CN112590803B - 一种单轴并联混合动力商用车整车质量在线估计方法 - Google Patents

一种单轴并联混合动力商用车整车质量在线估计方法 Download PDF

Info

Publication number
CN112590803B
CN112590803B CN202011486101.6A CN202011486101A CN112590803B CN 112590803 B CN112590803 B CN 112590803B CN 202011486101 A CN202011486101 A CN 202011486101A CN 112590803 B CN112590803 B CN 112590803B
Authority
CN
China
Prior art keywords
vehicle
algorithm
entering
mass
calculating
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
CN202011486101.6A
Other languages
English (en)
Other versions
CN112590803A (zh
Inventor
梅程
胡宇辉
赵晓松
彭建鑫
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.)
Bit Intelligent Vehicle Technology Co ltd
Original Assignee
Bit Intelligent Vehicle Technology Co ltd
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 Bit Intelligent Vehicle Technology Co ltd filed Critical Bit Intelligent Vehicle Technology Co ltd
Priority to CN202011486101.6A priority Critical patent/CN112590803B/zh
Publication of CN112590803A publication Critical patent/CN112590803A/zh
Application granted granted Critical
Publication of CN112590803B publication Critical patent/CN112590803B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/12—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to parameters of the vehicle itself, e.g. tyre models
    • B60W40/13—Load or weight
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2510/00—Input parameters relating to a particular sub-units
    • B60W2510/06—Combustion engines, Gas turbines
    • B60W2510/0657—Engine torque
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2510/00—Input parameters relating to a particular sub-units
    • B60W2510/08—Electric propulsion units
    • B60W2510/083—Torque
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/10—Longitudinal speed
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2540/00—Input parameters relating to occupants
    • B60W2540/16—Ratio selector position
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2552/00—Input parameters relating to infrastructure
    • B60W2552/15—Road slope, i.e. the inclination of a road segment in the longitudinal direction

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Mathematical Physics (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Control Of Transmission Device (AREA)

Abstract

本发明提供了一种单轴并联混合动力商用车整车质量在线估计方法，包括以下步骤：S1、采集车辆状态数据，通过分析所述车辆状态数据判断车辆的行驶状态是否满足在线估计算法的使能条件，根据具体情况对应设置算法使能标志的数值；S2、根据所述算法使能标志的和车辆状态数据，采用基于扩展卡尔曼滤波的质量估计算法对整车质量进行估计，得到估计值；S3、根据所述估计值对整车质量进行更新，进入下一次迭代。这种单轴并联混合动力商用车整车质量在线估计方法，通过分析采集车辆状态数据来判断当前时刻车辆是否满足算法运行条件，再在算法运行条件满足后利用车辆状态数据对整车总质量进行估计；若算法运行条件不满足则保持上一时刻的估计值，实现了整车总质量的在线估计。

Description

一种单轴并联混合动力商用车整车质量在线估计方法
技术领域
本发明涉及车辆质量估计技术领域，尤其涉及一种单轴并联混合动力商用车整车质量在线估计方法。
背景技术
随着新能源汽车的快速发展，商用车搭载单轴并联混合动力系统已成为一种趋势，而整车总质量是车辆能量管理策略控制中的一项重要参数，车辆在行驶过程中，滚动阻力、坡度阻力等行驶阻力与车辆质量密切相关；车辆可依据质量参数优化自动变速器换挡规律，提高换挡品质，满足整车能量管理与主动安全的控制需求，提高车辆的动力性、经济性和安全性。但是，现有技术中的一些车辆承载重量大，总质量与整备质量相差数倍，同时由于震动、冲击等不稳定因素，总质量难以直接测量获得，因此设计一种单轴并联混合动力商用车整车总质量在线估计方法十分必要。
发明内容
本发明要解决的技术问题是：为了解决现有技术中一些车辆的整车质量无法难以直接测量的问题，本发明提供了一种单轴并联混合动力商用车整车质量在线估计方法。
本发明解决其技术问题所采用的技术方案是：一种单轴并联混合动力商用车整车质量在线估计方法，包括以下步骤：
S1、采集车辆状态数据，通过分析所述车辆状态数据判断车辆的行驶状态是否满足在线估计算法的使能条件，根据满足和不满足的情况对应设置算法使能标志的数值；
S2、根据所述算法使能标志的和车辆状态数据，采用基于扩展卡尔曼滤波的质量估计算法对整车质量进行估计，得到估计值；
S3、根据所述估计值对整车质量进行更新，进入下一次迭代。
作为优选，步骤S1具体包括以下步骤：
S101、采集所述车辆状态数据；
S102、通过传感器及CAN总线获取车辆状态信号，所述车辆状态信号包括车速信号、当前挡位信号、换挡标识、驱动模式信号、离合器状态信号和制动标识；
S103、依据车速信号，判断当前车速是否大于车速阈值，若车速大于车速阈值则进入步骤S104；否则，所述算法使能标识置0，进入步骤S111；
S104、依据当前挡位信号，判断当前车辆是否处于前进挡，若是当前车辆处于前进挡则进入步骤S105；否则，所述算法使能标识置0，进入步骤S111；
S105、依据制动标识，判断车辆是否处于制动工况，若车辆处于非制动工况则进入步骤S106；否则，所述算法使能标识置0，进入步骤S111；
S106、依据换挡标识，判断当前车辆是否处于换挡过程，若车辆是处于换挡过程则进入步骤S107；否则，所述算法使能标识置0，进入步骤S111；
S107、依据驱动模式信号，判断当前车辆驱动模式，若为混合动力(HEV)模式则进入步骤S108；若为纯电动(EV)模式则进入步骤S109；
S108、依据离合器状态信号，判断离合器接合情况，若离合器完全接合则进入步骤S110；否则，所述算法使能标识置0，进入步骤S111；
S109、依据离合器状态信号，判断离合器接合情况，若离合器完全分离则进入步骤S110；否则，所述算法使能标识置0，进入步骤S111；
S110、当前车辆状态满足在线估计算法的使能条件，所述算法使能标识置1；
S111，算法使能条件判断结束。
作为优选，在步骤S102中，车辆状态信号还包括道路坡度信号、发动机扭矩信号和电机扭矩信号；
步骤S2具体包括以下步骤：
S201、根据所述算法使能标识，判断是否满足算法运行条件，若算法使能标识为1，进入步骤S202；若算法使能标识为0则保持上一时刻的估计值，进入步骤S208；
S202、预设置基于扩展卡尔曼滤波的质量估计算法的初始状态变量x0及其协方差矩阵P0；依据所述车辆状态信号，计算出基于扩展卡尔曼滤波的质量估计算法的状态变量的先验估计
Figure BDA0002839249060000031
计算状态变量的先验估计
Figure BDA0002839249060000032
的公式如下：
Figure BDA0002839249060000033
Figure BDA0002839249060000034
Figure BDA0002839249060000035
式中：
Figure BDA0002839249060000036
为上一时刻估计值；
δ为车辆旋转质量换算系数；
Tin(k-1)为所采集的驱动扭矩即发动机扭矩和电机扭矩之和；
ig为当前档位传动比；
itr为主减速器传动比；
rw为车轮滚动半径；
f为路面附着系数；
g为重力加速度；
CD为车辆风阻系数；
A为车辆迎风面积；
ρ为空气密度；
S203、计算非线性化函数f的雅各比矩阵Fk-1，计算雅各比矩阵Fk-1的公式如下：
Figure BDA0002839249060000041
S204、计算先验估计协方差矩阵
Figure BDA0002839249060000042
计算先验估计协方差矩阵
Figure BDA0002839249060000043
的公式如下：
Figure BDA0002839249060000044
式中：
Q为过程激励噪声协方差矩阵；
S205、计算卡尔曼增益，计算卡尔曼增益的公式如下：
Figure BDA0002839249060000045
Figure BDA0002839249060000046
式中：
H表示状态变量的观测矩阵；
R是测量噪声协方差矩阵；
S206、计算后验估计协方差矩阵，计算后验估计协方差矩阵的公式如下：
Figure BDA0002839249060000051
式中：
I为单位矩阵；
S207、计算后验估计
Figure BDA0002839249060000052
计算后验估计
Figure BDA0002839249060000053
的公式如下：
Figure BDA0002839249060000054
式中：
zk为状态变量的测量值；
S208、获得整车总质量的估计值，计算整车总质量的估计值的公式如下：
xk＝(vk,αk,mk)T。
作为优选，步骤3具体包括以下步骤：
S301、依据步骤208更新车辆总质量的估计值；
S302、进入下一时刻的迭代运算。
本发明的有益效果是，这种单轴并联混合动力商用车整车质量在线估计方法，通过分析采集车辆状态数据来判断当前时刻车辆是否满足算法运行条件，再在算法运行条件满足后利用车辆状态数据对整车总质量进行估计；若算法运行条件不满足则保持上一时刻的估计值；算法迭代运行，实现整车总质量的在线估计。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1为本发明一种单轴并联混合动力商用车整车质量在线估计方法的流程图
图2为本发明一种单轴并联混合动力商用车整车质量在线估计方法的步骤S1的流程图
图3为本发明一种单轴并联混合动力商用车整车质量在线估计方法的步骤S2的流程图
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“轴向”、“径向”、“周向”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”等仅用于描述目的，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“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。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，在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。
如图1～3所示，本发明提供了一种单轴并联混合动力商用车整车质量在线估计方法，包括以下步骤：
S1、采集车辆状态数据，通过分析车辆状态数据判断车辆的行驶状态是否满足在线估计算法的使能条件，根据满足和不满足的情况对应设置算法使能标志的数值，具体包括以下步骤：
S101、采集车辆状态数据；
S102、通过传感器及CAN总线获取车辆状态信号，本实施例中，采样周期为10ms，车辆状态信号包括车速信号、当前挡位信号、换挡标识、驱动模式信号、离合器状态信号、制动标识、道路坡度信号、发动机扭矩信号和电机扭矩信号；
S103、依据车速信号，判断当前车速是否大于车速阈值，若车速大于车速阈值则进入步骤S104；否则，算法使能标识置0，进入步骤S111；本实施例中，车速阈值为1km/h；
S104、依据当前挡位信号，判断当前车辆是否处于前进挡，若是当前车辆处于前进挡则进入步骤S105；否则，算法使能标识置0，进入步骤S111；
S105、依据制动标识，判断车辆是否处于制动工况，若车辆处于非制动工况则进入步骤S106；否则，算法使能标识置0，进入步骤S111；
S106、依据换挡标识，判断当前车辆是否处于换挡过程，若车辆是处于换挡过程则进入步骤S107；否则，算法使能标识置0，进入步骤S111；
S107、依据驱动模式信号，判断当前车辆驱动模式，若为混合动力(HEV)模式则进入步骤S108；若为纯电动(EV)模式则进入步骤S109；
S108、依据离合器状态信号，判断离合器接合情况，若离合器完全接合则进入步骤S110；否则，算法使能标识置0，进入步骤S111；
S109、依据离合器状态信号，判断离合器接合情况，若离合器完全分离则进入步骤S110；否则，算法使能标识置0，进入步骤S111；
S110、当前车辆状态满足在线估计算法的使能条件，算法使能标识置1；
S111，算法使能条件判断结束；
S2、根据算法使能标志的和车辆状态数据，采用基于扩展卡尔曼滤波的质量估计算法对整车质量进行估计，得到估计值，具体包括以下步骤：
S201、根据算法使能标识，判断是否满足算法运行条件，若算法使能标识为1，进入步骤S202；若算法使能标识为0则保持上一时刻的估计值，进入步骤S208；
S202、预设置基于扩展卡尔曼滤波的质量估计算法的初始状态变量x0及其协方差矩阵P0；依据车辆状态信号，计算出基于扩展卡尔曼滤波的质量估计算法的状态变量的先验估计
Figure BDA0002839249060000081
计算状态变量的先验估计
Figure BDA0002839249060000082
的公式如下：
Figure BDA0002839249060000083
Figure BDA0002839249060000084
Figure BDA0002839249060000085
式中：
Figure BDA0002839249060000086
为上一时刻估计值；
δ为车辆旋转质量换算系数；
Tin(k-1)为所采集的驱动扭矩即发动机扭矩和电机扭矩之和；
ig为当前档位传动比；
itr为主减速器传动比；
rw为车轮滚动半径；
f为路面附着系数；
g为重力加速度；
CD为车辆风阻系数；
A为车辆迎风面积；
ρ为空气密度；
S203、计算非线性化函数f的雅各比矩阵Fk-1，计算雅各比矩阵Fk-1的公式如下：
Figure BDA0002839249060000091
S204、计算先验估计协方差矩阵
Figure BDA0002839249060000092
计算先验估计协方差矩阵
Figure BDA0002839249060000093
的公式如下：
Figure BDA0002839249060000094
式中：
Q为过程激励噪声协方差矩阵；
S205、计算卡尔曼增益，计算卡尔曼增益的公式如下：
Figure BDA0002839249060000095
Figure BDA0002839249060000101
式中：
H表示状态变量的观测矩阵；
R是测量噪声协方差矩阵；
S206、计算后验估计协方差矩阵，计算后验估计协方差矩阵的公式如下：
Figure BDA0002839249060000102
式中：
I为单位矩阵；
S207、计算后验估计
Figure BDA0002839249060000103
计算后验估计
Figure BDA0002839249060000104
的公式如下：
Figure BDA0002839249060000105
式中：
zk为状态变量的测量值；
S208、获得整车总质量的估计值，计算整车总质量的估计值的公式如下：
xk＝(vk,αk,mk)T；
S3、根据估计值对整车质量进行更新，进入下一次迭代，具体包括以下步骤：
S301、依据步骤208更新车辆总质量的估计值；
S302、进入下一时刻的迭代运算，在本实施例中，迭代周期为10ms。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对所述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。

Claims (2)

1.一种单轴并联混合动力商用车整车质量在线估计方法，其特征在于，包括以下步骤：
S1、采集车辆状态数据，通过分析所述车辆状态数据判断车辆的行驶状态是否满足在线估计算法的使能条件，根据满足和不满足的情况对应设置算法使能标志的数值；
步骤S1具体包括以下步骤：
S101、采集所述车辆状态数据；
S102、通过传感器及CAN总线获取车辆状态信号，所述车辆状态信号包括车速信号、当前挡位信号、换挡标识、驱动模式信号、离合器状态信号和制动标识；
在步骤S102中，车辆状态信号还包括道路坡度信号、发动机扭矩信号和电机扭矩信号；
S103、依据车速信号，判断当前车速是否大于车速阈值，若车速大于车速阈值则进入步骤S104；否则，所述算法使能标识置0，进入步骤S111；
S104、依据当前挡位信号，判断当前车辆是否处于前进挡，若是当前车辆处于前进挡则进入步骤S105；否则，所述算法使能标识置0，进入步骤S111；
S105、依据制动标识，判断车辆是否处于制动工况，若车辆处于非制动工况则进入步骤S106；否则，所述算法使能标识置0，进入步骤S111；
S106、依据换挡标识，判断当前车辆是否处于换挡过程，若车辆是处于换挡过程则进入步骤S107；否则，所述算法使能标识置0，进入步骤S111；
S107、依据驱动模式信号，判断当前车辆驱动模式，若为混合动力(HEV)模式则进入步骤S108；若为纯电动(EV)模式则进入步骤S109；
S108、依据离合器状态信号，判断离合器接合情况，若离合器完全接合则进入步骤S110；否则，所述算法使能标识置0，进入步骤S111；
S109、依据离合器状态信号，判断离合器接合情况，若离合器完全分离则进入步骤S110；否则，所述算法使能标识置0，进入步骤S111；
S110、当前车辆状态满足在线估计算法的使能条件，所述算法使能标识置1；
S111，算法使能条件判断结束；
S2、根据所述算法使能标志和车辆状态数据，采用基于扩展卡尔曼滤波的质量估计算法对整车质量进行估计，得到估计值；
步骤S2具体包括以下步骤：
S201、根据所述算法使能标识，判断是否满足算法运行条件，若算法使能标识为1，进入步骤S202；若算法使能标识为0则保持上一时刻的估计值，进入步骤S208；
S202、预设置基于扩展卡尔曼滤波的质量估计算法的初始状态变量x0及其协方差矩阵P0；依据所述车辆状态信号，计算出基于扩展卡尔曼滤波的质量估计算法的状态变量的先验估计
Figure FDA0003297627910000031
计算状态变量的先验估计
Figure FDA0003297627910000032
的公式如下：
Figure FDA0003297627910000033
Figure FDA0003297627910000034
Figure FDA0003297627910000035
式中：
Figure FDA0003297627910000036
为上一时刻估计值；
δ为车辆旋转质量换算系数；
Tin(k-1)为所采集的驱动扭矩即发动机扭矩和电机扭矩之和；
ig为当前档位传动比；
itr为主减速器传动比；
rw为车轮滚动半径；
f为路面附着系数；
g为重力加速度；
CD为车辆风阻系数；
A为车辆迎风面积；
ρ为空气密度；
S203、计算非线性化函数f的雅各比矩阵Fk-1，计算雅各比矩阵Fk-1的公式如下：
Figure FDA0003297627910000041
S204、计算先验估计协方差矩阵
Figure FDA0003297627910000042
计算先验估计协方差矩阵
Figure FDA0003297627910000043
的公式如下：
Figure FDA0003297627910000044
式中：
Q为过程激励噪声协方差矩阵；
S205、计算卡尔曼增益，计算卡尔曼增益的公式如下：
Figure FDA0003297627910000045
Figure FDA0003297627910000046
式中：
H表示状态变量的观测矩阵；
R是测量噪声协方差矩阵；
S206、计算后验估计协方差矩阵，计算后验估计协方差矩阵的公式如下：
Figure FDA0003297627910000047
式中：
I为单位矩阵；
S207、计算后验估计
Figure FDA0003297627910000048
计算后验估计
Figure FDA0003297627910000049
的公式如下：
Figure FDA0003297627910000051
式中：
zk为状态变量的测量值；
S208、获得整车总质量的估计值，计算整车总质量的估计值的公式如下：
xk＝(vk,αk,mk)T；
S3、根据所述估计值对整车质量进行更新，进入下一次迭代。
2.如权利要求1所述的一种单轴并联混合动力商用车整车质量在线估计方法，其特征在于：
步骤3具体包括以下步骤：
S301、依据步骤208更新车辆总质量的估计值；
S302、进入下一时刻的迭代运算。
CN202011486101.6A 2020-12-16 2020-12-16 一种单轴并联混合动力商用车整车质量在线估计方法 Active CN112590803B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011486101.6A CN112590803B (zh) 2020-12-16 2020-12-16 一种单轴并联混合动力商用车整车质量在线估计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011486101.6A CN112590803B (zh) 2020-12-16 2020-12-16 一种单轴并联混合动力商用车整车质量在线估计方法

Publications (2)

Publication Number Publication Date
CN112590803A CN112590803A (zh) 2021-04-02
CN112590803B true CN112590803B (zh) 2022-02-22

Family

ID=75196351

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011486101.6A Active CN112590803B (zh) 2020-12-16 2020-12-16 一种单轴并联混合动力商用车整车质量在线估计方法

Country Status (1)

Country Link
CN (1) CN112590803B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7181323B1 (en) * 2004-10-25 2007-02-20 Lockheed Martin Corporation Computerized method for generating low-bias estimates of position of a vehicle from sensor data
JP2011180085A (ja) * 2010-03-03 2011-09-15 Sumitomo Rubber Ind Ltd 車両質量推定装置、方法及びプログラム
CN104354700A (zh) * 2014-11-03 2015-02-18 武汉理工大学 一种基于无迹卡尔曼滤波的车辆参数在线估计方法
CN107117178A (zh) * 2017-05-23 2017-09-01 重庆大学 考虑换挡和道路坡度因素的车辆质量估计方法
CN108284841A (zh) * 2017-12-11 2018-07-17 江苏大学 一种分布式驱动电动汽车行驶状态自适应迭代估计方法
CN108394415A (zh) * 2018-02-01 2018-08-14 中国第汽车股份有限公司 一种车辆质量的估计方法和系统
CN108944935A (zh) * 2018-05-31 2018-12-07 重庆大学 一种考虑参数耦合关系的汽车质量和道路坡度估计方法
CN109685935A (zh) * 2017-10-18 2019-04-26 上海汽车集团股份有限公司 一种整车系统状态量的估计方法和装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7181323B1 (en) * 2004-10-25 2007-02-20 Lockheed Martin Corporation Computerized method for generating low-bias estimates of position of a vehicle from sensor data
JP2011180085A (ja) * 2010-03-03 2011-09-15 Sumitomo Rubber Ind Ltd 車両質量推定装置、方法及びプログラム
CN104354700A (zh) * 2014-11-03 2015-02-18 武汉理工大学 一种基于无迹卡尔曼滤波的车辆参数在线估计方法
CN107117178A (zh) * 2017-05-23 2017-09-01 重庆大学 考虑换挡和道路坡度因素的车辆质量估计方法
CN109685935A (zh) * 2017-10-18 2019-04-26 上海汽车集团股份有限公司 一种整车系统状态量的估计方法和装置
CN108284841A (zh) * 2017-12-11 2018-07-17 江苏大学 一种分布式驱动电动汽车行驶状态自适应迭代估计方法
CN108394415A (zh) * 2018-02-01 2018-08-14 中国第汽车股份有限公司 一种车辆质量的估计方法和系统
CN108944935A (zh) * 2018-05-31 2018-12-07 重庆大学 一种考虑参数耦合关系的汽车质量和道路坡度估计方法

Also Published As

Publication number Publication date
CN112590803A (zh) 2021-04-02

Similar Documents

Publication Publication Date Title
US8498775B2 (en) Linear and non-linear identification of the longitudinal tire-road friction coefficient
CN107878464B (zh) 车速的测量方法和装置
CN105416294B (zh) 一种重型汽车列车参数估计方法
US8768536B2 (en) Method for determining the driving resistance of a vehicle
EP2521665B1 (en) Mass, drag coefficient and inclination determination using accelerometer sensor
CN111605559B (zh) 一种整车质量估算方法、扭矩控制方法及装置
EP2184194A2 (en) Drive energy learning device, method, and program
CN112622872B (zh) 一种能量回收控制方法及装置
JP2014520034A (ja) 電源使用の最適化を目的とする自走車両の運転支援方法
CN105606530A (zh) 一种路面峰值附着系数测试装置及方法
CN112896178B (zh) 一种计算车辆总质量的方法和系统
CN114954494B (zh) 一种重型商用车辆载重快速估计方法
CN114730523B (zh) 确定车辆在道路上的摩擦系数
CN114919459B (zh) 一种续驶里程的确定方法、装置和计算机设备
CN115626166B (zh) 一种车辆自动驾驶中爬坡能力预估方法
CN106828106A (zh) 一种面向动车组牵引电机的故障预警方法
CN112590803B (zh) 一种单轴并联混合动力商用车整车质量在线估计方法
EP3891512B1 (en) System and method for providing an indication of driving performance
CN114590261A (zh) 一种估算机动车辆对预定行驶路线的电能需求的方法
CN113859253B (zh) 一种车辆行驶过程中质量的实时估计方法
CN109190153A (zh) 一种能耗计算方法及其系统
JP2015116006A (ja) 電動自動車の走行可能距離算出装置
CN112424018B (zh) 电源系统以及管理装置
CN114312808B (zh) 一种智能驾驶车辆的重量、坡度和速度的估算方法
CN111882885B (zh) 基于重型车排放远程在线监控的超载协同应急管控方法

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