CN112124323A - 基于轮胎模型的车辆质量辨识方法及轮胎模型生成方法 - Google Patents

Abstract

本申请提供一种基于轮胎模型的车辆质量辨识方法及轮胎模型生成方法，涉及无人驾驶技术领域。其中，基于轮胎模型的车辆质量辨识方法包括获取车辆的轮胎滑移率、速度、加速度以及车辆所在路面的坡度；将轮胎滑移率、速度、加速度、坡度输入轮胎模型，得到车辆的质量，轮胎模型用于指示车辆的轮胎滑移率、质量、速度、加速度以及路面的坡度、空气阻力综合系数之间的关系。通过新建立一个轮胎模型，无需获取动力源的转速、转矩等信号，仅需获取车辆的轮胎滑移率、速度、加速度以及车辆所在路面的坡度，能够准确地辨识出车辆的质量，进而提高无人驾驶过程中车辆控制的准确性。

Description

基于轮胎模型的车辆质量辨识方法及轮胎模型生成方法

技术领域

本申请涉及无人驾驶技术领域，尤其涉及一种基于轮胎模型的车辆质量辨识方法及轮胎模型生成方法。

背景技术

所谓无人驾驶，是指依靠计算机系统对车辆的行驶进行控制。故车辆控制是无人驾驶的关键部分。而车辆的质量会影响车辆控制的准确性，并且车辆的质量并不是一直不变的，随着车辆上载货量的增加，车辆的质量也随之增加。因此，需要对车辆的实际质量进行辨识。

现有技术中，对车辆的实际质量进行辨识主要依靠车辆纵向动力学模型。具体来说，依靠传感器获取车辆动力源的转速、转矩等信号，进而将获取到的转速、转矩等信号输入车辆纵向动力学模型，进而通过车辆纵向动力学模型辨识出车辆的实际质量。

然而，由于车辆动力传动系统的非线性(例如：液力变矩器和离合器的非线性)以及转矩损失等因素，会使动力源的转速、转矩等信号在传递到轮端的车辆纵向动力学模型时与车辆实际的转速、转矩等信号存在偏差，进而导致车辆纵向动力学模型辨识出的车辆质量与实际的车辆质量存在较大误差，进而影响车辆控制的准确性。

发明内容

本申请实施例的目的是提供一种基于轮胎模型的车辆质量辨识方法及轮胎模型生成方法，能够准确地辨识出车辆的质量。

为解决上述技术问题，本申请实施例提供如下技术方案：

本申请第一方面提供一种基于轮胎模型的车辆质量辨识方法，包括：获取车辆的轮胎滑移率、速度、加速度以及所述车辆所在路面的坡度；将所述轮胎滑移率、所述速度、所述加速度、所述坡度输入轮胎模型，得到所述车辆的质量，所述轮胎模型用于指示所述车辆的轮胎滑移率、质量、速度、加速度以及所述路面的坡度、空气阻力综合系数之间的关系。

第一方面的一些变更实施方式中，所述车辆的质量与所述车辆的轮胎纵向刚度存在对应关系；所述车辆的轮胎滑移率与所述车辆的质量、速度、加速度以及所述路面的坡度、空气阻力综合系数正相关；所述车辆的轮胎滑移率与所述车辆的轮胎纵向刚度负相关。

在本申请第一方面的一些变更实施方式中，所述轮胎模型为

其中，s为所述车辆的轮胎滑移率，m为所述车辆的质量，f(m)为以所述车辆的质量表示的所述车辆的轮胎纵向刚度，

为所述车辆的加速度，v为所述车辆的速度，C_df为所述路面的空气阻力综合系数，θ为所述路面的坡度，g为重力加速度。

在本申请第一方面的一些变更实施方式中，在将所述轮胎滑移率、所述速度、所述加速度、所述坡度输入轮胎模型之前，还包括：根据所述车辆的轮胎纵向刚度和轮胎滑移率确定所述车辆的轮胎纵向力；根据所述轮胎纵向力和车辆纵向动力学公式确定所述轮胎模型。

在本申请第一方面的一些变更实施方式中，所述轮胎纵向力与所述轮胎纵向刚度、所述轮胎滑移率正向关。

在本申请第一方面的一些变更实施方式中，所述获取车辆的轮胎滑移率、速度、加速度以及所述车辆所在路面的坡度，包括：当所述方法非初次运行，所述车辆的载货量发生变化，和/或，所述车辆的质量不收敛时，获取车辆的轮胎滑移率、速度、加速度以及所述车辆所在路面的坡度。

在本申请第一方面的一些变更实施方式中，所述获取车辆的轮胎滑移率，包括：获取所述车辆的速度、轮胎角速度、轮胎半径；基于所述速度、所述轮胎角速度和所述轮胎半径计算出所述车辆的轮胎滑移率。

在本申请第一方面的一些变更实施方式中，所述将所述轮胎滑移率、所述速度、所述加速度、所述坡度输入轮胎模型，包括：当所述轮胎滑移率位于预设轮胎滑移率范围内时，将所述轮胎滑移率、所述速度、所述加速度、所述坡度输入所述轮胎模型；其中，当所述轮胎滑移率位于预设轮胎滑移率范围内时，所述轮胎滑移率与所述车辆的轮胎纵向力成线性关系。

在本申请第一方面的一些变更实施方式中，所述将所述轮胎滑移率、所述速度、所述加速度、所述坡度输入轮胎模型，得到所述车辆的质量，包括：将所述轮胎滑移率、所述速度、所述加速度、所述坡度输入所述轮胎模型，得到所述质量与所述空气阻力综合系数的关系；基于所述质量与所述空气阻力综合系数的关系，采用非线性最小二乘法，估算出所述质量。

在本申请第一方面的一些变更实施方式中，得到所述车辆的质量之后，还包括：基于所述质量生成控制所述车辆行驶的控制信号。

在本申请第一方面的一些变更实施方式中，所述基于所述质量生成控制所述车辆行驶的控制信号，包括：当所述车辆的质量收敛时，基于所述质量生成控制所述车辆行驶的控制信号。

本申请第二方面提供一种轮胎模型生成方法，包括：根据车辆的轮胎纵向刚度和轮胎滑移率确定所述车辆的轮胎纵向力；根据所述轮胎纵向力和车辆纵向动力学公式确定轮胎模型。

在本申请第二方面的一些变更实施方式中，所述轮胎纵向力与所述轮胎纵向刚度、所述轮胎滑移率正向关。

本申请第三方面提供一种基于轮胎模型的车辆质量辨识装置，包括：获取模块，用于获取车辆的轮胎滑移率、速度、加速度以及所述车辆所在路面的坡度；辨识模块，用于将所述轮胎滑移率、所述速度、所述加速度、所述坡度输入轮胎模型，得到所述车辆的质量，所述轮胎模型用于指示所述车辆的轮胎滑移率、质量、速度、加速度以及所述路面的坡度、空气阻力综合系数之间的关系。

在本申请第三方面的一些变更实施方式中，所述车辆的质量与所述车辆的轮胎纵向刚度存在对应关系；所述车辆的轮胎滑移率与所述车辆的质量、速度、加速度以及所述路面的坡度、空气阻力综合系数正相关；所述车辆的轮胎滑移率与所述车辆的轮胎纵向刚度负相关。

在本申请第三方面的一些变更实施方式中，所述轮胎模型为

其中，s为所述车辆的轮胎滑移率，m为所述车辆的质量，f(m)为以所述车辆的质量表示的所述车辆的轮胎纵向刚度，

为所述车辆的加速度，v为所述车辆的速度，C_df为所述路面的空气阻力综合系数，θ为所述路面的坡度，g为重力加速度。

在本申请第三方面的一些变更实施方式中，还包括：确定模块，用于根据所述车辆的轮胎纵向刚度和轮胎滑移率确定所述车辆的轮胎纵向力；模型生成模块，用于根据所述轮胎纵向力和车辆纵向动力学公式确定所述轮胎模型。

在本申请第三方面的一些变更实施方式中，所述轮胎纵向力与所述轮胎纵向刚度、所述轮胎滑移率正向关。

在本申请第三方面的一些变更实施方式中，所述获取模块，用于当所述装置非初次运行，所述车辆的载货量发生变化，和/或，所述车辆的质量不收敛时，获取车辆的轮胎滑移率、速度、加速度以及所述车辆所在路面的坡度。

在本申请第三方面的一些变更实施方式中，所述获取模块，用于获取所述车辆的速度、轮胎角速度、轮胎半径；基于所述速度、所述轮胎角速度和所述轮胎半径计算出所述车辆的轮胎滑移率。

在本申请第三方面的一些变更实施方式中，所述辨识模块，用于当所述轮胎滑移率位于预设轮胎滑移率范围内时，将所述轮胎滑移率、所述速度、所述加速度、所述坡度输入所述轮胎模型；其中，当所述轮胎滑移率位于预设轮胎滑移率范围内时，所述轮胎滑移率与所述车辆的轮胎纵向力成线性关系。

在本申请第三方面的一些变更实施方式中，所述辨识模块，用于将所述轮胎滑移率、所述速度、所述加速度、所述坡度输入所述轮胎模型，得到所述质量与所述空气阻力综合系数的关系；基于所述质量与所述空气阻力综合系数的关系，采用非线性最小二乘法，估算出所述质量。

在本申请第三方面的一些变更实施方式中，还包括：控制模块，用于基于所述质量生成控制所述车辆行驶的控制信号。

在本申请第三方面的一些变更实施方式中，所述控制模块，用于当所述车辆的质量收敛时，基于所述质量生成控制所述车辆行驶的控制信号。

本申请第四方面提供一种轮胎模型生成装置，包括：确定模块，用于根据车辆的轮胎纵向刚度和轮胎滑移率确定所述车辆的轮胎纵向力；模型生成模块，用于根据所述轮胎纵向力和车辆纵向动力学公式确定轮胎模型。

在本申请第四方面的一些变更实施方式中，所述轮胎纵向力与所述轮胎纵向刚度、所述轮胎滑移率正向关。

本申请第五方面提供一种电子设备，包括：至少一个处理器；以及与所述处理器连接的至少一个存储器、总线；其中，所述处理器、存储器通过所述总线完成相互间的通信；所述处理器用于调用所述存储器中的程序指令，以执行上述第一方面或第二方面所述的方法。

本申请第六方面提供一种计算机可读存储介质，包括：存储的程序；其中，在所述程序运行时控制所述存储介质所在设备执行上述第一方面或第二方面所述的方法。

相较于现有技术，本申请第一方面提供的基于轮胎模型的车辆质量辨识方法，通过新建立一个轮胎模型，该轮胎模型能够指示车辆的轮胎滑移率、速度、加速度以及车辆所在路面的坡度、空气阻力综合系数之间的关系，进而通过获取车辆的轮胎滑移率、速度、加速度以及车辆所在路面的坡度，再将获取的轮胎滑移率、速度、加速度、坡度输入到轮胎模型，就能够得到车辆的质量，即辨识出车辆的质量。相比于现有的采用车辆纵向动力学模型辨识车辆的质量，需要获取动力源的转速、转矩等信号，会存在转速、转矩等信号在输入到车辆纵向动力学模型时已存在较大偏差的问题，采用本申请第一方面提供的基于轮胎模型的车辆质量辨识方法，在进行车辆质量辨识时，无需获取动力源的转速、转矩等信号，仅需获取车辆的轮胎滑移率、速度、加速度以及车辆所在路面的坡度，而轮胎滑移率、速度、加速度、坡度这些参数在输入到轮胎模型时并不会产生较大的偏差，进而将轮胎滑移率、速度、加速度、坡度输入到新建立的轮胎模型，能够准确地辨识出车辆的质量，进而提高无人驾驶过程中车辆控制的准确性。并且，相比于现有的车辆纵向动力学模型，轮胎模型的计算复杂程度所有降低，能够提高车辆质量的辨识速度，进而提高无人驾驶过程中车辆控制的实时性，提升车辆无人驾驶的安全性。

本申请第二方面提供的轮胎模型生成方法、第三方面提供的基于轮胎模型的车辆质量辨识装置、第四方面提供的轮胎模型生成装置、第五方面提供的电子设备、第六方面提供的存储介质，具有与第一方面提供的基于轮胎模型的车辆质量辨识方法相同的有益效果。

附图说明

通过参考附图阅读下文的详细描述，本申请示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本申请的若干实施方式，相同或对应的标号表示相同或对应的部分，其中：

图1示意性地示出了基于轮胎模型的车辆质量辨识方法的流程图一；

图2示意性地示出了轮胎模型生成方法的流程图；

图3示意性地示出了Pacejka’89轮胎的轮胎纵向力与轮胎滑移率的关系图；

图4示意性地示出了基于轮胎模型的车辆质量辨识方法的流程图二；

图5示意性地示出了基于轮胎模型的车辆质量辨识装置的结构图；

图6示意性地示出了轮胎模型生成装置的结构图；

图7示意性地示出了电子设备的结构图。

具体实施方式

下面将参照附图更详细地描述本申请的示例性实施方式。虽然附图中显示了本申请的示例性实施方式，然而应当理解，可以以各种形式实现本申请而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了能够更透彻地理解本申请，并且能够将本申请的范围完整的传达给本领域的技术人员。

需要注意的是，除非另有说明，本申请使用的技术术语或者科学术语应当为本申请所属领域技术人员所理解的通常意义。

本申请实施例提供了一种基于轮胎模型的车辆质量辨识方法，图1示意性地示出了基于轮胎模型的车辆质量辨识方法的流程图一，参见图1所示，该辨识方法可以包括：

S101：获取车辆的轮胎滑移率、速度、加速度以及车辆所在路面的坡度；

S102：将轮胎滑移率、速度、加速度、坡度输入轮胎模型，得到车辆的质量。

其中，轮胎模型用于指示车辆的轮胎滑移率、速度、加速度以及路面的坡度、空气阻力综合系数之间的关系。

通过建立一个与车辆纵向动力学模型不同的轮胎模型，该轮胎模型用于指示车辆的轮胎滑移率、速度、加速度以及车辆所在路面的坡度、空气阻力综合系数之间的关系，这样，在基于轮胎模型辨识车辆的质量时，仅需获取车辆的轮胎滑移率、速度、加速度以及车辆所在路面的坡度，并输入到轮胎模型中，即可得到车辆的质量。如此，能够避免从车辆的动力源获取转速、转矩等信号，进而避免转速、转矩等信号在输入到车辆纵向动力学模型时已与真实的转速、转矩等信号存在较大偏差，进而提高车辆质量辨识的准确性，进而提高车辆控制的准确性。

在建立轮胎模型时，可以将车辆的轮胎纵向力以车辆的轮胎纵向刚度和轮胎滑移率表示，以及将车辆的轮胎纵向刚度以车辆的质量表示，即，将车辆的轮胎纵向力以车辆的质量和轮胎滑移率表示，再将以车辆的质量和轮胎滑移率表示的车辆的轮胎纵向力代入车辆纵向动力学模型，进而得到指示车辆的轮胎滑移率、质量、速度、加速度以及车辆所在路面的坡度、空气阻力综合系数之间的关系。

在通过轮胎模型辨识车辆的质量时，首先，可以获取车辆当前的轮胎滑移率、速度、加速度以及车辆所在路面当前的坡度；然后，将上述获取到的轮胎滑移率、速度、加速度、坡度代入轮胎模型，得到车辆的质量与车辆所在路面的空气阻力综合系数之间的关系，进而辨识出车辆的质量。

由于空气阻力综合系数无法直接通过测量得到，因此，可以在得到车辆的质量与车辆所在路面的空气阻力综合系数之间的关系后，通过非线性最小二乘法、梯度最小二乘法等方法估算出车辆的质量。上述具体的估算过程为现有技术，故此处不再赘述。当然，在通过其它方式确定出车辆所在路面的空气阻力综合系数后，也可以直接将空气阻力综合系数代入轮胎模型，进而通过轮胎模型能够直接计算出车辆的质量。基于轮胎模型具体采用何种方式辨识车辆质量，此处不做限定。

这里需要说明的是，在车辆空载时，车辆的质量就是车辆本身的质量。而在车辆载货时，车辆的质量就是车辆本身的质量与货物的质量之和。而若需要得到车辆的重量，则只需在车辆的质量的基础上乘以重力加速度即可。

由上述可知，本申请实施例提供的基于轮胎模型的车辆质量辨识方法，通过新建立一个轮胎模型，该轮胎模型能够指示车辆的轮胎滑移率、速度、加速度以及车辆所在路面的坡度、空气阻力综合系数之间的关系，进而通过获取车辆的轮胎滑移率、速度、加速度以及车辆所在路面的坡度，再将获取的轮胎滑移率、速度、加速度、坡度输入到轮胎模型，就能够得到车辆的质量，即辨识出车辆的质量。相比于现有的采用车辆纵向动力学模型辨识车辆的质量，需要获取动力源的转速、转矩等信号，会存在转速、转矩等信号在输入到车辆纵向动力学模型时已存在较大偏差的问题，采用本申请第一方面提供的基于轮胎模型的车辆质量辨识方法，在进行车辆质量辨识时，无需获取动力源的转速、转矩等信号，仅需获取车辆的轮胎滑移率、速度、加速度以及车辆所在路面的坡度，而轮胎滑移率、速度、加速度、坡度这些参数在输入到轮胎模型时并不会产生较大的偏差，进而将轮胎滑移率、速度、加速度、坡度输入到新建立的轮胎模型，能够准确地辨识出车辆的质量，进而提高无人驾驶过程中车辆控制的准确性。并且，相比于现有的车辆纵向动力学模型，轮胎模型的计算复杂程度所有降低，能够提高车辆质量的辨识速度，进而提高无人驾驶过程中车辆控制的实时性，提升车辆无人驾驶的安全性。

进一步地，作为对图1所示辨识方法的细化和扩展，本申请实施例还提供了一种轮胎模型生成方法以及一种基于轮胎模型的车辆质量辨识方法。

在本申请实施例提供的轮胎模型生成方法生成的轮胎模型中，车辆的轮胎滑移率与车辆的质量、速度、加速度以及车辆所在路面的坡度、空气阻力综合系数正相关，车辆的轮胎滑移率与车辆的轮胎纵向刚度负相关，而车辆的轮胎纵向刚度与车辆的质量也存在对应关系。所谓正相关，是指随着自变量的增加，因变量也随之增加。而所谓负相关，是指随着自变量的增加，因变量随之减少。在本申请实施例中，因变量就是轮胎滑移率，其余物理量为自变量。

在生成轮胎模型的过程中，由于在一定的轮胎滑移率范围内，车辆的轮胎纵向力与车辆的轮胎纵向刚度、轮胎滑移率正相关，以及车辆的轮胎纵向刚度与车辆的质量存在对应关系，因此，可以得出车辆的轮胎纵向力与车辆的质量、轮胎滑移率之间的关系，进而将车辆的轮胎纵向力代入车辆纵向动力学模型，得到车辆的轮胎滑移率、质量、速度、加速度以及车辆所在路面的坡度、空气阻力综合系数之间的关系，即得到轮胎模型。

图2示意性地示出了轮胎模型生成方法的流程图，参见图2所示，该生成方法可以包括：

S201：确定车辆的轮胎纵向力与轮胎纵向刚度、滑移率的线性关系。

根据汽车理论知识可知，轮胎模型可以用魔术公式表示。而魔术公式为非线性模型，在车辆在线运行时的计算量较大，会增加计算负担。而经过申请人研究发现，在较小的轮胎滑移率范围内，轮胎纵向力和轮胎滑移率可近似看作线性关系。图3示意性地示出了Pacejka’89轮胎的轮胎纵向力与轮胎滑移率的关系图，参见图3所示，3a为魔术公式中的轮胎纵向力与轮胎滑移率的关系图，由3a可知，在较小的轮胎滑移率范围内，轮胎纵向力与轮胎滑移率可近似看作线性关系，故3b示出了在轮胎滑移率处于(-3，3)范围内的轮胎纵向力与轮胎滑移率近似线性的关系图。

故，轮胎纵向力与轮胎滑移率的线性关系为：

F_l＝C_ls

其中，F_l为轮胎纵向力，C_l为轮胎纵向刚度，s为轮胎滑移率。

这里需要说明的是，轮胎滑移率并不是只在(-3，3)的范围内轮胎纵向力与轮胎滑移率才可近似看作线性关系。由3a可知，轮胎滑移率在(-20，-6)、(5，20)的范围内轮胎纵向力与轮胎滑移率也可近似看作线性关系。当然，不同轮胎的魔术公式会有所差异，故不同轮胎中轮胎纵向力与轮胎滑移率可近似看作线性关系的轮胎滑移率范围也会有所不同。对于轮胎滑移率的具体范围，此处不做限定。

S202：确定车辆的轮胎纵向刚度与质量的函数关系。

由于轮胎纵向刚度与轮胎的载荷有关，即与车辆的质量有关，故车辆的不同质量对应着不同的轮胎纵向刚度。因此，通过离线实验对车辆的不同质量及其对应的轮胎纵向刚度进行采集，进而将采集到的多个质量及其对应的轮胎纵向刚度采用合适的函数进行拟合。

具体来说，步骤一：从车辆空载开始，到车辆满载结束，将车辆质量划分为n个数据，即m₁、m₂、…、m_n。其中，m₁车辆空载质量，m_n为车辆满载质量。

步骤二：调整车辆载重，使得车辆质量为m_i，其中，i＝1、2、…n。并记录车辆质量为m_i时的轮胎纵向刚度C_li，得到数据序列{(m₁，C_l1)、(m₂，C_l2)、…(m_n，C_ln)}。

步骤三：选择合适的函数对车辆的轮胎纵向刚度C_li与质量m_i拟合。

故，轮胎纵向刚度与质量的函数关系为：

C_l＝f(m)

其中，C_l为轮胎纵向刚度，m为质量，f(m)为以质量表示的轮胎纵向刚度。

这里需要说明的是，S201与S202并无先后执行顺序，可以是先执行S201再执行S202，也可以是先执行S202再执行S201，或者可以是S201与S202同时执行。

S203：确定车辆的轮胎纵向力与质量、轮胎滑移率的关系。

具体来说，就是将S202的函数关系代入到S201的线性关系中。

故，轮胎纵向力与质量、轮胎滑移率的关系为：

F_l＝f(m)s

其中，F_l为轮胎纵向力，m为质量，f(m)为以质量表示的轮胎纵向刚度，s为轮胎滑移率。

S204：根据轮胎纵向力与质量、轮胎滑移率的关系以及车辆纵向动力学模型确定轮胎模型。

具体来说，就是将S203的关系代入到车辆纵向动力学模型中。

而车辆纵向动力学模型为：

其中，m为质量，

为加速度，F_l为轮胎纵向力，ρ为空气密度，A为迎风面积，C_d为空气阻力系数，v为速度，θ为坡度，g为重力加速度。

故，轮胎模型为：

其中，s为轮胎滑移率，m为质量，f(m)为以质量表示的轮胎纵向刚度，

为加速度，v为速度，C_df为空气阻力综合系数，θ为坡度，g为重力加速度。

其中，

图4示意性地示出了基于轮胎模型的车辆质量辨识方法的流程图二，参见图4所示，该辨识方法可以包括：

S401：判断辨识方法是否为初次运行；若是，则执行S402；若否，则执行S403；

S402：获取车辆空载时的质量；

S403：获取车辆的轮胎滑移率。

当该辨识方法是初次运行时，说明此前并没有通过该轮胎模型识别车辆的质量，故先将车辆的质量取初值(可以是车辆空载时的质量)，进而获取车辆的其它动力学参数，以便先根据质量和其它动力学参数初值对车辆进行控制。而当该辨识方法是非初次运行时，就可以直接获取车辆的轮胎滑移率，进而结合获取的其它动力学参数对车辆进行控制。

具体的，S403可以包括：

S4031：获取车辆的速度、轮胎角速度、轮胎半径；

S4032：基于速度、轮胎角速度和轮胎半径计算出车辆的轮胎滑移率。

计算轮胎滑移率的公式为：

其中，s为轮胎滑移率，r为轮胎半径，ω_l为轮胎角速度，v为速度。

在实际应用中，车辆的速度、轮胎角速度可以不依靠动力源获得，而是可以通过设置在轮胎侧的传感器获得速度、轮胎角速度。或者，车辆的速度还可以通过全球定位系统(Global Positioning System，GPS)计算得到。这样，获取到的速度、轮胎角速度就不会产生损失，进而使计算出的轮胎滑移率也更加准确，进而能够更加准确地辨识出车辆的质量。而车辆的轮胎半径可以从车辆的配置参数中获得。对于车辆的速度、轮胎角速度、轮胎半径的具体获取方式，此处不做限定。

S404：判断轮胎滑移率是否位于预设轮胎滑移率范围内；若是，则执行S405；若否，则执行S406；

S405：获取车辆的加速度以及车辆所在路面的坡度；

S406：结束辨识，直到再次计算出的轮胎滑移率位于预设轮胎滑移率范围内再执行S405。

由于本申请实施例提供的轮胎模型是建立在轮胎滑移率处于较小的轮胎滑移率范围内时，轮胎纵向力与轮胎滑移率可近似看作线性关系的基础上的，因此，为了确保轮胎模型能够准确地辨识出车辆的质量，需要当计算出的轮胎滑移率位于预设轮胎滑移率范围内时，才能够将轮胎滑移率代入轮胎模型中进行车辆质量的辨识。

在实际应用中，车辆的加速度以及车辆所在路面的坡度可以通过设置在轮胎侧的传感器获得，或者通过GPS获得，此处不做限定。

S407：将轮胎滑移率、速度、加速度、坡度输入轮胎模型，得到车辆的质量。

具体来说，S407可以包括：

S4071：将轮胎滑移率、速度、加速度、坡度输入轮胎模型，得到质量与空气阻力综合系数的关系；

S4072：基于质量与空气阻力综合系数的关系，采用非线性最小二乘法，估算出质量

和空气阻力综合系数

由于基于质量与空气阻力综合系数的关系采用非线性最小二乘法估算车辆质量和空气阻力综合系数的方式为现有技术，故此处不再赘述。

S408：判断车辆的质量是否收敛；若是，则执行S409；若否，则再次执行S403。

在车辆的无人驾驶过程中，并不是只生成一次控制信号，进而一直根据该控制信号控制车辆。而是实时的或者按照预设时间间隔的生成一次控制信号，进而根据各时间生成的控制信号在对应的时间控制车辆，因此，车辆的质量也需要实时的或者按照预设时间间隔进行辨识。由于车辆的质量在一段时间内是固定不变的，因此，辨识出的车辆的各个质量在一定程度上是收敛的，如果辨识出的某一质量并不收敛，那么说明此次辨识出的质量可能存在错误，若还基于该质量生成控制信号对车辆进行控制，会影响车辆行驶的安全性。故当判断出车辆的质量收敛时，再基于车辆的质量生成控制信号对车辆的行驶进行控制，能够提高车辆控制的安全性。

S409：基于车辆的质量生成控制车辆行驶的控制信号。

在得到车辆的质量后，就可以将车辆的质量以及车辆的其它动力学参数输入到车辆的横纵向控制器中进行运算，进而基于横纵向控制器的运算结果对车辆的横纵向行驶进行控制。

S410：判断车辆的载货量是否发生变化；若是，则再次执行S403；若否，则执行S406。

当车辆的载货量发生变化时，车辆的质量也会随之变化，如果仍然采用变化前的质量对车辆进行控制，会降低车辆控制的准确性。因此，当车辆的载货量发生变化时，重新获取车辆的轮胎滑移率，进而重新获得车辆的质量，能够提高车辆控制的准确性。

而当车辆的载货量未发生变化时，车辆的质量一般也不会产生变化。因此，当车辆的载货量未发生变化时，就不再次对车辆的质量进行辨识，能够节省计算量。

S406：结束辨识。

由上述可知，本申请实施例提供的基于轮胎模型的车辆质量辨识方法，通过新建立一个轮胎模型，该轮胎模型能够指示车辆的轮胎滑移率、速度、加速度以及车辆所在路面的坡度、空气阻力综合系数之间的关系，进而通过获取车辆的轮胎滑移率、速度、加速度以及车辆所在路面的坡度，再将获取的轮胎滑移率、速度、加速度、坡度输入到轮胎模型，就能够得到车辆的质量，即辨识出车辆的质量。相比于现有的采用车辆纵向动力学模型辨识车辆的质量，需要获取动力源的转速、转矩等信号，会存在转速、转矩等信号在输入到车辆纵向动力学模型时已存在较大偏差的问题，采用本申请第一方面提供的基于轮胎模型的车辆质量辨识方法，在进行车辆质量辨识时，无需获取动力源的转速、转矩等信号，仅需获取车辆的轮胎滑移率、速度、加速度以及车辆所在路面的坡度，而轮胎滑移率、速度、加速度、坡度这些参数在输入到轮胎模型时并不会产生较大的偏差，进而将轮胎滑移率、速度、加速度、坡度输入到新建立的轮胎模型，能够准确地辨识出车辆的质量，进而提高无人驾驶过程中车辆控制的准确性。并且，相比于现有的车辆纵向动力学模型，轮胎模型的计算复杂程度所有降低，能够提高车辆质量的辨识速度，进而提高无人驾驶过程中车辆控制的实时性，提升车辆无人驾驶的安全性。

基于同一发明构思，作为对上述辨识方法的实现，本申请实施例还提供了一种基于轮胎模型的车辆质量辨识装置。图5示意性地示出了基于轮胎模型的车辆质量辨识装置的结构图，该辨识装置可以包括：获取模块501，用于获取车辆的轮胎滑移率、速度、加速度以及所述车辆所在路面的坡度；辨识模块502，用于将所述轮胎滑移率、所述速度、所述加速度、所述坡度输入轮胎模型，得到所述车辆的质量，所述轮胎模型用于指示所述车辆的轮胎滑移率、质量、速度、加速度以及所述路面的坡度、空气阻力综合系数之间的关系。

在本申请其它实施例中，所述车辆的质量与所述车辆的轮胎纵向刚度存在对应关系；所述车辆的轮胎滑移率与所述车辆的质量、速度、加速度以及所述路面的坡度、空气阻力综合系数正相关；所述车辆的轮胎滑移率与所述车辆的轮胎纵向刚度负相关。

在本申请其它实施例中，所述轮胎模型为

其中，s为所述车辆的轮胎滑移率，m为所述车辆的质量，f(m)为以所述车辆的质量表示的所述车辆的轮胎纵向刚度，

为所述车辆的加速度，v为所述车辆的速度，C_df为所述路面的空气阻力综合系数，θ为所述路面的坡度，g为重力加速度。

在本申请其它实施例中，还包括：确定模块，用于根据所述车辆的轮胎纵向刚度和轮胎滑移率确定所述车辆的轮胎纵向力；模型生成模块，用于根据所述轮胎纵向力和车辆纵向动力学公式确定所述轮胎模型。

在本申请其它实施例中，所述轮胎纵向力与所述轮胎纵向刚度、所述轮胎滑移率正向关。

在本申请其它实施例中，所述获取模块，用于当所述装置非初次运行，所述车辆的载货量发生变化，和/或，所述车辆的质量不收敛时，获取车辆的轮胎滑移率、速度、加速度以及所述车辆所在路面的坡度。

在本申请其它实施例中，所述获取模块，用于获取所述车辆的速度、轮胎角速度、轮胎半径；基于所述速度、所述轮胎角速度和所述轮胎半径计算出所述车辆的轮胎滑移率。

在本申请其它实施例中，所述辨识模块，用于当所述轮胎滑移率位于预设轮胎滑移率范围内时，将所述轮胎滑移率、所述速度、所述加速度、所述坡度输入所述轮胎模型；其中，当所述轮胎滑移率位于预设轮胎滑移率范围内时，所述轮胎滑移率与所述车辆的轮胎纵向力成线性关系。

在本申请其它实施例中，所述辨识模块，用于将所述轮胎滑移率、所述速度、所述加速度、所述坡度输入所述轮胎模型，得到所述质量与所述空气阻力综合系数的关系；基于所述质量与所述空气阻力综合系数的关系，采用非线性最小二乘法，估算出所述质量。

在本申请其它实施例中，还包括：控制模块，用于基于所述质量生成控制所述车辆行驶的控制信号。

在本申请其它实施例中，所述控制模块，用于当所述车辆的质量收敛时，基于所述质量生成控制所述车辆行驶的控制信号。

这里需要指出的是，以上辨识装置实施例的描述，与上述辨识方法实施例的描述是类似的，具有同辨识方法实施例相似的有益效果。对于本申请辨识装置实施例中未披露的技术细节，请参照本申请辨识方法实施例的描述而理解。

基于同一发明构思，作为对上述生成方法的实现，本申请实施例还提供了一种轮胎模型生成装置。图6示意性地示出了轮胎模型生成装置的结构图，该生成装置可以包括：确定模块601，用于根据车辆的轮胎纵向刚度和轮胎滑移率确定所述车辆的轮胎纵向力；模型生成模块602，用于根据所述轮胎纵向力和车辆纵向动力学公式确定轮胎模型。

在本申请其它实施例中，所述轮胎纵向力与所述轮胎纵向刚度、所述轮胎滑移率正向关。

这里需要指出的是，以上生成装置实施例的描述，与上述生成方法实施例的描述是类似的，具有同生成方法实施例相似的有益效果。对于本申请生成装置实施例中未披露的技术细节，请参照本申请生成方法实施例的描述而理解。

基于同一发明构思，作为对上述辨识方法或生成方法的实现，本申请实施例还提供了一种电子设备。图7示意性地示出了电子设备的结构图，该电子设备可以包括：至少一个处理器701；以及与所述处理器701连接的至少一个存储器702、总线703；其中，所述处理器701、存储器702通过所述总线703完成相互间的通信；所述处理器701用于调用所述存储器702中的程序指令，以执行前述实施例中的辨识方法或生成方法。

这里需要指出的是，以上电子设备实施例的描述，与上述辨识方法或生成方法实施例的描述是类似的，具有同辨识方法或生成方法实施例相似的有益效果。对于本申请电子设备实施例中未披露的技术细节，请参照本申请辨识方法或生成方法实施例的描述而理解。

基于同一发明构思，作为对上述辨识方法或生成方法的实现，本申请实施例还提供了一种计算机可读存储介质。该存储介质可以包括：存储的程序；其中，在所述程序运行时控制所述存储介质所在设备执行前述实施例中的辨识方法或生成方法。

以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种基于轮胎模型的车辆质量辨识方法，其特征在于，包括：

获取车辆的轮胎滑移率、速度、加速度以及所述车辆所在路面的坡度；

将所述轮胎滑移率、所述速度、所述加速度、所述坡度输入轮胎模型，得到所述车辆的质量，所述轮胎模型用于指示所述车辆的轮胎滑移率、质量、速度、加速度以及所述路面的坡度、空气阻力综合系数之间的关系。

2.根据权利要求1所述的方法，其特征在于，所述车辆的质量与所述车辆的轮胎纵向刚度存在对应关系；

所述车辆的轮胎滑移率与所述车辆的质量、速度、加速度以及所述路面的坡度、空气阻力综合系数正相关；

所述车辆的轮胎滑移率与所述车辆的轮胎纵向刚度负相关。

3.根据权利要求2所述的方法，其特征在于，所述轮胎模型为

其中，s为所述车辆的轮胎滑移率，m为所述车辆的质量，f(m)为以所述车辆的质量表示的所述车辆的轮胎纵向刚度，

为所述车辆的加速度，v为所述车辆的速度，C_df为所述路面的空气阻力综合系数，θ为所述路面的坡度，g为重力加速度。

4.根据权利要求1至3中任一项所述的方法，其特征在于，在将所述轮胎滑移率、所述速度、所述加速度、所述坡度输入轮胎模型之前，还包括：

根据所述车辆的轮胎纵向刚度和轮胎滑移率确定所述车辆的轮胎纵向力；

根据所述轮胎纵向力和车辆纵向动力学公式确定所述轮胎模型。

5.根据权利要求4所述的方法，其特征在于，所述轮胎纵向力与所述轮胎纵向刚度、所述轮胎滑移率正向关。

6.根据权利要求1至3中任一项所述的方法，其特征在于，所述获取车辆的轮胎滑移率、速度、加速度以及所述车辆所在路面的坡度，包括：

当所述方法非初次运行，所述车辆的载货量发生变化，和/或，所述车辆的质量不收敛时，获取车辆的轮胎滑移率、速度、加速度以及所述车辆所在路面的坡度。

7.根据权利要求1至3中任一项所述的方法，其特征在于，所述获取车辆的轮胎滑移率，包括：

获取所述车辆的速度、轮胎角速度、轮胎半径；

基于所述速度、所述轮胎角速度和所述轮胎半径计算出所述车辆的轮胎滑移率。

8.根据权利要求1至3中任一项所述的方法，其特征在于，所述将所述轮胎滑移率、所述速度、所述加速度、所述坡度输入轮胎模型，包括：

当所述轮胎滑移率位于预设轮胎滑移率范围内时，将所述轮胎滑移率、所述速度、所述加速度、所述坡度输入所述轮胎模型；

其中，当所述轮胎滑移率位于预设轮胎滑移率范围内时，所述轮胎滑移率与所述车辆的轮胎纵向力成线性关系。

9.根据权利要求1至3中任一项所述的方法，其特征在于，得到所述车辆的质量之后，还包括：

基于所述质量生成控制所述车辆行驶的控制信号。

10.一种轮胎模型生成方法，其特征在于，包括：

根据车辆的轮胎纵向刚度和轮胎滑移率确定所述车辆的轮胎纵向力；

根据所述轮胎纵向力和车辆纵向动力学公式确定轮胎模型。

Images