CN113859253B - 一种车辆行驶过程中质量的实时估计方法 - Google Patents

Abstract

本发明公开了一种车辆行驶过程中质量的实时估计方法，包括：步骤一、按照采样周期，采集车辆行驶过程中的多个车辆参数；步骤二、当车辆达到质量辨识条件的触发条件时：当采样次数小于10次且所有传感器工作正常时，以第一计算质量作为输出质量；当采样次数小于10次且任意一个传感器故障时，以第二计算质量作为输出质量；当采样次数达到10次时，以估算质量作为输出质量；步骤三、输出质量小于车辆空载质量时，则以车辆的空载质量输出；若输出质量大于车辆的满载质量，则以车辆的满载质量输出；若输出质量大于车辆的空载质量小于车辆的满载质量，则以输出质量输出。本发明具有实时对整车质量辨识和提高辨识精度的特点。

Description

一种车辆行驶过程中质量的实时估计方法

技术领域

本发明涉及车辆控制技术领域，更具体的是，本发明涉及一种车辆行驶过程中质量的实时估计方法。

背景技术

在车辆控制技术中，精确辨识车辆模型的控制参数对车辆控制器的设计与精度有很大的影响。在车辆模型的未知控制参数中，车辆质量在车辆纵向动力学中是一个较为关键的参数。其精确程度直接影响了制动、防抱死系统以及纵向速度等控制精度。同时，质量辨识也是ECU、TCU控制中必不可少的一部分。重型车辆的质量变化可达到400％，而乘用车的质量也在一定程度上影响着系统控制精度。因此精确的质量辨识对于提高车辆各系统控制精度与安全性具有重要意义。

目前提出的直接估计车辆质量的方法主要分为两类：一类是基于传感器的方法，一类是基于模型的方法。

在基于模型的方法中，利用车辆纵向动力学模型以及来自车辆CAN总线的数据来估计未知的系统参数。该方法对于模型计算较为复杂，且道路的时变性对于辨识算法的精度与收敛速度有着很大的影响。

基于传感器的方法主要是在车上装一些传感器或使用高精度的GPS系统等测得关键参数信息。该方法的精确程度依赖于传感器精度，且受到噪声、道路激励等影响较大。因此基于传感器的方法常与滤波算法以及其他辨识算法结合使用以提高精度。

发明内容

本发明的目的是设计开发了一种车辆行驶过程中质量的实时估计方法，通过实时监测多个车辆参数，获得车辆的估计质量和计算质量，进而对车辆进行实时整车质量辨识，提高了辨识结果的精度。

本发明提供的技术方案为：

一种车辆行驶过程中质量的实时估计方法，包括如下步骤：

步骤一、按照采样周期，采集车辆行驶过程中的发动机转速、加速踏板位置、离合踏板位置、制动踏板位置、道路坡度、车辆转弯角度、车辆纵向速度和车辆加速度；

步骤二、当车辆达到质量辨识条件的触发条件时，判断采样次数：

当采样次数小于10次且所有传感器工作正常时，以第一计算质量作为输出质量；

当采样次数小于10次且任意一个传感器故障时，以第二计算质量作为输出质量；

当采样次数达到10次时，以估算质量作为输出质量；

其中，所述第一计算质量满足：

式中，m₁为第一计算质量，y_j为采样次数，n＝1，2，…9，T_e为发动机转矩，i_i为第i级齿轮传动比，i_d为主减速器传动比，R_w为车轮半径，∑I_i为变速箱、主减速器和车桥轴的总转动惯量，a为车辆实时加速度，β为车辆转弯的角度，ρ_air为空气密度，C_d为空气阻力系数，A为有效迎风面积，v_x为车辆实时纵向速度，g为重力加速度，f为滚动阻力系数，θ为道路坡度；

所述第二计算质量满足：

式中，m₂为第二计算质量，F_Tmax为最大牵引力，a_max为最大加速度，a_min为最小加速度；

估算质量满足：

式中，

为时刻t的估计质量，

为时刻t-1的估计质量，Q(t)为控制增益；

步骤三、对所述输出质量进行判定：

所述输出质量小于车辆空载质量时，则以车辆的空载质量作为车辆的实时质量；

若所述输出质量大于车辆的满载质量，则以车辆的满载质量作为车辆的实时质量；

若所述输出质量大于车辆的空载质量小于车辆的满载质量，则以输出质量作为车辆的实时质量。

优选的是，所述步骤一中的多个车辆参数通过如下装置采集：

第一踏板位置传感器，其设置在所述车辆的加速踏板上；

第二踏板位置传感器，其设置在所述车辆的离合踏板上；

第三踏板位置传感器，其设置在所述车辆的制动踏板上；

车速传感器，其设置在所述车辆的变速箱壳体内；

加速度传感器，其设置在所述车辆的变速箱壳体内；

道路坡度传感器，其设置在所述车辆的变速箱壳体内；

转向角度传感器，其设置在所述车辆的转向管柱上。

优选的是，还包括：

CAN总线，其与所述第一踏板位置传感器、第二踏板位置传感器、第三踏板位置传感器、车速传感器、加速度传感器和道路坡度传感器相连接；

整车控制器，其与所述CAN总线相连接，用于数据的存储和传输。

优选的是，所述步骤二中所有传感器工作正常为所有传感器均有信号传输；

所述任意一个传感器故障为任意一个传感器没有信号传输。

优选的是，所述质量辨识条件的触发条件为：

发动机扭矩大于5NM、车辆为未换挡时刻且当前挡位状态为前进挡、速度大于0、加速度大于0.1m/s²且车辆速度小于80km/h。

优选的是，所述质量辨识条件的触发条件为：

发动机扭矩大于5NM、车辆为未换挡时刻且当前档位为倒挡则速度大于0、加速度大于0.1m/s²且车辆速度小于80km/h。

优选的是，所述牵引力满足：

式中，m为车辆的实时质量。

优选的是，所述最大牵引力为整体采样周期内计算的最大牵引力；

所述最大加速度为整体采样周期内加速度传感器采集的最大加速度；

所述最小加速度为整体采样周期内加速度传感器采集的最小加速度。

优选的是，所述控制增益满足：

式中，P(t-1)为时刻t-1的估计误差的协方差。

优选的是，时刻t的估计误差的协方差满足：

P(t)＝(1-Q(t)(a+gf cosθ+g sinθ))P(t-1)；

式中，P(t)为时刻t的估计误差的协方差，且所述估计误差的协方差初始值为1。

本发明所述的有益效果：

本发明设计开发的一种车辆行驶过程中质量的实时估计方法，降低了传感器误差对估计精度的影响，同时可以在传感器故障时完成质量估计输出，且该估计方法可以实时、在线应用，辨识精度较高。本发明的车辆行驶过程中质量的实时估计方法适用于各种道路，适用度较高。

附图说明

图1为本发明所述车辆行驶过程中质量的实时估计方法的流程示意图。

图2为本发明所述实施例的实际质量和估计质量的对比曲线示意图。

具体实施方式

下面结合对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。

如图1所示，本发明提供的一种车辆行驶过程中质量的实时估计方法，包括多个传感器和多个计算模块，所述多个传感器具体包括：第一踏板位置传感器设置在所述车辆的加速踏板上，用于监测车辆的加速踏板开度；第二踏板位置传感器设置在所述车辆的离合踏板上，用于监测车辆的离合踏板开度；第三踏板位置传感器设置在所述车辆的制动踏板上，用于监测车辆的制动踏板开度；车速传感器设置在所述车辆的变速箱壳体内，用于监测车辆的纵向速度；加速度传感器设置在所述车辆的变速箱壳体内，用于监测车辆的实时加速度；道路坡度传感器设置在所述车辆的变速箱壳体内，用于监测车辆的行驶过程中的道路坡度；转向角度传感器设置在转向管柱上，用于监测车辆的转向角度。

所述多个传感器均通过CAN总线与整车控制器相连接，将实时监测到的多个车辆参数传输至整车控制器进行存储及再次传输。

所述多个计算模块包括：车辆模型参数计算模块、基于传感器信息的车辆质量估计模块，无传感器信息的质量计算模块以及质量估计方法仲裁与输出限制模块；

其中，所述车辆模型参数计算模块与整车控制器相连接，通过车辆的CAN总线获取发动机转速，发动机实际转矩百分比，加速踏板开度、档位、离合踏板与制动踏板信号、道路坡度、车辆转弯的角度以及实时纵向速度信号和实时车辆加速度信号，可由发动机转速，发动机实际转矩百分比和发动机转速信息得到发动机转矩；同时标定一些车辆固有参数，如车轮半径，变速箱、主减速器和车桥轴的总转动惯量，第i级齿轮传动比(根据车辆的不同挡位选择相应的齿轮)，主减速器传动比，空气密度，空气阻力系数，有效迎风面积和滚动阻力系数。

根据以下公式计算牵引力、空气阻力、车轮滚动阻力以及坡度阻力，并存储最大牵引力、最大加速度以及最小加速度(最大牵引力、最大加速度与最小加速度为整体采样周期内计算的最大牵引力以及加速度传感器传递的最大加速度和最小加速度)：

基于车辆纵向动力学的车辆行驶方程：

ma＝F_T-F_a-F_w-F_g (1)

式中，m为车辆的实时质量，a为车辆实时加速度，F_T为牵引力，F_a为空气阻力，F_w为车轮滚动阻力，F_g为坡度阻力；

牵引力方程为：

式中，T_e为发动机转矩，i_i为第i级齿轮传动比，i_d为主减速器传动比，R_w为车轮半径，∑I_i为变速箱、主减速器和车桥轴的总转动惯量，β为车辆转弯的角度；

空气阻力方程为：

式中，ρ_air为空气密度，C_d为空气阻力系数，A为有效迎风面积，v_x为车辆实时纵向速度；

滚动阻力方程为：

F_w＝mgf cosθ (4)

式中，g为重力加速度，f为滚动阻力系数，θ为道路坡度；

坡道阻力方程为：

F_g＝mg sinθ (5)

因此，结合式(1)-(5)，可以得到质量的计算公式如下：

基于式(7)，所述基于传感器信息的车辆质量估计模块与所述车辆模型参数计算模块相连接，并对车辆进行质量辨识，质量辨识需满足下列4中条件判定：

(1)发动机扭矩大于5NM；

(2)加速度大于0.1m/s²；

(3)未换挡时刻且当前挡位状态为前进挡则速度大于0，当前档位为倒挡则速度大于0；

(4)车辆速度小于80km/h。

同时，基于车辆纵向动力学模型构建整车质量估计递归最小二乘法算法：

将车辆纵向动力学行驶方程转化为最小二乘辨识形式：

y(t)＝X^T(t)m (8)

其中，m为所待估计的整车质量，y(t)为系统的输出，X(t)为可观测数据向量。

递归最小二乘法车辆质量辨识算法可以描述为：

其中，P(t)为估计误差的协方差，可表示为：

P(t)＝(1-Q(t)X(t))P(t-1) (12)

式中，

为时刻t的估计质量，

为时刻t-1的估计质量，y(t)为时刻t的系统输出，

是根据上一时刻的估计值计算的输出值，Q(t)为控制增益，表明观测输出与估计输出差值对于估计值更新的影响程度；

将车辆动力学模型代入递归最小二乘质量辨识算法中，则有

X^T(t)＝a+gfcosθ+gsinθ；

将上式代入递归最小二乘质量辨识算法中可得到最小二乘质量辨识的递推形式为：

P(t)＝(1-Q(t)(a+gf cosθ+g sinθ))P(t-1)；

所述估计误差的协方差的初始值为1。

所述无传感器信息的质量计算模块与所述车辆模型参数计算模块相连接，是当传感器故障或者不工作时(即无传感器信号输出)，无法准确读取加速度以及道路坡度值，通过计算获得车辆质量：

式中，F_Tmax为最大牵引力，a_max为最大加速度，a_min为最小加速度。

所述质量估计方法仲裁与输出限制模块与整车控制器、基于传感器信息的车辆质量估计模块和无传感器信息的质量计算模块相连接，基于传感器工作状态进行方法仲裁，若传感器工作则采用质量估计值，若传感器不工作或故障则输出计算质量，并在最后对输出质量进行限制，估计质量小于空载质量，则输出空载质量，估计质量大于车辆满载质量，则输出满载质量，估计质量大于空载质量小于满载质量，则输出质量估计值。

如图1所示，本发明所述的车辆行驶过程中质量的实时估计方法，具体包括如下步骤：

步骤一、按照采样周期，采集车辆行驶过程中的发动机转速、加速踏板位置、离合踏板位置、制动踏板位置、道路坡度、车辆转弯角度、车辆纵向速度和车辆加速度；

步骤二、当车辆达到质量辨识条件的触发条件时，判断采样次数：

当采样次数小于10次且所有传感器工作正常时，以第一计算质量作为输出质量；

当采样次数小于10次且任意一个传感器故障时，以第二计算质量作为输出质量；

当采样次数达到10次时，以估算质量作为输出质量；

其中，所述第一计算质量满足：

式中，m₁为第一计算质量，y_j为采样次数，n＝1，2，...9，T_e为发动机转矩，i_i为第i级齿轮传动比，i_d为主减速器传动比，R_w为车轮半径，∑I_i为变速箱、主减速器和车桥轴的总转动惯量，a为车辆实时加速度，β为车辆转弯的角度，ρ_air为空气密度，C_d为空气阻力系数，A为有效迎风面积，v_x为车辆实时纵向速度，g为重力加速度，f为滚动阻力系数，θ为道路坡度；

所述第二计算质量满足：

式中，m₂为第二计算质量，F_Tmax为最大牵引力，a_max为最大加速度，a_min为最小加速度；

估算质量满足：

式中，

为时刻t的估计质量，

为时刻t-1的估计质量，Q(t)为控制增益；

步骤三、对所述输出质量进行判定：

所述输出质量小于车辆空载质量时，则以车辆的空载质量作为车辆的实时质量；

若所述输出质量大于车辆的满载质量，则以车辆的满载质量作为车辆的实时质量；

若所述输出质量大于车辆的空载质量小于车辆的满载质量，则以输出质量作为车辆的实时质量。

如图2所示，某一车辆的空载质量为1200kg，满载质量为1800kg，当前质量为1500kg，在车辆行驶过程中进行质量辨识，质量估计初始值定义为1400kg。在质量辨识初期，基于计算方法输出质量为1480kg，在采样次数到达10次以后，采用质量辨识结果输出，质量辨识结果前期质量辨识存在波动，但其误差不超过5％，在可以接受的范围之内，之后，基本稳定在1500kg左右，误差不超过1％。

本发明设计开发的一种车辆行驶过程中质量的实时估计方法，通过实时监测多个车辆参数，获得车辆的估计质量和计算质量，进而对车辆进行实时整车质量辨识，提高了辨识结果的精度；同时降低了传感器误差对估计精度的影响，同时可以在传感器故障时完成质量估计输出，本发明的车辆行驶过程中质量的实时估计方法适用于各种道路，适用度较高。

尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的实施例。

Claims (9)

1.一种车辆行驶过程中质量的实时估计方法，其特征在于，包括如下步骤：

步骤一、按照采样周期，采集车辆行驶过程中的发动机转速、加速踏板位置、离合踏板位置、制动踏板位置、道路坡度、车辆转弯角度、车辆纵向速度和车辆加速度；

步骤二、当车辆达到质量辨识条件的触发条件时，判断采样次数：

当采样次数小于10次且所有传感器工作正常时，以第一计算质量作为输出质量；

当采样次数小于10次且任意一个传感器故障时，以第二计算质量作为输出质量；

当采样次数达到10次时，以估算质量作为输出质量；

其中，所述第一计算质量满足：

式中，m₁为第一计算质量，y_j为采样次数，n＝1,2,…9，T_e为发动机转矩，i_i为第i级齿轮传动比，i_d为主减速器传动比，R_w为车轮半径，∑I_i为变速箱、主减速器和车桥轴的总转动惯量，a为车辆实时加速度，β为车辆转弯的角度，ρ_air为空气密度，C_d为空气阻力系数，A为有效迎风面积，v_x为车辆实时纵向速度，g为重力加速度，f为滚动阻力系数，θ为道路坡度；

所述第二计算质量满足：

式中，m₂为第二计算质量，F_Tmax为最大牵引力，a_max为最大加速度，a_min为最小加速度；

所述牵引力满足：

式中，m为车辆的实时质量；

所述最大牵引力为整体采样周期内计算的最大牵引力；

估算质量满足：

式中，

为时刻t的估计质量，

为时刻t-1的估计质量，Q(t)为控制增益；

步骤三、对所述输出质量进行判定：

所述输出质量小于车辆空载质量时，则以车辆的空载质量作为车辆的实时质量；

若所述输出质量大于车辆的满载质量，则以车辆的满载质量作为车辆的实时质量；

若所述输出质量大于车辆的空载质量小于车辆的满载质量，则以输出质量作为车辆的实时质量。

2.如权利要求1所述的车辆行驶过程中质量的实时估计方法，其特征在于，所述步骤一中的多个车辆参数通过如下装置采集：

第一踏板位置传感器，其设置在所述车辆的加速踏板上；

第二踏板位置传感器，其设置在所述车辆的离合踏板上；

第三踏板位置传感器，其设置在所述车辆的制动踏板上；

车速传感器，其设置在所述车辆的变速箱壳体内；

加速度传感器，其设置在所述车辆的变速箱壳体内；

道路坡度传感器，其设置在所述车辆的变速箱壳体内；

转向角度传感器，其设置在所述车辆的转向管柱上。

3.如权利要求2所述的车辆行驶过程中质量的实时估计方法，其特征在于，还包括：

CAN总线，其与所述第一踏板位置传感器、第二踏板位置传感器、第三踏板位置传感器、车速传感器、加速度传感器和道路坡度传感器相连接；

整车控制器，其与所述CAN总线相连接，用于数据的存储和传输。

4.如权利要求3所述的车辆行驶过程中质量的实时估计方法，其特征在于，所述步骤二中所有传感器工作正常为所有传感器均有信号传输；

所述任意一个传感器故障为任意一个传感器没有信号传输。

5.如权利要求4所述的车辆行驶过程中质量的实时估计方法，其特征在于，所述质量辨识条件的触发条件为：

发动机扭矩大于5NM、车辆为未换挡时刻且当前挡位状态为前进挡、速度大于0、加速度大于0.1m/s²且车辆速度小于80km/h。

6.如权利要求4所述的车辆行驶过程中质量的实时估计方法，其特征在于，所述质量辨识条件的触发条件为：

发动机扭矩大于5NM、车辆为未换挡时刻且当前档位为倒挡则速度大于0、加速度大于0.1m/s²且车辆速度小于80km/h。

7.如权利要求5或6所述的车辆行驶过程中质量的实时估计方法，其特征在于，所述最大牵引力为整体采样周期内计算的最大牵引力；

所述最大加速度为整体采样周期内加速度传感器采集的最大加速度；

所述最小加速度为整体采样周期内加速度传感器采集的最小加速度。

8.如权利要求7所述的车辆行驶过程中质量的实时估计方法，其特征在于，所述控制增益满足：

式中，P(t-1)为时刻t-1的估计误差的协方差。

9.如权利要求8所述的车辆行驶过程中质量的实时估计方法，其特征在于，时刻t的估计误差的协方差满足：

P(t)＝(1-Q(t)(a+gfcosθ+gsinθ))P(t-1)；

式中，P(t)为时刻t的估计误差的协方差，且所述估计误差的协方差初始值为1。

Images