CN114347995A - 商用车侧向坡度估计方法、设备和存储介质 - Google Patents
商用车侧向坡度估计方法、设备和存储介质 Download PDFInfo
- Publication number
- CN114347995A CN114347995A CN202210266459.0A CN202210266459A CN114347995A CN 114347995 A CN114347995 A CN 114347995A CN 202210266459 A CN202210266459 A CN 202210266459A CN 114347995 A CN114347995 A CN 114347995A
- Authority
- CN
- China
- Prior art keywords
- lateral
- gradient
- longitudinal
- lateral acceleration
- estimating
- 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.)
- Granted
Links
Images
Abstract
本发明实施例公开了一种商用车侧向坡度估计方法、设备和介质,涉及软件测试技术领域。其中,方法包括:在商用车于侧坡上行驶时,获取纵向车速和侧向加速度传感器采集到的侧向加速度信号;采用所述侧向加速度信号建立侧向加速度传感器模型;联立所述侧向加速度传感器模型,车身侧倾模型和车辆二自由度运动学公式,得到系统状态方程;以所述系统状态方程中的纵向车速为量测,采用卡尔曼滤波算法估计侧向坡度。本实施例实现低成本、高实时性的侧向坡度估计方案。
Description
技术领域
本发明实施例涉及车辆参数测量技术,尤其涉及一种商用车侧向坡度估计方法、设备和存储介质。
背景技术
随着汽车电控系统的发展,汽车主动安全系统,如电子稳定控制系统、防侧翻稳定性控制系统,已广泛应用于量产车辆。但目前绝大多数的控制系统都假设在完全水平的路面上,而道路的侧向坡度将对汽车的侧向动力学产生严重影响。尤其对于商用车而言,其重心较高,易发生侧翻,因此对侧向坡度和车身侧倾角的准确估计将直接影响车辆侧向稳定性。
目前对于侧向坡度估计的相关研究较少,估计方法可主要分为动力学方法和运动学方法。其中动力学方法基于车辆动力学模型,一般为基于整车二自由度模型和侧倾模型进行估计,但轮胎侧向力的求解将依赖轮胎模型,算法实时性较差。运动学方法基于车载传感器,如全球定位系统、悬架高度传感器等直接对侧向坡度进行求解,但由于成本限制,短期内无法配备在量产车辆中。
发明内容
本发明实施例提供一种商用车侧向坡度估计方法、设备和存储介质,以实现低成本、高实时性的侧向坡度估计方案。
第一方面,本发明实施例提供了一种商用车侧向坡度估计方法,包括:
在商用车于侧坡上行驶时,获取纵向车速和侧向加速度传感器采集到的侧向加速度信号;
采用所述侧向加速度信号建立侧向加速度传感器模型;
联立所述侧向加速度传感器模型,车身侧倾模型和车辆二自由度运动学公式,得到系统状态方程;所述系统状态方程的状态量包括侧向车速、所述纵向车速和侧向坡度;
以所述系统状态方程中的纵向车速为量测,采用卡尔曼滤波算法估计侧向坡度。
第二方面,本发明实施例还提供了一种电子设备,所述电子设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现任一实施例所述的商用车侧向坡度估计方法。
第三方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现任一实施例所述的商用车侧向坡度估计方法。
本发明实施例通过在商用车于侧坡上行驶时,采用侧向加速度信号建立侧向加速度传感器模型,联立侧向加速度传感器模型,车身侧倾模型和车辆二自由度运动学公式,得到以侧向车速、所述纵向车速和侧向坡度为状态量的系统状态方程,以系统状态方程中的纵向车速为量测,采用卡尔曼滤波算法估计侧向坡度,不需要加装悬架高度传感器;本实施例通过联立侧向加速度传感器模型,车身侧倾模型和车辆二自由度运动学公式并结合卡尔曼滤波算法估计得到侧向坡度,这些模型相对于轮胎模型更简单,提高了估计的实时性。
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是本发明实施例提供的一种商用车侧向坡度估计方法的流程图;
图2是本发明实施例提供的车身侧倾的示意图;
图3是本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将对本发明的技术方案进行清楚、完整的描述。显然,所描述的实施例仅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的前提下所得到的所有其它实施例,都属于本发明所保护的范围。
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,还需要说明的是,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,可以是两个元件内部的连通。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。
本发明实施例提供一种商用车侧向坡度估计方法,其流程图如图1所示,可适用于在商用车于侧坡上行驶时,对侧向坡度进行实时估计的情况。本实施例由电子设备执行。本实施例基于低成本的惯性测量单元,利用运动学方法对侧向坡度进行估计。为提高估计精度,额外考虑车身侧倾角对估计的影响。由于IMU已经成为汽车电控系统的标配,此方法可以实现对侧向坡度的准确估计,并且算法简单、成本低。
结合图1,本实施例提供的方法具体包括:
S110、在商用车于侧坡上行驶时,获取纵向车速和侧向加速度传感器采集到的侧向加速度信号。
在商用车于侧坡上行驶时,获取轮速、纵向加速度信号和侧向加速度信号。运动学方法的缺陷在于传感器的零点漂移和噪声将对估计结果产生重要影响,因此需要对轮速进行偏移量修正,得到纵向车速;对侧向加速度信号进行偏移量修正和零点漂移修正。
在S110之后,还包括对所述纵向加速度信号进行偏移量修正和零点漂移修正;根据所述纵向加速度信号和纵向坡度,得到实际纵向加速度,实际纵向加速度用于构建车辆二自由度运动学公式。
具体的,商用车上搭载有低成本的惯性测量单元和轮速传感器,在惯性测量单元和轮速传感器上电时采集各轮速传感器信号和惯性测量单元的纵、侧向加速度信号ax i_bias 、ay i_bias ,并以此计算各轮速信号的偏移量和纵、侧向加速度的偏移量ax bias 、ay bias 。其中n代表在上电后的采样次数,为防止过度修正,不应过长。
接着,根据偏移量对轮速信号修正,并以此计算纵向车速v x (驾驶不出现滑移的情况),具体方法参见现有技术,此处不再赘述。对侧向加速度信号进行零点漂移修正得到ay sen ;对纵向加速度信号进行零点漂移修正得到ax sen ,由于纵向加速度信号包含重力加速度在纵向坡度q r 上的分量,而纵坡的估计方法已较为成熟,本实施例直接计算实际纵向加速度ax:
其中,g是重力加速度。纵向坡度的估计可采用本领域内成熟的估计方法,本实施例不作描述。
S120、采用所述侧向加速度信号建立侧向加速度传感器模型。
可选的,本实施例根据微机电加速度传感器的工作原理建立侧向加速度传感器模型。采用下式建立初步的侧向加速度传感器模型;
S130、联立所述侧向加速度传感器模型,车身侧倾模型和车辆二自由度运动学公式,得到系统状态方程;所述系统状态方程的状态量包括侧向车速、所述纵向车速和侧向坡度。
车辆二自由度运动学公式如下:
联立所述侧向加速度传感器模型,车身侧倾模型和车辆二自由度运动学公式,得到系统状态方程:
S140、以所述系统状态方程中的纵向车速为量测,采用卡尔曼滤波算法估计侧向坡度。
首先将系统状态方程离散化得到:
r代表横摆角速度,由惯性测量单元的陀螺仪直接测量得到,dt为时间周期。
利用现有技术中的卡尔曼滤波算法进行求解,其预测部分为:
校正部分为:
本发明实施例通过在商用车于侧坡上行驶时,采用侧向加速度信号建立侧向加速度传感器模型,联立侧向加速度传感器模型,车身侧倾模型和车辆二自由度运动学公式,得到以侧向车速、所述纵向车速和侧向坡度为状态量的系统状态方程,以系统状态方程中的纵向车速为量测,采用卡尔曼滤波算法估计侧向坡度,不需要加装悬架高度传感器;本实施例通过联立侧向加速度传感器模型,车身侧倾模型和车辆二自由度运动学公式并结合卡尔曼滤波算法估计得到侧向坡度,这些模型相对于轮胎模型更简单,提高了估计的实时性。
在一些实施方式中,由于车辆颠簸和传感器的误差,横摆角速度的值不是一直稳定的,当横摆角速度较大时才能保证系统状态的可观性,当横摆角速度较小时,由于系统客观性不足会造成观测准确性不高。基于此,在每时刻,以所述系统状态方程中的纵向车速为量测,采用卡尔曼滤波算法估计侧向坡度,作为第一侧向坡度;根据所述侧向加速度传感器模型估计侧向坡度,作为第二侧向坡度;对所述第一侧向坡度和第二侧向坡度进行加权求和,得到最终的侧向坡度。通过加权求和的方式开提高估计准确性。其中,根据横摆角速度确定所述第一侧向坡度和第二侧向坡度的权值;基于所述第一侧向坡度和第二侧向坡度的权值进行加权求和,得到最终的侧向坡度。设定值可以通过实验确定,范围是0.03~007rad/s,优选为0.05rad/s。
具体的,根据所述侧向加速度传感器模型得到侧向坡度与所述侧向加速度信号的关系;根据该关系,估计得到侧向坡度。为了方便描述和区分,将采用卡尔曼滤波算法估计得到的侧向坡度称为第一侧向坡度,将根据该关系得到的侧向坡度称为第二侧向坡度。
具体的,由于横摆角速度较小,因此可忽略侧向运动,认为商用车为直线运动,则对侧向加速度传感器模型进行简化,采用下式得到侧向坡度与所述侧向加速度信号的关系:
为了防止估计结果的抖动,对所述第一侧向坡度和第二侧向坡度进行加权求和,得到最终的侧向坡度。参见下式:
其中,k a 为权值。
本实施例中的权值与横摆角速度有关:
其中,代表上下限函数,截止上限为1,下限为0。也就是说,当超过1时,k a 为1,当低于0时,k a 为0,当为0到1之间时,k a 为的值。r(k)为k时刻的横摆角速度。Q为前述横摆角速度的设定值,优选为0.5。
图3为本发明实施例提供的一种电子设备的结构示意图,如图3所示,该设备包括处理器40、存储器41、输入装置42和输出装置43;设备中处理器40的数量可以是一个或多个,图3中以一个处理器40为例;设备中的处理器40、存储器41、输入装置42和输出装置43可以通过总线或其他方式连接,图3中以通过总线连接为例。
存储器41作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的商用车侧向坡度估计方法对应的程序指令/模块。处理器40通过运行存储在存储器41中的软件程序、指令以及模块,从而执行设备的各种功能应用以及数据处理,即实现上述的商用车侧向坡度估计方法。
存储器41可主要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、至少一个功能所需的应用程序;存储数据区可存储根据终端的使用所创建的数据等。此外,存储器41可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器41可进一步包括相对于处理器40远程设置的存储器,这些远程存储器可以通过网络连接至设备。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。
输入装置42可用于接收输入的数字或字符信息,以及产生与设备的用户设置以及功能控制有关的键信号输入。输出装置43可包括显示屏等显示设备。
本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现任一实施例的商用车侧向坡度估计方法。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案。
Claims (10)
1.一种商用车侧向坡度估计方法,其特征在于,包括:
在商用车于侧坡上行驶时,获取纵向车速和侧向加速度传感器采集到的侧向加速度信号;
采用所述侧向加速度信号建立侧向加速度传感器模型;
联立所述侧向加速度传感器模型,车身侧倾模型和车辆二自由度运动学公式,得到系统状态方程;所述系统状态方程的状态量包括侧向车速、所述纵向车速和侧向坡度;
以所述系统状态方程中的纵向车速为量测,采用卡尔曼滤波算法估计侧向坡度。
2.根据权利要求1所述的方法,其特征在于,所述以所述系统状态方程中的纵向车速为量测,采用卡尔曼滤波算法估计侧向坡度,包括:
以所述系统状态方程中的纵向车速为量测,采用卡尔曼滤波算法估计侧向坡度,作为第一侧向坡度;
根据所述侧向加速度传感器模型估计侧向坡度,作为第二侧向坡度;
对所述第一侧向坡度和第二侧向坡度进行加权求和,得到最终的侧向坡度。
3.根据权利要求2所述的方法,其特征在于,所述根据所述侧向加速度传感器模型估计侧向坡度,作为第二侧向坡度,包括:
根据所述侧向加速度传感器模型得到侧向坡度与所述侧向加速度信号的关系;
根据所述关系,估计得到第二侧向坡度。
5.根据权利要求2所述的方法,其特征在于,所述对所述第一侧向坡度和第二侧向坡度进行加权求和,得到最终的侧向坡度,包括:
根据横摆角速度确定所述第一侧向坡度和第二侧向坡度的权值;
基于所述第一侧向坡度和第二侧向坡度的权值进行加权求和,得到最终的侧向坡度。
6.根据权利要求1所述的方法,其特征在于,所述在商用车于侧坡上行驶时,获取纵向车速和侧向加速度传感器采集到的侧向加速度信号,包括:
在商用车于侧坡上行驶时,获取轮速、纵向加速度信号和侧向加速度信号;
对所述轮速进行偏移量修正,得到纵向车速;
对侧向加速度信号进行偏移量修正和零点漂移修正;
在获取纵向车速和侧向加速度传感器采集到的侧向加速度信号之后,还包括:
对所述纵向加速度信号进行偏移量修正和零点漂移修正;
根据所述纵向加速度信号和纵向坡度,得到实际纵向加速度,所述实际纵向加速度用于构建车辆二自由度运动学公式。
9.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-8中任一所述的商用车侧向坡度估计方法。
10.一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,该程序被处理器执行时实现如权利要求1-8中任一所述的商用车侧向坡度估计方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210266459.0A CN114347995B (zh) | 2022-03-18 | 2022-03-18 | 商用车侧向坡度估计方法、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210266459.0A CN114347995B (zh) | 2022-03-18 | 2022-03-18 | 商用车侧向坡度估计方法、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114347995A true CN114347995A (zh) | 2022-04-15 |
CN114347995B CN114347995B (zh) | 2022-06-21 |
Family
ID=81094868
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210266459.0A Active CN114347995B (zh) | 2022-03-18 | 2022-03-18 | 商用车侧向坡度估计方法、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114347995B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10267650A (ja) * | 1997-03-27 | 1998-10-09 | Asia Kosoku Kk | 道路線形自動測量装置 |
US20140067153A1 (en) * | 2012-08-31 | 2014-03-06 | Ford Global Technologies, Llc | Road gradient estimation arbitration |
CN103661393A (zh) * | 2012-08-31 | 2014-03-26 | 福特全球技术公司 | 运动学道路坡度估计 |
CN106515739A (zh) * | 2016-12-20 | 2017-03-22 | 江苏大学 | 一种电动汽车坡道识别装置及方法 |
CN108931233A (zh) * | 2017-05-26 | 2018-12-04 | 长城汽车股份有限公司 | 一种道路侧向坡度值检测方法及装置 |
CN109910905A (zh) * | 2019-03-01 | 2019-06-21 | 同济大学 | 基于坡度估计修正的分布式驱动汽车多工况车速估计方法 |
CN110386143A (zh) * | 2018-04-18 | 2019-10-29 | 比亚迪股份有限公司 | 道路横坡角检测方法和装置、车辆控制方法和装置、车辆 |
CN112046487A (zh) * | 2020-09-21 | 2020-12-08 | 清华大学苏州汽车研究院(吴江) | 基于车辆行驶状态的路面坡度估算方法及系统 |
CN113247004A (zh) * | 2021-06-11 | 2021-08-13 | 南京晓庄学院 | 一种车辆质量与道路横向坡度的联合估计方法 |
CN113335294A (zh) * | 2021-08-09 | 2021-09-03 | 天津所托瑞安汽车科技有限公司 | 路面纵向坡度的估计方法、装置、电子设备和存储介质 |
US20210300383A1 (en) * | 2020-03-25 | 2021-09-30 | Cevat Gokcek | Kalman filter based road grade estimation method using accelerometer, gyroscope, and vehicle velocity |
CN113799783A (zh) * | 2021-10-09 | 2021-12-17 | 摩登汽车有限公司 | 应用于车辆的道路横向坡度测量方法及系统 |
-
2022
- 2022-03-18 CN CN202210266459.0A patent/CN114347995B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10267650A (ja) * | 1997-03-27 | 1998-10-09 | Asia Kosoku Kk | 道路線形自動測量装置 |
US20140067153A1 (en) * | 2012-08-31 | 2014-03-06 | Ford Global Technologies, Llc | Road gradient estimation arbitration |
CN103661393A (zh) * | 2012-08-31 | 2014-03-26 | 福特全球技术公司 | 运动学道路坡度估计 |
CN106515739A (zh) * | 2016-12-20 | 2017-03-22 | 江苏大学 | 一种电动汽车坡道识别装置及方法 |
CN108931233A (zh) * | 2017-05-26 | 2018-12-04 | 长城汽车股份有限公司 | 一种道路侧向坡度值检测方法及装置 |
CN110386143A (zh) * | 2018-04-18 | 2019-10-29 | 比亚迪股份有限公司 | 道路横坡角检测方法和装置、车辆控制方法和装置、车辆 |
CN109910905A (zh) * | 2019-03-01 | 2019-06-21 | 同济大学 | 基于坡度估计修正的分布式驱动汽车多工况车速估计方法 |
US20210300383A1 (en) * | 2020-03-25 | 2021-09-30 | Cevat Gokcek | Kalman filter based road grade estimation method using accelerometer, gyroscope, and vehicle velocity |
CN112046487A (zh) * | 2020-09-21 | 2020-12-08 | 清华大学苏州汽车研究院(吴江) | 基于车辆行驶状态的路面坡度估算方法及系统 |
CN113247004A (zh) * | 2021-06-11 | 2021-08-13 | 南京晓庄学院 | 一种车辆质量与道路横向坡度的联合估计方法 |
CN113335294A (zh) * | 2021-08-09 | 2021-09-03 | 天津所托瑞安汽车科技有限公司 | 路面纵向坡度的估计方法、装置、电子设备和存储介质 |
CN113799783A (zh) * | 2021-10-09 | 2021-12-17 | 摩登汽车有限公司 | 应用于车辆的道路横向坡度测量方法及系统 |
Non-Patent Citations (1)
Title |
---|
李尊等: "重型商用车质量和道路坡度估算方法", 《重型汽车》 * |
Also Published As
Publication number | Publication date |
---|---|
CN114347995B (zh) | 2022-06-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6202151B2 (ja) | モバイルコンピュータ大気圧システム | |
US20150233718A1 (en) | Systems and methods for estimating movements of a vehicle using a mobile device | |
CN112083726B (zh) | 一种面向园区自动驾驶的双滤波器融合定位系统 | |
CN104061899B (zh) | 一种基于卡尔曼滤波的车辆侧倾角与俯仰角估计方法 | |
CN109855617A (zh) | 一种车辆定位方法、车辆定位装置及终端设备 | |
CN107195025B (zh) | 一种基于重心高度在线估计的车辆侧翻指数预测方法 | |
Anderson et al. | Estimation of slip angles using a model based estimator and GPS | |
CN108873043B (zh) | 车辆侧滑角度的计算方法及装置 | |
CN110316197B (zh) | 倾斜估算方法、倾斜估算装置以及存储程序的非暂时性计算机可读存储介质 | |
CN111486860B (zh) | 用于确定道路倾斜角的系统和方法 | |
KR20140062138A (ko) | 차대 센서 데이터와 차량 다이나믹스 데이터의 퓨전 | |
CN113405545A (zh) | 定位方法、装置、电子设备及计算机存储介质 | |
US20160131482A1 (en) | Device for the detection of the attitude of auto-vehicles and corresponding method | |
CN113252048A (zh) | 一种导航定位方法、导航定位系统及计算机可读存储介质 | |
CN112622876B (zh) | 车辆质心位置确定方法、装置、设备和存储介质 | |
Ghose et al. | An enhanced automated system for evaluating harsh driving using smartphone sensors | |
CN108773377B (zh) | 一种基于移动终端的汽车油耗实时估计方法及装置 | |
CN109506674B (zh) | 一种加速度的校正方法及装置 | |
CN114347995B (zh) | 商用车侧向坡度估计方法、设备和存储介质 | |
CN110816654B (zh) | 一种信号估计方法、装置、车辆和存储介质 | |
Masino et al. | Development of a highly accurate and low cost measurement device for Field Operational Tests | |
CN114061570A (zh) | 车辆定位方法、装置、计算机设备和存储介质 | |
CN115257782A (zh) | 车辆横摆角预测方法、装置及计算机可读存储介质 | |
CN116007724A (zh) | 一种车辆实时动态称重方法 | |
CN112046491B (zh) | 车轮侧偏刚度的估算方法、装置、车辆及可读存储介质 |
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 |