CN109030019A - 一种汽车质量的在线估计方法 - Google Patents
一种汽车质量的在线估计方法 Download PDFInfo
- Publication number
- CN109030019A CN109030019A CN201810641589.1A CN201810641589A CN109030019A CN 109030019 A CN109030019 A CN 109030019A CN 201810641589 A CN201810641589 A CN 201810641589A CN 109030019 A CN109030019 A CN 109030019A
- Authority
- CN
- China
- Prior art keywords
- car mass
- value
- vehicle
- mass
- car
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M17/00—Testing of vehicles
- G01M17/007—Wheeled or endless-tracked vehicles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Probability & Statistics with Applications (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
- Combined Controls Of Internal Combustion Engines (AREA)
Abstract
本发明公开了一种汽车质量的在线估计方法,属于车载估计技术领域。通过从车辆CAN总线上获取加速踏板开度、纵向加速度、车速、档位信号并进行数据滤波,选取起步时的信号曲线段,依靠任意时刻质量估计算法模块计算选取的曲线段上所有时刻的汽车质量估计值,考虑到采用单一时刻的车辆响应进行质量估计受噪声干扰较大,有可能存在异常估计值,本发明通过kmeans聚类将所有时刻质量估计值进行聚类,剔除异常估计值,得到汽车质量的最终估计值。本发明不需要知道额外的车辆参数,离线标定工作量少,估计精度较高,为提升汽车安全以及驾驶舒适性创造了条件。
Description
技术领域
本发明属于车载估计技术领域,尤其是指一种汽车质量的在线估计方法。
背景技术
随着汽车工业的发展,消费者对于汽车的安全性以及乘坐舒适性的要求越来越高。为迎合消费者的需求,各大汽车厂商广泛采用各种控制控制算法如ABS、TCS、ESP、ACC等提高车辆的安全性和乘坐舒适性。控制器对车辆进行准确控制的前提是需要获知车辆当前的基本参数例如汽车质量参数。然而汽车整体质量是随着车载质量的变化而改变,对于大型货车而言,由于装载量的不同导致整体质量发生很大的变化。对于不同的整体质量,汽车若采用相同的控制策略进行制动或者驱动会极大地影响汽车的安全性、动力性等性能。如货车满载时的制动,若需产生空载时相同的制动减速度,需要增大相应的制动强度,此时对汽车质量进行较为准确的估计对汽车行驶安全性具有重要作用。对于强调驾驶性体验的汽车,如果汽车质量增加,需要增加相应的扭矩才能产生所期望的纵向加速度。对于客车而言,车上乘员数量的变动非常大,需要考虑汽车质量的在线估计。综上所述,无论是轿车、货车、客运车、对于汽车质量在线估计均有着极其重要的意义。
传统汽车质量在线估计方法:通过建立纵向动力学模型,估计滚阻以及空气阻力等实现汽车质量在线估计,并且在汽车行驶过程中时时刻刻对其进行估计。该方法存在的问题是:
问题1.没有考虑汽车总体质量在行驶过程中是一个基本参数,从而在任意时刻均对其进行估计,由于汽车行驶环境异常复杂,不能保证任意时刻的汽车质量估计值都能较为准确。
问题2.由于换挡冲击的存在,导致在换挡过程中对汽车质量估计值会在产生较大的误差。
问题3.忽略了加速踏板行程变化快慢会产生不同的加速响应,忽略该因素会对质量估计带来较大的误差。
问题4.在行驶过程中,特别是对于汽车高速行驶过程滚阻以及空气阻力占的汽车纵向行驶阻力的比例较大,不能忽略其存在,并且难以准确估计,影响识别准确性。
问题5.汽车在运动过程中,既有平移运动又有旋转运动。在建立纵向动力学模型进行汽车质量在线估计时需要考虑将旋转部分的惯量等效为平移质量,并需要事先获取汽车旋转惯量参数。
发明内容
本发明提供一种汽车质量的在线估计方法,以解决不能保证任意时刻汽车质量估计值的准确性、误差大、影响识别准确性的问题。
本发明采用的技术方案是:包括下列步骤:
(1)从车辆CAN总线上获取加速踏板开度信号、车速信号、纵向加速度信号ax、档位信号;
(2)通过档位信号选取出有效时间信号曲线段;
(3)在离线数据准备阶段、获取不同质量下的车辆响应数据表的基础上,通过任意时刻质量估计算法估计出选取的曲线段上所有时刻的汽车质量估计值;
(4)对所有汽车质量估计值进行kmeans聚类,得到汽车质量估计值。
本发明所述步骤(2)中通过档位信号选择有效时间信号曲线段,选取处于起步档位的加速踏板开度、车速、纵向加速度ax时间信号曲线段进行估计。
本发明所述步骤(3)中在离线数据准备阶段,通过选取不同汽车质量,考虑不同加速踏板变化快慢的情况下建立加速踏板开度、车速、纵向加速度map表,每一种汽车质量下,考虑3种及以上的加速踏板变化快慢的情况;
在建立map表的基础上,通过任意时刻质量估计算法估计出选取的曲线段上所有时刻的汽车质量估计值,具体步骤如下:
根据所选取的加速踏板开度、车辆纵向加速度、车速时间历程曲线段上同一时刻上的加速踏板开度值、车辆纵向加速度值、车速值,根据加速踏板开度、车速,进行插值计算获取最小汽车总体质量下所对应的纵向加速度值ax1,常用汽车总体质量下的纵向加速度值ax2,最大汽车总体质量下的纵向加速度值ax3;将从CAN总线获取的纵向加速度a与ax1,ax2,ax3进行对比,并通过任意时刻的质量估计算法计算得到每一时刻的汽车质量估计值,按照同样的方法,根据所选取的曲线段其他时刻的车速值、加速踏板开度值、加速度值计算汽车质量估计值,该任意时刻质量估计算法具体步骤如下:
选取曲线段上任意时刻的加速踏板开度acc_pedal、车速Vx、加速度ax信号,根据加速踏板开度acc_pedal以及车速Vx、按照离线数据准备的map表进行插值计算求出汽车最小总体质量m1下的ax1,常用汽车总体质量m2下的加速度值ax2,最大质量下的加速度值ax3;
ax1=f1(acc_pedal,Vx)
ax2=f2(acc_pedal,Vx)
ax3=f3(acc_pedal,Vx)
F滚阻1是汽车行驶滚动阻力;
由于汽车加速行驶时,需要克服其质量加速运动时产生的惯性力,且汽车质量分为平移质量和旋转质量,记旋转质量转化为平移质量时的等效质量记做me;
通过ax分别与ax1,ax2,ax3作差并取绝对值进行比较,判断ax与哪个更加接近;
若ax与ax1的差值的绝对值最小则利用下面的式子估计汽车质量m;
若ax与ax2的差值的绝对值最小则利用下面的式子估计汽车质量m;
若ax与ax3的差值的绝对值最小则利用下面的式子估计汽车质量m;
通过上述公式估计得到选取的曲线段上某一时刻点的汽车质量估计值,通过相同的方法可以求得选取的曲线段上任意时刻的汽车质量估计值。
本发明所述步骤(4)中利用kmeans聚类算法进行异常估计值的剔除,并求解出最终的汽车质量估计值。
本发明在汽车质量一定情况下,在车辆停止(商用车进行装货卸货,客车内乘员上下车,轿车内乘员上下车等)到再次启动时,汽车整体质量才会发生变化,在车辆行驶过程中,质量一般不会发生变化。针对这一现象,可知汽车质量在线估计问题不需要考虑时时刻刻都需要准确估计。为此,本发明将对车辆质量在线估计问题进行简化。只需要在车辆启动至某一低速时刻,通过CAN总线选取合适的时间信号曲线段,进行汽车质量的在线估计,估计完成之后便不再进行估计。将估计值看做是汽车行驶过程中的一个固定参数。直到下一次停车,起步,再进行估计。
针对背景技术中提到的问题,本发明的解决办法是:
针对问题1,本发明的解决办法是:只需在起步阶段进行汽车质量估计,汽车起步阶段汽车质量估计完成之后便不再进行估计,在运行中始终看做是一个固定不变的参数值,提高汽车质量估计的鲁棒性,使其不受复杂环境的干扰而产生较大的估计误差。
针对问题2,本发明的解决办法是:在起步阶段,选取起步档位内的汽车纵向加速度、车速、加速踏板开度信号曲线进行汽车质量估计,避免汽车换挡过程产生较大的汽车质量估计误差。
针对问题3,本发明的解决办法是:通过场地试验建立三种汽车质量,多种加速踏板开度变化快慢的情况下,汽车加速响应情况。
针对问题4,本发明的解决办法是:由于在起步阶段,汽车滚动阻力以及空气阻力都较小,特别是空气阻力几乎可以忽略不计,对于滚阻的计算,采用公式12进行估计。
针对问题5,本发明的解决办法是:按照公式11计算由于汽车旋转运动产生的等效平移质量。
本发明的优点是:
1.由于在起步阶段就完成了汽车质量估计,在后续的行驶过程中,已经将该估计值作为一个特定参数,提高汽车质量估计算法的鲁棒性,使其不受复杂环境的干扰而产生较大的估计误差。
2.通过档位信号进行有效曲线段的选取避免了换挡冲击带来的纵向加速度剧烈变化而导致的汽车质量估计误差。
3.考虑了如何根据不同加速踏板变化快慢时,车速、纵向加速度响应进行汽车质量估计。不需要建立复杂的纵向车辆动力学模型,不需要准确估计汽车滚动阻力、空气阻力、以及考虑车辆传动效率的影响。
4.不需要对出来滚动阻力以外的其他阻力(空气阻力等)进行估计,便可以对汽车质量进行较为准确的估计。
5.不需要事先知道车辆任何其他参数(如滚动阻力系数、空气阻力系数、传动效率、汽车旋转质量换算系数等)。
6.由于本发明的目标是起步阶段进行准确估计,所以只需建立低速情况下的的map表,离线标定工作量小,节省了标定工作量。
7.在离线建立数据表的基础上,对任意时刻的汽车质量进行估计得到多个汽车质量估计值,并利用kmeans方法进行聚类分析,进一步剔除异常估计值,得到最终的汽车质量估计值,提高了估计精度。
本发明的意义在于通过直接获取CAN总线上的信号便可以进行汽车总体质量在线估计,并且离线所需的标定工作量较小,在估计过程中不需要任何其他模型参数便可以对汽车总体质量较为准确的估计,能够应用于其他控制系统改善对车辆的控制效果。
附图说明
图1是本发明的原理示意图;
图2是本发明的离线map表;
图3是某一段时间内的加速踏板开度曲线;
图4是某一段时间内的车速曲线;
图5是某一段时间内的加速度曲线;
图6是某一段时间内的档位曲线;
图7是选取的某一时间历程曲线段;
图8是kmeans聚类算法流程图。
具体实施方式
包括下列步骤:
(1)从车辆CAN总线上获取加速踏板开度信号、车速信号、纵向加速度信号ax、档位信号;
(2)通过档位信号选取出有效时间信号曲线段;
(3)在离线数据准备阶段、获取不同质量下的车辆响应数据表的基础上,通过任意时刻质量估计算法估计出选取的曲线段上所有时刻的汽车质量估计值;
(4)对所有汽车质量估计值进行kmeans聚类,得到汽车质量估计值。
本发明所述步骤(2)中通过档位信号选择有效时间信号曲线段,选取处于起步档位的加速踏板开度、车速、纵向加速度ax时间信号曲线段进行估计。
本发明所述步骤(3)中在离线数据准备阶段,通过选取不同汽车质量,考虑不同加速踏板变化快慢的情况下建立加速踏板开度、车速、纵向加速度map表,每一种汽车质量下,考虑3种及以上的加速踏板变化快慢的情况,实际应用过程中,汽车质量可以选取3种即可;
在建立map表的基础上,通过任意时刻质量估计算法估计出选取的曲线段上所有时刻的汽车质量估计值,具体步骤如下:
根据所选取的加速踏板开度、车辆纵向加速度、车速时间历程曲线段上同一时刻上的加速踏板开度值、车辆纵向加速度值、车速值,根据加速踏板开度、车速,进行插值计算获取最小汽车总体质量下所对应的纵向加速度值ax1,常用汽车总体质量下的纵向加速度值ax2,最大汽车总体质量下的纵向加速度值ax3;将从CAN总线获取的纵向加速度a与ax1,ax2,ax3进行对比,并通过任意时刻的质量估计算法计算得到每一时刻的汽车质量估计值,按照同样的方法,根据所选取的曲线段其他时刻的车速值、加速踏板开度值、加速度值计算汽车质量估计值,该任意时刻质量估计算法具体步骤如下:
选取曲线段上任意时刻的加速踏板开度acc_pedal、车速Vx、加速度ax信号,根据加速踏板开度acc_pedal以及车速Vx、按照离线数据准备的map表进行插值计算求出汽车最小总体质量m1下的ax1,常用汽车总体质量m2下的加速度值ax2,最大质量下的加速度值ax3;
ax1=f1(acc_pedal,Vx)
ax2=f2(acc_pedal,Vx)
ax3=f3(acc_pedal,Vx)
F滚阻1是汽车行驶滚动阻力;
由于汽车加速行驶时,需要克服其质量加速运动时产生的惯性力,且汽车质量分为平移质量和旋转质量,记旋转质量转化为平移质量时的等效质量记做me;
通过ax分别与ax1,ax2,ax3作差并取绝对值进行比较,判断ax与哪个更加接近;
若ax与ax1的差值的绝对值最小则利用下面的式子估计汽车质量m;
若ax与ax2的差值的绝对值最小则利用下面的式子估计汽车质量m;
若ax与ax3的差值的绝对值最小则利用下面的式子估计汽车质量m;
通过上述公式估计得到选取的曲线段上某一时刻点的汽车质量估计值,通过相同的方法可以求得选取的曲线段上任意时刻的汽车质量估计值。
本发明所述步骤(4)中利用kmeans聚类算法进行异常估计值的剔除,并求解出最终的汽车质量估计值。
下面结合附图和仿真例对本发明做进一步说明。
本仿真例结合某一特定轿车,通过仿真数据进行说明,图2~7均为仿真信号,本次仿真轿车的最小汽车总体质量为m1,假定日常车辆行驶整体质量m2、最大汽车整体质量为m3,按照如下方式进行数据采集,建立离线数据表,具体步骤如下:
1.离线数据准备:首先通过仿真方法(实际应用中,可以通过实车场地试验按照如下的方法进行数据准备),获取最小汽车总体质量、常用汽车总体质量、最大汽车总体质量三种不同质量下,考虑不同加速踏板变化快慢时的加速踏板开度、车速、纵向加速度、档位信号,并通过选取出处于起步档的加速踏板开度、车速、纵向加速度数据,并进行滤波操作消除干扰噪声,建立用于插值计算的离线数据表。本次仿真例考虑以5种不同加速踏板变化快慢时(t1,t2,t3,t4,t5)的汽车响应情况。(实际应用过程中可以考虑3种以上的加速踏板变化快慢情况均可,且加速踏板变化快慢不需要完全与设定的时间一致,只需要大致接近就可以。)
汽车质量为m1时:按照如下方式操作方式并进行数据采集:
第一次数据:车辆起步,t1时间内加速踏板开度从0至100%,制动停止;
第二次数据:车辆起步,t2时间内加速踏板开度从0至100%,制动停止;
第三次数据:车辆起步,t3时间内加速踏板开度从0至100%,制动停止;
第四次数据:车辆起步,t4时间内加速踏板开度从0至100%,制动停止;
第五次数据:车辆起步,t5时间内加速踏板开度从0至100%,制动停止;
汽车质量为m2时:按照如下方式操作方式并进行数据采集:
第一次数据:车辆起步,t1时间内加速踏板开度从0至100%,制动停止;
第二次数据:车辆起步,t2时间内加速踏板开度从0至100%,制动停止;
第三次数据:车辆起步,t3时间内加速踏板开度从0至100%,制动停止;
第四次数据:车辆起步,t4时间内加速踏板开度从0至100%,制动停止;
第五次数据:车辆起步,t5时间内加速踏板开度从0至100%,制动停止;
汽车质量为m3时:按照如下方式操作方式并进行数据采集:
第一次数据:车辆起步,t1时间内加速踏板开度从0至100%,制动停止;
第二次数据:车辆起步,t2时间内加速踏板开度从0至100%,制动停止;
第三次数据:车辆起步,t3时间内加速踏板开度从0至100%,制动停止;
第四次数据:车辆起步,t4时间内加速踏板开度从0至100%,制动停止;
第五次数据:车辆起步,t5时间内加速踏板开度从0至100%,制动停止;
每一次试验过程中记录加速踏板开度、纵向加速度、车速、档位、随时间历程的曲线,并通过滤波操作,去除干扰噪声,以及通过档位信号选取起步档位阶段的加速踏板开度、纵向加速度、车速数据值,并建立数据表。(通过matlab进行数据可视化可以绘制出如附图2所示的图像,可以明显的看出不同质量情况下,汽车的加速踏板开度、车速、纵向加速度所形成的三维map图由较大区别。实际应用中不需要绘制该图,本次绘制该图仅仅为了便于对该方法的理解。)
2.汽车质量在线估计方法(本次通过仿真方法设置汽车质量为m时,利用汽车响应信号,结合该方法进行汽车质量估计,用于检验方法的有效性):在建立离线数据表的基础上,按照附图1所示的原理进行汽车质量在线估计,具体步骤如下:
(1)在车辆起步阶段,通过获取车辆加速踏板开度、车辆纵向加速度、车速、档位、随时间历程变化的四条曲线。如图3、图4、图5、图6;
(2)通过档位信号选取出处于起步档位阶段的加速踏板开度、车辆纵向加速度、车速三条时间历程曲线段(避开换挡冲击所带来的纵向加速度的剧烈变化对估计产生较大干扰)。如图7所示,选取处于1档时的1s至2s之间的曲线段(实际应用过程中可以选取处于起步档位的任意曲线段)。再接着进行数据滤波去除干扰噪声;
(3)对选取的加速踏板开度、车辆纵向加速度、车速三条时间历程曲线段进行数据滤波(仿真数据噪声不明显,在实际应用中有必要考虑该操作);。
(4)根据所选取的加速踏板开度、车辆纵向加速度、车速时间历程曲线段上同一时刻上的加速踏板开度值、车辆纵向加速度值、车速值,根据加速踏板开度、车速,进行插值计算获取最小汽车总体质量下所对应的纵向加速度值ax1,常用汽车总体质量下的纵向加速度值ax2,最大汽车总体质量下的纵向加速度值ax3,将从CAN总线获取的纵向加速度a与ax1,ax2,ax3进行对比,并通过任意时刻的质量估计算法计算得到每一时刻的汽车质量估计值,按照同样的方法,根据所选取的曲线段其他时刻的车速值、加速踏板开度值、加速度值计算汽车质量估计值,任意时刻质量估计算法具体如下:
选取曲线段上任意时刻的加速踏板开度acc_pedal、车速Vx、加速度ax信号,根据加速踏板开度acc_pedal以及车速Vx、按照离线数据准备的数据表进行插值计算求出汽车最小总体质量下的ax1,常用汽车总体质量下的加速度值ax2,最大质量下的加速度值ax3;
ax1=f1(acc_pedal,Vx) (式1)
ax2=f2(acc_pedal,Vx) (式2)
ax3=f3(acc_pedal,Vx) (式3)
将发动机输出力矩作用在驱动车轮上的力记为:F驱,所有外界阻力记为F滚阻+f其他阻力(F滚阻指的是所有车轮的滚动阻力之和,f其他阻力指除滚阻外的空气阻力、动力传动系摩擦阻力等阻力的总和)。汽车最小总体质量记为m1,汽车常用总体质量记为m2,汽车最大总体质量记为m3,当前汽车总体质量为m。由于汽车加速行驶时,需要克服其质量加速运动时产生的惯性力,且汽车质量分为平移质量和旋转质量,记旋转质量转化为平移质量时的等效质量记做me,那么存在如下的关系式:
当车速、加速踏板开度相同、不同汽车总体质量的情况下,旋转质量相同均为me,并且存在如下关系式:
F驱1=F驱2=F驱3=F驱4; (式8)
f其他阻力1=f其他阻力2=f其他阻力3=f其他阻力4; (式9)
由滚阻系数的定义可以知道:滚动阻力系数是车轮在一定条件下的滚动时所需的推力与车轮负荷之比。那么其他条件相同的情况下、汽车总体质量增加的同时,车轮负荷也有相应的增加,汽车滚动阻力与汽车总负荷存在如下关系式:
联立(式4~式10)有如下关系式:
若ax与ax1的差值的绝对值最小则利用式11、式12、式13估计汽车质量m;
若ax与ax2的差值的绝对值最小则利用式11、式12、式14估计汽车质量m;
若ax与ax3的差值的绝对值最小则利用式11、式12、式15估计汽车质量m;
通过上述公式估计得到选取的曲线段上某一时刻点的汽车质量估计值,通过相同的方法可以求得选取的曲线段上任意时刻的汽车质量估计值;
(5)通过对上一步计算得到的所有时刻点的质量估计值进行kmeans算法进行聚类分析求得最终的汽车质量估计值。(聚类目的:剔除由于噪声或其他因素导致的某些时刻点的离真实值差距较大的异常估计值)聚类算法原理如附图8,具体步骤如下:
a)初始化聚类中心:选取最小汽车总体质量mmin,常用汽车总体质量mmid=m2,最大汽车总体质量mmax。(本次仿真例mmin=m1,mmid=m2mmax=m3。)
b)计算每个样本和中心点之间的距离,离哪个最近,就将其归为哪一类;
c)每一类都会有很多样本,计算这些样本的平均值作为新的中心点,以及统计每一类的样本总量;
d)如果新的中心点和旧的中心点的不再变化时,则完成聚类,否则重新跳至第(b)步;
e)通过第d步聚类得到3个汽车总体质量估计聚类中心,选择样本数最多的类的中心作为汽车总体质量估计值。
以上所述仅为本发明的较佳实施例而已,并不用于限制本发明,凡在本发明的原则和精神之内所作的任何修改、等同替换和改进等,均就包含在本发明的保护范围之内。
Claims (5)
1.一种汽车质量的在线估计方法,其特征在于,包括下列步骤:
(1)从车辆CAN总线上获取加速踏板开度信号、车速信号、纵向加速度信号ax、档位信号;
(2)通过档位信号选取出有效时间信号曲线段;
(3)在离线数据准备阶段、获取不同质量下的车辆响应数据表的基础上,通过任意时刻质量估计算法估计出选取的曲线段上所有时刻的汽车质量估计值;
(4)对所有汽车质量估计值进行kmeans聚类,得到汽车质量估计值。
2.根据权利要求1所述的一种汽车质量的在线估计方法,其特征在于:步骤(2)中通过档位信号选择有效时间信号曲线段,选取处于起步档位的加速踏板开度、车速、纵向加速度ax时间信号曲线段进行估计。
3.根据权利要求1所述的一种汽车质量的在线估计方法,其特征在于:步骤(3)中在离线数据准备阶段,通过选取不同汽车质量,考虑不同加速踏板变化快慢的情况下建立加速踏板开度、车速、纵向加速度map表,每一种汽车质量下,考虑3种及以上的加速踏板变化快慢的情况。
4.根据权利要求3所述的一种汽车质量的在线估计方法,其特征在于:在建立map表的基础上,通过任意时刻质量估计算法估计出选取的曲线段上所有时刻的汽车质量估计值,具体步骤如下:
根据所选取的加速踏板开度、车辆纵向加速度、车速时间历程曲线段上同一时刻上的加速踏板开度值、车辆纵向加速度值、车速值,根据加速踏板开度、车速,进行插值计算获取最小汽车总体质量下所对应的纵向加速度值ax1,常用汽车总体质量下的纵向加速度值ax2,最大汽车总体质量下的纵向加速度值ax3;将从CAN总线获取的纵向加速度a与ax1,ax2,ax3进行对比,并通过任意时刻的质量估计算法计算得到每一时刻的汽车质量估计值,按照同样的方法,根据所选取的曲线段其他时刻的车速值、加速踏板开度值、加速度值计算汽车质量估计值,该任意时刻质量估计算法具体步骤如下:
选取曲线段上任意时刻的加速踏板开度acc_pedal、车速Vx、加速度ax信号,根据加速踏板开度acc_pedal以及车速Vx、按照离线数据准备的map表进行插值计算求出汽车最小总体质量m1下的ax1,常用汽车总体质量m2下的加速度值ax2,最大质量下的加速度值ax3;
ax1=f1(acc_pedal,Vx)
ax2=f2(acc_pedal,Vx)
ax3=f3(acc_pedal,Vx)
F滚阻1是汽车行驶滚动阻力;
由于汽车加速行驶时,需要克服其质量加速运动时产生的惯性力,且汽车质量分为平移质量和旋转质量,记旋转质量转化为平移质量时的等效质量记做me;
通过ax分别与ax1,ax2,ax3作差并取绝对值进行比较,判断ax与哪个更加接近;
若ax与ax1的差值的绝对值最小则利用下面的式子估计汽车质量m;
若ax与ax2的差值的绝对值最小则利用下面的式子估计汽车质量m;
若ax与ax3的差值的绝对值最小则利用下面的式子估计汽车质量m;
通过上述公式估计得到选取的曲线段上某一时刻点的汽车质量估计值,通过相同的方法可以求得选取的曲线段上任意时刻的汽车质量估计值。
5.根据权利要求1所述的一种汽车质量的在线估计方法,其特征在于:步骤(4)中利用kmeans聚类算法进行异常估计值的剔除,并求解出最终的汽车质量估计值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810641589.1A CN109030019B (zh) | 2018-06-20 | 2018-06-20 | 一种汽车质量的在线估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810641589.1A CN109030019B (zh) | 2018-06-20 | 2018-06-20 | 一种汽车质量的在线估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109030019A true CN109030019A (zh) | 2018-12-18 |
CN109030019B CN109030019B (zh) | 2020-04-07 |
Family
ID=64610431
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810641589.1A Active CN109030019B (zh) | 2018-06-20 | 2018-06-20 | 一种汽车质量的在线估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109030019B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110778714A (zh) * | 2019-12-31 | 2020-02-11 | 南斗六星系统集成有限公司 | 一种燃油车挡位识别方法和系统 |
CN110987470A (zh) * | 2019-12-06 | 2020-04-10 | 吉林大学 | 一种基于模型迭代的汽车质量在线估计方法 |
CN113918888A (zh) * | 2021-09-18 | 2022-01-11 | 陕西法士特齿轮有限责任公司 | 一种混合动力重型商用车汽车总重量的获取方法 |
CN114684159A (zh) * | 2022-03-21 | 2022-07-01 | 潍柴动力股份有限公司 | 一种车辆质量估算方法、装置、电子设备和存储介质 |
CN117951487A (zh) * | 2024-03-27 | 2024-04-30 | 鱼快创领智能科技(南京)有限公司 | 基于云计算的重型货运车辆总重辨识及置信度评估方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007163157A (ja) * | 2005-12-09 | 2007-06-28 | Sumitomo Rubber Ind Ltd | 車両の荷重推定方法および装置、ならびに車両の荷重推定のためのプログラム |
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 |
CN104973069A (zh) * | 2015-07-10 | 2015-10-14 | 吉林大学 | 重型车空气阻力合成系数和质量的在线同步辨识方法 |
CN105416294A (zh) * | 2015-12-26 | 2016-03-23 | 吉林大学 | 一种重型汽车列车参数估计方法 |
CN105667521A (zh) * | 2016-04-11 | 2016-06-15 | 潍柴动力股份有限公司 | 一种用于计算车辆总质量的方法以及系统 |
CN106529111A (zh) * | 2015-09-14 | 2017-03-22 | 北汽福田汽车股份有限公司 | 整车重量的检测方法、系统及车辆 |
CN107229801A (zh) * | 2017-06-12 | 2017-10-03 | 吉林大学 | 轮胎滚动阻力系数在线辨识方法 |
CN107264535A (zh) * | 2017-03-10 | 2017-10-20 | 清华大学 | 一种基于频响特性的整车质量估计方法 |
CN108068824A (zh) * | 2016-11-07 | 2018-05-25 | 现代自动车株式会社 | 估计车辆重量的装置及其使用方法 |
-
2018
- 2018-06-20 CN CN201810641589.1A patent/CN109030019B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007163157A (ja) * | 2005-12-09 | 2007-06-28 | Sumitomo Rubber Ind Ltd | 車両の荷重推定方法および装置、ならびに車両の荷重推定のためのプログラム |
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 |
CN104973069A (zh) * | 2015-07-10 | 2015-10-14 | 吉林大学 | 重型车空气阻力合成系数和质量的在线同步辨识方法 |
CN106529111A (zh) * | 2015-09-14 | 2017-03-22 | 北汽福田汽车股份有限公司 | 整车重量的检测方法、系统及车辆 |
CN105416294A (zh) * | 2015-12-26 | 2016-03-23 | 吉林大学 | 一种重型汽车列车参数估计方法 |
CN105667521A (zh) * | 2016-04-11 | 2016-06-15 | 潍柴动力股份有限公司 | 一种用于计算车辆总质量的方法以及系统 |
CN108068824A (zh) * | 2016-11-07 | 2018-05-25 | 现代自动车株式会社 | 估计车辆重量的装置及其使用方法 |
CN107264535A (zh) * | 2017-03-10 | 2017-10-20 | 清华大学 | 一种基于频响特性的整车质量估计方法 |
CN107229801A (zh) * | 2017-06-12 | 2017-10-03 | 吉林大学 | 轮胎滚动阻力系数在线辨识方法 |
Non-Patent Citations (1)
Title |
---|
李海青: "载货汽车质量与路面坡度联合估计方法研究", 《汽车技术》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110987470A (zh) * | 2019-12-06 | 2020-04-10 | 吉林大学 | 一种基于模型迭代的汽车质量在线估计方法 |
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 |
CN110778714A (zh) * | 2019-12-31 | 2020-02-11 | 南斗六星系统集成有限公司 | 一种燃油车挡位识别方法和系统 |
CN110778714B (zh) * | 2019-12-31 | 2020-04-28 | 南斗六星系统集成有限公司 | 一种燃油车挡位识别方法和系统 |
CN113918888A (zh) * | 2021-09-18 | 2022-01-11 | 陕西法士特齿轮有限责任公司 | 一种混合动力重型商用车汽车总重量的获取方法 |
CN114684159A (zh) * | 2022-03-21 | 2022-07-01 | 潍柴动力股份有限公司 | 一种车辆质量估算方法、装置、电子设备和存储介质 |
CN117951487A (zh) * | 2024-03-27 | 2024-04-30 | 鱼快创领智能科技(南京)有限公司 | 基于云计算的重型货运车辆总重辨识及置信度评估方法 |
CN117951487B (zh) * | 2024-03-27 | 2024-06-18 | 鱼快创领智能科技(南京)有限公司 | 基于云计算的重型货运车辆总重辨识及置信度评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109030019B (zh) | 2020-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109030019A (zh) | 一种汽车质量的在线估计方法 | |
CN110435623B (zh) | 一种自动调整的电动车分级自动紧急制动控制系统 | |
CN106740870B (zh) | 一种考虑换挡因素的车辆质量估计方法 | |
CN106132755B (zh) | 车辆的运动控制系统、车辆、以及车辆的运动控制方法 | |
CN111806449A (zh) | 一种纯电动车的整车质量和路面坡度的估算方法 | |
US8751141B2 (en) | Method for estimating the height of the gravity center of a vehicle | |
CN109466561A (zh) | 车辆总质量计算方法和系统 | |
CN106515733B (zh) | 车辆的控制装置 | |
CN108871788B (zh) | 一种自动变速器换挡品质测试台架的校验方法 | |
CN105667521A (zh) | 一种用于计算车辆总质量的方法以及系统 | |
CN106965810B (zh) | 车辆的控制装置 | |
CN111169481A (zh) | 用于估计车辆车轮速度的系统和方法 | |
US9333962B2 (en) | Method for detecting malfunction of brake system using yaw rate | |
US20200156602A1 (en) | Method for estimating the achievable total braking forces for the automated deceleration of a utility vehicle, braking system and utility vehicle having said braking system | |
CN108819950A (zh) | 汽车稳定性控制系统的车速估计方法及系统 | |
CN111942401B (zh) | 一种避免增加标定量的整车质量估算方法及系统 | |
Zhang et al. | Model-based estimation of vehicle aerodynamic drag and rolling resistance | |
CN111605559A (zh) | 一种整车质量估算方法、扭矩控制方法及装置 | |
US11332150B2 (en) | System and method for controlling wheel slip of vehicle | |
CN107229801B (zh) | 轮胎滚动阻力系数在线辨识方法 | |
CN111891133B (zh) | 一种适配多种路况的整车质量估算方法及系统 | |
CN109597346A (zh) | 一种新型商用车负载识别及坡道估计方法 | |
CN108956156A (zh) | 车辆的制动抱死系统的性能测试方法及其装置 | |
CN117104013A (zh) | 一种车辆减速度控制方法、装置和新能源汽车 | |
CN110143199B (zh) | 商用车车重自适应坡道起步控制方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |