CN114132324B - 整车质量估算方法、装置、设备及存储介质 - Google Patents
整车质量估算方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114132324B CN114132324B CN202111471025.6A CN202111471025A CN114132324B CN 114132324 B CN114132324 B CN 114132324B CN 202111471025 A CN202111471025 A CN 202111471025A CN 114132324 B CN114132324 B CN 114132324B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- preset
- data
- longitudinal
- longitudinal force
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 72
- 230000001133 acceleration Effects 0.000 claims abstract description 285
- 230000003068 static effect Effects 0.000 claims abstract description 57
- 238000004364 calculation method Methods 0.000 claims description 36
- 230000006399 behavior Effects 0.000 claims description 29
- 238000012545 processing Methods 0.000 claims description 29
- 239000011159 matrix material Substances 0.000 claims description 26
- 238000004422 calculation algorithm Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 16
- 230000007613 environmental effect Effects 0.000 claims description 13
- 238000005259 measurement Methods 0.000 claims description 12
- 238000012360 testing method Methods 0.000 claims description 12
- 238000013461 design Methods 0.000 description 25
- 230000008569 process Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 7
- 239000002245 particle Substances 0.000 description 4
- 238000013480 data collection Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 206010063385 Intellectualisation Diseases 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000028838 turning behavior Effects 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000012933 kinetic analysis Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
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
-
- 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
- B60W40/10—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 vehicle motion
-
- 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
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本申请提供一种整车质量估算方法、装置、设备及存储介质，首先获取车辆静态数据以及车辆动态数据，车辆静态数据包括待估算车辆的车身参数，车辆动态数据包括环境参数以及待估算车辆的动态行驶参数，然后根据车辆静态数据、车辆动态数据以及预设估算模型确定纵向力估算结果数据以及纵向加速度估算结果数据，最后根据纵向力估算结果数据、纵向加速度估算结果数据以及预设误差控制模型确定整车质量估算值。通过预设估算模型中的预设补偿模型对待估算车辆发生转向行为时产生的纵向力和纵向加速度进行补偿，克服了现有技术中估算模型无法适应车辆转向的驾驶场景而对整车质量估算结果产生的影响，有效提高估算准确度，有利于车辆的精准控制。
Description
技术领域
本申请涉及车辆技术领域，尤其涉及一种整车质量估算方法、装置、设备及存储介质。
背景技术
现代化车辆越来越向电气化、智能化方向发展，在对于车辆智能化控制过程中，往往需要采集大量运行参数，例如行驶速度、车距、加速度、制动压力等，以借此实现车辆行驶、转向、制动等各个方面的精准控制。
整车质量(Vehicle Mass)为整备质量、乘员质量及货物质量的总和，整车质量出厂时为一整备质量，整车质量在车辆驱动、转向或制动实施时会作为重要参数使用，但在车辆的实际使用过程中，鉴于乘载人员数量或装载货物的不同，整车质量必然随之发生变化。如果在车辆的控制过程中仍选用出厂时的整备质量，必然会严重影响控制精度，尤其对于自动驾驶场景而言，制动信号或者驱动信号在自动驾驶的主动安全控制中会发生不可避免的偏差，影响自动驾驶最佳状态，甚至产生驾驶风险。鉴于此，在车辆控制技术领域，对于整车质量的估算成为关注点。
现有的整车质量估算方法一般为间接法，基本原理为牛顿第二运动定律。其本质是基于采集车辆大量参数得以实现，例如驱动力、风阻力、地面摩擦力及车辆实时加/减速度等。但在实际场景中，例如坡道、转向及地面环境等驾驶场景均会对计算模型产生影响，因而使得现有的这种间接估算方式由于计算模型单一、刻板进而无法适应多变的驾驶场景而严重影响整车质量估算结果的准确度，从而对车辆控制产生影响，甚至威胁自主驾驶安全。
发明内容
本申请提供一种整车质量估算方法、装置、设备及存储介质，用于解决现有技术采用的估算模型单一、刻板而无法适应车辆转向等驾驶场景从而影响整车质量估算结果准确度的技术问题。
第一方面，本申请提供一种整车质量估算方法，包括：
获取车辆静态数据以及车辆动态数据，所述车辆静态数据包括待估算车辆的车身参数，所述车辆动态数据包括环境参数以及所述待估算车辆的动态行驶参数；
根据所述车辆静态数据、所述车辆动态数据以及预设估算模型确定纵向力估算结果数据以及纵向加速度估算结果数据，所述预设估算模型包括预设补偿模型，所述预设补偿模型用于确定所述待估算车辆发生转向行为时所述纵向力估算结果数据以及所述纵向加速度估算结果数据各自的损失量；
根据所述纵向力估算结果数据、所述纵向加速度估算结果数据以及预设误差控制模型确定整车质量估算值。
在一种可能的设计中，所述根据所述车辆静态数据、所述车辆动态数据以及预设估算模型确定纵向力估算结果数据以及纵向加速度估算结果数据，包括：
根据所述车辆静态数据、所述车辆动态数据、预设纵向力计算模型以及预设纵向力补偿模型确定所述纵向力估算结果数据；
根据所述车辆静态数据、所述车辆动态数据以及预设纵向加速度补偿模型确定所述纵向加速度估算结果数据；
其中，所述预设补偿模型包括所述预设纵向力补偿模型和所述预设纵向加速度补偿模型。
在一种可能的设计中，所述根据所述车辆静态数据、所述车辆动态数据、所述预设计算模型以及预设纵向力补偿模型确定所述纵向力估算结果数据，包括：
基于所述预设纵向力计算模型，根据所述车身参数、每个数据采集时刻对应的所述环境参数以及所述动态行驶参数确定纵向力结果数据；
根据预设纵向力补偿模型获得所述待估算车辆发生转向行为时的纵向力损失量；
利用所述纵向力损失量对所述纵向力结果数据进行补偿，得到所述纵向力估算结果数据；
其中，所述预设纵向力补偿模型是根据所述车身参数以及所述待估算车辆发生转向行为时的纵向力转向数据生成的，所述纵向力转向数据包括所述待估算车辆的当前方向盘转角、当前横摆角加速度以及横摆转动惯量。
在一种可能的设计中，所述基于所述预设纵向力计算模型，根据所述车身参数、每个数据采集时刻对应的所述环境参数以及所述动态行驶参数确定纵向力结果数据，包括：
基于预设纵向力生成模型，根据所述车身参数以及所述每个数据采集时刻的所述待估算车辆的当前纵向行驶加速度、当前驱动力矩以及当前制动力矩确定原始纵向力数据，所述动态行驶参数包括所述每个数据采集时刻的所述当前纵向行驶加速度、所述当前驱动力矩以及所述当前制动力矩；
根据预设空气阻力模型以及所述每个数据采集时刻的所述环境参数确定空气阻力数据；
根据所述空气阻力数据以及所述原始纵向力数据确定所述纵向力结果数据；
其中，所述预设纵向力计算模型包括所述预设空气阻力模型以及所述预设纵向力生成模型。
在一种可能的设计中，若所述车辆动态数据中的当前俯仰角为零，所述根据所述车辆静态数据、所述车辆动态数据以及预设纵向加速度补偿模型确定所述纵向加速度估算结果数据，包括：
根据第一预设纵向加速度补偿模型获得所述待估算车辆发生转向行为时的纵向加速度损失量；
利用所述纵向加速度损失量对纵向加速度结果数据进行补偿，得到所述纵向加速度估算结果数据；
其中，所述预设纵向加速度补偿模型包括所述第一预设纵向加速度补偿模型，所述第一预设纵向加速度补偿模型是根据所述待估算车辆发生转向行为时的当前侧向加速度以及损失角生成的，所述损失角为所述待估算车辆的整车侧偏角。
在一种可能的设计中，若所述车辆动态数据中的当前俯仰角不为零，所述根据所述车辆静态数据、所述车辆动态数据以及预设纵向加速度补偿模型确定所述纵向加速度估算结果数据，还包括：
根据所述纵向加速度损失量以及所述纵向加速度结果数据得到目标纵向加速度结果数据；
根据所述目标纵向加速度结果数据以及第二预设纵向加速度补偿模型确定所述纵向加速度估算结果数据；
其中，所述预设纵向加速度补偿模型还包括所述第二预设纵向加速度补偿模型，所述第二预设纵向加速度补偿模型用于对所述第一预设加速度补偿模型的补充结果进行额外补偿。
在一种可能的设计中，所述获取车辆静态数据以及车辆动态数据，包括：
通过预设实车试验获取所述车身参数，所述车身参数包括轴距、车轮半径、车轮转动惯量以及所述横摆转动惯量；
在所述每个数据采集时刻通过环境传感器获取空气密度，所述环境参数包括所述空气密度；
在所述每个数据采集时刻通过惯性测量单元和行驶状态采集单元获取所述当前纵向行驶加速度、所述当前横摆角加速度、当前纵向车速、当前驱动力矩、当前制动力矩、所述当前方向盘转角、所述当前侧向加速度以及所述当前相对俯仰角。
在一种可能的设计中，所述根据所述纵向力估算结果数据、所述纵向加速度估算结果数据以及预设误差控制模型确定整车质量估算值，包括：
将所述纵向力估算结果数据和所述纵向加速度估算结果数据分别确定为最小二乘法算法的回归量和观测量；
根据所述回归量确定相关矩阵，并确定所述回归量和所述观测量之间的时间平均互相关向量，所述相关矩阵为所述回归量的时间平均自相关矩阵；
根据所述相关矩阵、所述时间平均互相关量以及所述预设误差控制模型确定所述整车质量估算值，所述预设误差控制模型包括所述最小二乘法算法的形式解。
第二方面，本申请提供一种整车质量估算装置，包括：
获取模块，用于获取车辆静态数据以及车辆动态数据，所述车辆静态数据包括待估算车辆的车身参数，所述车辆动态数据包括环境参数以及所述待估算车辆的动态行驶参数；
第一处理模块，用于根据所述车辆静态数据、所述车辆动态数据以及预设估算模型确定纵向力估算结果数据以及纵向加速度估算结果数据，所述预设估算模型包括预设补偿模型，所述预设补偿模型用于确定所述待估算车辆发生转向行为时所述纵向力估算结果数据以及所述纵向加速度估算结果数据各自的损失量；
第二处理模块，用于根据所述纵向力估算结果数据、所述纵向加速度估算结果数据以及预设误差控制模型确定整车质量估算值。
在一种可能的设计中，所述第一处理模块，包括：
第一处理子模块，用于根据所述车辆静态数据、所述车辆动态数据、预设纵向力计算模型以及预设纵向力补偿模型确定所述纵向力估算结果数据；
第二处理子模块，用于根据所述车辆静态数据、所述车辆动态数据以及预设纵向加速度补偿模型确定所述纵向加速度估算结果数据；
其中，所述预设补偿模型包括所述预设纵向力补偿模型和所述预设纵向加速度补偿模型。
在一种可能的设计中，所述第一处理子模块，具体用于：
基于所述预设纵向力计算模型，根据所述车身参数、每个数据采集时刻对应的所述环境参数以及所述动态行驶参数确定纵向力结果数据；
根据预设纵向力补偿模型获得所述待估算车辆发生转向行为时的纵向力损失量；
利用所述纵向力损失量对所述纵向力结果数据进行补偿，得到所述纵向力估算结果数据；
其中，所述预设纵向力补偿模型是根据所述车身参数以及所述待估算车辆发生转向行为时的纵向力转向数据生成的，所述纵向力转向数据包括所述待估算车辆的当前方向盘转角、当前横摆角加速度以及横摆转动惯量。
在一种可能的设计中，所述第一处理子模块，还具体用于：
基于预设纵向力生成模型，根据所述车身参数以及所述每个数据采集时刻的所述待估算车辆的当前纵向行驶加速度、当前驱动力矩以及当前制动力矩确定原始纵向力数据，所述动态行驶参数包括所述每个数据采集时刻的所述当前纵向行驶加速度、所述当前驱动力矩以及所述当前制动力矩；
根据预设空气阻力模型以及所述每个数据采集时刻的所述环境参数确定空气阻力数据；
根据所述空气阻力数据以及所述原始纵向力数据确定所述纵向力结果数据；
其中，所述预设纵向力计算模型包括所述预设空气阻力模型以及所述预设纵向力生成模型。
在一种可能的设计中，若所述车辆动态数据中的当前俯仰角为零，所述第二处理子模块，具体用于：
根据第一预设纵向加速度补偿模型获得所述待估算车辆发生转向行为时的纵向加速度损失量；
利用所述纵向加速度损失量对纵向加速度结果数据进行补偿，得到所述纵向加速度估算结果数据；
其中，所述预设纵向加速度补偿模型包括所述第一预设纵向加速度补偿模型，所述第一预设纵向加速度补偿模型是根据所述待估算车辆发生转向行为时的当前侧向加速度以及损失角生成的，所述损失角为所述待估算车辆的整车侧偏角。
在一种可能的设计中，若所述车辆动态数据中的当前俯仰角不为零，所述第二处理子模块，还具体用于：
根据所述纵向加速度损失量以及所述纵向加速度结果数据得到目标纵向加速度结果数据；
根据所述目标纵向加速度结果数据以及第二预设纵向加速度补偿模型确定所述纵向加速度估算结果数据；
其中，所述预设纵向加速度补偿模型还包括所述第二预设纵向加速度补偿模型，所述第二预设纵向加速度补偿模型用于对所述第一预设加速度补偿模型的补充结果进行额外补偿。
在一种可能的设计中，所述获取模块，具体用于：
通过预设实车试验获取所述车身参数，所述车身参数包括轴距、车轮半径、车轮转动惯量以及所述横摆转动惯量；
在所述每个数据采集时刻通过环境传感器获取空气密度，所述环境参数包括所述空气密度；
在所述每个数据采集时刻通过惯性测量单元和行驶状态采集单元获取所述当前纵向行驶加速度、所述当前横摆角加速度、当前纵向车速、当前驱动力矩、当前制动力矩、所述当前方向盘转角、所述当前侧向加速度以及所述当前相对俯仰角。
在一种可能的设计中，所述第二处理模块，具体用于：
将所述纵向力估算结果数据和所述纵向加速度估算结果数据分别确定为最小二乘法算法的回归量和观测量；
根据所述回归量确定相关矩阵，并确定所述回归量和所述观测量之间的时间平均互相关向量，所述相关矩阵为所述回归量的时间平均自相关矩阵；
根据所述相关矩阵、所述时间平均互相关量以及所述预设误差控制模型确定所述整车质量估算值，所述预设误差控制模型包括所述最小二乘法算法的形式解。
第三方面，本申请提供一种电子设备，包括：
处理器；以及，
存储器，用于存储所述处理器的计算机程序；
其中，所述处理器配置为经由执行所述计算机程序来执行第一方面所提供的任意一种可能的整车质量估算方法。
第四方面，本申请提供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第二方面所提供的任意一种可能的整车质量估算方法。
第五方面，本申请还提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现第一方面所提供的任意一种可能的整车质量估算方法。
本申请提供一种整车质量估算方法、装置、设备及存储介质，首先获取车辆静态数据以及车辆动态数据，车辆静态数据包括待估算车辆的车身参数，车辆动态数据包括环境参数以及待估算车辆的动态行驶参数，然后根据车辆静态数据、车辆动态数据以及预设估算模型确定纵向力估算结果数据以及纵向加速度估算结果数据，最后根据纵向力估算结果数据、纵向加速度估算结果数据以及预设误差控制模型确定整车质量估算值。其中，预设估算模型包括预设补偿模型，而预设补偿模型用于确定待估算车辆发生转向行为时纵向力估算结果数据以及纵向加速度估算结果数据各自的损失量，从而通过损失量对待估算车辆发生转向行为时造成的纵向力和纵向加速度进行补偿，克服了现有技术中估算模型无法适应车辆转向的驾驶场景而对整车质量估算结果产生的影响，有效提高估算准确度，有利于车辆的精准控制。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种应用场景示意图；
图2为本申请实施例提供的一种整车质量估算方法的流程示意图；
图3为本申请实施例提供的另一种整车质量估算方法的流程示意图；
图4为本申请实施例提供的一种自行车模型示意图；
图5为本申请实施例提供的再一种整车质量估算方法的流程示意图；
图6为本申请实施例提供的又一种整车质量估算方法的流程示意图；
图7为本申请实施例提供的又一种整车质量估算方法的流程示意图；
图8为本申请实施例提供的一种整车质量估算装置的结构示意图；
图9为本申请实施例提供的一种第一处理模块的结构示意图；
图10为本申请提供的一种电子设备的结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的方法和装置的例子。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
现代化车辆越来越向电气化、智能化方向发展，在对于车辆智能化控制过程中，由于乘载人员数量或装载货物的不同，整车质量必然随之会发生变化。如果在车辆的控制过程中仍选用出厂时的整备质量，必然会严重影响控制精度，尤其对于自动驾驶场景而言，制动信号或者驱动信号在自动驾驶的主动安全控制中会发生不可避免的偏差，影响自动驾驶最佳状态，甚至产生驾驶风险。鉴于此，在车辆控制技术领域，对于整车质量的估算成为关注点。然而现有的整车质量估算方法一般为间接法，基本原理为牛顿第二运动定律。其本质是基于采集车辆大量参数得以实现，例如驱动力、风阻力、地面摩擦力及车辆实时加/减速度等。但在实际场景中，例如坡道、转向及地面环境等驾驶场景均会对计算模型产生影响，因而使得现有的这种间接估算方式由于计算模型单一、刻板进而无法适应多变的驾驶场景而严重影响整车质量估算结果的准确度，从而对车辆控制产生影响，甚至威胁自主驾驶安全。
针对现有技术中存在的上述问题，本申请提供一种整车质量估算方法、装置、设备及存储介质。本申请提供的整车质量估算方法的发明构思在于：在利用获取到的车辆静态数据和车辆动态数据以及预设估算模型确定纵向力估算结果数据以及纵向加速度估算结果数据时，所采用的预设估算模型包括预设补偿模型，通过预设补偿模型可以获得待估算车辆发生转向行为时纵向力估算结果数据以及纵向加速度估算结果数据各自的损失量，从而利用损失量对纵向力和纵向加速度进行补偿，进而使得根据纵向力估算结果数据和纵向加速度估算结果数据以及预设误差控制模型确定出的整车质量估算值更加准确，克服了现有技术中估算模型无法适应车辆转向的驾驶场景而对整车质量估算结果产生的影响，有利于车辆的精准控制。
以下，对本申请实施例的示例性应用场景进行介绍。
图1为本申请实施例提供的一种应用场景示意图，如图1所示，汽车10中配置控制器20，控制器20可以被配置为执行本申请实施例提供的整车质量估算方法，从而实现对汽车10整车质量的估算，进而可以将估算到的整车质量作为控制汽车10实施驱动、转向或制动行为的重要参数，便于汽车10的智能化控制。控制器20可以包括但不仅限于智能网联汽车前装(Telematics Control Unit，TCU)终端、计算机、笔记本电脑、服务器等电子设备，本申请实施例对于控制器20的具体类型不作限定。
需要说明的是，上述应用场景仅仅是示意性的，本申请实施例提供的整车质量估算方法、装置、设备及存储介质包括但不仅限于上述应用场景。
图2为本申请实施例提供的一种整车质量估算方法的流程示意图。如图2所示，本申请实施例提供的整车质量估算方法，包括：
S101：获取车辆静态数据以及车辆动态数据。
其中，车辆静态数据包括待估算车辆的车身参数，车辆动态数据包括环境参数以及待估算车辆的动态行驶参数。
获取整车质量估算时所需的参数，这些参数包括有由待估算车辆自身车型所决定的车辆静态数据以及待估算车辆在行驶过程中所产生的相应参数和行驶过程中所涉及的与环境相关的环境参数。将表征待估算车辆的自身车型的参数定义为车身参数，将表征待估算车辆在行驶过程中所产生的相应参数定义为动态行驶参数，将表征待估算车辆在行驶过程中所涉及的与环境相关的参数定义为环境参数。
其中，对于车辆静态数据以及车辆动态数据的获取可以采用设置于待估算车辆上的相应环境传感器、行驶状态采集单元、惯性测量单元(Inertia Monitor Unit，IMU)以及相应的实车试验等方式实现。
在一种可能的设计中，本步骤S101可能的实现方式如图3所示。图3为本申请实施例提供的另一种整车质量估算方法的流程示意图。如图3所示，本申请实施例包括：
S1011：通过预设实车试验获取车身参数。
其中，车身参数包括轴距、车轮半径、车轮转动惯量以及横摆转动惯量。
可以采用如图4所示的自行车模型来表征待估算车辆行驶过程的运动学原理，图4为本申请实施例提供的一种自行车模型示意图。参照图4所示，坐标系xoy表示待估算车辆行驶过程中的当前坐标系，坐标系XOY表示大地坐标系，坐标原点o表示待估算车辆的几何中心，即质点，A点和B点在表示待估算车辆前轴中心和后轴中心，A点与B点之间的纵向距离L则为待估算车辆的轴距，该轴距(表示为L，单位为m)为前轴中心到质点的距离lf与后轴中心到质点的距离lr之和。其中，该轴距L可以通过对待估算车辆进行预设实车试验获得，还可以获得待估算车辆的车轮半径r。预设实车试验可以理解为对待估算车辆进行实际测量。
另外，还可以通过预设实车试验获得待估算车辆的车轮转动惯量(表示为Iw，单位为kg·m2)以及横摆转动惯量(表示为Iz，单位为kg·m2)其中，车轮转动惯量用于表征待估算车辆发生转向行为时惯性的量度。如果将图4所示的自行车模型视为一个转动系统，转动轴则为z轴，则横摆转动惯量为待估算车辆的车身绕z轴所产生的转动惯量，待估算车辆的车轮转动惯量和横摆转动惯量可以通过对待估算车辆进行实车测试及预设实车试验获得。本申请实施例对于具体地实车试验不作限定。
继续参照图4所示，将待估算车辆的质心o处速度vo与x轴夹角定义为损失角θ，该损失角是由于待估算车辆发生转向行为时产生，损失角的正切值tanθ表示速度在转向行为下的侧向损耗和纵向分量之比，正切值越大表示转向等行为导致的侧向泄露损耗越多，反映了当前纵向车速在转向行为时的损耗情况。
S1012：在每个数据采集时刻通过环境传感器获取空气密度。
其中，环境参数包括空气密度。
待估算车辆在行驶过程中还会受到空气阻力，故而需获取待估算车辆在行驶环境中的空气密度(表示为ρ，单位为kg/m3)，进而利用空气密度得到空气阻力。例如，可以通过布置在待估算车辆上的环境传感器在每个数据采集时刻获取当前的空气密度，以得到车辆动态数据中的环境参数。
另外，每个数据采集时刻是提前设置采集车辆动态数据的时间，其中每个数据采集时刻可以结合待估算车辆的驾驶场景等因素设置，其目的在于可以获得能够体现待估算车辆行驶特征的车辆动态数据，本申请实施例对于每个数据采集时刻的具体设置不作限定。可以理解的是，设置有多少个数据采集时刻，则可以获得到多少个空气密度。例如可以采用批处理的方式获取车辆动态数据，通过设置同一批次中的数据采集时刻的数量来确定同一批次中所获取到的车辆动态数据中同一种参数的数量。
S1013：在每个数据采集时刻通过惯性测量单元和行驶状态采集单元获取当前纵向行驶加速度、当前横摆角加速度、当前纵向车速、当前驱动力矩、当前制动力矩、当前方向盘转角、当前侧向加速度以及当前相对俯仰角。
惯性测量单元和行驶状态采集单元可以为配置在待估算车辆上的数据采集模块，惯性测量单元为测量物体三轴姿态角及加速度的装置，行驶状态采集单元可以为能够获取到待估算车辆行驶过程中的驱动力矩以及制动力矩的相应装置。
当前纵向行驶加速度(表示为ax，单位为m/s2)即为数据采集时刻待估算车辆在图4所示x轴方向的加速度，通过惯性测量单元获得。
当前横摆角加速度(表示为αz，单位为r/s2)为数据采集时刻待估算车辆在z轴的横摆角加速度，通过惯性测量单元获得。
当前纵向车速(表示为V，单位为m/s)为数据采集时刻待估算车辆的实际车速，通过行驶状态采集单元中的速度传感器获得。
当前驱动力矩(表示为Tpt，单位为N·m)为数据采集时刻来自待估算车辆的驱动系统驱动力矩，当前制动力矩(表示为Tbrk，单位为N·m)为数据采集时刻来自待估算车辆的制动系统驱动力矩，当前驱动力矩和当前制动力矩可以通过行驶状态采集单元中的力矩检测模块获得。
当前方向盘转角(表示为δ)为数据采集时刻待估算车辆的方向盘转动角度，可以通过行驶状态采集单元中的角度传感器(Steer Angle Sensor，SAS)获得。
当前侧向加速度(表示为ay，单位为m/s2)为数据采集时刻待估算车辆的质心o处实时的侧向加速度，可以通过惯性测量单元获得。
当前相对俯仰角(表示为)为数据采集时刻待估算车辆的车头上扬的角度，其产生于坡道或者车速加速时刻，可以通过行驶状态采集单元中的角度传感器获得。
上是实施例中的步骤S1011、步骤S1012以及步骤S1013之间没有顺序可言，其序号仅是为了描述方便。
需要说明的是，由于待估算车辆的驾驶状态不同，可能是使得上述所获取到的车辆动态数据中的某些参数的数值为零，例如待估算车辆直线行驶时则当前横摆角加速度即为零，再例如待估算车辆匀速行驶在没有坡度的平坦路段时，当前相对俯仰角也为零。
通过上述实施例的描述，则可以通过预设实车试验、惯性测量单元以及行驶状态采集单元获取到待估算车辆的车辆静态数据以及车辆动态数据，进而将所获取到数据应用于预设估算模型以对待估算车辆的整车质量进行估算。
另外需要说明的是，本申请实施例中通过设置数据采集时刻来实现车辆动态数据的批处理采集，因而，在每个数据采集时刻则都对应存在一组的车辆动态数据，车辆动态数据的组数即为同一批次中数据采集时刻的数量。
S102：根据车辆静态数据、车辆动态数据以及预设估算模型确定纵向力估算结果数据以及纵向加速度估算结果数据。
其中，预设估算模型包括预设补偿模型，预设补偿模型用于确定待估算车辆发生转向行为时纵向力估算结果数据以及纵向加速度估算结果数据各自的损失量。
车辆的动力学分析的基本定律为牛顿第二运动定律。对于平动系统，在给定力的方向上，作用在物体上的外力之和等于物体质量与这个方向上加速度的乘积(假设质量不变)。因此对于待估算车辆而言，假设以Fx表示待估算车辆在如图4所示的x方向上的力，M表示待估算车辆的整车质量，则Fx、M以及ax满足牛顿第二定律。因而若要得到M则需确定纵向力估算结果Fx和纵向加速度估算结果ax，本步骤则为根据车辆静态数据、车辆动态数据以及预设估算模型确定纵向力估算结果数据和纵向力加速度估算结果数据的过程。
在一种可能的设计中，本步骤S102可能的实现如图5所示。图5为本申请实施例提供的再一种整车质量估算方法的流程示意图。如图5所示，本申请实施例包括：
S1021：根据车辆静态数据、车辆动态数据、预设纵向力计算模型以及预设纵向力补偿模型确定纵向力估算结果数据。
S1022：根据车辆静态数据、车辆动态数据以及预设纵向加速度补偿模型确定纵向加速度估算结果数据。
其中，预设补偿模型包括预设纵向力补偿模型和预设纵向加速度补偿模型。
对于牛顿第二定律中力的部分而言，预设估算模型包括预设纵向力技术模型和预设纵向力补偿模型，即根据车辆静态数据、车辆动态数据、预设纵向力计算模型以及预设纵向力补偿模型确定纵向力估算结果数据。对于牛顿第二定律中加速度的部分而言，预设估算模型包括预设纵向加速度补偿模型，即根据车辆静态数据、车辆动态数据以及预设纵向加速度补偿模型确定纵向加速度估算结果数据。其中，预设补偿模型包括预设纵向力补偿模型和预设纵向加速度补偿模型。
具体地，参照图4所示，由于待估算车辆在行驶过程中可能由于转向行为等因素产生横摆力，导致纵向力在待估算车辆的前后轮向y轴正负方向发生泄漏，即产生如图4中所示的力Fyf与Fyr。因而本申请实施例设计的预设估算模型中除过预设纵向力计算模型外还包括有预设补偿模型，通过预设补偿模型中的预设纵向力补偿模型和预设纵向加速度补偿模型，分别确定待估算车辆发生转向行为时因纵向力和纵向加速度的泄露而导致的纵向力估算结果数据以及纵向加速度估算结果数据各自的损失量，并将所确定的损失量进行补偿，以弥补待估算车辆发生转向行为对预设估算模型所产生的影响，从而克服现有技术计算模型无法适应驾驶场景而影响整车质量估算结果准确度的问题。
需要说明的是，由于采用批处理的方式获取车辆动态数据，因而将车辆静态数据以及各数据采集时刻的车辆动态数据应用于预设估算模型均会对应得到多个纵向力估算结果和多个纵向加速度估算结果，具体地，同批次中会得到与该批次的数据采集时刻的数量相同数量的纵向力估算结果和纵向加速度估算结果，将同批次的纵向力估算结果和纵向加速度估算结果分别定义为纵向力估算结果数据和纵向加速度估算结果数据。
S103：根据纵向力估算结果数据、纵向加速度估算结果数据以及预设误差控制模型确定整车质量估算值。
在牛顿第二运动定律的基础上，根据纵向力估算结果数据和纵向加速度估算结果数据得到对应的质量结果数据，再基于预设误差控制模型对得到的质量结果数据控制误差，例如根据质量结果数据获取误差平方和最小时的质量结果，将该质量结果确定为整车质量估算值。可以理解的是，质量结果数据包括有与数据采集时刻的数量相同的质量结果。
最小二乘法可以通过最小化误差的平方和获取到数据的最佳函数匹配，即最小二乘法可以使得所要求得的数据与实际数据之间误差的平方和为最小。在一种可能的设计中，本步骤S103可能的实现方式如图6所示，图6为本申请实施例提供的又一种整车质量估算方法的流程示意图。如图6所示，本申请实施例包括：
S1031：将纵向力估算结果数据和纵向加速度估算结果数据分别确定为最小二乘法算法的回归量和观测量。
将纵向力估算结果数据Fx作为最小二乘算法的回归量，即牛顿第二运动定律中的力的部分。将纵向加速度估算结果数据ax作为最小二乘算法的观测量，即牛顿第二运动定律中加速度的部分。其中，纵向力估算结果数据Fx包括有与数据采集时刻相同数量的纵向力估算结果Fx，纵向加速度估算结果数据ax包括有与数据采集时刻相同数量的纵向加速度估算结果ax。
S1032：根据回归量确定相关矩阵，并确定回归量和观测量之间的时间平均互相关向量。
其中，相关矩阵为回归量的时间平均自相关矩阵。
S1033：根据相关矩阵、时间平均互相关量以及预设误差控制模型确定整车质量估算值。
其中，预设误差控制模型包括最小二乘法算法的形式解。
获取回归量的时间平均自相关矩阵，将获取到的回归量的时间平均自相关矩阵确定为相关矩阵，即根据回归量确定相关矩阵进一步，确定回归量和观测量之间的时间平均互相关向量。
利用预设误差控制模型实现误差平方和最小的目标，其中可以通过获取如下公式(1)所示的最小二乘法算法的形式解得以实现误差平方和最小的目标，换言之，预设误差控制模型包括如下公式(1)所示的最小二乘法算法的形式解：
其中，Φ表示相关矩阵即回归量的时间平均自相关矩阵，Z表示回归量和观测量之间的时间平均互相关向量。
从而借助于最小二乘法算法根据纵向力估算结果数据和纵向加速度估算结果数据得到误差平方和最小的质量估算结果，将该质量估算结果确定为最终的整车质量估算值，实现对待估算车辆的整车质量的准确估算。在确定整车估量估算值时借助于最小二乘算法，将误差平方和最小作为最终估算目标，有利于提高整车质量估算值的准确度。
本申请实施例提供的整车质量估算方法，首先获取车辆静态数据以及车辆动态数据，车辆静态数据包括待估算车辆的车身参数，车辆动态数据包括环境参数以及待估算车辆的动态行驶参数，然后根据车辆静态数据、车辆动态数据以及预设估算模型确定纵向力估算结果数据以及纵向加速度估算结果数据，最后根据纵向力估算结果数据、纵向加速度估算结果数据以及预设误差控制模型确定整车质量估算值。其中，预设估算模型包括预设补偿模型，而预设补偿模型用于确定待估算车辆发生转向行为时纵向力估算结果数据以及纵向加速度估算结果数据各自的损失量，从而通过损失量对待估算车辆发生转向行为时造成的纵向力和纵向加速度进行补偿，克服了现有技术中估算模型无法适应车辆转向的驾驶场景而对整车质量估算结果产生的影响，有效提高估算准确度，有利于车辆的精准控制。
在一种可能的设计中，步骤S1021可能的实现方式如图7所示。图7为本申请实施例提供的又一种整车质量估算方法的流程示意图。如图7所示，本申请实施例包括：
S201：基于预设纵向力计算模型，根据车身参数、每个数据采集时刻对应的环境参数以及动态行驶参数确定纵向力结果数据。
将车身参数以及每个数据采集时刻获取到的对应的环境参数和动态形式参数应用于预设纵向力计算模型以确定纵向力结果数据，纵向力结果数据包括各数据采集时刻所对应的纵向力结果，预设纵向力计算模型用于获取待估算车辆在行驶方向上的纵向力。
例如，首先基于预设纵向力生成模型，根据车身参数以及每个数据采集时刻的待估算车辆的当前纵向行驶加速度、当前驱动力矩以及当前制动力矩确定原始纵向力数据。原始纵向力数据包括通过预设纵向力生成模型获取到的各数据采集时刻所对应的原始纵向力，原始纵向力是指施加在待估算车辆的轮端的在行驶方向上的纵向力。
鉴于车辆轮端会同时受到来自驱动系统的驱动力矩和制动系统的制动力矩，因而对于待估算车辆而言，根据当前驱动力矩和当前制动力矩可以得到如下公式(2)表示的施加在轮端的总的外部扭矩(表示为Ttq，单位为N·m)：
Ttq＝Tpt-Tbrk (2)
Tpt为作用于轮端的当前驱动力矩，Tbrk为作用于轮端的当前制动力矩。则进一步地，若将作用在前后车轮上的惯性阻力偶矩表示为Tjw，在施加在轮端的原始纵向力(表示为Fw)必然存在如下所示的公式(3)：
Fw＝(Ttq-Tjw)/r (3)
r表示车轮半径。
其中，原始纵向力Fw为考虑了驱动及制动力矩以及轮胎的惯性阻力偶矩，是三者在轮端叠加后的总的纵向力和。
其中，惯性阻力偶矩满足如下所示的公式(4)：
其中，Iw为车轮转动惯量(单位为kg·m2)。ax为当前纵向行驶加速度。
根据公式(3)和公式(4)即可得到如下所示的公式(5)
上述公式(5)所示的表达式即为获取原始纵向力的预设纵向力生成模型。
将车身参数中的车轮半径、车轮转动惯量以及每个数据采集时刻的待估算车辆的当前纵向行驶加速度、当前驱动力矩以及当前制动力矩输入至公式(5)所示的预设纵向力生成模型，即可输出每个数据采集时刻对应的原始纵向力。各数据采集时刻所对应得到的原始纵向力形成一个数据集，该数据集即为原始纵向力数据。
进一步考虑到车辆直线行驶会受到空气阻力，因此还需根据预设空气阻力模型以及每个数据采集时刻的环境参数确定空气阻力数据。其中，预设空气阻力模型可以如下所示公式(6)表示：
其中，CD为风阻系数，可根据实际情况进行预设，ρ为空气密度(kg/m3)，V为待估算车辆的当前纵向车速(m/s)。A为待估算车辆的迎风面积(m2)。
将每个数据采集时刻的空气密度、当前纵向车速以及风阻系数和迎风面积输入至如公式(6)所示的预设空气阻力模型，输出即为每个数据采集时刻的空气阻力FD。各数据采集时刻所得到的对应空气阻力形成一个数据集，该数据集即为空气阻力数据。
考虑到车辆直线行驶时受到的空气阻力，在行驶方向上待估算车辆纵向力F′x则满足如下所示公式(7)：
F′x＝Fw-FD (7)
将空气阻力数据中的各空气阻力以及原始纵向力数据中的各原始纵向力输入至公式(7)，输出即为待估算车辆在行驶方向上的纵向力。各数据采集时刻所得到的对应纵向力形成一个数据集，该数据集即为纵向力结果数据。
通过上述描述可见，确定待估算车辆在行驶方向的纵向力时采用的预设纵向力计算模型包括上述的预设空气阻力模型和预设纵向力生成模型。从而基于预设纵向力计算模型，根据车身参数、每个数据采集时刻对应的环境参数以及动态行驶参数确定出纵向力结果数据。
S202：根据预设纵向力补偿模型获得待估算车辆发生转向行为时的纵向力损失量。
S203：利用纵向力损失量对纵向力结果数据进行补偿，得到纵向力估算结果数据。
根据前述实施例的描述以及图4可知，待估算车辆由于发生转向行为等因素会导致步骤S201中所确定的纵向力在前后轮向y轴正负方向发生“泄露”，即产生如图4所示的力Fyf和Fyr，故而利用预设纵向力补偿模型进行补偿。
首先根据预设纵向力补偿模型获得待估算车辆发生转向行为时的纵向力损失量，进而利用纵向力损失量对纵向力结果数据进行补偿，得到最终的纵向力估算结果数据。
将待估算车辆简化后的如图4所示的自行车模型视为一个转动系统，其绕z轴的力矩(表示为Tz，单位为N·m)如下公式(8)所示：
Tz＝Izαz (8)
其中，Iz为车身绕z轴的横摆转动惯量，αz为绕z轴的当前横摆角加速度(单位为r/s2)。
例如，可以将待估算车辆的当前方向盘转角与由于侧向“泄露”损失的力之间的乘积确定为纵向力损失量，即预设纵向力损失模型可以如下公式(9)表示：
其中，F″x为纵向力损失量，δ为当前方向盘转角，lf为前轴中心到质点的距离，lr为后轴中心到质点的距离，两者之和为轴距，即L＝lf+lr。
在获取到待估算车辆在发生转向行为时的纵向力损失量后，则将对应的纵向力损失量补偿至步骤S201纵向力结果数据中的对应纵向力中，对应得到纵向力估算结果，所得到的对应纵向力估算结果形成一个数据集，该数据集即为纵向力估算结果数据。
可以理解的是，在数据采集时刻，待估算车辆发生转向行为即存在纵向力损失量。而若待估算车辆未产生转向行为等因素导致纵向力发生“泄露”的数据采集时刻，即该数据采集时刻不存在纵向力损失量，该数据采集时刻的纵向力损失量可以看作为零。
其中，利用纵向力损失量补偿纵向力结果数据中的纵向力即运算如下公式(10)：
Fx＝F′x+F″x (10)
Fx表示每个数据采集时刻对应的纵向力估算结果。
可选地，公式(9)所示的预设纵向力补偿模型还可以采用如下所示的公式(11)替代：
其中，δ为当前方向盘转角，αz为绕z轴的当前横摆角加速度，k为固定参数，可以通过标定获得。
由公式(9)和公式(11)所表示的预设纵向力补偿模型可知，该预设纵向力补偿模型可以根据车身参数以及待估算车辆发生转向行为时的纵向力转向数据生成，其中，纵向力转向数据包括待估算车辆的当前方向盘转角、当前横摆角加速度以及横摆转动惯量，车身参数具体为轴距。
本申请实施例提供的整车质量估算方法，根据车辆静态数据、车辆动态数据、预设计算模型以及预设纵向力补偿模型确定纵向力估算结果数据，其中，预设纵向力补偿模型用于获取待估算车辆发生转向行为时产生的纵向力损失量，利用纵向力损失量对预设计算模型所确定的行驶方向上的纵向力进行补偿，从而可以克服现有技术中确定纵向力所使用的计算模型无法适应车辆的转向等驾驶场景而对最终的整车质量估算值产生的影响，有效提高整车质量估算的准确度，有利于车辆的精准控制。
如前述实施例描述，当前相对俯仰角为数据采集时刻待估算车辆的车头上扬的角度，其产生于坡道或者车速加速时刻。因而在待估算车辆的行驶过程中，所获取到的当前相对俯仰角可能为零也可能不为零。
在一种可能的设计中，若车辆动态数据中的当前俯仰角为零，步骤S1022可能的实现方式包括：
首先根据第一预设纵向加速度补偿模型获得待估算车辆发生转向行为时的纵向加速度损失量，然后利用纵向加速度损失量对纵向加速度结果数据进行补偿，得到纵向加速度估算结果数据。
其中，预设纵向加速度补偿模型包括有第一预设纵向加速度补偿模型，该第一预设纵向加速度补偿模型是根据待估算车辆发生转向行为时的当前侧向加速度以及损失角生成的，损失角为待估算车辆的整车侧偏角，如图4中的θ所示。
如前述实施例所描述，损失角是由于待估算车辆发生转向行为等驾驶状态时产生，损失角的正切值tanθ表示速度在转向行为下的侧向损耗和纵向分量之比，正切值越大表示转向等行为导致的侧向泄露损耗越多，鉴于此，则第一预设纵向加速度补偿模型可以通过如下公式(12)所示的损失角的正切值与待估算车辆的质心处的当前侧向加速度的乘积表示：
a′x＝tanθay (12)
其中，a′x为纵向加速度损失量，ay表示当前侧向加速度，其为待估算车辆质心处实时的侧向加速度。
将待估算车辆发生转向行为时的当前侧向加速度以及损失角输入至公式(12)，输出即为利用第一预设纵向加速度补偿模型获得的纵向加速度损失量。
进一步地，利用纵向加速度损失量对纵向加速度结果数据进行补偿即运算如下所示的公式(13)：
a″x＝ax+a′x (13)
其中，a″x表示考虑泄露补偿后的每个数据采集时刻对应的纵向加速度估算结果，将得到的纵向加速度估算结果形成一个数据集，该数据集即为纵向加速度估算结果数据。
可以理解的是，在数据采集时刻，待估算车辆发生转向行为即存在纵向加速度损失量。而若待估算车辆未产生转向行为等因素导致纵向力发生“泄露”的数据采集时刻，即该数据采集时刻不存在纵向加速度损失量，该数据采集时刻的纵向加速度损失量可以看作为零。
可选地，若损失角足够小，例如小于第一预设阈值，第一预设阈值根据实际情况设置，则损失角的正切值可以近似为损失角的角度，即公式(12)表示的第一预设纵向加速度补偿模型还可以表示为公式(14)：
a′x＝θay (14)
可选地，参照图4所示，损失角的正切值还可以通过质心处的纵向速度vy与质心处的侧向速度vx的比值表示，即结合公式(12)和(14)，第一预设纵向加速度补偿模型还可以如公式(15)表示：
例如当待估算车辆发生转向行为时，通过行驶状态采集单元获取质心处的纵向速度和侧向速度，将其以及当前侧向加速度输入至公式(15)，输出即为纵向加速度损失量。
可选地，继续参照图4所示的自行车模型所满足的三角函数关系，则当前方向盘转角δ的正切值可以采用如下公式(16)所示，再结合损失角的正切值所满足的公式(17)，则损失角的正切值还可以采用如下所示公式(18)表示：
其中，h为转动中心到后轴中心位置的距离。若当前方向盘转角足够小，例如小于第二预设阈值，第二预设阈值根据实际情况设置，则当前方向盘转角的正切值还可以近似为当前方向盘转角的角度。
结合公式(12)和(18)，第一预设纵向加速度补偿模型还可以如公式(19)表示：
可选地，前轴中心到质点的距离lf与后轴中心到质心的距离lr通常差别不大，即可以认为lf与lr相等，所以可以将上述公式(19)中的替换为形成通过当前方向盘转角和当前侧向加速度表示的第一预设纵向加速度补偿模型。
上述实施例描述了通过待估算车辆发生转向行为时的当前侧向加速度以及损失角生成第一预设纵向加速度补偿模型的可能的实现方式。进而利用第一预设纵向加速度补偿模型获得待估算车辆发生转向行为时的纵向加速度损失量，利用对应的纵向加速度损失量对纵向加速度结果数据进行补偿，其中，纵向加速度结果数据包括各数据采集时刻的当前纵向行驶加速度，对每个数据采集时刻的当前纵向行驶加速度利用该数据采集时刻的纵向加速度损失量进行补偿，即可得到纵向加速度估算结果，将各数据采集时刻的纵向加速度估算结果看作一数据集合，该数据集合即为纵向加速度估算结果数据。
进一步，若车辆动态数据中的当前俯仰角不为零，则需要在第一预设加速度补偿模型进行补偿的基础上利用第二预设加速度补偿模型进行额外补偿，即步骤S1022在上述实施例的基础上还包括利用第二预设加速度补偿模型进行额外补偿。
例如，首先根据上述的第一预设加速度补偿模型得到纵向加速度损失量后，将各数据采集时刻的纵向加速度损失量以及当前纵向行驶加速度输入至上述公式(13)，将输出的每个数据采集时刻的加速度补偿结果确定为目标纵向加速度结果，各数据采集时刻对应的目标纵向加速度结果形成一个数据集，该数据集即为目标纵向加速度结果数据。
进一步利用目标纵向加速度结果数据以及第二预设纵向加速度补偿模型确定纵向加速估算结果数据。例如，第二预设纵向加速度补偿模型可以如下所示的公式(20)表示：
其中，a″′x为待估算车辆的当前相对俯仰角不为零时的纵向加速度估算结果，a″x为第一预设纵向加速度补偿模型补偿后得到的目标纵向加速度结果，az为当前横摆角加速度，为当前相对俯仰角。
车辆动态数据中的当前俯仰角不为零时，预设纵向加速度补偿模型还包括有第二预设纵向加速度补偿模型，通过公式(20)表示的第二预设纵向加速度补偿模型对第一预设纵向加速度补偿模型的补偿结果进行额外补偿，实现对待估算车辆在坡道或者车速加速时刻对当前纵向行驶加速度进行补偿，克服现有技术中估算模型无法适应坡道或者车速加速时刻等驾驶场景而对最终的整车质量估算值产生的影响，有效提高整车质量估算的准确度，有利于车辆的精准控制。
本申请实施例提供的整车质量估算方法，根据述车辆静态数据、车辆动态数据以及预设纵向加速度补偿模型确定纵向加速度估算结果数据，利用预设加速度补偿模型获得待估算车辆发生转向行为时的纵向加速度损失量，并在当前相对俯仰角不为零时对预设加速度补偿模型中的第一预设加速度补偿模型的补偿结果进行额外补偿，克服现有技术中估算模型无法适应转向行为、坡道或者车速加速时刻等驾驶场景而对最终的整车质量估算值产生的影响，有效提高整车质量估算的准确度，有利于车辆的精准控制。
图8为本申请实施例提供的一种整车质量估算装置的结构示意图。如图8所示，本申请实施例提供的整车质量估算装置300，包括：
获取模块301，用于获取车辆静态数据以及车辆动态数据。
其中，车辆静态数据包括待估算车辆的车身参数，车辆动态数据包括环境参数以及待估算车辆的动态行驶参数。
第一处理模块302，用于根据车辆静态数据、车辆动态数据以及预设估算模型确定纵向力估算结果数据以及纵向加速度估算结果数据。
其中，预设估算模型包括预设补偿模型，预设补偿模型用于确定待估算车辆发生转向行为时纵向力估算结果数据以及纵向加速度估算结果数据各自的损失量。
第二处理模块303，用于根据纵向力估算结果数据、纵向加速度估算结果数据以及预设误差控制模型确定整车质量估算值。
在图8的基础上，图9为本申请实施例提供的一种第一处理模块的结构示意图。如图9所示，本申请实施例提供的第一处理模块302，包括：
第一处理子模块3021，用于根据车辆静态数据、车辆动态数据、预设纵向力计算模型以及预设纵向力补偿模型确定纵向力估算结果数据；
第二处理子模块3022，用于根据车辆静态数据、车辆动态数据以及预设纵向加速度补偿模型确定纵向加速度估算结果数据。
其中，预设补偿模型包括预设纵向力补偿模型和预设纵向加速度补偿模型。
在一种可能的设计中，第一处理子模块3021，具体用于：
基于预设纵向力计算模型，根据车身参数、每个数据采集时刻对应的环境参数以及动态行驶参数确定纵向力结果数据；
根据预设纵向力补偿模型获得待估算车辆发生转向行为时的纵向力损失量；
利用纵向力损失量对纵向力结果数据进行补偿，得到纵向力估算结果数据；
其中，预设纵向力补偿模型是根据车身参数以及待估算车辆发生转向行为时的纵向力转向数据生成的，纵向力转向数据包括待估算车辆的当前方向盘转角、当前横摆角加速度以及横摆转动惯量。
在一种可能的设计中，第一处理子模块3021，还具体用于：
基于预设纵向力生成模型，根据车身参数以及每个数据采集时刻的待估算车辆的当前纵向行驶加速度、当前驱动力矩以及当前制动力矩确定原始纵向力数据，动态行驶参数包括每个数据采集时刻的当前纵向行驶加速度、当前驱动力矩以及当前制动力矩；
根据预设空气阻力模型以及每个数据采集时刻的环境参数确定空气阻力数据；
根据空气阻力数据以及原始纵向力数据确定纵向力结果数据。
其中，预设纵向力计算模型包括预设空气阻力模型以及预设纵向力生成模型。
在一种可能的设计中，若车辆动态数据中的当前俯仰角为零，第二处理子模块3022，具体用于：
根据第一预设纵向加速度补偿模型获得待估算车辆发生转向行为时的纵向加速度损失量；
利用纵向加速度损失量对纵向加速度结果数据进行补偿，得到纵向加速度估算结果数据。
其中，预设纵向加速度补偿模型包括第一预设纵向加速度补偿模型，第一预设纵向加速度补偿模型是根据待估算车辆发生转向行为时的当前侧向加速度以及损失角生成的，损失角为待估算车辆的整车侧偏角。
在一种可能的设计中，若车辆动态数据中的当前俯仰角不为零，第二处理子模块3022，还具体用于：
根据纵向加速度损失量以及纵向加速度结果数据得到目标纵向加速度结果数据；
根据目标纵向加速度结果数据以及第二预设纵向加速度补偿模型确定纵向加速度估算结果数据。
其中，预设纵向加速度补偿模型还包括第二预设纵向加速度补偿模型，第二预设纵向加速度补偿模型用于对第一预设加速度补偿模型的补充结果进行额外补偿。
在一种可能的设计中，获取模块301，具体用于：
通过预设实车试验获取车身参数，车身参数包括轴距、车轮半径、车轮转动惯量以及横摆转动惯量；
在每个数据采集时刻通过环境传感器获取空气密度，环境参数包括空气密度；
在每个数据采集时刻通过惯性测量单元和行驶状态采集单元获取当前纵向行驶加速度、当前横摆角加速度、当前纵向车速、当前驱动力矩、当前制动力矩、当前方向盘转角、当前侧向加速度以及当前相对俯仰角。
在一种可能的设计中，第二处理模块303，具体用于：
将纵向力估算结果数据和纵向加速度估算结果数据分别确定为最小二乘法算法的回归量和观测量；
根据回归量确定相关矩阵，并确定回归量和观测量之间的时间平均互相关向量，相关矩阵为回归量的时间平均自相关矩阵；
根据相关矩阵、时间平均互相关量以及预设误差控制模型确定整车质量估算值，预设误差控制模型包括最小二乘法算法的形式解。
值得说明的，上述图8和图9以及可选的实施例提供的整车质量估算装置，可用于执行上述任一实施例提供的整车质量估算方法的各步骤，具体实现方式和技术效果类似，这里不再赘述。
本申请所提供的上述各装置实施例仅仅是示意性的，其中的模块划分仅仅是一种逻辑功能划分，实际实现时可以有另外的划分方式。例如多个模块可以结合或者可以集成到另一个系统。各个模块相互之间的耦合可以是通过一些接口实现，这些接口通常是电性通信接口，但是也不排除可能是机械接口或其它的形式接口。因此，作为分离部件说明的模块可以是或者也可以不是物理上分开的，既可以位于一个地方，也可以分布到同一个或不同设备的不同位置上。
图10为本申请提供的一种电子设备的结构示意图。如图10所示，该电子设备400可以包括：至少一个处理器401和存储器402。图10示出的是以一个处理器为例的电子设备。
存储器402，用于存放处理器401的计算机程序。具体地，程序可以包括程序代码，程序代码包括计算机操作指令。
存储器402可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
处理器401配置为用于执行存储器402存储的计算机程序，以实现以上各方法实施例中整车质量估算方法的各步骤。
其中，处理器401可能是一个中央处理器(central processing unit，简称为CPU)，或者是特定集成电路(application specific integrated circuit，简称为ASIC)，或者是被配置成实施本申请实施例的一个或多个集成电路。
可选地，存储器402既可以是独立的，也可以跟处理器401集成在一起。当存储器402是独立于处理器401之外的器件时，电子设备400，还可以包括：
总线403，用于连接处理器401以及存储器402。总线可以是工业标准体系结构(industry standard architecture，简称为ISA)总线、外部设备互连(peripheralcomponent，PCI)总线或扩展工业标准体系结构(extended industry standardarchitecture，EISA)总线等。总线可以分为地址总线、数据总线、控制总线等，但并不表示仅有一根总线或一种类型的总线。
可选的，在具体实现上，如果存储器402和处理器401集成在一块芯片上实现，则存储器402和处理器401可以通过内部接口完成通信。
本申请还提供了一种计算机可读存储介质，该计算机可读存储介质可以包括：U盘、移动硬盘、只读存储器(read-only memory，ROM)、随机存取存储器(random accessmemory，RAM)、磁盘或者光盘等各种可以存储程序代码的介质，具体的，该计算机可读存储介质中存储有计算机程序，当电子设备的至少一个处理器执行该计算机程序时，电子设备执行上述的各种实施方式提供的整车质量估算方法的各个步骤。
本申请实施例还提供一种计算机程序产品，该计算机程序产品包括计算机程序，该计算机程序存储在可读存储介质中。电子设备的至少一个处理器可以从可读存储介质读取该计算机程序，至少一个处理器执行该计算机程序使得电子设备实施上述的各种实施方式提供的整车质量估算方法的各个步骤。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由权利要求书指出。
应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求书来限制。
Claims (11)
1.一种整车质量估算方法，其特征在于，包括：
获取车辆静态数据以及车辆动态数据，所述车辆静态数据包括待估算车辆的车身参数，所述车辆动态数据包括环境参数以及所述待估算车辆的动态行驶参数；
根据所述车辆静态数据、所述车辆动态数据以及预设估算模型确定纵向力估算结果数据以及纵向加速度估算结果数据，所述预设估算模型包括预设补偿模型，所述预设补偿模型用于确定所述待估算车辆发生转向行为时所述纵向力估算结果数据以及所述纵向加速度估算结果数据各自的损失量；
根据所述纵向力估算结果数据、所述纵向加速度估算结果数据以及预设误差控制模型确定整车质量估算值；其中，所述预设误差控制模型包括最小二乘法算法的形式解。
2.根据权利要求1所述的整车质量估算方法，其特征在于，所述根据所述车辆静态数据、所述车辆动态数据以及预设估算模型确定纵向力估算结果数据以及纵向加速度估算结果数据，包括：
根据所述车辆静态数据、所述车辆动态数据、预设纵向力计算模型以及预设纵向力补偿模型确定所述纵向力估算结果数据；
根据所述车辆静态数据、所述车辆动态数据以及预设纵向加速度补偿模型确定所述纵向加速度估算结果数据；
其中，所述预设补偿模型包括所述预设纵向力补偿模型和所述预设纵向加速度补偿模型。
3.根据权利要求2所述的整车质量估算方法，其特征在于，所述根据所述车辆静态数据、所述车辆动态数据、所述预设纵向力计算模型以及预设纵向力补偿模型确定所述纵向力估算结果数据，包括：
基于所述预设纵向力计算模型，根据所述车身参数、每个数据采集时刻对应的所述环境参数以及所述动态行驶参数确定纵向力结果数据；
根据预设纵向力补偿模型获得所述待估算车辆发生转向行为时的纵向力损失量；
利用所述纵向力损失量对所述纵向力结果数据进行补偿，得到所述纵向力估算结果数据；
其中，所述预设纵向力补偿模型是根据所述车身参数以及所述待估算车辆发生转向行为时的纵向力转向数据生成的，所述纵向力转向数据包括所述待估算车辆的当前方向盘转角、当前横摆角加速度以及横摆转动惯量。
4.根据权利要求3所述的整车质量估算方法，其特征在于，所述基于所述预设纵向力计算模型，根据所述车身参数、每个数据采集时刻对应的所述环境参数以及所述动态行驶参数确定纵向力结果数据，包括：
基于预设纵向力生成模型，根据所述车身参数以及所述每个数据采集时刻的所述待估算车辆的当前纵向行驶加速度、当前驱动力矩以及当前制动力矩确定原始纵向力数据；
根据预设空气阻力模型以及所述每个数据采集时刻的所述环境参数确定空气阻力数据；
根据所述空气阻力数据以及所述原始纵向力数据确定所述纵向力结果数据；
其中，所述预设纵向力计算模型包括所述预设空气阻力模型以及所述预设纵向力生成模型。
5.根据权利要求4所述的整车质量估算方法，其特征在于，若所述车辆动态数据中的当前俯仰角为零，所述根据所述车辆静态数据、所述车辆动态数据以及预设纵向加速度补偿模型确定所述纵向加速度估算结果数据，包括：
根据第一预设纵向加速度补偿模型获得所述待估算车辆发生转向行为时的纵向加速度损失量；
利用所述纵向加速度损失量对纵向加速度结果数据进行补偿，得到所述纵向加速度估算结果数据；
其中，所述预设纵向加速度补偿模型包括所述第一预设纵向加速度补偿模型，所述第一预设纵向加速度补偿模型是根据所述待估算车辆发生转向行为时的当前侧向加速度以及损失角生成的，所述损失角为所述待估算车辆的整车侧偏角。
6.根据权利要求5所述的整车质量估算方法，其特征在于，若所述车辆动态数据中的当前俯仰角不为零，所述根据所述车辆静态数据、所述车辆动态数据以及预设纵向加速度补偿模型确定所述纵向加速度估算结果数据，还包括：
根据所述纵向加速度损失量以及所述纵向加速度结果数据得到目标纵向加速度结果数据；
根据所述目标纵向加速度结果数据以及第二预设纵向加速度补偿模型确定所述纵向加速度估算结果数据；
其中，所述预设纵向加速度补偿模型还包括所述第二预设纵向加速度补偿模型，所述第二预设纵向加速度补偿模型用于对所述第一预设纵向加速度补偿模型的补充结果进行额外补偿。
7.根据权利要求6所述的整车质量估算方法，其特征在于，所述获取车辆静态数据以及车辆动态数据，包括：
通过预设实车试验获取所述车身参数，所述车身参数包括轴距、车轮半径、车轮转动惯量以及所述横摆转动惯量；
在所述每个数据采集时刻通过环境传感器获取空气密度，所述环境参数包括所述空气密度；
在所述每个数据采集时刻通过惯性测量单元和行驶状态采集单元获取所述当前纵向行驶加速度、所述当前横摆角加速度、当前纵向车速、当前驱动力矩、当前制动力矩、所述当前方向盘转角、所述当前侧向加速度以及所述当前相对俯仰角。
8.根据权利要求3-6任一项所述的整车质量估算方法，其特征在于，所述根据所述纵向力估算结果数据、所述纵向加速度估算结果数据以及预设误差控制模型确定整车质量估算值，包括：
将所述纵向力估算结果数据和所述纵向加速度估算结果数据分别确定为最小二乘法算法的回归量和观测量；
根据所述回归量确定相关矩阵，并确定所述回归量和所述观测量之间的时间平均互相关向量，所述相关矩阵为所述回归量的时间平均自相关矩阵；
根据所述相关矩阵、所述时间平均互相关量以及所述预设误差控制模型确定所述整车质量估算值。
9.一种整车质量估算装置，其特征在于，包括：
获取模块，用于获取车辆静态数据以及车辆动态数据，所述车辆静态数据包括待估算车辆的车身参数，所述车辆动态数据包括环境参数以及所述待估算车辆的动态行驶参数；
第一处理模块，用于根据所述车辆静态数据、所述车辆动态数据以及预设估算模型确定纵向力估算结果数据以及纵向加速度估算结果数据，所述预设估算模型包括预设补偿模型，所述预设补偿模型用于确定所述待估算车辆发生转向行为时所述纵向力估算结果数据以及所述纵向加速度估算结果数据各自的损失量；
第二处理模块，用于根据所述纵向力估算结果数据、所述纵向加速度估算结果数据以及预设误差控制模型确定整车质量估算值；其中，所述预设误差控制模型包括最小二乘法算法的形式解。
10.一种电子设备，其特征在于，包括：
处理器；以及，
存储器，用于存储所述处理器的计算机程序；
其中，所述处理器配置为经由执行所述计算机程序来执行权利要求1至8任一项所述的整车质量估算方法。
11.一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权利要求1至8任一项所述的整车质量估算方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111471025.6A CN114132324B (zh) | 2021-12-03 | 2021-12-03 | 整车质量估算方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111471025.6A CN114132324B (zh) | 2021-12-03 | 2021-12-03 | 整车质量估算方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114132324A CN114132324A (zh) | 2022-03-04 |
| CN114132324B true CN114132324B (zh) | 2024-02-02 |
Family
ID=80387828
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111471025.6A Active CN114132324B (zh) | 2021-12-03 | 2021-12-03 | 整车质量估算方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114132324B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118046909B (zh) * | 2024-02-29 | 2024-08-02 | 重庆赛力斯凤凰智创科技有限公司 | 整车质量自适应估算方法、计算机设备和存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102627108A (zh) * | 2012-04-11 | 2012-08-08 | 清华大学 | 一种基于高频信息提取的整车质量估算方法 |
| CN110987470A (zh) * | 2019-12-06 | 2020-04-10 | 吉林大学 | 一种基于模型迭代的汽车质量在线估计方法 |
| CN111507019A (zh) * | 2020-05-06 | 2020-08-07 | 北京理工大学 | 基于mmrls和sh-stf的车辆质量与道路坡度迭代型联合估计方法 |
| CN111717214A (zh) * | 2019-03-22 | 2020-09-29 | 长沙智能驾驶研究院有限公司 | 整车质量估算方法、装置、电子设备和存储介质 |
| CN113002549A (zh) * | 2021-05-24 | 2021-06-22 | 天津所托瑞安汽车科技有限公司 | 一种车辆状态估算方法、装置、设备及存储介质 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100828778B1 (ko) * | 2006-11-29 | 2008-05-09 | 현대자동차주식회사 | 차량의 질량 추정 방법 |
| US11573119B2 (en) * | 2019-01-17 | 2023-02-07 | GM Global Technology Operations LLC | Method and apparatus for dynamically estimating vehicle mass |
-
2021
- 2021-12-03 CN CN202111471025.6A patent/CN114132324B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102627108A (zh) * | 2012-04-11 | 2012-08-08 | 清华大学 | 一种基于高频信息提取的整车质量估算方法 |
| CN111717214A (zh) * | 2019-03-22 | 2020-09-29 | 长沙智能驾驶研究院有限公司 | 整车质量估算方法、装置、电子设备和存储介质 |
| CN110987470A (zh) * | 2019-12-06 | 2020-04-10 | 吉林大学 | 一种基于模型迭代的汽车质量在线估计方法 |
| CN111507019A (zh) * | 2020-05-06 | 2020-08-07 | 北京理工大学 | 基于mmrls和sh-stf的车辆质量与道路坡度迭代型联合估计方法 |
| CN113002549A (zh) * | 2021-05-24 | 2021-06-22 | 天津所托瑞安汽车科技有限公司 | 一种车辆状态估算方法、装置、设备及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 分布式电驱动客车稳定性控制系统设计;傅琪涛;工程科技Ⅱ辑;第36-40页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114132324A (zh) | 2022-03-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Stephant et al. | Virtual sensor: Application to vehicle sideslip angle and transversal forces | |
| US20150291178A1 (en) | Apparatus and method for estimating vehicle velocity | |
| CN108688667B (zh) | 用于检测横向速度估计中的故障的系统和方法 | |
| EP3177499B1 (en) | A method for estimating variables affecting the vehicle dynamics and corresponding virtual sensor | |
| US8825286B2 (en) | Method and device for determining a center of gravity of a motor vehicle | |
| WO2023071442A1 (zh) | 一种数据处理方法和装置 | |
| JPH1035443A (ja) | 車体速および路面摩擦係数推定装置 | |
| CN111976730B (zh) | 具有类驾驶员视角的底盘域控制器及车辆的控制方法 | |
| Shraim et al. | Sliding mode observers for the estimation of vehicle parameters, forces and states of the center of gravity | |
| CN114132324B (zh) | 整车质量估算方法、装置、设备及存储介质 | |
| CN107289981A (zh) | 悬架高度传感器故障的检测和重构 | |
| Ziaukas et al. | Simultaneous estimation of steering and articulation angle in a truck-semitrailer combination solely based on trailer signals | |
| Sharma et al. | Vehicle dynamic state observation and rolling resistance estimation via unknown input adaptive high gain observer | |
| US10168252B1 (en) | Methods and apparatus to facilitate tire force estimation | |
| CN111731309B (zh) | 坡度估计方法、装置、设备及车辆 | |
| US11772679B2 (en) | Steer control logic for emergency handling of autonomous vehicles | |
| US20120109445A1 (en) | Understeer assessment for vehicles | |
| Zhu et al. | An integrated vehicle velocity and tyre-road friction estimation based on a half-car model | |
| FR2935124A1 (fr) | Procede de determination de la derive d'un vehicule automobile | |
| CN114200923A (zh) | 车辆及控制车辆的方法 | |
| Wang et al. | Real-time experimental validation of nonlinear observer for vehicle dynamics parameters estimation: A laboratory vehicle description | |
| Kotur | Safe estimation of vehicle side-slip for an autonomous heavy vehicle | |
| EP4187215B1 (en) | Systems and methods for determining an estimated weight of a vehicle | |
| Korte et al. | Development of an adaptive vehicle observer for an electric vehicle | |
| Albinsson et al. | Scaling tire models to different road surfaces using an external IMU and K&C measurements |
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 |