CN111831960B - 基于坡度扰动识别与排除的网联货车载重动态测算方法 - Google Patents

基于坡度扰动识别与排除的网联货车载重动态测算方法 Download PDF

Info

Publication number
CN111831960B
CN111831960B CN202010666562.5A CN202010666562A CN111831960B CN 111831960 B CN111831960 B CN 111831960B CN 202010666562 A CN202010666562 A CN 202010666562A CN 111831960 B CN111831960 B CN 111831960B
Authority
CN
China
Prior art keywords
target vehicle
value
gradient
data
load
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
Application number
CN202010666562.5A
Other languages
English (en)
Other versions
CN111831960A (zh
Inventor
宋国华
范鹏飞
吴亦政
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Jiaotong University
Original Assignee
Beijing Jiaotong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Jiaotong University filed Critical Beijing Jiaotong University
Priority to CN202010666562.5A priority Critical patent/CN111831960B/zh
Publication of CN111831960A publication Critical patent/CN111831960A/zh
Application granted granted Critical
Publication of CN111831960B publication Critical patent/CN111831960B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0808—Diagnosing performance data

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Operations Research (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

本发明公开了基于坡度扰动识别与排除的网联货车载重动态测算方法，该方法包括如下步骤：获取目标车辆的属性数据、运行状态数据和目标车辆行驶位置的坡度值；根据获取到的所述目标车辆的属性数据、运行状态数据和目标车辆行驶位置的坡度值，确定目标车辆初始载重以及所述目标车辆在所述坡度值路面行驶时的虚拟质量当量；根据所述虚拟质量当量对所述目标车辆初始载重进行修正，得到所述目标车辆的载重。通过实施本发明，将车辆行驶过程中的道路坡度转化为车辆的虚拟质量当量，对目标车辆初始载重结果进行虚拟质量当量修正，提高了车辆载重确定结果的准确度。

Description

基于坡度扰动识别与排除的网联货车载重动态测算方法
技术领域
本发明涉及车辆检测技术领域，具体涉及一种基于坡度扰动识别与排除的网联货车载重动态测算方法。
背景技术
道路运输一直是我国货物运输的重要组成部分，重型货车作为道路运输的载运工具，承担了繁重的货物运输任务。然而在货主利益最大化的驱使下，超载超限现象十分普遍，标准满载30吨的重型货车，经过改装后可超载至120吨。超载超限车辆改变了车辆的设计使用条件，尤其是在高速或超速行驶时，将严重危害公共交通安全，同时对国家的道路、桥梁安全也形成了较大的威胁。
相关技术中，通常根据车辆的发动机实际输出功率(AOP)值和机动车比功率(STP)值来确定车辆超载情况。但该车辆载重确定方式并没有考虑载重货车动态行驶过程中不同路段坡度对车辆AOP值的影响，例如，载重车辆在上坡过程中，所需的发动机功率要明显大于相同载重下在平面路段的功率，AOP值也会明显更大，这将导致车辆载重确定结果存在较大的误差。故亟待提出一种基于坡度扰动识别与排除的网联货车载重动态测算方法以实现对车辆载重的准确测量。
发明内容
因此，本发明要解决的技术问题在于克服现有技术中没有考虑坡度对车辆载重的影响，考虑因素不全面，使得车辆载重存在较大误差的缺陷，从而提供一种基于坡度扰动识别与排除的网联货车载重动态测算方法、装置、系统及计算机设备。
根据第一方面，本发明实施例公开了一种基于坡度扰动识别与排除的网联货车载重动态测算方法，包括如下步骤：获取目标车辆的属性数据、运行状态数据和目标车辆行驶位置的坡度值；根据获取到的所述目标车辆的属性数据、运行状态数据和目标车辆行驶位置的坡度值，确定目标车辆初始载重以及所述目标车辆在所述坡度值路面行驶时的虚拟质量当量；根据所述虚拟质量当量对所述目标车辆初始载重进行修正，得到所述目标车辆的载重。
可选地，所述根据获取到的所述目标车辆的属性数据、运行状态数据和目标车辆行驶位置的坡度值，确定目标车辆初始载重，包括：根据获取到的所述目标车辆的属性数据、运行状态数据和目标车辆行驶位置的坡度值，得到AOP值和STP值；基于所述目标车辆的AOP值和STP值，得到所述目标车辆初始载重。
可选地，所述获取目标车辆行驶位置的坡度值，包括：获取目标车辆行驶位置对应的电子地图；当所述电子地图包含所述坡度值数据时，将所述电子地图的坡度值数据作为所述目标车辆行驶位置的坡度值。
可选地，所述方法还包括：当所述电子地图不包含所述坡度值数据时，获取目标车辆行驶位置对应的目标路段的卫星定位数据和/或目标车辆上坡度传感器数据；根据所述卫星定位数据和/或目标车辆上坡度传感器数据，得到所述目标车辆行驶位置的坡度值。
可选地，根据获取到的所述目标车辆的属性数据、运行状态数据和目标车辆行驶位置的坡度值，得到AOP值，包括：
Figure GDA0003164521720000021
其中，AOP为发动机的实际输出功率；η为发动机实际扭矩输出百分比；nengine为发动机转速；Tr发动机参考扭矩。
可选地，所述基于所述目标车辆的AOP值和STP值，得到所述目标车辆初始载重，包括：
Figure GDA0003164521720000022
其中，mload为目标车辆初始载重；λ为质量修正系数；STP表示机动车比功率；ΔAOP表示目标车辆载重时的AOP值与空载时的AOP值的差值。
可选地，所述根据获取到的所述目标车辆的属性数据、运行状态数据和目标车辆行驶位置的坡度值，确定所述目标车辆在所述坡度值路面行驶时的虚拟质量当量，包括：
Figure GDA0003164521720000031
其中，mVirtual为目标车辆行驶时的虚拟质量当量；m为目标车辆质量；v为目标车辆的瞬时速度；g为重力加速度；grade为目标车辆行驶位置的坡度值；ρA为空气密度；CD为风阻系数；S为目标车辆行驶方向的截面面积；vD为风速。
根据第二方面，本发明实施例还公开了一种基于坡度扰动识别与排除的网联货车载重动态测算装置，包括：获取模块，用于获取目标车辆的属性数据、运行状态数据和目标车辆行驶位置的坡度值；确定模块，用于根据获取到的所述目标车辆的属性数据、运行状态数据和目标车辆行驶位置的坡度值，确定目标车辆初始载重以及所述目标车辆在所述坡度值路面行驶时的虚拟质量当量；修正模块，用于根据所述虚拟质量当量对所述目标车辆初始载重进行修正，得到所述目标车辆的载重。
根据第三方面，本发明实施例还公开了一种基于坡度扰动识别与排除的网联货车载重动态测算系统，包括：数据采集模块，用于采集目标车辆的属性数据、运行状态数据和目标车辆行驶位置的坡度值；控制器，与所述数据采集模块连接，用于执行第一方面或第一方面任一可选实施方式所述的基于坡度扰动识别与排除的网联货车载重动态测算方法。
根据第四方面，本发明实施例还公开了一种计算机设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行如第一方面或第一方面任一可选实施方式所述的基于坡度扰动识别与排除的网联货车载重动态测算方法的步骤。
根据第五方面，本发明实施方式还公开了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面或第一方面任一可选实施方式所述的基于坡度扰动识别与排除的网联货车载重动态测算方法的步骤。
本发明技术方案，具有如下优点：
1.本发明提供的基于坡度扰动识别与排除的网联货车载重动态测算方法及装置，通过获取目标车辆的属性数据、运行状态数据和目标车辆行驶位置的坡度值，根据获取到的目标车辆的属性数据、运行状态数据和目标车辆行驶位置的坡度值，确定目标车辆初始载重以及目标车辆在坡度值路面行驶时的虚拟质量当量，根据虚拟质量当量对目标车辆初始载重进行修正，得到目标车辆的载重。通过实施本发明，将车辆行驶过程中的道路坡度转化为车辆的虚拟质量当量，对目标车辆初始载重结果进行虚拟质量当量修正，提高了车辆载重确定结果的准确度。
2.本发明提供的基于坡度扰动识别与排除的网联货车载重动态测算系统，通过数据采集模块采集目标车辆的属性数据、运行状态数据和目标车辆行驶位置的坡度值，通过与数据采集模块连接的控制器，根据目标车辆的属性数据、运行状态数据和目标车辆行驶位置的坡度值确定目标车辆初始载重以及目标车辆在坡度值路面行驶时的虚拟质量当量，将车辆行驶过程中的道路坡度转化为车辆的虚拟质量当量，根据虚拟质量当量对目标车辆初始载重结果进行虚拟质量当量修正，提高了车辆载重确定结果的准确度。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例中基于坡度扰动识别与排除的网联货车载重动态测算方法的一个具体示例的流程图；
图2为本发明实施例中基于坡度扰动识别与排除的网联货车载重动态测算装置的一个具体示例的原理框图；
图3为本发明实施例中基于坡度扰动识别与排除的网联货车载重动态测算系统的一个具体示例的原理框图；
图4为本发明实施例中计算机设备的一个具体示例图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例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前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，还可以是两个元件内部的连通，可以是无线连接，也可以是有线连接。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
本发明实施例公开了一种基于坡度扰动识别与排除的网联货车载重动态测算方法，如图1所示，包括如下步骤：
S11：获取目标车辆的属性数据、运行状态数据和目标车辆行驶位置的坡度值。
示例性地，该目标车辆的属性数据可以包括：目标车辆质量、目标车辆行驶方向的截面面积、发动机型号、发动机排量、最大输出功率、目标车辆的满载质量、车轮转动阻力系数等，该目标车辆的属性数据可由车辆信息数据库直接获取。该运行状态数据可以包括：目标车辆的速度、加速度、角速度、功率、发动机转速、驱动力等，该运行状态数据可以由车载故障诊断系统、车载智能终端、地理信息系统等获取。
车载故障诊断系统是一种为汽车故障诊断而延伸出来的一种检测系统，车载故障诊断系统通过实时监测车辆的发动机系统，来获取目标车辆的发动机转速、发动机实际扭矩百分比、驱动力等数据。车载故障诊断系统还可以监测催化转化器、颗粒捕集器、氧传感器、排放控制系统和燃油系统等，来获取目标车辆的发动机冷却液温度、发动机燃料流量、氮氧化物排放值、排气烟度、尿素液位和大气压力等。
车载智能终端用于获取车辆实时行驶数据，该车辆实时行驶数据可以包括角速度、位置信息、加速度等。例如，通过卫星定位系统实时获取目标车辆的位置坐标数据，该位置坐标数据包括经纬度信息；通过三轴加速度计和三轴角速度计获取目标车辆的加速度、角速度等。
地理信息系统是具有集中、存储、操作和显示地理参考信息的计算机系统，集成了计算机数据库技术和计算机图形处理技术。通过地理信息系统获取车辆运行道路的地理信息数据，该地理信息数据包括目标车辆行驶位置对应的目标车辆行驶位置的坡度值、经纬度信息等，还可以获取路网分布信息。
坡度指的是地表单元陡缓的程度，通常用坡段的垂直高度差与水平距离的比值表示，表示方法可以包括：百分比、度数、密位和分数等，本发明实施例对该表示方法不作具体限定，本领域技术人员可以根据实际情况选择。按照道路测量方向，坡度分为横向坡度和纵向坡度，本发明实施例中的坡度指的是纵向坡度。
坡度定义如下：
Figure GDA0003164521720000071
其中，grade为目标路段坡度值；ΔH为高程差；ΔL为水平距离，即坡底长。
该目标车辆行驶位置的坡度值可以通过目标车辆行驶的目标路段的电子地图获取，也可以通过目标车辆的卫星定位数据确定，也可以根据目标车辆上坡度传感器数据确定，还可以根据电子地图、卫星定位数据和目标车辆上坡度传感器数据联合确定，本发明实施例对该目标车辆行驶位置的坡度值不作限定，本领域技术人员可以根据实际情况选择。
S12：根据获取到的目标车辆的属性数据、运行状态数据和目标车辆行驶位置的坡度值，确定目标车辆初始载重以及目标车辆在坡度值路面行驶时的虚拟质量当量。
示例性地，根据获取到的目标车辆的属性数据、运行状态数据和目标车辆行驶位置的坡度值，确定目标车辆在坡度值路面行驶时的虚拟质量当量，具体可以为：
首先，根据获取到的目标车辆的属性数据、运行状态数据和目标车辆行驶位置的坡度值，得到AOP值和STP值。
目标车辆的行驶过程遵循能量守恒定理，行驶过程中发动机做功、车轮与路面的阻力所做的功、目标车辆与空气的阻力所做的功，与目标车辆行驶过程中的动能变化量、势能变化量相平衡，即：
WEngine＝WRolling+WAerodynamic+KE+PE (1)
其中，WEngine为发动机做功；
WRolling为车轮与路面的阻力所做的功：
WRolling＝∫CR mgvdt (2)
WAerodynamic为车辆与空气所做的功：
Figure GDA0003164521720000081
KE为目标车辆的动能变化：
Figure GDA0003164521720000082
PE为目标车辆的势能变化：
PE＝mgΔh (5)
将上述公式(2)、(3)、(4)、(5)代入公式(1)可得：
Figure GDA0003164521720000083
其中，CR为车轮转动阻力系数；m为目标车辆质量；g为重力加速度；ρA为空气密度；CD为风阻系数；S为目标车辆行驶方向的截面积；vD为风速；v为目标车辆的瞬时速度；V为目标车辆的初速度；V0为目标车辆的末速度；Δh为目标车辆初末状态的高程差。
单位质量目标车辆的瞬时功率定义为机动车比功率。比功率可以理解为发动机每移动一吨质量(包括自重)所输出的功率，单位为kW/t(或W/kg)，即发动机为了克服滚动阻力和空气阻力，增加机动车动能和势能所需要输出的功率。
Figure GDA0003164521720000084
将上述公式(6)代入公式(7)可得：
Figure GDA0003164521720000085
式(8)中，FRolling为车轮与路面的阻力。
将式(8)中动能、势能、滚动阻力按照物理公式展开可得：
Figure GDA0003164521720000086
式(9)中，εi为滚动质量系数，代表目标车辆动力系中转动部分的质量当量；h为目标车辆行驶时所处位置的高程。
将式(9)中动能、势能部分对时间t求导展开可得：
Figure GDA0003164521720000091
式(10)中，a为目标车辆行驶加速度；grade为目标车辆行驶位置的坡度值。
定义AOP为目标车辆发动机的实际输出功率，计算公式为：
Figure GDA0003164521720000092
其中，AOP为发动机的实际输出功率；η为发动机实际扭矩输出百分比；nengine为发动机转速；Tr发动机参考扭矩。
推导过程如下：
AOP＝Fvline (12)
vline＝wr (13)
Figure GDA0003164521720000093
Tn＝Fr (15)
Tn＝ηTr (16)
其中，F为驱动力；Vline为线速度；w为角速度；r为发动机臂长；nengine为发动机转速；Tn为实际发动机扭矩；Tr发动机参考扭矩。
将上述公式(13)、(14)、(15)、(16)代入公式(12)即可得到AOP为车辆实际发动机输出功率的公式，即公式(11)。
其次，基于目标车辆的AOP值和STP值，得到目标车辆初始载重。
示例性地，基于目标车辆的AOP值和STP值确定目标车辆初始载重可以为根据AOP值和STP值的线性关系确定目标车辆初始载重，也可以为根据AOP值和STP值的非线性关系确定目标车辆初始载重，本发明实施例对该目标车辆初始载重的确定方法不作具体限定，本领域技术人员可以根据实际情况设定。
本发明实施例以根据AOP值和STP值的非线性关系确定目标车辆初始载重为例确定目标车辆初始载重，具体可以为：
Figure GDA0003164521720000094
其中，mload为目标车辆初始载重；λ为质量修正系数。
具体推导过程如下：
首先，建立目标车辆空载状态下，实际输出功率与机动车比功率的关系模型：
AOP1＝b×STP2+c×STP+d (18)
式中，AOP1为目标车辆空载时发动机的实际输出功率；STP为机动车比功率；b、c、d为系数。
其次，随着目标车辆载重的增加，发动机实际输出功率明显增加，经过多重数据重构算法模拟后，搭建实际输出功率与车辆载重的算法，公式如下：
AOP2＝b×STP2+c×STP+λmload×STP+d (19)
其中，AOP2为目标车辆载重时发动机的实际输出功率。
目标车辆载重的变化将引起目标车辆发动机实际输出功率AOP的变化，建立动态载重与AOP和STP的关系模型：
ΔAOP＝λmload×STP (20)
其中，ΔAOP表示目标车辆载重时的AOP值与空载时的AOP值的差值，即ΔAOP＝AOP2-AOP1，根据公式(20)可得目标车辆初始载重mload的计算公式。
在STP计算公式中，当坡度不参与计算时：
Figure GDA0003164521720000101
考虑目标车辆行驶路段的坡度时，将道路坡度引起的载重测算变化定义为虚拟质量当量，STP计算公式可以为：
Figure GDA0003164521720000102
保持考虑目标车辆行驶路段的坡度时的STP不变，根据公式(21)和公式(22)可得：
Figure GDA0003164521720000103
Figure GDA0003164521720000104
Figure GDA0003164521720000105
其中，mvirtual为目标车辆在坡度路面行驶时的虚拟质量当量。
S13：根据虚拟质量当量对目标车辆初始载重进行修正，得到目标车辆的载重。
示例性地，根据虚拟质量当量对目标车辆初始载重进行修正，得到目标车辆的载重可以为根据目标车辆初始载重和虚拟质量当量的差值确定目标车辆的载重，本发明实施例对该目标车辆的载重的确定方法不作限定，本领域技术人员可以根据实际情况设定。
在本发明实施例中，根据目标车辆初始载重和虚拟质量当量的差值确定目标车辆的载重具体可以为：
M＝mload-mVirtual (26)
其中，M为目标车辆的载重；mload为目标车辆初始载重。当目标车辆处于下坡路段时，坡度为负，虚拟质量当量也将为负数，目标车辆的载重将大于修正前的目标车辆初始载重。
本发明提供的基于坡度扰动识别与排除的网联货车载重动态测算方法，通过获取目标车辆的属性数据、运行状态数据和目标车辆行驶位置的坡度值，根据获取到的目标车辆的属性数据、运行状态数据和目标车辆行驶位置的坡度值，确定目标车辆初始载重以及目标车辆在坡度值路面行驶时的虚拟质量当量，根据虚拟质量当量对目标车辆初始载重进行修正，得到目标车辆的载重。通过实施本发明，将车辆行驶过程中的道路坡度转化为车辆的虚拟质量当量，对目标车辆初始载重结果进行虚拟质量当量修正，提高了车辆载重确定结果的准确度。
作为本发明一个可选实施方式，步骤S13包括：
首先，获取目标车辆行驶位置对应的电子地图。
示例性地，精确的道路坡度信息是车辆载重确定的基础，现行的电子导航地图中规范了路面坡度数据的数据格式，以0代表正坡度，以1代表负坡度，以2度为计数单位。获取目标车辆行驶位置对应的电子地图可以为根据目标车辆行驶位置直接调取数据库中对应路段的电子地图，电子地图中的坡度数据是根据坡度的定义计算得到的。
其次，当电子地图包含坡度值数据时，将电子地图的坡度值数据作为目标车辆行驶位置的坡度值。
示例性地，当电子地图包含坡度值数据时，为了减少计算量和节约时间，可直接将电子地图的坡度值数据作为目标车辆行驶位置的坡度值。
作为本发明一个可选实施方式，该基于坡度扰动识别与排除的网联货车载重动态测算方法还包括：
首先，当电子地图不包含坡度值数据时，获取目标车辆行驶位置对应的目标路段的卫星定位数据和/或目标车辆上坡度传感器数据。
示例性地，该卫星定位数据可以为由卫星定位系统(例如，北斗卫星定位系统和GPS卫星定位系统)采集的地理数据信息，包括经度、纬度和高程。该坡度传感器可以为微机械电子系统传感器(Micro-Electro-Mechanical System，MEMS)，目标车辆上坡度传感器数据可以为MEMS传感器实时获取的加速度、角速度等数据。
现行电子导航地图规范中虽然规定了路面坡度的数据格式，但其仅以2度为计数单位，数据精确度不足，当电子地图不包含坡度值数据或坡度值要求较高时，可以通过卫星定位数据和/或目标车辆上坡度传感器数据确定目标车辆行驶位置的坡度值。
其次，根据卫星定位数据和/或目标车辆上坡度传感器数据，得到目标车辆行驶位置的坡度值。
示例性地，根据卫星定位数据得到目标车辆行驶位置的坡度值可以为：
上述地理数据信息是基于大地坐标系统，无法直接用于测算坡底长，因此，在本发明实施例中先进行坐标系的转换，将大地坐标系统转换为站心直角坐标系，然后根据换算后的直角坐标计算坡底长和高程差，进而计算目标车辆行驶位置的坡度值，具体如下：
将大地坐标(L,B,H)转换到中间变量(X,Y,Z)，公式如下：
Figure GDA0003164521720000131
Figure GDA0003164521720000132
其中，Li为数据点i的经度；Bi为数据点i的纬度；Hi为数据点i的高程；rg为地球半径；e2为离心率。
Figure GDA0003164521720000133
Figure GDA0003164521720000134
其中，Xi，Yi，Zi为中间变量。
计算坡底长如下：
Figure GDA0003164521720000135
其中，xi，xi-1，yi，yi-1，zi为数据点i和数据点i-1的站心直角坐标。
考虑到在一个连续的坡段中，坡度的变化较小，因此，本发明假设在同一个坡段上坡度相同。位于同一坡段上的区间高程差测算公式如下：
Figure GDA0003164521720000136
Δhj＝zj-zj-1 (33)
Figure GDA0003164521720000137
其中，i表示数据点，j表示区间；zj为区间j的平均高程；zj-1表示区间j-1的平均高程；K为区间内所有的数据点；Δhj为区间j与区间j-1之间的高程差；ΔH为同一坡段中区间的总高程差；M为同一坡段内所有的区间数。
基于上述获得的水平距离和高程差，本发明的坡度测算公式如下，
Figure GDA0003164521720000138
其中，gradem为根据卫星定位数据得到的路段坡度值；ΔH为高程差；ΔL为坡底长；Δhj为区间j与区间j-1之间的高程差；Δli为数据点i与数据点i-1之间的水平距离。
示例性地，根据目标车辆上坡度传感器数据得到目标车辆行驶位置的坡度值可以为：
在不需要额外传感器提供辅助参数的情况下，利用重力加速度方向不变性，通过载体坐标系中的重力加速度矢量方向的变化求解目标车辆行驶位置的坡度值。
具体地，在坡度测量的过程中，地理坐标系与导航坐标系中的加速度向量Gn是相对不变的，而载体坐标系将相对于导航坐标系发生旋转，该旋转的角度变化与道路坡度值相关。
初始时刻载体坐标系的重力加速度向量Gv(0)可表示为：
Figure GDA0003164521720000141
其中，定义p()为将三维向量映射为纯四元数的函数。
时刻t时，载体坐标系的重力加速度向量可表示为：
Figure GDA0003164521720000142
t时刻的目标车辆行驶位置的坡度值即为向量Gv(0)与向量Gv(t)之间的夹角，可求解为：
Figure GDA0003164521720000143
Figure GDA0003164521720000144
其中，qn(t)为旋转四元数；
Figure GDA0003164521720000145
为旋转四元数qn(t)的共轭；Gn为导航坐标系的重力分量；Gv为载体坐标系的重力加速度向量；grades(t)表示坡度值。
示例性地，根据卫星定位数据和目标车辆上坡度传感器数据，得到目标车辆行驶位置的坡度值路段的坡度数据可以为以卫星定位系统测算结果和MEMS传感器测算结果加权平均获得，计算公式如下：
Figure GDA0003164521720000151
其中，α，β为权重，α+β＝2；当卫星定位受信号影响较大，一般情况下α可取1.2，β可取0.8；当车辆处于城市道路等卫星定位信号较好条件下时，α，β均可取1；gradem为MEMS传感器测算的坡度数据值；grades为卫星定位系统测算的坡度数据值。
应当说明的是，现行电子导航地图规范中虽然规定了路面坡度的数据格式，但其仅以2度为计数单位，数据精确度不足；而全球卫星定位系统(如北斗/GPS)可以通过地理坐标和高程数据测算两点之间的坡度数据，但卫星定位系统容易受到遮挡物的影响，在某些情况下测算精度不足；微机械电子系统MEMS(Micro-Electro-Mechanical System)传感器能够较为精确地获取实时加速度、角速度等数据，以此可以计算目标车辆的俯仰角，进而求解目标车辆所在的路面坡度，但MEMS传感器的精度可能也会影响测算精度。为了提高目标车辆行驶位置的坡度值的准确率，在本发明实施例中，可以以三种坡度获取数据进行相互校验，得到较为准确的路面坡度数据。
本发明实施例还公开了一种基于坡度扰动识别与排除的网联货车载重动态测算装置，如图2所示，包括：
获取模块21，用于获取目标车辆的属性数据、运行状态数据和目标车辆行驶位置的坡度值；具体实现方式见实施例中步骤S11，在此不再赘述。
确定模块22，用于根据获取到的目标车辆的属性数据、运行状态数据和目标车辆行驶位置的坡度值，确定目标车辆初始载重以及目标车辆在坡度值路面行驶时的虚拟质量当量；具体实现方式见实施例中步骤S12，在此不再赘述。
修正模块23，用于根据虚拟质量当量对目标车辆初始载重进行修正，得到目标车辆的载重。具体实现方式见实施例中步骤S13，在此不再赘述。
本发明提供的基于坡度扰动识别与排除的网联货车载重动态测算装置，通过获取目标车辆的属性数据、运行状态数据和目标车辆行驶位置的坡度值，根据获取到的目标车辆的属性数据、运行状态数据和目标车辆行驶位置的坡度值，确定目标车辆初始载重以及目标车辆在坡度值路面行驶时的虚拟质量当量，根据虚拟质量当量对目标车辆初始载重进行修正，得到目标车辆的载重。通过实施本发明，将车辆行驶过程中的道路坡度转化为车辆的虚拟质量当量，对目标车辆初始载重结果进行虚拟质量当量修正，提高了车辆载重确定结果的准确度。
作为本发明一个可选实施方式，确定模块22包括：
AOP值和STP值获得模块，用于根据获取到的目标车辆的属性数据、运行状态数据和目标车辆行驶位置的坡度值，得到AOP值和STP值；具体实现方式见实施例中对应的步骤，在此不再赘述。
目标车辆初始载重获得模块，用于基于目标车辆的AOP值和STP值，得到目标车辆初始载重。具体实现方式见实施例中对应的步骤，在此不再赘述。
作为本发明一个可选实施方式，获取模块21包括：
第一获取子模块，用于获取目标车辆行驶位置对应的电子地图；具体实现方式见实施例中对应的步骤，在此不再赘述。
第一目标车辆行驶位置的坡度值获得模块，用于当电子地图包含坡度值数据时，将电子地图的坡度值数据作为目标车辆行驶位置的坡度值。具体实现方式见实施例中对应的步骤，在此不再赘述。
作为本发明一个可选实施方式，该基于坡度扰动识别与排除的网联货车载重动态测算装置还包括：
第二获取子模块，用于当电子地图不包含坡度值数据时，获取目标车辆行驶位置对应的目标路段的卫星定位数据和/或目标车辆上坡度传感器数据；具体实现方式见实施例中对应的步骤，在此不再赘述。
第二目标车辆行驶位置的坡度值获得模块，用于根据卫星定位数据和/或目标车辆上坡度传感器数据，得到目标车辆行驶位置的坡度值。具体实现方式见实施例中对应的步骤，在此不再赘述。
作为本发明一个可选实施方式，AOP值和STP值获得模块中，通过如下公式计算AOP值：
Figure GDA0003164521720000161
其中，AOP为发动机的实际输出功率；η为发动机实际扭矩输出百分比；nengine为发动机转速；Tr发动机参考扭矩。具体实现方式见实施例中对应的步骤，在此不再赘述。
作为本发明一个可选实施方式，目标车辆初始载重获得模块中，通过如下公式计算目标车辆初始载重：
Figure GDA0003164521720000171
其中，mload为目标车辆初始载重；λ为质量修正系数；ΔAOP表示目标车辆载重时的AOP值与空载时的AOP值的差值。具体实现方式见实施例中对应的步骤，在此不再赘述。
作为本发明一个可选实施方式，确定模块22中，通过如下公式计算得到目标车辆行驶时的虚拟质量当量：
Figure GDA0003164521720000172
其中，mVirtual为目标车辆行驶时的虚拟质量当量；m为目标车辆质量；v为目标车辆的瞬时速度；g为重力加速度；grade为目标车辆行驶位置的坡度值；ρA为空气密度；CD为风阻系数；S为目标车辆行驶方向的截面面积；vD为风速。具体实现方式见实施例中对应的步骤，在此不再赘述。
本发明实施例还公开了一种基于坡度扰动识别与排除的网联货车载重动态测算系统，如图3所示，包括：数据采集模块31和控制器32，
数据采集模块31，用于采集目标车辆的属性数据、运行状态数据和目标车辆行驶位置的坡度值。
示例性地，该车载数据采集模块可以包括：车载故障诊断系统、卫星定位系统、地理信息系统、车辆信息数据库等，通过上述车载数据采集系统模块采集上述目标车辆的属性数据、运行状态数据和目标车辆行驶位置的坡度值参见上述步骤S11的相关描述，在此不再赘述。
控制器32，与数据采集模块31连接，用于执行上述基于坡度扰动识别与排除的网联货车载重动态测算方法的步骤。
示例性地，该控制器32可以为载重货车远程在线监控平台，该载重货车远程在线监控平台由政府搭建，通过监测目标车辆的属性数据、运行状态数据和目标车辆行驶位置的坡度值计算得到目标车辆的载重。
本发明提供的基于坡度扰动识别与排除的网联货车载重动态测算系统，通过数据采集模块采集目标车辆的属性数据、运行状态数据和目标车辆行驶位置的坡度值，通过与数据采集模块连接的控制器，根据目标车辆的属性数据、运行状态数据和目标车辆行驶位置的坡度值确定目标车辆初始载重以及目标车辆在坡度值路面行驶时的虚拟质量当量，将车辆行驶过程中的道路坡度转化为车辆的虚拟质量当量，根据虚拟质量当量对目标车辆初始载重结果进行虚拟质量当量修正，提高了车辆载重确定结果的准确度。
本发明实施例还提供了一种计算机设备，如图4所示，该计算机设备可以包括处理器41和存储器42，其中处理器41和存储器42可以通过总线或者其他方式连接，图4中以通过总线连接为例。
处理器41可以为中央处理器(Central Processing Unit，CPU)。处理器41还可以为其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。
存储器42作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本发明实施例中的基于坡度扰动识别与排除的网联货车载重动态测算方法对应的程序指令/模块(例如，图2所示的获取模块21、确定模块22和修正模块23)。处理器41通过运行存储在存储器42中的非暂态软件程序、指令以及模块，从而执行处理器的各种功能应用以及数据处理，即实现上述方法实施例中的基于坡度扰动识别与排除的网联货车载重动态测算方法。
存储器42可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储处理器41所创建的数据等。此外，存储器42可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器42可选包括相对于处理器41远程设置的存储器，这些远程存储器可以通过网络连接至处理器41。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述一个或者多个模块存储在所述存储器42中，当被所述处理器41执行时，执行如图1所示实施例中的基于坡度扰动识别与排除的网联货车载重动态测算方法。
上述计算机设备具体细节可以对应参阅图1所示的实施例中对应的相关描述和效果进行理解，此处不再赘述。
本领域技术人员可以理解，实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(Read－Only Memory，ROM)、随机存储记忆体(Random AccessMemory，RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive，缩写：HDD)或固态硬盘(Solid－State Drive，SSD)等；所述存储介质还可以包括上述种类的存储器的组合。
虽然结合附图描述了本发明的实施例，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下作出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。

Claims (7)

1.一种基于坡度扰动识别与排除的网联货车载重动态测算方法，其特征在于，包括如下步骤：
获取目标车辆的属性数据、运行状态数据和目标车辆行驶位置的坡度值；
根据获取到的所述目标车辆的属性数据、运行状态数据和目标车辆行驶位置的坡度值，确定目标车辆初始载重以及所述目标车辆在所述坡度值路面行驶时的虚拟质量当量；
根据所述虚拟质量当量对所述目标车辆初始载重进行修正，得到所述目标车辆的载重；
所述根据获取到的所述目标车辆的属性数据、运行状态数据和目标车辆行驶位置的坡度值，确定目标车辆初始载重，包括：
根据获取到的所述目标车辆的属性数据、运行状态数据和目标车辆行驶位置的坡度值，得到所述目标车辆的发动机实际输出功率(AOP)值和机动车比功率(STP)值；
基于所述目标车辆的AOP值和STP值，得到所述目标车辆初始载重；
根据获取到的所述目标车辆的属性数据、运行状态数据和目标车辆行驶位置的坡度值，得到AOP值，包括：
Figure FDA0003164521710000011
其中，AOP为发动机的实际输出功率；η为发动机实际扭矩输出百分比；nengine为发动机转速；Tr发动机参考扭矩；
根据获取到的所述目标车辆的属性数据、运行状态数据和目标车辆行驶位置的坡度值，得到STP值，包括：
Figure FDA0003164521710000012
α为目标车辆行驶加速度；grade为目标车辆行驶位置的坡度值；εi为滚动质量系数；CR为车轮转动阻力系数；
所述基于所述目标车辆的AOP值和STP值，得到所述目标车辆初始载重，包括：
Figure FDA0003164521710000021
其中，mload为目标车辆初始载重；λ为质量修正系数；STP表示机动车比功率；ΔAOP表示目标车辆载重时的AOP值与空载时的AOP值的差值；
所述根据获取到的所述目标车辆的属性数据、运行状态数据和目标车辆行驶位置的坡度值，确定所述目标车辆在所述坡度值路面行驶时的虚拟质量当量，包括：
Figure FDA0003164521710000022
其中，mVirtual为目标车辆行驶时的虚拟质量当量；m为目标车辆质量；v为目标车辆的瞬时速度；g为重力加速度；grade为目标车辆行驶位置的坡度值；ρA为空气密度；CD为风阻系数；S为目标车辆行驶方向的截面面积；vD为风速。
2.根据权利要求1所述的方法，其特征在于，获取目标车辆行驶位置的坡度值，包括：
获取目标车辆行驶位置对应的电子地图；
当所述电子地图包含所述坡度值数据时，将所述电子地图的坡度值数据作为所述目标车辆行驶位置的坡度值。
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
当所述电子地图不包含所述坡度值数据时，获取目标车辆行驶位置对应的目标路段的卫星定位数据和/或目标车辆上坡度传感器数据；
根据所述卫星定位数据和/或目标车辆上坡度传感器数据，得到所述目标车辆行驶位置的坡度值。
4.一种基于坡度扰动识别与排除的网联货车载重动态测算装置，其特征在于，包括：
获取模块，用于获取目标车辆的属性数据、运行状态数据和目标车辆行驶位置的坡度值；
确定模块，用于根据获取到的所述目标车辆的属性数据、运行状态数据和目标车辆行驶位置的坡度值，确定目标车辆初始载重以及所述目标车辆在所述坡度值路面行驶时的虚拟质量当量；
修正模块，用于根据所述虚拟质量当量对所述目标车辆初始载重进行修正，得到所述目标车辆的载重；
所述确定模块包括：
AOP值和STP值获得模块，用于根据获取到的所述目标车辆的属性数据、运行状态数据和目标车辆行驶位置的坡度值，得到所述目标车辆的发动机实际输出功率(AOP)值和机动车比功率(STP)值；
目标车辆初始载重获得模块，用于基于所述目标车辆的AOP值和STP值，得到所述目标车辆初始载重；
AOP值和STP值获得模块包括：
Figure FDA0003164521710000031
其中，AOP为发动机的实际输出功率；η为发动机实际扭矩输出百分比；nengine为发动机转速；Tr发动机参考扭矩；
AOP值和STP值获得模块还包括：
Figure FDA0003164521710000032
a为目标车辆行驶加速度；grade为目标车辆行驶位置的坡度值；εi为滚动质量系数；CR为车轮转动阻力系数；
所述目标车辆初始载重获得模块包括：
Figure FDA0003164521710000033
其中，mload为目标车辆初始载重；λ为质量修正系数；STP表示机动车比功率；ΔAOP表示目标车辆载重时的AOP值与空载时的AOP值的差值；
所述确定模块还包括：
Figure FDA0003164521710000041
其中，mVirtual为目标车辆行驶时的虚拟质量当量；m为目标车辆质量；为目标车辆的瞬时速度；g为重力加速度；grade为目标车辆行驶位置的坡度值；ρA为空气密度；CD为风阻系数；S为目标车辆行驶方向的截面面积；vD为风速。
5.一种基于坡度扰动识别与排除的网联货车载重动态测算系统，其特征在于，包括：
数据采集模块，用于采集目标车辆的属性数据、运行状态数据和目标车辆行驶位置的坡度值；
控制器，与所述数据采集模块连接，用于执行权利要求1-3中任一项所述的基于坡度扰动识别与排除的网联货车载重动态测算方法。
6.一种计算机设备，其特征在于，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行如权利要求1-3任一所述的基于坡度扰动识别与排除的网联货车载重动态测算方法的步骤。
7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-3中任一项所述的基于坡度扰动识别与排除的网联货车载重动态测算方法的步骤。
CN202010666562.5A 2020-07-10 2020-07-10 基于坡度扰动识别与排除的网联货车载重动态测算方法 Active CN111831960B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010666562.5A CN111831960B (zh) 2020-07-10 2020-07-10 基于坡度扰动识别与排除的网联货车载重动态测算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010666562.5A CN111831960B (zh) 2020-07-10 2020-07-10 基于坡度扰动识别与排除的网联货车载重动态测算方法

Publications (2)

Publication Number Publication Date
CN111831960A CN111831960A (zh) 2020-10-27
CN111831960B true CN111831960B (zh) 2021-11-16

Family

ID=72900572

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010666562.5A Active CN111831960B (zh) 2020-07-10 2020-07-10 基于坡度扰动识别与排除的网联货车载重动态测算方法

Country Status (1)

Country Link
CN (1) CN111831960B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114674403B (zh) * 2021-12-30 2024-05-14 北京万集科技股份有限公司 目标车辆的检测方法和装置、存储介质及电子设备
CN115871684B (zh) * 2023-01-05 2023-06-06 中汽研汽车检验中心（天津）有限公司 基于网联运行数据和机器学习的重型车辆质量估算方法
CN116124270B (zh) * 2023-04-18 2023-06-16 深圳亿维锐创科技股份有限公司 一种动态汽车衡自动智能化校准方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102779411A (zh) * 2012-08-10 2012-11-14 北京航空航天大学 自动获取道路坡度的方法
CN110689723A (zh) * 2019-11-06 2020-01-14 北京交通大学 基于功率分布与车辆自学习的货车超载识别方法
CN111311782A (zh) * 2020-02-12 2020-06-19 北京经纬恒润科技有限公司 载重估计方法及装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0719939A (ja) * 1993-06-30 1995-01-20 Toshiba Corp 自重計機能付きナビゲーション装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102779411A (zh) * 2012-08-10 2012-11-14 北京航空航天大学 自动获取道路坡度的方法
CN110689723A (zh) * 2019-11-06 2020-01-14 北京交通大学 基于功率分布与车辆自学习的货车超载识别方法
CN111311782A (zh) * 2020-02-12 2020-06-19 北京经纬恒润科技有限公司 载重估计方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Development of estimation algorithms for vehicle’s mass and road grade;I. KIM, et al.;《International Journal of Automotive Technology》;20131209;第14卷(第6期);全文 *
Methods in Vehicle Mass and Road Grade Estimation;Narayanan Kidambi, et al.;《Downloaded from SAE International by University of Michigan》;20140731;第7卷(第3期);全文 *

Also Published As

Publication number Publication date
CN111831960A (zh) 2020-10-27

Similar Documents

Publication Publication Date Title
CN111831960B (zh) 基于坡度扰动识别与排除的网联货车载重动态测算方法
CN113819914B (zh) 一种地图构建方法及装置
CN103217157B (zh) 一种惯导/里程计自主组合导航方法
Jauch et al. Road grade estimation with vehicle-based inertial measurement unit and orientation filter
US8874367B2 (en) Method for estimating and displaying range of a vehicle
CN103093088B (zh) 陡坡和弯曲道路的安全评估方法
CN111833604B (zh) 基于驾驶行为特征提取的车辆载重状态识别方法及装置
CN113140121B (zh) 一种面向网联货车驾驶员的安全预警方法、装置及系统
CN104061899A (zh) 一种基于卡尔曼滤波的车辆侧倾角与俯仰角估计方法
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
US11117590B2 (en) Method and system for determining effective wind speeds for motor vehicles
CN107525505A (zh) 机车轮对空转及滑行检测方法及系统
CN111348048B (zh) 货车超载报警方法、装置、设备及存储介质
CN110398280A (zh) 一种测量车辆荷载的车载终端及测量、计算方法
EP4201777A1 (en) Fault diagnosis method and apparatus for vehicle speed measuring apparatus
CN110077274B (zh) 一种物流电动车可行驶距离的估算方法、装置及设备
KR101308925B1 (ko) 차량의 실시간 하중 측정 장치 및 하중 측정 방법
CN110852542A (zh) 一种道路平整度的计算方法及系统
CN110285789B (zh) 一种场车综合检测仪、检测系统及检测方法
CN113607251A (zh) 一种车辆载重测量方法及装置
EP3891512B1 (en) System and method for providing an indication of driving performance
CN106638242A (zh) 一种适应低速及变速测量的平整度检测装置及方法
CN111882872B (zh) 基于大规模网联车辆功率分布的道路坡度测算方法与装置
Shaw et al. Instantaneous fuel consumption estimation using smartphones
CN110702130A (zh) 一种新能源汽车剩余里程估算系统

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