CN108297872B - 全工况车载路面坡度估算装置和方法 - Google Patents

Abstract

本发明公开了一种全工况车载路面坡度估算装置和方法。本发明为了估算车辆行驶过程中的路面坡度，采集车辆的悬架高度信号、纵向速度信号、纵向加速度信号、侧向加速度信号、横摆角速度信号和转向盘转角，考虑了车体姿态和车辆侧向运动对使用加速度重力分量估算方法的影响，与现有方法相比，能够消除车体姿态与实际纵向加速度计算造成的估算误差，即使车辆处于纵向加速度快速变化、剧烈转向等动态工况，或处于大坡度路面上，该算法也具有良好的估算精度，能够适应车辆正常行驶的各种工况。

Description

全工况车载路面坡度估算装置和方法

技术领域

本发明属于汽车电子技术领域，尤其涉及一种全工况车载路面坡度估算装置和方法。

背景技术

随着汽车电控系统智能化、集成化的发展，电控系统功能越来越复杂，所需要的车辆状态和道路信息也越来越多。而实时的道路坡度，就是道路信息中很重要的一个，对提升汽车的智能化和信息化有很重要的意义。比如，对于智能汽车的速度控制补偿、导航信息辅助以及车辆的安全性和操纵稳定性控制都非常重要；而对于越野车辆，在非公路环境行驶时坡度信息对于驾驶安全性影响很大，很多电控系统也需要根据坡度信息进行补偿控制。但是由于难以安装传感器直接采集，因此需要通过控制算法进行估算。

现在常用的实时车载路面坡度估算方法主要有基于加速度重力分量的估算方法和基于纵向动力学中坡度分量的估计方法。

其中，加速度重力分量估算方法的问题：

(1)无法剔除悬架动态变化产生的影响，由于其输入信号加速度传感器安装在车架上，所以实际估算的是车辆底盘的姿态角，受到车辆底盘姿态的影响较大。因此在加速减速工况和越野工况，估算效果差。

(2)在转弯工况下，由于有质心侧偏角的存在，加速度传感器的测量方向与车辆速度方向不同，导致加速度传感器测量出的不是车辆实际行驶加速度，也会严重影响坡度估算的精度。

基于纵向动力学中坡度分量的估算方法的问题：

(1)其使用的纵向加速度传感器信号也会受到悬架姿态的影响；

(2)道路阻力会明显影响估算结果，因此越野环境下特别是沙地、雪地等路况的估算误差较大；

(3)在转弯工况下，同样由于质心侧偏角影响坡度估算的精度。

即现有的实时道路坡度估算方法，都不能剔除悬架姿态对坡度估算造成的误差，也不能解决转弯工况的坡度估算甚至还会受到环境的影响。而在试验测试中发现，一辆轴距3m的越野车，在车辆动态过程中，前后悬架差会超过0.2m，造成约6.7°的悬架姿态误差，直接会影响坡度估算精度；而路面滚动阻力系数在不同路面上的差异也很大。因此，现有方法难以适用于车辆行驶过程中的全部工况。

因此本发明旨在提出一种全工况可用的、能够适应车辆姿态变化和环境变化的车载实时路面坡度估算方法。

发明内容

针对上述问题，本发明的目的是提供一种能够在全工况下准确估计路面坡度的车载实时估算装置和方法，能适应车辆动态过程和环境的变化。

本发明解决技术问题采用如下技术方案：一种全工况车载路面坡度估算装置，其包括：

左前悬架传感器，用于采集左前悬架高度信号h_fl，并将左前悬架高度信号h_fl发送给电子控制单元；

右前悬架传感器，用于采集右前悬架高度信号h_fr，并将右前悬架高度信号h_fr发送给电子控制单元；

左后悬架传感器，用于采集左后悬架高度信号h_rl，并将左后悬架高度信号h_rl发送给电子控制单元；

右后悬架传感器，用于采集右后悬架高度信号h_rr，并将右后悬架高度信号h_rr发送给电子控制单元；

车速传感器，用于采集车速信号u，并将车速信号u发送给电子控制单元；

纵向加速度传感器，用于采集纵向加速度信号a_x ^sensor，并将纵向加速度信号a_x ^sensor发送给电子控制单元；

侧向加速度传感器，用于采集侧向加速度信号a_y ^sensor，并将侧向加速度信号a_y ^sensor发送给电子控制单元；

横摆角速度传感器，用于采集横摆角速度信号r，并将横摆角速度信号r发送给电子控制单元；

转向盘转角传感器，用于采集转向盘转角信号δ_sw，并将转向盘转角信号δ_sw发送给电子控制单元；以及

电子控制单元，根据左前悬架高度信号h_fl、右前悬架高度信号h_fr、左后悬架高度信号h_rl、右后悬架高度信号h_rr、车速信号u、纵向加速度信号a_x ^sensor、侧向加速度信号a_y ^sensor、横摆角速度信号r以及转向盘转角信号δ_sw估算出路面坡度i。

本发明解决技术问题采用如下技术方案：一种全工况路面坡度估算方法，其包括：

S10、车体姿态估算，得到侧倾角φ和俯仰角θ；

S20、侧向速度估算，得到车辆侧向速度

S30、纵向加速度估算，得到车辆纵向加速度a_x；

S40、路面坡度估算，根据加速度信号a_x ^sensor；俯仰角θ以及车辆纵向加速度信号a_x，计算道路坡度i。

可选的，S10具体为：

S101、通过左前悬架传感器101获取左前悬架高度信号h_fl；通过右前悬架传感器102获取右前悬架高度信号h_fr；通过左后悬架传感器103采集左后悬架高度信号h_rl；通过右后悬架传感器104采集右后悬架高度信号h_rr；

S102、根据左前悬架高度信号h_fl、右前悬架高度信号h_fr、左后悬架高度信号h_rl和右后悬架高度信号h_rr计算侧倾角φ和俯仰角θ；

其中，

其中，L为车辆的轴距；B为车辆的轮距。

可选的，S20具体为：

S201、通过车速传感器105获取车速信号u，通过侧向加速度传感器107获取侧向加速度信号a_y ^sensor，通过横摆角速度传感器108获取横摆角速度信号r，通过转向盘转角传感器109获取转向盘转角信号δ_sw；

S202、根据车速信号u、侧向加速度信号a_y ^sensor、横摆角速度信号r、转向盘转角信号δ_sw以及侧倾角φ；计算车辆侧向速度

其中，

β为质心侧偏角。

可选的，所述质心侧偏角β通过以下方式得到：

对侧向加速度a_y进行修正：

根据轮胎非线性特性的二自由度车辆模型系统方程：

其中，F_f为前轴侧向力，F_r为后轴侧向力，δ为前轮转角，δ＝δ_sw/i_s,i_s为转向传动比，m为质量，I_z为横摆转动惯量，a为前轴至质心距离，σ为侧向松弛长度，

为前轴稳态侧向力，F_r ^s为后轴稳态侧向力，稳态侧向力通过非线性轮胎模型计算得到，基于Pacejka模型的计算方法为：

F_y(α)＝Dsin(Cαtan(Bα-BEα+Eatan(Bα)))

其中，B、C、D、E为轮胎模型参数，α为轮胎侧偏角；

系统方程可改写为如下的标准形式：

其中，x(t)＝[β(t),r(t),F_f(t),F_r(t)]^T，u(t)＝δ_sw(t)，w(t)为过程噪声；

该系统方程离散化为：

x_k+1＝f_d(x_k,u_k)+w_k；

测量方程为：

y_k＝Hx_k+v_k；

其中：

y＝[a_y,r]^T

v_k为测量噪声；

应用扩展卡尔曼滤波方法，得到质心侧偏角β，计算过程为：

预测状态：

预测估计协方差矩阵：

计算最优卡尔曼增益：K_k＝P_k|k-1H^T(HP_k|k-1H^T+R_k)^-1；

更新状态估计：

更新协方差估计：P_k|k＝(I-HK_k)P_k|k-1；

其中，

β＝x(1)；

可选的，S30具体为：

S301、通过车速传感器获取车速信号u，通过横摆角速度传感器获取横摆角速度信号r；

S302、根据车速信号u，横摆角速度信号r；以及侧向速度

计算车辆纵向加速度a_x，

其中，车辆纵向加速度a_x的计算公式为：

其中，u_k-1为上一周期的车速信号u的数值，u_k为本周期的车速信号u的数值，r_k为横摆角速度信号r在本周期的数值，

为侧向速度信号

在本周期的数值。

可选的，S40具体为：

S401、通过纵向加速度传感器获得加速度信号a_x ^sensor；

S402、根据加速度信号a_x ^sensor；俯仰角θ以及车辆纵向加速度信号a_x，计算道路坡度i；

具体地，路面坡度i的计算方法如下：

对a_x ^sensor和a_x以相同的参数进行低通滤波，并且

可得，坡度角α＝arcsin((a_{x_sensor}-a_xcosθ)/g)+θ；

坡度i＝tanα。

本发明具有如下有益效果：本发明为了估算车辆行驶过程中的路面坡度，采集车辆的悬架高度信号、纵向速度信号、纵向加速度信号、侧向加速度信号、横摆角速度信号和转向盘转角，考虑了车体姿态和车辆侧向运动对使用加速度重力分量估算方法的影响，与现有方法相比，能够消除车体姿态与实际纵向加速度计算造成的估算误差，即使车辆处于纵向加速度快速变化、剧烈转向等动态工况，或处于大坡度路面上，该算法也具有良好的估算精度，能够适应车辆正常行驶的各种工况。

附图说明

图1为本发明的全工况车载路面坡度估算装置的结构示意图；

图2为本发明的全工况车载坡度估算方法的示意图；

图3为本发明的路面坡度角α的计算示意图。

图中标记示意为：101-左前悬架高度传感器；102-右前悬架高度传感器；103-左后悬架高度传感器；104-右后悬架高度传感器；105-车速传感器；106-纵向加速度传感器；107-侧向加速度传感器；108-横摆角速度传感器；109-转向盘转角传感器。

具体实施方式

下面结合实施例及附图对本发明的技术方案作进一步阐述。

实施例1

本实施例提供了一种全工况车载路面坡度估算装置，其包括安装在左前悬架上的左前悬架高度传感器101，安装在右前悬架上的右前悬架高度传感器102，安装在左后悬架上的左后悬架高度传感器103，安装在右后悬架上的右后悬架高度传感器104，设置在底盘控制器上的车速传感器105，设置在车身上车辆质心位置处纵向布置的纵向加速度传感器106，设置在车身上车辆质心位置处侧向布置的侧向加速度传感器107，设置在车身上车辆质心位置处的横摆角速度传感器108，设置在转向盘柱管上的转向盘转角传感器109以及电子控制单元110。

左前悬架传感器101采集左前悬架高度信号h_fl，并将其发送给电子控制单元110。

右前悬架传感器102采集右前悬架高度信号h_fr，并将其发送给电子控制单元110。

左后悬架传感器103采集左后悬架高度信号h_rl，并将其发送给电子控制单元110。

右后悬架传感器104采集右后悬架高度信号h_rr，并将其发送给电子控制单元110。

车速传感器105采集车速信号u，并将其发送给电子控制单元110。

纵向加速度传感器106采集纵向加速度信号a_x ^sensor，并将其发送给电子控制单元110。

侧向加速度传感器107采集侧向加速度信号a_y ^sensor，并将其发送给电子控制单元110。

横摆角速度传感器108采集横摆角速度信号r，并将其发送给电子控制单元110。

转向盘转角传感器109采集转向盘转角信号δ_sw，并将其发送给电子控制单元110。

电子控制单元110接收上述传感器采集的信号，估算出路面坡度。

本发明的全工况车载路面坡度估算装置，除了铺装公路稳态行驶工况，还能在越野工况、加速减速工况和转弯工况等非常规工况准确估算路面坡度。

实施例2

本实施例提供了一种全工况路面坡度估算方法，其包括：

S10、车体姿态估算

本实施例中，所述车体姿态估算具体包括：

S101、通过左前悬架传感器101获取左前悬架高度信号h_fl；通过右前悬架传感器102获取右前悬架高度信号h_fr；通过左后悬架传感器103采集左后悬架高度信号h_rl；通过右后悬架传感器104采集右后悬架高度信号h_rr。

S102、根据左前悬架高度信号h_fl、右前悬架高度信号h_fr、左后悬架高度信号h_rl和右后悬架高度信号h_rr计算侧倾角φ和俯仰角θ；

具体地，车辆运行过程中，轮胎垂向形变远小于悬架形变，并且前后悬架落差远小于轴距L，左右悬架落差远小于轮距B，因此悬架导向机构不同导致车轮跳动方向的微小差异可以忽略，车体相对于地面的夹角——侧倾角φ和俯仰角θ可以使用下面公式进行简化计算：

S20、侧向速度估算

本实施例中，所述侧向速度估算包括：

S201、通过车速传感器105获取车速信号u，通过侧向加速度传感器107获取侧向加速度信号a_y ^sensor，通过横摆角速度传感器108获取横摆角速度信号r，通过转向盘转角传感器109获取转向盘转角信号δ_sw；

S202、根据车速信号u、侧向加速度信号a_y ^sensor、横摆角速度信号r、转向盘转角信号δ_sw以及侧倾角φ；计算车辆侧向速度

具体地，在计算车辆侧向速度

时，首先对侧向加速度进行修正，以去除侧倾角φ对侧向加速度的影响，其关系为：

并由此得到：

考虑轮胎非线性特性的二自由度车辆模型系统方程可以表示为：

其中，F_f为前轴侧向力，F_r为后轴侧向力，δ为前轮转角，δ＝δ_sw/i_s,i_s为转向传动比，m为质量，I_z为横摆转动惯量，a为前轴至质心距离，σ为侧向松弛长度，

为前轴稳态侧向力，F_r ^s为后轴稳态侧向力，稳态侧向力通过非线性轮胎模型计算得到，基于Pacejka模型的计算方法为：

F_y(α)＝Dsin(Cαtan(Bα-BEα+Eatan(Bα)))

其中，B、C、D、E为轮胎模型参数，α为轮胎侧偏角。

系统方程可改写为如下的标准形式:

其中，x(t)＝[β(t),r(t),F_f(t),F_r(t)]^T，u(t)＝δ_sw(t)，w(t)为过程噪声；

该系统方程离散化为：

x_k+1＝f_d(x_k,u_k)+w_k；

测量方程为：

y_k＝Hx_k+v_k；

其中：

y＝[a_y,r]^T

v_k为测量噪声；

应用扩展卡尔曼滤波方法，得到质心侧偏角β，计算过程为：

预测状态：

预测估计协方差矩阵：

计算最优卡尔曼增益：K_k＝P_k|k-1H^T(HP_k|k-1H^T+R_k)^-1

更新状态估计：

更新协方差估计：P_k|k＝(I-HK_k)P_k|k-1

其中，

β＝x(1)；

S30、纵向加速度估算

其中，所述纵向加速度估算包括：

S301、通过车速传感器105获取车速信号u，通过横摆角速度传感器108获取横摆角速度信号r；

S302、根据车速信号u，横摆角速度信号r；以及侧向速度

计算车辆纵向加速度a_x，

其中，车辆纵向加速度a_x的计算公式为：

其中，u_k-1为上一周期的车速信号u的数值，u_k为本周期的车速信号u的数值，r_k为横摆角速度信号r在本周期的数值，

为侧向速度信号

在本周期的数值。

S40、路面坡度估算

具体地，所述路面坡度估算包括：

S401、通过纵向加速度传感器105获得加速度信号a_x ^sensor；

S402、根据加速度信号a_x ^sensor；俯仰角θ以及车辆纵向加速度信号a_x，计算道路坡度i。

具体地，路面坡度i的计算方法如下：

对a_x ^sensor和a_x以相同的参数进行低通滤波，a_x ^sensor、a_x与坡度角α的关系如图3所示，a_x ^sensor沿底盘纵向中轴线向前，重力g垂直向下，a_x沿地面方向向前，由图3可知：

由此得到坡度角的计算方法：

α＝arcsin((a_{x_sensor}-a_xcosθ)/g)+θ

由坡度角可计算坡度：

i＝tanα；

最后对计算得到的坡度进行平滑处理，即可得到估计的坡度。

以上实施例的先后顺序仅为便于描述，不代表实施例的优劣。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (6)

1.一种全工况车载路面坡度估算装置，其特征在于，包括：

左前悬架传感器，用于采集左前悬架高度信号h_fl，并将左前悬架高度信号h_fl发送给电子控制单元；

右前悬架传感器，用于采集右前悬架高度信号h_fr，并将右前悬架高度信号h_fr发送给电子控制单元；

左后悬架传感器，用于采集左后悬架高度信号h_rl，并将左后悬架高度信号h_rl发送给电子控制单元；

右后悬架传感器，用于采集右后悬架高度信号h_rr，并将右后悬架高度信号h_rr发送给电子控制单元；

车速传感器，用于采集车速信号u，并将车速信号u发送给电子控制单元；

纵向加速度传感器，用于采集纵向加速度信号a_x ^sensor，并将纵向加速度信号a_x ^sensor发送给电子控制单元；

侧向加速度传感器，用于采集侧向加速度信号a_y ^sensor，并将侧向加速度信号a_y ^sensor发送给电子控制单元；

横摆角速度传感器，用于采集横摆角速度信号r，并将横摆角速度信号r发送给电子控制单元；

转向盘转角传感器，用于采集转向盘转角信号δ_sw，并将转向盘转角信号δ_sw发送给电子控制单元；以及

电子控制单元，根据左前悬架高度信号h_fl、右前悬架高度信号h_fr、左后悬架高度信号h_rl、右后悬架高度信号h_rr、车速信号u、纵向加速度信号a_x ^sensor、侧向加速度信号a_y ^sensor、横摆角速度信号r以及转向盘转角信号δ_sw估算出路面坡度i。

2.一种全工况路面坡度估算方法，其特征在于，包括：

S10、车体姿态估算，得到侧倾角φ和俯仰角θ；

S20、侧向速度估算，得到车辆侧向速度

S30、纵向加速度估算，得到车辆纵向加速度a_x；

S40、路面坡度估算，根据加速度信号a_x ^sensor；俯仰角θ以及车辆纵向加速度信号a_x，计算道路坡度i；

其中，S40具体为：

S401、通过纵向加速度传感器获得加速度信号a_x ^sensor；

S402、根据加速度信号a_x ^sensor；俯仰角θ以及车辆纵向加速度信号a_x，计算道路坡度i；

具体地，路面坡度i的计算方法如下：

对a_x ^sensor和a_x以相同的参数进行低通滤波，并且

可得，坡度角α＝arcsin((a_{x_sensor}-a_xcosθ)/g)+θ；

坡度i＝tanα。

3.根据权利要求2所述的全工况路面坡度估算方法，其特征在于，S10具体为：

S101、通过左前悬架传感器101获取左前悬架高度信号h_fl；通过右前悬架传感器102获取右前悬架高度信号h_fr；通过左后悬架传感器103采集左后悬架高度信号h_rl；通过右后悬架传感器104采集右后悬架高度信号h_rr；

S102、根据左前悬架高度信号h_fl、右前悬架高度信号h_fr、左后悬架高度信号h_rl和右后悬架高度信号h_rr计算侧倾角φ和俯仰角θ；

其中，

其中，L为车辆的轴距；B为车辆的轮距。

4.根据权利要求3所述的全工况路面坡度估算方法，其特征在于，S20具体为：

S201、通过车速传感器105获取车速信号u，通过侧向加速度传感器107获取侧向加速度信号a_y ^sensor，通过横摆角速度传感器108获取横摆角速度信号r，通过转向盘转角传感器109获取转向盘转角信号δ_sw；

S202、根据车速信号u、侧向加速度信号a_y ^sensor、横摆角速度信号r、转向盘转角信号δ_sw以及侧倾角φ；计算车辆侧向速度

其中，

β为质心侧偏角。

5.根据权利要求4所述的全工况路面坡度估算方法，其特征在于，所述质心侧偏角β通过以下方式得到：

对侧向加速度a_y进行修正：

根据轮胎非线性特性的二自由度车辆模型系统方程：

其中，F_f为前轴侧向力，F_r为后轴侧向力，δ为前轮转角，δ＝δ_sw/i_s,i_s为转向传动比，m为质量，I_z为横摆转动惯量，a为前轴至质心距离，σ为侧向松弛长度，

为前轴稳态侧向力，

为后轴稳态侧向力，稳态侧向力通过非线性轮胎模型计算得到，基于Pacejka模型的计算方法为：

F_y(α)＝Dsin(Cαtan(Bα-BEα+Eatan(Bα)))；

其中，B、C、D、E为轮胎模型参数，α为轮胎侧偏角；

系统方程可改写为如下的标准形式：

x&(t)＝f(x(t),u(t))+w(t)；

其中，x(t)＝[β(t),r(t),F_f(t),F_r(t)]^T，u(t)＝δ_sw(t)，w(t)为过程噪声；

该系统方程离散化为：

x_k+1＝f_d(x_k,u_k)+w_k；

测量方程为：

y_k＝Hx_k+v_k；

其中：

y＝[a_y,r]^T

v_k为测量噪声；

应用扩展卡尔曼滤波方法，得到质心侧偏角β，计算过程为：

预测状态：

预测估计协方差矩阵：

计算最优卡尔曼增益：K_k＝P_k|k-1H^T(HP_k|k-1H^T+R_k)^-1；

更新状态估计：

更新协方差估计：P_k|k＝(I-HK_k)P_k|k-1；

其中，

β＝x(1)；

6.根据权利要求5所述的全工况路面坡度估算方法，其特征在于，S30具体为：

S301、通过车速传感器获取车速信号u，通过横摆角速度传感器获取横摆角速度信号r；

S302、根据车速信号u，横摆角速度信号r；以及侧向速度

计算车辆纵向加速度a_x，

其中，车辆纵向加速度a_x的计算公式为：

其中，u_k-1为上一周期的车速信号u的数值，u_k为本周期的车速信号u的数值，r_k为横摆角速度信号r在本周期的数值，

为侧向速度信号

在本周期的数值。

Images