CN109131342A - 加速度传感器和轮轴速度传感器的融合测速方法及装置 - Google Patents

Abstract

本发明公开了一种加速度传感器和轮轴速度传感器的融合测速方法，可以根据加速度传感器采集的车辆的纵向加速度和轮轴速度传感器采集的各轮轴的线速度确定出车辆空转滑行的三个量化指标，即各轮轴的蠕滑速度指标、加速度指标以及加速度微分指标，然后根据得出的三个量化指标得出轮轴的总修正线速度，进而根据总修正线速度和纵向加速度确定出当前车辆的行驶速度，因此，应用本融合测速方法，可将加速度传感器和轮轴速度传感器测量的数据进行充分融合，与现有技术中只选取加速度传感器测得的数据作为判断依据与补偿增量相比，进而提高了车辆速度的测量准确性。另外，本发明还公开了一种加速度传感器和轮轴速度传感器的融合测速装置，效果如上。

Description

加速度传感器和轮轴速度传感器的融合测速方法及装置

技术领域

本发明涉及车辆速度测量领域，特别涉及加速度传感器和轮轴速度传感器的融合测速方法及装置。

背景技术

单一的传感器已经不能满足全工况测量的现状，多传感器信息融合测速成了车速精确测量的发展方向。轮轴速度传感器测速的特点是在不空转滑行时可获得精确的车辆速度，但过于依赖车轮的运动状态，在空转滑行时测量误差大，且易受轮径偏差的影响；而加速度传感器的优点是不依赖外部环境，可全工况对车辆加速度进行精确测量，但数值积分会带来较大的累积误差。因此，轮轴速度传感器与加速度传感器之间具有天然的互补性，轮轴速度传感器可在不空转滑行时给加速度传感器提供精确的实时速度校正，消除累积误差；而加速度传感器可在空转滑行时为轮轴速度传感器测量提供较为可靠的速度增量，并可辅助轮径校正。

但是，目前主要采用简单的“补丁”式融合算法，加速度传感器测量数据仅用于空转滑行的判据依据，以及提供空转滑行后的速度增量，即在判断出空转滑行后，采用最终时刻轮轴速度与后续加速度测量值进行积分。如果加速度传感器测量的数据比较准确时，就只选取加速度传感器测量的数据，如果轮轴速度传感器测量的数据比较准确时，就只选取轮轴速度传感器测量的数据，也就是说，在上述融合方式中，并没有将加速度传感器和轮轴速度传感器测量的数据进行充分融合，因此，最终得出的车辆速度准确性低。

由此可见，如何实现加速度传感器和轮轴速度传感器测量数据的充分融合以提高对车辆速度的准确测量是本领域技术人员亟待解决的问题。

发明内容

本申请实施例提供了加速度传感器和轮轴速度传感器的融合测速方法及装置，以解决现有技术中对加速度传感器和轮轴速度传感器测量数据的充分融合，提高车辆速度的测量准确性的问题。

为解决上述技术问题，本发明提供了一种加速度传感器和轮轴速度传感器的融合测速方法，包括：

获取加速度传感器采集的车辆的纵向加速度和轮轴速度传感器采集的各轮轴的线速度；

依据所述纵向加速度和所述线速度计算对应的各所述轮轴的蠕滑速度指标、加速度指标以及加速度微分指标；

根据所述蠕滑速度指标、所述加速度指标以及所述加速度微分指标对各所述线速度进行修正得出轮轴的总修正线速度，并根据所述总修正线速度和所述纵向加速度确定当前车辆的行驶速度。

优选地，在所述获取加速度传感器采集的车辆的纵向加速度和轮轴速度传感器采集的各轮轴的线速度之后，还包括：

对所述纵向加速度和所述线速度进行滤波降噪处理；

判断滤波降噪处理后的纵向加速度和线速度中是否存在故障数据；

如果是，则对所述故障数据进行封锁操作，并替换所述故障数据；

如果否，则判断所述加速度传感器和所述轮轴速度传感器是否处于封锁状态；

如果处于封锁状态，则判断处于封锁状态的所述加速度传感器和所述轮轴速度传感器是否满足解除封锁的条件；

如果满足解封锁的条件，则对处于封锁状态的所述加速度传感器和所述轮轴速度传感器进行解封锁；

输出处理后的纵向加速度和处理后的线速度；

对应地，所述依据所述纵向加速度和所述线速度计算对应的各所述轮轴的蠕滑速度指标、加速度指标以及加速度微分指标具体为：

依据所述处理后的纵向加速度和所述处理后的线速度计算所述蠕滑速度指标、所述加速度指标以及所述加速度微分指标。

优选地，所述根据所述蠕滑速度指标、所述加速度指标以及所述加速度微分指标对各所述线速度进行修正得出轮轴的总修正线速度具体包括：

确定轮轴线速度模型预测值，并计算与所述轮轴线速度模型预测值对应的第一加权系数；

计算与目标轮轴线速度对应的第二加权系数，其中，制动工况时，将各所述线速度中的最大值作为所述目标轮轴线速度，非制动工况时，将各所述线速度中的最小值作为所述目标轮轴线速度；

依据所述第一加权系数和所述第二加权系数计算与纵向加速度积分速度对应的第三加权系数；

根据所述第一加权系数、所述第二加权系数以及所述第三加权系数计算所述总修正线速度。

优选地，所述确定轮轴线速度模型预测值具体为：

基于自适应神经模糊模型或TS模糊模型确定所述轮轴线速度模型预测值。

优选地，在所述根据所述蠕滑速度指标、所述加速度指标以及所述加速度微分指标对各所述线速度进行修正得出轮轴的总修正线速度之后，还包括：

调节所述当前车辆的车速估算方差矩阵中的准确度轮轴线速度协方差值。

优选地，所述根据所述总修正线速度和所述纵向加速度确定当前车辆的行驶速度具体包括：

通过加权平均计算得到所述总修正线速度；

依据所述总修正线速度和所述纵向加速度，通过自适应卡尔曼滤波确定所述当前车辆的行驶速度。

优选地，在所述根据所述总修正线速度和所述纵向加速度确定当前车辆的行驶速度之后，还包括：

判断所述当前车辆是否满足速度轮轴直径校正条件；

如果是，则利用所述线速度对所述轮轴的直径进行校正，并返回所述获取加速度传感器采集的车辆的纵向加速度和轮轴速度传感器采集的各轮轴的线速度的步骤；

如果否，则返回所述获取加速度传感器采集的车辆的纵向加速度和轮轴速度传感器采集的各轮轴的线速度的步骤。

优选地，当所述当前车辆满足速度轮轴直径校正条件之后，还包括：

判断所述当前车辆是否满足加速度轮轴直径校正条件；

如果是，则利用所述纵向加速度对各所述轮轴的直径进行校正，并返回所述获取加速度传感器采集的车辆的纵向加速度和轮轴速度传感器采集的各轮轴的线速度的步骤；

如果否，则返回所述获取加速度传感器采集的车辆的纵向加速度和轮轴速度传感器采集的各轮轴的线速度的步骤。

为解决上述技术问题，本发明还提供了一种与加速度传感器和轮轴速度传感器的融合测速方法对应的装置，包括：

获取模块，用于获取加速度传感器采集的车辆的纵向加速度和轮轴速度传感器采集的各轮轴的线速度；

计算模块，用于依据所述纵向加速度和所述线速度计算对应的各所述轮轴的蠕滑速度指标、加速度指标以及加速度微分指标；

修正模块，用于根据所述蠕滑速度指标、所述加速度指标以及所述加速度微分指标对各所述线速度进行修正得出轮轴的总修正线速度，并根据所述总修正线速度和所述纵向加速度确定当前车辆的行驶速度。

为解决上述技术问题，本发明还提供了另一种与加速度传感器和轮轴速度传感器的融合测速方法对应的装置，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序以实现上述任意一种加速度传感器和轮轴速度传感器的融合测速方法的步骤。

相比于现有技术，本发明提供了一种加速度传感器和轮轴速度传感器的融合测速方法，可以根据加速度传感器采集的车辆的纵向加速度和轮轴速度传感器采集的各轮轴的线速度确定出车辆空转滑行的三个量化指标，即各轮轴的蠕滑速度指标、加速度指标以及加速度微分指标，然后根据得出的三个量化指标对各轮轴的线速度进行修正得出轮轴的总修正线速度，进而根据总修正线速度和纵向加速度确定出当前车辆的行驶速度，也就是说，应用本融合测速方法，可以将加速度传感器和轮轴速度传感器测量的数据进行充分融合，与现有技术中只选取加速度传感器测得的数据作为判断依据与补偿增量相比，进而提高了车辆速度的测量准确性。另外，本发明还提供了一种加速度传感器和轮轴速度传感器的融合测速装置，效果如上。

附图说明

图1为本发明实施例所提供的一种加速度传感器和轮轴速度传感器的融合测速方法流程图；

图2为本发明实施例所提供的一种加速度传感器和轮轴速度传感器的融合测速装置组成示意图；

图3为本发明实施例所提供的另一种加速度传感器和轮轴速度传感器的融合测速装置组成示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其它实施例，都属于本发明保护的范围。

本发明的核心是提供加速度传感器和轮轴速度传感器的融合测速方法及装置，可以解决现有技术中对加速度传感器和轮轴速度传感器测量数据的充分融合，提高车辆速度的测量准确性的问题。

为了使本技术领域的人员更好地理解本发明的方案，下面结合附图和具体实施方式对本发明作进一步的详细说明。

图1为本发明实施例所提供的一种加速度传感器和轮轴速度传感器的融合测速方法流程图，如图1所示，该融合测速方法包括：

S101：获取加速度传感器采集的车辆的纵向加速度和轮轴速度传感器采集的各轮轴的线速度。

具体地，就是在车辆的车身上安装加速度传感器并在一个或多个轮轴上安装轮轴速度传感器，轮轴速度传感器可以测量轮轴线速度，线速度等于轮轴旋转速度与轮轴半径的乘积，加速度传感器可以测量车辆的纵向加速度，在实际应用中，当获取到车辆的纵向加速度和各轮轴的线速度之后，可以搭建如下离散系统模型：

其中，与分别是k时刻车辆速度与车辆加速度的估算值；和分别是k-1时刻车辆速度与车辆加速度的估算值；T为系统采样周期；ΔF是车辆总牵引力在k时刻变化量；M为车辆总质量；w_vk-1与w_ak-1分别为车辆速度与车辆加速度的模型预测误差；v_wssel__k为从多组轮轴线速度测量值中计算出的轮轴的总修正速度值；n_vk为轮轴速度传感器的车速测量误差，包含有空转滑行、轮径偏差带来的误差以及传感器本身精度带来的测量误差；a_k为车辆加速度传感器的纵向测量值，其对应的测量误差为n_ak。

基于上述模型，可建立本申请实施例融合测速的状态方程与观测方程如下：

x_k＝Ax_k-1+Bu_k-1+w_k-1

y_k＝Cx_k+n_k

其中，A＝[1 T；0 1]，B＝[0 1/M]^T，w_k-1＝[w_vk-1 w_va-1]^T，y_k＝[v_{wssel_k}a_k]^T，C＝[1 0；0 1]，n_k＝[n_vk n_ak]。

根据上述模型，应用卡尔曼滤波原理，可推导出本申请实施例中车辆速度递推观测式如下：

P_k|k-1＝P_k-1|k-1+Q

K_k＝P_k|k-1(P_k|k-1+R)^-1

P_k|k＝(1-K_k)P_k|k-1

其中，Q＝[q_wv 0；0 q_wa]为模型误差w_k-1的方差阵；R＝[r_nv 0；0 r_na]为测量误差n_k的方差阵。为k时刻系统状态的预测值；A＝[1 T；0 1]；u_k-1＝ΔF；P_k|k-1为k时刻系统状态估计误差的协方差预测矩阵；Q＝[q_wv 0；0 q_wa]为模型误差w_k-1的方差阵；K_k为卡尔曼增益；为k时刻系统状态的修正值；y_k＝[v_{wssel_k} a_k]^T为系统状态测量值；R＝[r_nv 0；0 r_na]为测量误差n_k的方差阵；P_k|k为k时刻系统状态估计误差的协方差修正矩阵。

S102：依据纵向加速度和线速度计算对应的各轮轴的蠕滑速度指标、加速度指标以及加速度微分指标。

在得出纵向加速度和线速度之后，依据该纵向加速度和线速度计算对应的各轮轴的蠕滑速度指标、加速度指标以及加速度微分指标，用于量化表征各轮轴的空转滑行程度。

在上述实施例的基础上，作为优选地实施方式，在获取加速度传感器采集的车辆的纵向加速度和轮轴速度传感器采集的各轮轴的线速度之后，还包括：

对纵向加速度和线速度进行滤波降噪处理；

判断滤波降噪处理后的纵向加速度和线速度中是否存在故障数据；

如果是，则对故障数据进行封锁操作，并替换故障数据；

如果否，则判断加速度传感器和轮轴速度传感器是否处于封锁状态；

如果处于封锁状态，则判断处于封锁状态的加速度传感器和轮轴速度传感器是否满足解除封锁的条件；

如果满足解封锁的条件，则对处于封锁状态的加速度传感器和轮轴速度传感器进行解封锁；

输出处理后的纵向加速度和处理后的线速度；

对应地，依据纵向加速度和线速度计算对应的各轮轴的蠕滑速度指标、加速度指标以及加速度微分指标具体为：

依据处理后的纵向加速度和处理后的线速度计算蠕滑速度指标、加速度指标以及加速度微分指标。

为了使最终得出的当前车辆的运行速度更加准确，在获取纵向加速度和线速度之后，还需对纵向加速度和线速度进行滤波降噪处理；具体就是对纵向加速度和线速度进行滤波以剔除噪声，滤波方式包含但不限于一阶低通滤波、滑动平均滤波，然后对滤波后的信号进行特征判断，识别跳变、长时间不变、不可能值以及掉零等故障信号，之后再判断滤波降噪处理后的纵向加速度和线速度中是否存在故障数据；如果存在故障数据，则对故障数据进行封锁操作，并替换故障数据；具体替换规则为当加速度传感器测量的纵向加速度出现故障信号时，采用轮轴速度传感器测量的线速度微分代替，如有多个轮轴速度信号输入，选用最小微分值；当轮轴速度传感器测量的线速度出现故障，若存在一组或更多正常轮轴速度信号时，使用正常轮轴速度信号的平均值替换故障信号，若所有轮轴速度传感器故障，则使用以可信速度为初值进行加速度积分后得到的速度信号代替；如果没有存在故障数据，则判断加速度传感器和轮轴速度传感器是否处于封锁状态；如果处于封锁状态，则判断处于封锁状态的加速度传感器和轮轴速度传感器是否满足解除封锁的条件；如果满足解封锁的条件，则对处于封锁状态的加速度传感器和轮轴速度传感器进行解封锁；也就是说，当加速度传感器和轮轴速度传感器连续N(N为设定参数，如：50)个采样周期未出现故障数据，则表示满足解除封锁的条件，此时解除封锁即可。最后输出处理后的纵向加速度和处理后的线速度。

对应地，依据纵向加速度和线速度计算对应的各轮轴的蠕滑速度指标、加速度指标以及加速度微分指标具体为：

依据处理后的纵向加速度和处理后的线速度计算蠕滑速度指标、加速度指标以及加速度微分指标以量化表征各轮轴的空转滑行程度。具体公式为：

蠕滑速度指标：

加速度指标：

加速度微分指标：

其中，v_{ws_i}为第i个轮轴剔除噪声后的轮轴速度信号；为上一周期当前车辆的速度估算值；a为剔除噪声后的车辆纵向加速度测量值。为第i个轮轴剔除噪声后的轮轴速度的一次导数信号，为第i个轮轴剔除噪声后的轮轴速度的二次导数信号。

S103：根据蠕滑速度指标、加速度指标以及加速度微分指标对各线速度进行修正得出轮轴的总修正线速度，并根据总修正线速度和纵向加速度确定当前车辆的行驶速度。

具体地，就是根据步骤S102得到的三个量化指标对各轮轴的线速度进行修正，以便得到轮轴的总修正线速度，进而可以根据总修正线速度和车辆的纵向加速度确定出当前车辆的行驶速度。需要说明的是，总修正线速度只有一个，是对各轮轴的线速度进行修正后得出的，并不是每个轮轴都对应有一个修正线速度。例如，如果有三个轮轴对应的三个线速度，那么对三个线速度进行修正后只得出三个轮轴对应的一个总修正线速度，并不是三个轮轴均对应有一个修正线速度。

作为优选地实施方式，根据蠕滑速度指标、加速度指标以及加速度微分指标对各线速度进行修正得出轮轴的总修正线速度具体包括：

确定轮轴线速度模型预测值，并计算与轮轴线速度模型预测值对应的第一加权系数；

计算与目标轮轴线速度对应的第二加权系数，其中，制动工况时，将各线速度中的最大值作为目标轮轴线速度，非制动工况时，将各线速度中的最小值作为目标轮轴线速度；

依据第一加权系数和第二加权系数计算与纵向加速度积分速度对应的第三加权系数；

根据第一加权系数、第二加权系数以及第三加权系数计算总修正线速度。

具体地，第一，就是根据当前车辆实际牵引力、参考当前车辆质量以及当前车辆速度估算值的历史序列，计算出当前周期轮轴线速度模型预测值v_model，并统计上一周期模型的预测误差e_model；再根据输出的模型预测误差e_model和模型误差的可调增益K_model计算与轮轴线速度模型预测值v_model对应的第一加权系数β_model，计算公式如下：

在实际应用中，在得出第一加权系数之后，对其进行[0,0.2]限幅处理。优选地，可以基于自适应神经模糊模型或TS模糊模型确定轮轴线速度模型预测值。

第二，计算与目标轮轴线速度对应的第二加权系数；

具体地，就是从各轮轴线速度信号中，筛选出当前计算周期的目标轮轴线速度信号v_{ws_op}，选择规则为：非制动工况选择最低(最小)转速轮的轮轴线速度信号，制动工况选择最高(最大)转速轮的轮轴线速度信号；然后再根据上文计算出的蠕滑速度指标α_{vs_op}、加速度指标α_{a_op}、加速度微分指标α_{da_op}，计算该周期与目标轮轴线速度对应的第二加权系数β_{ws_op}，计算公式如下：

其中，α_{vs_op}、α_{a_op}、α_{da_op}分别为轮轴的蠕滑速度指标、加速度指标以及加速度微分指标；K_vs、K_a、K_da分别为上述指标的可调增益，根据具体应用车辆情况设定；在牵引与制动工况对β_{ws_op}进行[0,0.8]限幅处理，惰性工况是指车辆牵引力与制动力均为0的运行工况，并在惰行工况或α_{vs_op}＜0时，对第二加权系数进行[0,1]限幅处理，其余工况进行[0,0.8]限幅处理。

第三，依据第一加权系数和第二加权系数计算与纵向加速度积分速度对应的第三加权系数；

具体就是根据β_model和β_{ws_op}，计算出当前周期与纵向加速度积分速度对应的β_Ia，计算公式如下：

β_Ia＝1-β_{ws_op}-β_model

并且利用加速度传感器测量的纵向加速度计算轮轴速度，具体就是利用上一周期的车辆速度估算值以及加速度信号历史序列，计算加速度积分速度v_Ia(k)，计算公式如下：

其中，k₀为设定积分步数，如：100。

第四，根据第一加权系数、第二加权系数以及第三加权系数计算轮轴的总修正线速度，具体计算公式为：

v_{wssel_k}＝β_{ws_op}v_{ws_op}+β_Iav_Ia+β_modelv_model

其中，β_{ws_op}+β_Ia+β_model＝1；非制动工况下，v_{ws_op}为最低转速轮的轮轴线速度信号，制动工况下，v_{ws_op}为最高转速轮的轮轴线速度信号。

当确定出轮轴的总修正线速度之后，再结合车辆纵向加速度确定当前车辆的行驶速度。

作为优选地实施方式，根据总修正线速度和纵向加速度确定当前车辆的行驶速度具体包括：

通过加权平均计算得到总修正线速度；

依据总修正线速度和纵向加速度，通过自适应卡尔曼滤波确定当前车辆的行驶速度。

具体就是将轮轴的总修正线速度和纵向加速度，带入S101步骤中的车辆速度递推观测式中，进而确定出当前车辆的行驶速度。轮轴的总修正线速度是通过加权计算得到的，也就是说修正的方法是加权平均计算。而且最终得到的总修正线速度只有一个，不是每个轮轴都有。

本发明提供了一种加速度传感器和轮轴速度传感器的融合测速方法，可以根据加速度传感器采集的车辆的纵向加速度和轮轴速度传感器采集的各轮轴的线速度确定出车辆空转滑行的三个量化指标，即各轮轴的蠕滑速度指标、加速度指标以及加速度微分指标，然后根据得出的三个量化指标对各轮轴的线速度进行修正得出轮轴的总修正线速度，进而根据总修正线速度和纵向加速度确定出当前车辆的行驶速度，也就是说，应用本融合测速方法，可以将加速度传感器和轮轴速度传感器测量的数据进行充分融合，与现有技术中只选取加速度传感器测得的数据作为判断依据与补偿增量相比，进而提高了车辆速度的测量准确性

为进一步消除空转滑行给当前车速的估算带来的误差，在上述实施例的基础上，作为优选地实施方式，在根据蠕滑速度指标、加速度指标以及加速度微分指标对各线速度进行修正得出轮轴的总修正线速度之后，还包括：

调节当前车辆的车速估算方差矩阵中的准确度轮轴线速度协方差值。

具体就是根据空转滑行指标计算出的车速对车速估算方差矩阵中的准确度r_nv进行自适应调节，调节规则如下：

为了防止由于轮轴直径的测量不准确，影响下一个周期的车辆运行速度的计算准确性，在上述实施例的基础上，作为优选地实施方式，在根据总修正线速度和纵向加速度确定当前车辆的行驶速度之后，还包括：

判断当前车辆是否满足速度轮轴直径校正条件；

如果是，则利用线速度对轮轴的直径进行校正，并返回获取加速度传感器采集的车辆的纵向加速度和轮轴速度传感器采集的各轮轴的线速度的步骤；

如果否，则返回获取加速度传感器采集的车辆的纵向加速度和轮轴速度传感器采集的各轮轴的线速度的步骤。

具体就是为了消除轮轴直径偏差给下一个周期的车速估算带来误差，在本申请实施例中的惰行工况持续周期超过阈值时，阈值根据实际情况设定，利用轮轴速度传感器测量的轮轴速度对各轮轴的轮轴直径轮径校正，校正公式如下：

其中，R_ws__i0、R_ws__i分别为第i轴校正前后的轮轴直径值，k_R为可调增益。

在上述实施例的基础上，作为优选地实施方式，在当前车辆满足速度轮轴直径校正条件之后，还包括：

判断当前车辆是否满足加速度轮轴直径校正条件；

如果是，则利用纵向加速度对各轮轴的直径进行校正，并返回获取加速度传感器采集的车辆的纵向加速度和轮轴速度传感器采集的各轮轴的线速度的步骤；

如果否，则返回获取加速度传感器采集的车辆的纵向加速度和轮轴速度传感器采集的各轮轴的线速度的步骤。

具体就是在利用轮轴速度传感器测量的轮轴速度对各轮轴的轮轴直径轮径校正之后，在连续阈值个周期内车辆的牵引/制动力恒定，且蠕滑速度指标、加速度指标以及加速度微分指标满足限值要求时，应用加速度传感器测量的纵向加速度值对各测速轮轴的轮轴直径进行第二重校正，校正公式如下：

完成轮轴直径矫正后，返回步骤S101即可进行下一周期的车速计算，其中，k_Ra为可调增益。

在实际应用中，也可以先判断当前车辆是否满足加速度轮轴直径校正条件；然后再判断当前车辆是否满足速度轮轴直径校正条件，这两个步骤并没有先后顺序之分，具体先判断哪一个，可根据实际情况确定，本发明并不作限定。

上文中对于一种加速度传感器和轮轴速度传感器的融合测速方法的实施例进行了详细描述，基于上述实施例描述的加速度传感器和轮轴速度传感器的融合测速方法，本发明实施例还提供了一种与该方法对应的加速度传感器和轮轴速度传感器的融合测速装置。由于装置部分的实施例与方法部分的实施例相互对应，因此装置部分的实施例请参照方法部分的实施例描述，这里不再赘述。

图2为本发明实施例所提供的一种加速度传感器和轮轴速度传感器的融合测速装置组成示意图，如图2所示，该装置包括获取模块201，计算模块202以及修正模块203。

获取模块201，用于获取加速度传感器采集的车辆的纵向加速度和轮轴速度传感器采集的各轮轴的线速度；

计算模块202，用于依据纵向加速度和线速度计算对应的各轮轴的蠕滑速度指标、加速度指标以及加速度微分指标；

修正模块203，用于根据蠕滑速度指标、加速度指标以及加速度微分指标对各线速度进行修正得出轮轴的总修正线速度，并根据总修正线速度和纵向加速度确定当前车辆的行驶速度。

本发明提供的一种加速度传感器和轮轴速度传感器的融合测速装置，可以根据加速度传感器采集的车辆的纵向加速度和轮轴速度传感器采集的各轮轴的线速度确定出车辆空转滑行的三个量化指标，即各轮轴的蠕滑速度指标、加速度指标以及加速度微分指标，然后根据得出的三个量化指标对各轮轴的线速度进行修正得出轮轴的总修正线速度，进而根据总修正线速度和纵向加速度确定出当前车辆的行驶速度，也就是说，应用本融合测速装置，可以将加速度传感器和轮轴速度传感器测量的数据进行充分融合，与现有技术中只选取加速度传感器测得的数据作为判断依据与补偿增量相比，进而提高了车辆速度的测量准确性。

上文中对于一种加速度传感器和轮轴速度传感器的融合测速方法的实施例进行了详细描述，基于上述实施例描述的加速度传感器和轮轴速度传感器的融合测速方法，本发明实施例还提供了另一种与该方法对应的加速度传感器和轮轴速度传感器的融合测速装置。由于装置部分的实施例与方法部分的实施例相互对应，因此装置部分的实施例请参照方法部分的实施例描述，这里不再赘述。

图3为本发明实施例所提供的另一种加速度传感器和轮轴速度传感器的融合测速装置组成示意图，如图3所示，该装置包括存储器301和处理器302。

存储器301，用于存储计算机程序；

处理器302，用于执行计算机程序以实现上述任意一个实施例所提供的加速度传感器和轮轴速度传感器的融合测速方法的步骤。

本发明提供的另一种加速度传感器和轮轴速度传感器的融合测速装置，可以将加速度传感器和轮轴速度传感器测量的数据进行充分融合，与现有技术中只选取加速度传感器测得的数据作为判断依据与补偿增量相比，进而提高了车辆速度的测量准确性。

以上对本发明所提供的加速度传感器和轮轴速度传感器的融合测速方法及装置进行了详细介绍。本文中运用几个实例对本发明的原理及实施方式进行了阐述，以上实施例的说明，只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制，本领域技术人员，在没有创造性劳动的前提下，对本发明所做出的修改、等同替换、改进等，均应包含在本申请中。

还需要说明的是，在本说明书中，诸如第一和第二等之类的关系术语仅仅用来将一个操作与另一个操作区分开来，而不一定要求或者暗示这些实体或者操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”等类似词，使得包括一系列要素的单元、设备或系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种单元、设备或系统所固有的要素。

Claims (10)

1.一种加速度传感器和轮轴速度传感器的融合测速方法，其特征在于，包括：

获取加速度传感器采集的车辆的纵向加速度和轮轴速度传感器采集的各轮轴的线速度；

依据所述纵向加速度和所述线速度计算对应的各所述轮轴的蠕滑速度指标、加速度指标以及加速度微分指标；

根据所述蠕滑速度指标、所述加速度指标以及所述加速度微分指标对各所述线速度进行修正得出轮轴的总修正线速度，并根据所述总修正线速度和所述纵向加速度确定当前车辆的行驶速度。

2.根据权利要求1所述的加速度传感器和轮轴速度传感器的融合测速方法，其特征在于，在所述获取加速度传感器采集的车辆的纵向加速度和轮轴速度传感器采集的各轮轴的线速度之后，还包括：

对所述纵向加速度和所述线速度进行滤波降噪处理；

判断滤波降噪处理后的纵向加速度和线速度中是否存在故障数据；

如果是，则对所述故障数据进行封锁操作，并替换所述故障数据；

如果否，则判断所述加速度传感器和所述轮轴速度传感器是否处于封锁状态；

如果处于封锁状态，则判断处于封锁状态的所述加速度传感器和所述轮轴速度传感器是否满足解除封锁的条件；

如果满足解封锁的条件，则对处于封锁状态的所述加速度传感器和所述轮轴速度传感器进行解封锁；

输出处理后的纵向加速度和处理后的线速度；

对应地，所述依据所述纵向加速度和所述线速度计算对应的各所述轮轴的蠕滑速度指标、加速度指标以及加速度微分指标具体为：

依据所述处理后的纵向加速度和所述处理后的线速度计算所述蠕滑速度指标、所述加速度指标以及所述加速度微分指标。

3.根据权利要求1所述的加速度传感器和轮轴速度传感器的融合测速方法，其特征在于，所述根据所述蠕滑速度指标、所述加速度指标以及所述加速度微分指标对各所述线速度进行修正得出轮轴的总修正线速度具体包括：

确定轮轴线速度模型预测值，并计算与所述轮轴线速度模型预测值对应的第一加权系数；

计算与目标轮轴线速度对应的第二加权系数，其中，制动工况时，将各所述线速度中的最大值作为所述目标轮轴线速度，非制动工况时，将各所述线速度中的最小值作为所述目标轮轴线速度；

依据所述第一加权系数和所述第二加权系数计算与纵向加速度积分速度对应的第三加权系数；

根据所述第一加权系数、所述第二加权系数以及所述第三加权系数计算所述总修正线速度。

4.根据权利要求3所述的加速度传感器和轮轴速度传感器的融合测速方法，其特征在于，所述确定轮轴线速度模型预测值具体为：

基于自适应神经模糊模型或TS模糊模型确定所述轮轴线速度模型预测值。

5.根据权利要求3所述的加速度传感器和轮轴速度传感器的融合测速方法，其特征在于，在所述根据所述蠕滑速度指标、所述加速度指标以及所述加速度微分指标对各所述线速度进行修正得出轮轴的总修正线速度之后，还包括：

调节所述当前车辆的车速估算方差矩阵中的准确度轮轴线速度协方差值。

6.根据权利要求5所述的加速度传感器和轮轴速度传感器的融合测速方法，其特征在于，所述根据所述总修正线速度和所述纵向加速度确定当前车辆的行驶速度具体包括：

通过加权平均计算得到所述总修正线速度；

依据所述总修正线速度和所述纵向加速度，通过自适应卡尔曼滤波确定所述当前车辆的行驶速度。

7.根据权利要求1所述的加速度传感器和轮轴速度传感器的融合测速方法，其特征在于，在所述根据所述总修正线速度和所述纵向加速度确定当前车辆的行驶速度之后，还包括：

判断所述当前车辆是否满足速度轮轴直径校正条件；

如果是，则利用所述线速度对所述轮轴的直径进行校正，并返回所述获取加速度传感器采集的车辆的纵向加速度和轮轴速度传感器采集的各轮轴的线速度的步骤；

如果否，则返回所述获取加速度传感器采集的车辆的纵向加速度和轮轴速度传感器采集的各轮轴的线速度的步骤。

8.根据权利要求7所述的加速度传感器和轮轴速度传感器的融合测速方法，其特征在于，当所述当前车辆满足速度轮轴直径校正条件之后，还包括：

判断所述当前车辆是否满足加速度轮轴直径校正条件；

如果是，则利用所述纵向加速度对各所述轮轴的直径进行校正，并返回所述获取加速度传感器采集的车辆的纵向加速度和轮轴速度传感器采集的各轮轴的线速度的步骤；

如果否，则返回所述获取加速度传感器采集的车辆的纵向加速度和轮轴速度传感器采集的各轮轴的线速度的步骤。

9.一种加速度传感器和轮轴速度传感器的融合测速装置，其特征在于，包括：

获取模块，用于获取加速度传感器采集的车辆的纵向加速度和轮轴速度传感器采集的各轮轴的线速度；

计算模块，用于依据所述纵向加速度和所述线速度计算对应的各所述轮轴的蠕滑速度指标、加速度指标以及加速度微分指标；

修正模块，用于根据所述蠕滑速度指标、所述加速度指标以及所述加速度微分指标对各所述线速度进行修正得出轮轴的总修正线速度，并根据所述总修正线速度和所述纵向加速度确定当前车辆的行驶速度。

10.一种加速度传感器和轮轴速度传感器的融合测速装置，其特征在于，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序以实现如权利要求1至8任意一项所述的加速度传感器和轮轴速度传感器的融合测速方法的步骤。