
目前对于汽车质量和道路坡度的获取方法可以分为两类,一类是基于传感器的方法,一类是基于车辆纵向动力学模型的方法。基于传感器的方法是通过在车辆上加装额外的传感器,例如单摆式角位移传感器、惯性导航仪等来直接测出坡度角,再进一步计算车重。例如收集通过加装加速度传感器或者GPS全球定位系统等获取的坡度信号,先计算得到道路的坡道角,然后再基于车辆纵向动力学得到车辆的质量。这种方法比较适用于静态条件下如车辆起步时的坡度检测,在常规车辆行驶过程中,受车身纵向加速度、悬架变形和路面颠簸的影响,传感器不能得到路面坡度的正确值,且这些方法对GPS信号的品质要求比较高,在使用低成本的GPS的情况下难以达到很好的效果。基于车辆纵向动力学或者运动学的识别方法利用车辆的纵向动力学模型加上从汽车CAN总线上获取的数据(例如发动机扭矩百分比、发动机转速、车速、挡位等信号)来估算未知的系统参数。虽然这方面的方法有很多,但是一个共同的难题在于车辆自身参数(重量等)和外部阻力(坡度)变化的解耦,此外,道路的时变性也增加了估算过程的复杂性。实际驾驶过程中刹车和转弯带来的制动力和横向动力会影响汽车纵向动力学模型,而现有方法没有考虑实际驾驶过程中刹车和转弯对参数估计的影响,这在实际应用中会大大降低汽车质量和道路坡度的估计精度。
发明内容
有鉴于此,为了解决现有技术中存在的不足,本发明的目的在于提供一种考虑刹车和转弯影响的汽车质量-道路坡度联合估计方法,其考虑了实车驾驶过程中刹车和转弯的影响,实现了汽车质量和道路坡度的实时动态联合估计。
为达到上述目的,本发明提供如下技术方案:
一种考虑刹车和转弯影响的汽车质量-道路坡度联合估计方法,包括如下步骤:
步骤1:采集数据
步骤11:利用数据采集装置获取车辆行驶状态数据;
步骤12:结合车辆行驶状态数据和车辆固有参数,计算模型所需相关参数;
步骤2:基于车辆动力学模型建立汽车质量、道路坡度与车辆行驶状态数据的关系模型;
步骤3:分别基于汽车质量、道路坡度与车辆行驶状态数据的关系模型,构建最小二乘质量估计模型和卡尔曼滤波坡度估计模型;
步骤4:采用嵌套循环迭代进行汽车质量和道路坡度联合估计;
步骤5:采用状态保持的方式消除刹车和转弯的影响。
进一步,所述步骤11中,车辆行驶状态数据包括转矩T、车速v、发动机转速n;
所述步骤12中,车辆固有参数包括轮胎滚动半径r、主减速器传动比i0、道路滚动阻力系数f、传动系机械效率η、车辆空气阻力系数Cd、车辆正向迎风面积A;
模型所需相关参数包括加速度a和变速器传动比ig;
其中,加速度a可由速度v对时间差分获得,第k时刻的加速度表示为:
Δt为数据采集装置的采样周期;
变速器传动比ig的计算方法为:
进一步,车辆纵向动力学模型为:
得到汽车质量、道路坡度与车辆行驶状态数据的关系模型;
其中,Ft为车辆驱动力,Ff为滚动阻力,Fi为坡度阻力,Fv为空气阻力;m 为汽车质量、io为变速器传动比,ig是传速器传动比,η为机械效率,fr为滚动阻力,ρ是空气密度、CD是空气阻力系数;i为道路坡度;σ为旋转质量换算系数。
进一步,所述步骤3包括如下步骤:
步骤31:将汽车纵向动力学模型转化成最小二乘辨识形式,得到汽车质量的最小二乘辨识模型;
步骤32:将汽车纵向动力学模型离散化,改写为状态空间方程形式,基于状态空间方程建立卡尔曼滤波坡度估计模型。
进一步,所述步骤31中,将坡度看作已知参数,单独对汽车质量进行最小二乘辨识,根据汽车动力学模型,将车辆纵向动力学模型转化成如下最小二乘形式:
步骤31-a:建立带遗忘因子的最小二乘辨识模型
设系统的输入输出关系可以描述成如下的最小二乘形式:
z(k)=hT(k)θ+n(k)
其中,z(k)是系统的输出,h(k)是可观测数据向量,n(k)为白噪声,θ为待估计参数,定义准则函数为:
其中Λ(i)为加权函数,λ分别为模型待估参数θ对应的遗忘因子;
利用序列{z(k)}和{h(k)},极小化准则函数,即对θ求导,可求得参数θ的最小二乘估计值第k时刻的参数估计值可以表示为:
将上述估计结果转化为递推形式,得到带多遗忘因子的最小二乘递推估计模型如下:
其中:
步骤31-b:建立带遗忘因子的最小二乘递推质量估计模型
将车辆纵向动力学模型最小二乘形式应用于最小二乘递推估计模型,则有:
将上式带入最小二乘递推质量估计模型可得带多遗忘因子的最小二乘质量估计模型的递推形式为:
其中,λ分别为两个待估计参数m对应的遗忘因子,取值范围为[0,1)。
进一步,所述步骤32中,常规下状态空间描述的表达式为:
其中是指状态变量,u∈R是系统输入,y∈Rm是系统输出,而 A∈Rn×n,B∈Rn,C∈Rm×n表示系统参数矩阵;
假设道路坡度没有发生突变,则状态方程可以描述为:
为了实现道路坡度的实时递推估计,将状态方程离散化,则:
得到车辆最后实现离散状态空间描述
其中,
H(k)=[10]
在以上式子中,w(k)和v(k)分别为测量噪声和状态噪声,其相对应的噪声协方差分别为R(k)和Q(k)。R(k)为系统测量噪声协方差、Q(k)为系统状态噪声协方差、 s(k)为k时刻汽车行驶距离。
进一步,所述步骤4中,选取合理的估计步长,保证坡度估计在每一步内的收敛性,从而保证联合估计的收敛性;再采用中值滤波法对当前步的坡度估计结果进行滤波处理,将滤波后的坡度估计结果带入最小二乘质量估计模型中,估计出当前步的质量,将其作为下一步坡度估计的输入,如此往复循环。
进一步,对实车数据进行质量-坡度联合估计时,若k时刻数据表示刹车或者方向盘转角超出设定范围,k时刻的联合估计停止,输出保持为第k-1时刻的估计值,若k时刻数据表示没刹车且方向盘转角在设定范围内时,进行正常的质量坡度循环递推估计。
本发明的有益效果在于:
本发明考虑刹车和转弯影响的汽车质量-道路坡度联合估计方法,通过最小二乘与卡尔曼滤波嵌套循环估计的方式实现了对慢变的汽车质量和快变的道路坡度这两个相互耦合的参数的实时动态估计,同时还通过引入状态保持器克服了刹车和转弯对汽车质量和道路坡度联合估计的影响,进而提高了实车驾驶过程中复杂驾驶环境下汽车质量和道路坡度估计的精度和适用范围。从而为汽车智能系统提供实时的道路坡度信息和汽车负载情况,为自动驾驶辅助决策、绿色驾驶、及自动变速器换挡控制提供重要的依据,从而实现安全、经济、舒适驾驶。
附图说明
为了使本发明的目的、技术方案和有益效果更加清楚,本发明提供如下附图进行说明:
图1为本发明采用的基于OBD-II接口的数据采集框架图;
图2为本发明采用的汽车质量和道路坡度嵌套循环联合估计流程图;
图3为本发明采用的消除刹车和转弯对联合估计影响的状态保持方案图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明,以使本领域的技术人员可以更好的理解本发明并能予以实施,但所举实施例不作为对本发明的限定。
本实施例考虑刹车和转弯影响的汽车质量-道路坡度联合估计方法,包括如下步骤:
步骤1:采集数据
步骤11:利用数据采集装置获取车辆行驶状态数据
如图1所示,本实施例采用美国福特汽车公司提供的OpenXC插入到OBD-II 接口,然后开发基于数据采集软件APP,通过蓝牙设备接收实时的车辆行驶状态数据存于手机移动终端,具体的,车辆行驶状态数据包括转矩T、车速v、发动机转速n、油门开度Th、刹车信号Br、方向盘转角Steer、档位信息Ge。
步骤12:结合车辆行驶状态数据和车辆固有参数,计算模型所需相关参数
车辆固有参数包括轮胎滚动半径r、主减速器传动比i0、道路滚动阻力系数 f、传动系机械效率η、车辆空气阻力系数Cd、车辆正向迎风面积A。
模型所需相关参数包括加速度a和变速器传动比ig;
其中,加速度a可由速度v对时间差分获得,第k时刻的加速度表示为:
Δt为数据采集装置的采样周期;
变速器传动比ig的计算方法为:
步骤2:基于车辆动力学模型建立汽车质量、道路坡度与车辆行驶状态数据的关系模型
汽车纵向动力学模型如下:
σma=Ft-Ff-Fi-Fa
其中,Ft为车辆驱动力,且
Ff为滚动阻力,且Fr=mgfrcosi;
Fi为坡度阻力,且Fi=mgsini;
Fa为空气阻力,且
由道路设计规范标准可以知道,道路坡度设计中一般不超过10度,因此为了模型简化,可以将cosi近似等于1,将sini近似为sini≈i。可得:
其中m为汽车质量、ig为变速器传动比、io是传速器传动比,η为机械效率, f为滚动阻力系数,ρ是空气密度、Cd是空气阻力系数,i为道路坡度;σ为旋转质量换算系数。
步骤3:分别基于汽车质量、道路坡度与车辆行驶状态数据的关系模型,构建最小二乘质量估计模型和卡尔曼滤波坡度估计模型
步骤31:将汽车纵向动力学模型转化成最小二乘辨识形式,得到汽车质量的最小二乘辨识模型
此时将坡度看作已知参数,单独对汽车质量进行最小二乘辨识,根据汽车动力学模型,将车辆纵向动力学模型转化成如下最小二乘形式:
步骤31-a:建立带遗忘因子的最小二乘辨识模型
在车辆启动后,车辆质量m几乎不变,是一个慢变量,但由于其所处动力学系统是一个时变的系统,旧的数据会带来数据饱和影响辨识结果,需要引入遗忘因子,以突出新的数据,从而加强最小二乘辨识的跟踪能力。
设系统的输入输出关系可以描述成如下的最小二乘形式:
z(k)=hT(k)θ+n(k)
其中,z(k)是系统的输出,h(k)是可观测数据向量,n(k)为白噪声,θ为待估计参数,定义准则函数为:
其中Λ(i)为加权函数,λ分别为模型待估参数θ对应的遗忘因子;
利用序列{z(k)}和{h(k)},极小化准则函数,即对θ求导,可求得参数θ的最小二乘估计值第k时刻的参数估计值可以表示为:
为了保证车辆质量估计系统能够实时更新估计结果,将上述估计结果转化为递推形式,得到带多遗忘因子的最小二乘递推估计模型如下:
其中:
步骤31-b:建立带遗忘因子的最小二乘递推质量估计模型
将车辆纵向动力学模型最小二乘形式应用于最小二乘递推估计模型,则有:
将上式带入最小二乘递推质量估计模型可得带多遗忘因子的最小二乘质量估计模型的递推形式为:
其中,λ分别为两个待估计参数m对应的遗忘因子,取值范围为[0,1),默认情况下λ1取为0.95。
步骤32:将汽车纵向动力学模型离散化,改写为状态空间方程形式,基于状态空间方程建立卡尔曼滤波坡度估计模型
常规下状态空间描述的表达式为:
其中是指状态变量,u∈R是系统输入,y∈Rm是系统输出,而 A∈Rn×n,B∈Rn,C∈Rm×n表示系统参数矩阵;
假设道路坡度没有发生突变,则状态方程可以描述为:
为了实现道路坡度的实时递推估计,将状态方程离散化,则:
得到车辆最后实现离散状态空间描述
其中,
H(k)=[1 0]
在以上式子中,w(k)和v(k)分别为测量噪声和状态噪声,其相对应的噪声协方差分别为R(k)和Q(k)。R(k)为系统测量噪声协方差、Q(k)为系统状态噪声协方差、s(k)为k时刻汽车行驶距离。
步骤4:采用嵌套循环迭代进行汽车质量和道路坡度联合估计
质量估计对坡度的变化很敏感,如果在一步内坡度估计不能收敛到正确的值,质量估计就会出错,从而使得整个联合估计不收敛。通过选取合理的估计步长,本实施例默认选取估计步长为5s,保证坡度估计在每一步内的收敛性,从而保证联合估计的收敛性。再采用中值滤波法对当前步的坡度估计结果进行滤波处理,将滤波后的坡度估计结果带入最小二乘质量估计中,估计出当前步的质量,将其作为下一步坡度估计的输入,如此往复循环估。
步骤5:采用状态保持的方式消除刹车和转弯的影响。
对实车数据进行质量-坡度联合估计时,若k时刻数据表示刹车或者方向盘转角超出设定范围,k时刻的联合估计停止,输出保持为第k-1时刻的估计值,若k时刻数据表示没刹车且方向盘转角在设定范围内时,进行正常的质量坡度循环递推估计。本实施例的设定范围为(-10°,10°)。
具体的,本实施例第一阶段,对100s内的实车数据进行考虑刹车和方向盘转角的质量-坡度联合估计。若该段数据的刹车和转角超出(-10°,10°)的次数小于数据总采集次数的20%,本次联合估计有效,将质量估计的收敛值最作为该次行程的汽车和乘客的总质量;反之,本次联合估计无效,并对下一个100s 的数据进行前两步操作;若本次联合估计有效,进入第二阶段,将联合估计得到的质量作为输入,进行考虑刹车和方向盘转角的坡度实时估计。
本实施例考虑刹车和转弯影响的汽车质量-道路坡度联合估计方法,通过最小二乘与卡尔曼滤波嵌套循环估计的方式实现了对慢变的汽车质量和快变的道路坡度这两个相互耦合的参数的实时动态估计,同时还通过引入状态保持器克服了刹车和转弯对汽车质量和道路坡度联合估计的影响,进而提高了实车驾驶过程中复杂驾驶环境下汽车质量和道路坡度估计的精度和适用范围。从而为汽车智能系统提供实时的道路坡度信息和汽车负载情况,为自动驾驶辅助决策、绿色驾驶、及自动变速器换挡控制提供重要的依据,从而实现安全、经济、舒适驾驶。
以上所述实施例仅是为充分说明本发明而所举的较佳的实施例,本发明的保护范围不限于此。本技术领域的技术人员在本发明基础上所作的等同替代或变换,均在本发明的保护范围之内。本发明的保护范围以权利要求书为准。
Claims (8)
1.一种考虑刹车和转弯影响的汽车质量-道路坡度联合估计方法,其特征在于:包括如下步骤:
步骤1:采集数据
步骤11:利用数据采集装置获取车辆行驶状态数据;
步骤12:结合车辆行驶状态数据和车辆固有参数,计算模型所需相关参数;
步骤2:基于车辆动力学模型建立汽车质量、道路坡度与车辆行驶状态数据的关系模型;
步骤3:分别基于汽车质量、道路坡度与车辆行驶状态数据的关系模型,构建最小二乘质量估计模型和卡尔曼滤波坡度估计模型;
步骤4:采用嵌套循环迭代进行汽车质量和道路坡度联合估计;
步骤5:采用状态保持的方式消除刹车和转弯的影响。
2.根据权利要求1所述的考虑刹车和转弯影响的汽车质量-道路坡度联合估计方法,其特征在于:
所述步骤11中,车辆行驶状态数据包括转矩T、车速v、发动机转速n;
所述步骤12中,车辆固有参数包括轮胎滚动半径r、主减速器传动比i0、道路滚动阻力系数f、传动系机械效率η、车辆空气阻力系数Cd、车辆正向迎风面积A;
模型所需相关参数包括加速度a和变速器传动比ig;
其中,加速度a可由速度v对时间差分获得,第k时刻的加速度表示为:
Δt为数据采集装置的采样周期;
变速器传动比ig的计算方法为:
3.根据权利要求2所述的考虑刹车和转弯影响的汽车质量-道路坡度联合估计方法,其特征在于:车辆纵向动力学模型为:
得到汽车质量、道路坡度与车辆行驶状态数据的关系模型;
其中,Ft为车辆驱动力,Ff为滚动阻力,Fi为坡度阻力,Fv为空气阻力;m为汽车质量、io为变速器传动比,ig是传速器传动比,η为机械效率,fr为滚动阻力,ρ是空气密度、CD是空气阻力系数;i为道路坡度;σ为汽车质量换算系数。
4.根据权利要求3所述的考虑刹车和转弯影响的汽车质量-道路坡度联合估计方法,其特征在于:所述步骤3包括如下步骤:
步骤31:将汽车纵向动力学模型转化成最小二乘辨识形式,得到汽车质量的最小二乘辨识模型;
步骤32:将汽车纵向动力学模型离散化,改写为状态空间方程形式,基于状态空间方程建立卡尔曼滤波坡度估计模型。
5.根据权利要求4所述的考虑刹车和转弯影响的汽车质量-道路坡度联合估计方法,其特征在于:所述步骤31中,将坡度看作已知参数,单独对汽车质量进行最小二乘辨识,根据汽车动力学模型,将车辆纵向动力学模型转化成如下最小二乘形式:
步骤31-a:建立带遗忘因子的最小二乘辨识模型
设系统的输入输出关系可以描述成如下的最小二乘形式:
z(k)=hT(k)θ+n(k)
其中,z(k)是系统的输出,h(k)是可观测数据向量,n(k)为白噪声,θ为待估计参数,定义准则函数为:
其中Λ(i)为加权函数,λ分别为模型待估参数θ对应的遗忘因子;
利用序列{z(k)}和{h(k)},极小化准则函数,即对θ求导,可求得参数θ的最小二乘估计值第k时刻的参数估计值可以表示为:
将上述估计结果转化为递推形式,得到带多遗忘因子的最小二乘递推估计模型如下:
其中:
步骤31-b:建立带遗忘因子的最小二乘递推质量估计模型
将车辆纵向动力学模型最小二乘形式应用于最小二乘递推估计模型,则有:
将上式带入最小二乘递推质量估计模型可得带多遗忘因子的最小二乘质量估计模型的递推形式为:
其中,λ分别为两个待估计参数m对应的遗忘因子,取值范围为[0,1)。
6.根据权利要求5所述的考虑刹车和转弯影响的汽车质量-道路坡度联合估计方法,其特征在于:所述步骤32中,常规下状态空间描述的表达式为:
其中是指状态变量,u∈R是系统输入,y∈Rm是系统输出,而A∈Rn×n,B∈Rn,C∈Rm×n表示系统参数矩阵;
假设道路坡度没有发生突变,则状态方程可以描述为:
为了实现道路坡度的实时递推估计,将状态方程离散化,则:
得到车辆最后实现离散状态空间描述
其中,
H(k)=[1 0]
在以上式子中,w(k)和v(k)分别为测量噪声和状态噪声,其相对应的噪声协方差分别为R(k)和Q(k)。R(k)为系统测量噪声协方差、Q(k)为系统状态噪声协方差、s(k)为k时刻汽车行驶距离。
7.根据权利要求1所述的考虑刹车和转弯影响的汽车质量-道路坡度联合估计方法,其特征在于:所述步骤4中,选取合理的估计步长,保证坡度估计在每一步内的收敛性,从而保证联合估计的收敛性;再采用中值滤波法对当前步的坡度估计结果进行滤波处理,将滤波后的坡度估计结果带入最小二乘质量估计模型中,估计出当前步的质量,将其作为下一步坡度估计的输入,如此往复循环。
8.根据权利要求1所述的考虑刹车和转弯影响的汽车质量-道路坡度联合估计方法,其特征在于:对实车数据进行质量-坡度联合估计时,若k时刻数据表示刹车或者方向盘转角超出设定范围,k时刻的联合估计停止,输出保持为第k-1时刻的估计值,若k时刻数据表示没刹车且方向盘转角在设定范围内时,进行正常的质量坡度循环递推估计。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710368329.7A CN107247824A (zh) | 2017-05-23 | 2017-05-23 | 考虑刹车和转弯影响的汽车质量‑道路坡度联合估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710368329.7A CN107247824A (zh) | 2017-05-23 | 2017-05-23 | 考虑刹车和转弯影响的汽车质量‑道路坡度联合估计方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107247824A true CN107247824A (zh) | 2017-10-13 |
Family
ID=60016653
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710368329.7A Pending CN107247824A (zh) | 2017-05-23 | 2017-05-23 | 考虑刹车和转弯影响的汽车质量‑道路坡度联合估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107247824A (zh) |
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108446432A (zh) * | 2018-02-06 | 2018-08-24 | 浙江工业大学 | 一种基于模型的虚拟自行车骑手骑速的计算方法 |
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 |
CN109190153A (zh) * | 2018-07-24 | 2019-01-11 | 中国第汽车股份有限公司 | 一种能耗计算方法及其系统 |
CN109591827A (zh) * | 2018-11-13 | 2019-04-09 | 南京航空航天大学 | 一种基于侧向速度估计的汽车质量辨识方法 |
CN109685935A (zh) * | 2017-10-18 | 2019-04-26 | 上海汽车集团股份有限公司 | 一种整车系统状态量的估计方法和装置 |
CN109900295A (zh) * | 2017-12-11 | 2019-06-18 | 上海交通大学 | 基于自主式传感器的车辆运动状态的检测方法及系统 |
CN110146149A (zh) * | 2019-05-10 | 2019-08-20 | 王志伟 | 一种车辆超载检测系统 |
CN110727994A (zh) * | 2019-10-28 | 2020-01-24 | 吉林大学 | 参数解耦的电动汽车质量与坡度估计方法 |
CN111209645A (zh) * | 2018-11-06 | 2020-05-29 | 百度在线网络技术(北京)有限公司 | 眩晕体感建模数据采集装置和方法、终端和存储介质 |
CN111308932A (zh) * | 2020-02-25 | 2020-06-19 | 北京百度网讯科技有限公司 | 刹车系统的标定方法、装置、设备及存储介质 |
CN111507019A (zh) * | 2020-05-06 | 2020-08-07 | 北京理工大学 | 基于mmrls和sh-stf的车辆质量与道路坡度迭代型联合估计方法 |
CN111559380A (zh) * | 2020-05-21 | 2020-08-21 | 南京晓庄学院 | 一种车辆主动安全控制方法及装置 |
CN111580494A (zh) * | 2020-04-28 | 2020-08-25 | 东风汽车集团有限公司 | 一种平行驾驶车辆控制参数自适应标定方法及系统 |
CN111605559A (zh) * | 2019-02-25 | 2020-09-01 | 郑州宇通客车股份有限公司 | 一种整车质量估算方法、扭矩控制方法及装置 |
CN111806449A (zh) * | 2020-06-23 | 2020-10-23 | 西安法士特汽车传动有限公司 | 一种纯电动车的整车质量和路面坡度的估算方法 |
CN112378410A (zh) * | 2020-12-03 | 2021-02-19 | 东风汽车集团有限公司 | 车辆行驶盲区校准方法、装置、设备及存储介质 |
CN112613253A (zh) * | 2021-01-06 | 2021-04-06 | 东南大学 | 考虑环境因素的车辆质量和道路坡度联合自适应估计方法 |
CN113177265A (zh) * | 2021-05-14 | 2021-07-27 | 深圳有象智联科技有限公司 | 参数估测方法、装置、设备及计算机可读存储介质 |
CN113341966A (zh) * | 2021-05-31 | 2021-09-03 | 广州文远知行科技有限公司 | 坡道车辆控制方法、装置、车辆及存储介质 |
CN113392518A (zh) * | 2021-06-08 | 2021-09-14 | 阿波罗智联(北京)科技有限公司 | 估计车辆重量的方法和装置 |
CN113859253A (zh) * | 2021-11-24 | 2021-12-31 | 吉林大学 | 一种车辆行驶过程中质量的实时估计方法 |
WO2022134929A1 (zh) * | 2020-12-24 | 2022-06-30 | 华为技术有限公司 | 一种确定车辆质量方法、装置、设备及介质 |
CN114919585A (zh) * | 2022-07-22 | 2022-08-19 | 杭州宏景智驾科技有限公司 | 一种基于车辆动力学模型的车重及道路坡度的估算方法 |
CN115230717A (zh) * | 2022-07-21 | 2022-10-25 | 广西科技大学 | 一种载荷汽车质量的计算方法和装置 |
CN113392518B (zh) * | 2021-06-08 | 2024-05-17 | 阿波罗智联(北京)科技有限公司 | 估计车辆重量的方法和装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102402644A (zh) * | 2011-08-11 | 2012-04-04 | 西北工业大学 | 山区道路行驶车辆动力学模型建模方法 |
CN102486400A (zh) * | 2010-12-06 | 2012-06-06 | 罗伯特·博世有限公司 | 车辆质量辨识方法和装置 |
WO2012138286A1 (en) * | 2011-04-04 | 2012-10-11 | Scania Cv Ab | Estimation of road inclination |
CN103264669A (zh) * | 2013-05-31 | 2013-08-28 | 吉林大学 | 一种基于can信息和功能原理的重型车质量实时辨识方法 |
CN103308131A (zh) * | 2012-03-12 | 2013-09-18 | Ls产电株式会社 | 用于估计铁路车辆质量的装置和方法 |
CN103661395B (zh) * | 2012-08-31 | 2016-01-13 | 福特全球技术公司 | 动态道路坡度估计 |
-
2017
- 2017-05-23 CN CN201710368329.7A patent/CN107247824A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102486400A (zh) * | 2010-12-06 | 2012-06-06 | 罗伯特·博世有限公司 | 车辆质量辨识方法和装置 |
WO2012138286A1 (en) * | 2011-04-04 | 2012-10-11 | Scania Cv Ab | Estimation of road inclination |
CN102402644A (zh) * | 2011-08-11 | 2012-04-04 | 西北工业大学 | 山区道路行驶车辆动力学模型建模方法 |
CN103308131A (zh) * | 2012-03-12 | 2013-09-18 | Ls产电株式会社 | 用于估计铁路车辆质量的装置和方法 |
CN103661395B (zh) * | 2012-08-31 | 2016-01-13 | 福特全球技术公司 | 动态道路坡度估计 |
CN103264669A (zh) * | 2013-05-31 | 2013-08-28 | 吉林大学 | 一种基于can信息和功能原理的重型车质量实时辨识方法 |
Non-Patent Citations (4)
Title |
---|
林程 等: "基于模糊卡尔曼滤波算法的动力电池SOC估计", 《电源技术研究与设计》 * |
罗培培: "重型液力传动车辆质量与道路坡度识别", 《CNKI优秀硕士学位论文全文库库》 * |
雷雨龙 等: "基于扩展卡尔曼滤波的车辆质量与道路坡度估计", 《农业机械学报》 * |
黄秋光: "基于OpenXC数据的道路坡度实时估计方法研究", 《CNKI优秀硕士学位论文全文库》 * |
Cited By (40)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109685935B (zh) * | 2017-10-18 | 2021-09-24 | 上海汽车集团股份有限公司 | 一种整车系统状态量的估计方法和装置 |
CN109685935A (zh) * | 2017-10-18 | 2019-04-26 | 上海汽车集团股份有限公司 | 一种整车系统状态量的估计方法和装置 |
CN109900295A (zh) * | 2017-12-11 | 2019-06-18 | 上海交通大学 | 基于自主式传感器的车辆运动状态的检测方法及系统 |
CN108446432A (zh) * | 2018-02-06 | 2018-08-24 | 浙江工业大学 | 一种基于模型的虚拟自行车骑手骑速的计算方法 |
CN108446432B (zh) * | 2018-02-06 | 2021-12-17 | 浙江工业大学 | 一种基于模型的虚拟自行车骑手骑速的计算方法 |
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 |
CN109190153A (zh) * | 2018-07-24 | 2019-01-11 | 中国第汽车股份有限公司 | 一种能耗计算方法及其系统 |
CN109190153B (zh) * | 2018-07-24 | 2023-01-31 | 中国第一汽车股份有限公司 | 一种能耗计算方法及其系统 |
CN111209645B (zh) * | 2018-11-06 | 2024-03-29 | 百度在线网络技术(北京)有限公司 | 眩晕体感建模数据采集装置和方法、终端和存储介质 |
CN111209645A (zh) * | 2018-11-06 | 2020-05-29 | 百度在线网络技术(北京)有限公司 | 眩晕体感建模数据采集装置和方法、终端和存储介质 |
CN109591827B (zh) * | 2018-11-13 | 2020-05-15 | 南京航空航天大学 | 一种基于侧向速度估计的汽车质量辨识方法 |
CN109591827A (zh) * | 2018-11-13 | 2019-04-09 | 南京航空航天大学 | 一种基于侧向速度估计的汽车质量辨识方法 |
CN111605559B (zh) * | 2019-02-25 | 2022-04-05 | 宇通客车股份有限公司 | 一种整车质量估算方法、扭矩控制方法及装置 |
CN111605559A (zh) * | 2019-02-25 | 2020-09-01 | 郑州宇通客车股份有限公司 | 一种整车质量估算方法、扭矩控制方法及装置 |
CN110146149A (zh) * | 2019-05-10 | 2019-08-20 | 王志伟 | 一种车辆超载检测系统 |
CN110146149B (zh) * | 2019-05-10 | 2021-09-21 | 湖南海量信息科技股份有限公司 | 一种车辆超载检测系统 |
CN110727994A (zh) * | 2019-10-28 | 2020-01-24 | 吉林大学 | 参数解耦的电动汽车质量与坡度估计方法 |
CN111308932B (zh) * | 2020-02-25 | 2021-08-31 | 北京百度网讯科技有限公司 | 刹车系统的标定方法、装置、设备及存储介质 |
CN111308932A (zh) * | 2020-02-25 | 2020-06-19 | 北京百度网讯科技有限公司 | 刹车系统的标定方法、装置、设备及存储介质 |
CN111580494B (zh) * | 2020-04-28 | 2021-06-11 | 东风汽车集团有限公司 | 一种平行驾驶车辆控制参数自适应标定方法及系统 |
CN111580494A (zh) * | 2020-04-28 | 2020-08-25 | 东风汽车集团有限公司 | 一种平行驾驶车辆控制参数自适应标定方法及系统 |
CN111507019B (zh) * | 2020-05-06 | 2022-09-16 | 北京理工大学 | 基于mmrls和sh-stf的车辆质量与道路坡度迭代型联合估计方法 |
CN111507019A (zh) * | 2020-05-06 | 2020-08-07 | 北京理工大学 | 基于mmrls和sh-stf的车辆质量与道路坡度迭代型联合估计方法 |
CN111559380B (zh) * | 2020-05-21 | 2021-06-01 | 南京晓庄学院 | 一种车辆主动安全控制方法及装置 |
CN111559380A (zh) * | 2020-05-21 | 2020-08-21 | 南京晓庄学院 | 一种车辆主动安全控制方法及装置 |
CN111806449A (zh) * | 2020-06-23 | 2020-10-23 | 西安法士特汽车传动有限公司 | 一种纯电动车的整车质量和路面坡度的估算方法 |
CN112378410A (zh) * | 2020-12-03 | 2021-02-19 | 东风汽车集团有限公司 | 车辆行驶盲区校准方法、装置、设备及存储介质 |
CN112378410B (zh) * | 2020-12-03 | 2023-03-24 | 东风汽车集团有限公司 | 车辆行驶盲区校准方法、装置、设备及存储介质 |
WO2022134929A1 (zh) * | 2020-12-24 | 2022-06-30 | 华为技术有限公司 | 一种确定车辆质量方法、装置、设备及介质 |
CN112613253A (zh) * | 2021-01-06 | 2021-04-06 | 东南大学 | 考虑环境因素的车辆质量和道路坡度联合自适应估计方法 |
CN113177265A (zh) * | 2021-05-14 | 2021-07-27 | 深圳有象智联科技有限公司 | 参数估测方法、装置、设备及计算机可读存储介质 |
CN113341966B (zh) * | 2021-05-31 | 2022-05-17 | 广州文远知行科技有限公司 | 坡道车辆控制方法、装置、车辆及存储介质 |
CN113341966A (zh) * | 2021-05-31 | 2021-09-03 | 广州文远知行科技有限公司 | 坡道车辆控制方法、装置、车辆及存储介质 |
CN113392518A (zh) * | 2021-06-08 | 2021-09-14 | 阿波罗智联(北京)科技有限公司 | 估计车辆重量的方法和装置 |
CN113392518B (zh) * | 2021-06-08 | 2024-05-17 | 阿波罗智联(北京)科技有限公司 | 估计车辆重量的方法和装置 |
CN113859253A (zh) * | 2021-11-24 | 2021-12-31 | 吉林大学 | 一种车辆行驶过程中质量的实时估计方法 |
CN113859253B (zh) * | 2021-11-24 | 2023-03-07 | 吉林大学 | 一种车辆行驶过程中质量的实时估计方法 |
CN115230717A (zh) * | 2022-07-21 | 2022-10-25 | 广西科技大学 | 一种载荷汽车质量的计算方法和装置 |
CN114919585A (zh) * | 2022-07-22 | 2022-08-19 | 杭州宏景智驾科技有限公司 | 一种基于车辆动力学模型的车重及道路坡度的估算方法 |
CN114919585B (zh) * | 2022-07-22 | 2022-11-04 | 杭州宏景智驾科技有限公司 | 一种基于车辆动力学模型的车重及道路坡度的估算方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107247824A (zh) | 考虑刹车和转弯影响的汽车质量‑道路坡度联合估计方法 | |
CN106840097B (zh) | 一种基于自适应扩展卡尔曼滤波的道路坡度估计方法 | |
CN103407451B (zh) | 一种道路纵向附着系数估计方法 | |
CN108944935A (zh) | 一种考虑参数耦合关系的汽车质量和道路坡度估计方法 | |
CN102486400B (zh) | 车辆质量辨识方法和装置 | |
CN106740870B (zh) | 一种考虑换挡因素的车辆质量估计方法 | |
CN103434511B (zh) | 一种车速与道路附着系数的联合估计方法 | |
CN107117178B (zh) | 考虑换挡和道路坡度因素的车辆质量估计方法 | |
CN102529976B (zh) | 一种基于滑模观测器的车辆运行状态非线性鲁棒估计方法 | |
CN102556075B (zh) | 一种基于改进扩展卡尔曼滤波的车辆运行状态估计方法 | |
CN102582626B (zh) | 重型半挂车状态估计方法 | |
CN111806449A (zh) | 一种纯电动车的整车质量和路面坡度的估算方法 | |
CN105667520B (zh) | 一种分布式驱动电动车的前轮侧向力估计方法 | |
CN103661398B (zh) | 一种基于滑模观测器的车辆非转向左后轮线速度估计方法 | |
CN108146431B (zh) | 一种极限制动工况的汽车侧翻稳定性集成控制方法 | |
CN108819950B (zh) | 汽车稳定性控制系统的车速估计方法及系统 | |
CN111547059A (zh) | 一种分布式驱动电动汽车惯性参数估计方法 | |
CN103946679A (zh) | 车辆质量辨识方法和系统 | |
CN103625475B (zh) | 一种基于递归最小二乘的车辆侧倾角与俯仰角估计方法 | |
CN111645698B (zh) | 一种重载车辆侧翻阈值自适应估计方法 | |
CN105416294A (zh) | 一种重型汽车列车参数估计方法 | |
CN108216250A (zh) | 基于状态观测器的四驱电动汽车速度与道路坡度估计方法 | |
CN110987470B (zh) | 一种基于模型迭代的汽车质量在线估计方法 | |
CN110304070A (zh) | 一种分布式独立驱动汽车纵向车速估计方法 | |
CN113247004A (zh) | 一种车辆质量与道路横向坡度的联合估计方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171013 |
|
RJ01 | Rejection of invention patent application after publication |