CN116572973A - 一种整车质量确定方法、装置、车辆及存储介质 - Google Patents
一种整车质量确定方法、装置、车辆及存储介质 Download PDFInfo
- Publication number
- CN116572973A CN116572973A CN202310727146.5A CN202310727146A CN116572973A CN 116572973 A CN116572973 A CN 116572973A CN 202310727146 A CN202310727146 A CN 202310727146A CN 116572973 A CN116572973 A CN 116572973A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- determining
- quality
- variance
- change rate
- 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
- 238000000034 method Methods 0.000 title claims abstract description 57
- 230000008859 change Effects 0.000 claims abstract description 63
- 230000001133 acceleration Effects 0.000 claims abstract description 35
- 238000004590 computer program Methods 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 10
- 230000004913 activation Effects 0.000 claims description 7
- 230000000630 rising effect Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 description 11
- 238000004891 communication Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000005520 electrodynamics Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
- 230000000007 visual 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
- 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
- B60W2520/105—Longitudinal acceleration
-
- 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)
- Traffic Control Systems (AREA)
- Time Recorders, Dirve Recorders, Access Control (AREA)
Abstract
本发明公开了一种整车质量确定方法、装置、车辆及存储介质。所述方法包括:当确定车辆处于预设工况状态时,实时确定所述车辆的加速度信号变化率方差和坡度信号变化率方差;根据所述加速度信号变化率方差及所述坡度信号变化率方差,确定所述车辆的动态遗忘因子;基于所述动态遗忘因子实时确定所述车辆的整车质量。通过本发明实施例提供的技术方案,可以精确地确定车辆质量,并且提高车辆质量确定的鲁棒性。
Description
技术领域
本发明涉及车辆控制技术领域,尤其涉及一种整车质量确定方法、装置、车辆及存储介质。
背景技术
现阶段车辆研究热点聚焦于智能化、电动化、网联化与共享化,其中车辆整车质量是实现四化过程中一些先进算法的重要输入参数之一,如若预知车辆整车质量,对于提高车辆的经济性、动力性与安全性具有十分重要意义。整车质量是一个相对稳定的慢变量,只有装卸货物、人员数量变动时才会发生变化,变化不连续且相对缓慢。如何精确地确定车辆质量,并且提高车辆质量确定的鲁棒性变得至关重要。
发明内容
本发明提供了一种整车质量确定方法、装置、车辆及存储介质,可以精确地确定车辆质量,并且提高车辆质量确定的鲁棒性。
根据本发明的一方面,提供了一种整车质量确定方法,包括:
当确定车辆处于预设工况状态时,实时确定所述车辆的加速度信号变化率方差和坡度信号变化率方差;
根据所述加速度信号变化率方差及所述坡度信号变化率方差,确定所述车辆的动态遗忘因子;
基于所述动态遗忘因子实时确定所述车辆的整车质量。
根据本发明的另一方面,提供了一种整车质量确定装置,包括:
方差确定模块,用于当确定车辆处于预设工况状态时,实时确定所述车辆的加速度信号变化率方差和坡度信号变化率方差;
动态遗忘因子确定模块,用于根据所述加速度信号变化率方差及所述坡度信号变化率方差,确定所述车辆的动态遗忘因子;
整车质量确定模块,用于基于所述动态遗忘因子实时确定所述车辆的整车质量。
根据本发明的另一方面,提供了一种车辆,所述车辆包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的整车质量确定方法。
根据本发明的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的整车质量确定方法。
本发明实施例的整车质量确定方案,包括:当确定车辆处于预设工况状态时,实时确定所述车辆的加速度信号变化率方差和坡度信号变化率方差;根据所述加速度信号变化率方差及所述坡度信号变化率方差,确定所述车辆的动态遗忘因子;基于所述动态遗忘因子实时确定所述车辆的整车质量。通过本发明实施例提供的技术方案,可以精确地确定车辆质量,并且提高车辆质量确定的鲁棒性。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例一提供的一种整车质量确定方法的流程图;
图2是根据本发明实施例二提供的一种整车质量确定装置的结构示意图;
图3是实现本发明实施例的整车质量确定方法的车辆的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,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前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等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,以便这里描述的本发明的实施例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。
实施例一
图1为本发明实施例一提供了一种整车质量确定方法的流程图,本实施例可适用于对车辆质量进行估算的情况,该方法可以由整车质量确定装置来执行,该整车质量确定装置可以采用硬件和/或软件的形式实现,该整车质量确定装置可配置于车辆中。如图1所示,该方法包括:
S110、当确定车辆处于预设工况状态时,实时确定所述车辆的加速度信号变化率方差和坡度信号变化率方差。
其中,车辆可以包括乘用车、客车、商用车等,本发明实施例对车辆的类型不做限定。
在本发明实施例中,实时检测车辆所处的工况状态,判断车辆是否处于预设工况状态。示例性的,可以通过实时获取车辆的工况状态关联信息,如车辆的速度、坡度信号、及上装工作信号等相关信息,将工况状态关联信息输入至预先训练的工况状态确定模型中,根据工况状态确定模型的输出结果,确定车辆所处的工况状态,然后进一步判断是否处于预设工况状态。可选的,还可以将工况状态关联信息输入至预先训练的预设工况状态判断模型,根据预设工况状态判断模型的输出结果,判断车辆是否处于预设工况状态。
可选的,确定车辆处于预设工况状态,包括:实时采集所述车辆的关联信号;其中,所述关联信号包括车速信号、坡度信号、油门踏板开度信号、制动踏板开度信号、动力源输出扭矩信号、上装工作信号、巡航控制信号、门开关信号及钥匙门信号中的至少一个;当所述关联信号满足第一预设条件时,确定所述车辆处于预设工况状态。示例性的,可以基于CAN总线实时采集车速信号、坡度信号、油门踏板开度信号、制动踏板开度信号、动力源输出扭矩信号、上装工作信号、巡航控制信号、门开关信号、钥匙门信号,其中,各个信号的采样频率可以为10Hz,采样精度可以分别为0.01km/h、0.04%、0.04%、0.04%、0.125Nm、1、1、1和1。对采集的关联信号进行预处理,如果存在当前时刻的缺失信号,则可基于当前时刻前的其他时刻的信号,利用线性插值方法补全缺失的采样信号。判断上述关联信号是否满足第一预设条件,若是,则确定车辆处于预设工况状态。
可选的,所述第一预设条件包括下列条件一至条件七中的任意一种:条件一、所述车辆首次处于高压状态,车速大于0且油门踏板开度大于0;条件二、所述车辆处于高压状态,车速大于0,上一次确定整车质量后,上装工作信号激活次数大于0;条件三、所述车辆处于高压状态,车速信号大于0,上一次确定整车质量后,门开关信号激活次数大于0;条件四、所述车辆处于高压状态,车速信号大于0,上一次确定整车质量后,挂车连接信号上升沿或下降沿次数大于0;条件五、所述车辆处于高压状态,上一次确定整车质量后,车速大于0,油门踏板开度和制动踏板开度均等于0;条件六、所述车辆处于高压状态,上一次确定整车质量后,车辆首次进入巡航控制状态;条件七、所述车辆处于高压状态,车速信号大于0,上一次确定整车质量后,所述车辆的行驶里程大于预设距离阈值或者所述车辆的行驶时长大于预设时长阈值。可以理解的是,当采集的车辆的关联信号满足上述七种条件中的任意一个时,可以确定车辆处于预设工况状态。
在本发明实施例中,当确定车辆处于预设工况状态时,确定车辆的加速度信号变化率方差和坡度信号变化率方差。例如,计算加速度信号变化率在0.5s内(50个数据点)的方差,计算坡度信号变化率在0.5s内(50个数据点)的方差。
S120、根据所述加速度信号变化率方差及所述坡度信号变化率方差,确定所述车辆的动态遗忘因子。
示例性的,获取预先训练的动态遗忘因子确定模型,将加速度信号变化率方差及坡度信号变化率方差输入至动态遗忘因子确定模型中,根据动态遗忘因子确定模型的输出结果,确定车辆的动态遗忘因子。
可选的,根据所述加速度信号变化率方差及所述坡度信号变化率方差,确定所述车辆的动态遗忘因子,包括:将所述加速度信号变化率方差及所述坡度信号变化率方差输入至模糊控制器中,将所述模糊控制器的输出结果作为所述车辆的动态遗忘因子。示例性的,车辆的动态遗忘因子的确定过程可以包括以下几个步骤:步骤一、定义模糊控制器的输入量和输出量:其中,加速度信号变化率方差和坡度信号变化率方差为模糊控制器的输入量;动态遗忘因子为模糊控制器的输出量;步骤二、对输入量和输出量进行模糊化处理:加速度信号变化率方差和坡度信号变化率方差的论域均为[-3,3],将区间分为7个模糊子集,分别定义为负大、负中、负小、零、正小、正中和正大;遗忘因子系数的论域为[0.1,0.99],将区间分为7个模糊子集,分别定义为快速淡化、常速淡化、慢速淡化、保持、慢速增强、常速增强和快速增强;步骤三、隶属函数选择三角形函数;步骤四、模糊控制遵循的准则:当输入量都较大时,采用较小的动态遗忘因子;当两个输入量都较小时,采用较大的动态遗忘因子。步骤五、模糊决策以及模糊输出:模糊控制器将2个实际输入量通过隶属度函数转变为模糊输入量,然后确定模糊输入量对应的全部模糊输入集,再提取模糊输入集所对应的控制语句,通过控制语句与模糊关系矩阵得到模糊输出集,再进行解模糊化处理得到模糊输出,最后通过输出隶属度函数转化为动态遗忘因子。
S130、基于所述动态遗忘因子实时确定所述车辆的整车质量。
可选的,基于所述动态遗忘因子实时确定所述车辆的整车质量,包括:构建车辆纵向动力学方程组;对所述车辆纵向动力学方程组进行处理,生成目标动力学方程;基于所述目标动力学方程构建带有时变特征的动态遗忘因子的递推最小二乘质量确定方程;基于所述递推最小二乘质量确定方程及所述动态遗忘因子,实时确定所述车辆的整车质量。
示例性的,整车质量确定过程可以包括以下步骤:
步骤一、根据车辆理论知识,创建车辆动力学方程组:
其中:Ft表示驱动力,N;Ff表示滚动阻力,N;Fw表示空气阻力,N;Fi表示坡道阻力,N;Fj表示加速阻力,N;m表示整车质量,kg;g表示重力加速度,m/s2;f表示滚动阻力系数;θ表示道路坡度角,°;ρ表示空气密度,kg/m3;CD表示空气阻力系数;A1表示迎风面积,m2;v表示车速,km/h;δ表示车辆旋转质量转换系数;a表示整车加速度,m/s2。
步骤二、简化车辆动力学方程组,因为根据道路设计规范要求,道路坡度都比较小,则存在以下关系:
则生成的目标动力学方程表达为:
步骤三、将上述目标动力学方程转化为最小二乘格式,得到:
式中,Ftw表示系统输出量,Wai为可观测的数据向量,m为待辨识的系统参数,e为过程白噪声。
步骤四、基于所述目标动力学方程构建带有时变特征的动态遗忘因子的递推最小二乘质量确定方程,表达为:
式中:y(k)是动态过程输出量,即等价于Ftw;u(k)是动态过程输入量,即等价于Wai;e(k)是服从正泰分布的动态过程白噪声;hτ(k)为可观测的输入输出数据向量;为动态过程估计量,即等价于m;u(k)为第k时刻的遗忘因子,表达为
u(k)=1-0.05·u1(k)k
步骤五、引入时间系数,得到带有时变特征的动态遗忘因子,求解上式即可得到车辆的整车质量。
本发明实施例的整车质量确定方案,包括:当确定车辆处于预设工况状态时,实时确定所述车辆的加速度信号变化率方差和坡度信号变化率方差;根据所述加速度信号变化率方差及所述坡度信号变化率方差,确定所述车辆的动态遗忘因子;基于所述动态遗忘因子实时确定所述车辆的整车质量。通过本发明实施例提供的技术方案,可以精确地确定车辆质量,并且提高车辆质量确定的鲁棒性。
在一些实施例中,在基于所述动态遗忘因子实时确定所述车辆的整车质量之后,还包括:当满足第二预设条件时,将上一时刻的整车质量作为预设时间段内所述车辆的整车质量,直至确定车辆处于预设工况状态时,返回执行实时确定所述车辆的加速度信号变化率方差和坡度信号变化率方差。其中,所述第二预设条件包括:基于所述动态遗忘因子实时确定所述车辆的整车质量的持续时长小于预设时长;或者,所述整车质量未收敛且所述车辆的车速为0;或者,所述整车质量未收敛且所述车辆的动力中断。这样设置的好处在于,可以对车辆的整车质量进行具有不同程度的更新,收敛速度更快,并且算法激活场景更为智能,节省算力。
在本发明实施例中,当基于动态遗忘因子实时确定车辆的整车质量的持续时长大于预设时长(如5s)或整车质量达到收敛时,退出该整车质量的确定过程,然后一直稳定输出整车质量。当基于动态遗忘因子实时确定车辆的整车质量的持续时长小于预设时长;或者,整车质量未收敛且车辆的车速为0;或者,整车质量未收敛且车辆的动力中断时,将上一时刻的整车质量作为预设时间段内车辆的整车质量,直至确定车辆处于预设工况状态时,返回执行实时确定车辆的加速度信号变化率方差和坡度信号变化率方差。
实施例二
图2为本发明实施例二提供的一种整车质量确定装置的结构示意图。
如图2所示,该装置包括:
方差确定模块210,用于当确定车辆处于预设工况状态时,实时确定所述车辆的加速度信号变化率方差和坡度信号变化率方差;
动态遗忘因子确定模块220,用于根据所述加速度信号变化率方差及所述坡度信号变化率方差,确定所述车辆的动态遗忘因子;
整车质量确定模块230,用于基于所述动态遗忘因子实时确定所述车辆的整车质量。
可选的,所述方差确定模块,用于:
实时采集所述车辆的关联信号;其中,所述关联信号包括车速信号、坡度信号、油门踏板开度信号、制动踏板开度信号、动力源输出扭矩信号、上装工作信号、巡航控制信号、门开关信号及钥匙门信号中的至少一个;
当所述关联信号满足第一预设条件时,确定所述车辆处于预设工况状态。
可选的,所述第一预设条件包括下列条件一至条件七中的任意一种:
条件一、所述车辆首次处于高压状态,车速大于0且油门踏板开度大于0;
条件二、所述车辆处于高压状态,车速大于0,上一次确定整车质量后,上装工作信号激活次数大于0;
条件三、所述车辆处于高压状态,车速信号大于0,上一次确定整车质量后,门开关信号激活次数大于0;
条件四、所述车辆处于高压状态,车速信号大于0,上一次确定整车质量后,挂车连接信号上升沿或下降沿次数大于0;
条件五、所述车辆处于高压状态,上一次确定整车质量后,车速大于0,油门踏板开度和制动踏板开度均等于0;
条件六、所述车辆处于高压状态,上一次确定整车质量后,车辆首次进入巡航控制状态;
条件七、所述车辆处于高压状态,车速信号大于0,上一次确定整车质量后,所述车辆的行驶里程大于预设距离阈值或者所述车辆的行驶时长大于预设时长阈值。
可选的,所述动态遗忘因子确定模块,用于:
将所述加速度信号变化率方差及所述坡度信号变化率方差输入至模糊控制器中,将所述模糊控制器的输出结果作为所述车辆的动态遗忘因子。
可选的,所述整车质量确定模块,用于:
构建车辆纵向动力学方程组;
对所述车辆纵向动力学方程组进行处理,生成目标动力学方程;
基于所述目标动力学方程构建带有时变特征的动态遗忘因子的递推最小二乘质量确定方程;
基于所述递推最小二乘质量确定方程及所述动态遗忘因子,实时确定所述车辆的整车质量。
可选的,还包括:
循环模块,用于在基于所述动态遗忘因子实时确定所述车辆的整车质量之后,当满足第二预设条件时,将上一时刻的整车质量作为预设时间段内所述车辆的整车质量,直至确定车辆处于预设工况状态时,返回执行实时确定所述车辆的加速度信号变化率方差和坡度信号变化率方差。
可选的,所述第二预设条件包括:
基于所述动态遗忘因子实时确定所述车辆的整车质量的持续时长小于预设时长;或者,
所述整车质量未收敛且所述车辆的车速为0;或者,
所述整车质量未收敛且所述车辆的动力中断。
本发明实施例所提供的整车质量确定装置可执行本发明任意实施例所提供的整车质量确定方法,具备执行方法相应的功能模块和有益效果。
实施例三
图3示出了可以用来实施本发明的实施例的车辆10的结构示意图。车辆旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。车辆还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图3所示,车辆10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储车辆10操作所需的各种程序和数据。处理器11、ROM12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
车辆10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许车辆10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如整车质量确定方法。
在一些实施例中,整车质量确定方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到车辆10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的整车质量确定方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行整车质量确定方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在车辆上实施此处描述的系统和技术,该车辆具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给车辆。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种整车质量确定方法,其特征在于,包括:
当确定车辆处于预设工况状态时,实时确定所述车辆的加速度信号变化率方差和坡度信号变化率方差;
根据所述加速度信号变化率方差及所述坡度信号变化率方差,确定所述车辆的动态遗忘因子;
基于所述动态遗忘因子实时确定所述车辆的整车质量。
2.根据权利要求1所述的方法,其特征在于,确定车辆处于预设工况状态,包括:
实时采集所述车辆的关联信号;其中,所述关联信号包括车速信号、坡度信号、油门踏板开度信号、制动踏板开度信号、动力源输出扭矩信号、上装工作信号、巡航控制信号、门开关信号及钥匙门信号中的至少一个;
当所述关联信号满足第一预设条件时,确定所述车辆处于预设工况状态。
3.根据权利要求2所述的方法,其特征在于,所述第一预设条件包括下列条件一至条件七中的任意一种:
条件一、所述车辆首次处于高压状态,车速大于0且油门踏板开度大于0;
条件二、所述车辆处于高压状态,车速大于0,上一次确定整车质量后,上装工作信号激活次数大于0;
条件三、所述车辆处于高压状态,车速信号大于0,上一次确定整车质量后,门开关信号激活次数大于0;
条件四、所述车辆处于高压状态,车速信号大于0,上一次确定整车质量后,挂车连接信号上升沿或下降沿次数大于0;
条件五、所述车辆处于高压状态,上一次确定整车质量后,车速大于0,油门踏板开度和制动踏板开度均等于0;
条件六、所述车辆处于高压状态,上一次确定整车质量后,车辆首次进入巡航控制状态;
条件七、所述车辆处于高压状态,车速信号大于0,上一次确定整车质量后,所述车辆的行驶里程大于预设距离阈值或者所述车辆的行驶时长大于预设时长阈值。
4.根据权利要求1所述的方法,其特征在于,根据所述加速度信号变化率方差及所述坡度信号变化率方差,确定所述车辆的动态遗忘因子,包括:
将所述加速度信号变化率方差及所述坡度信号变化率方差输入至模糊控制器中,将所述模糊控制器的输出结果作为所述车辆的动态遗忘因子。
5.根据权利要求1所述的方法,其特征在于,基于所述动态遗忘因子实时确定所述车辆的整车质量,包括:
构建车辆纵向动力学方程组;
对所述车辆纵向动力学方程组进行处理,生成目标动力学方程;
基于所述目标动力学方程构建带有时变特征的动态遗忘因子的递推最小二乘质量确定方程;
基于所述递推最小二乘质量确定方程及所述动态遗忘因子,实时确定所述车辆的整车质量。
6.根据权利要求1所述的方法,其特征在于,在基于所述动态遗忘因子实时确定所述车辆的整车质量之后,还包括:
当满足第二预设条件时,将上一时刻的整车质量作为预设时间段内所述车辆的整车质量,直至确定车辆处于预设工况状态时,返回执行实时确定所述车辆的加速度信号变化率方差和坡度信号变化率方差。
7.根据权利要求6所述的方法,其特征在于,所述第二预设条件包括:
基于所述动态遗忘因子实时确定所述车辆的整车质量的持续时长小于预设时长;或者,
所述整车质量未收敛且所述车辆的车速为0;或者,
所述整车质量未收敛且所述车辆的动力中断。
8.一种整车质量确定装置,其特征在于,包括:
方差确定模块,用于当确定车辆处于预设工况状态时,实时确定所述车辆的加速度信号变化率方差和坡度信号变化率方差;
动态遗忘因子确定模块,用于根据所述加速度信号变化率方差及所述坡度信号变化率方差,确定所述车辆的动态遗忘因子;
整车质量确定模块,用于基于所述动态遗忘因子实时确定所述车辆的整车质量。
9.一种车辆,其特征在于,所述车辆包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的整车质量确定方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的整车质量确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310727146.5A CN116572973B (zh) | 2023-06-19 | 2023-06-19 | 一种整车质量确定方法、装置、车辆及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310727146.5A CN116572973B (zh) | 2023-06-19 | 2023-06-19 | 一种整车质量确定方法、装置、车辆及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116572973A true CN116572973A (zh) | 2023-08-11 |
CN116572973B CN116572973B (zh) | 2024-06-18 |
Family
ID=87537992
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310727146.5A Active CN116572973B (zh) | 2023-06-19 | 2023-06-19 | 一种整车质量确定方法、装置、车辆及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116572973B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015082821A1 (fr) * | 2013-12-02 | 2015-06-11 | Renault S.A.S | Procédé et dispositif d' estimation de la masse d'un véhicule automobile |
US20160082964A1 (en) * | 2014-09-23 | 2016-03-24 | Cummins Inc. | Vehicle controls including dynamic vehicle mass and road grade estimation during vehicle operation |
US20160332633A1 (en) * | 2013-07-11 | 2016-11-17 | C.R.F. Societa' Consortile Per Azioni | Automotive control unit programmed to estimate road slope and vehicle mass, vehicle with such a control unit and corresponding program product |
CN106740870A (zh) * | 2016-12-28 | 2017-05-31 | 重庆大学 | 一种考虑换挡因素的车辆质量估计方法 |
CN112429010A (zh) * | 2020-12-02 | 2021-03-02 | 东风商用车有限公司 | 一种整车质量和道路坡度估算方法 |
CN112550297A (zh) * | 2020-12-16 | 2021-03-26 | 陕西法士特齿轮有限责任公司 | 纯电动商用车基于三轴加速度计的重量和坡度计算方法 |
CN112613253A (zh) * | 2021-01-06 | 2021-04-06 | 东南大学 | 考虑环境因素的车辆质量和道路坡度联合自适应估计方法 |
CN113119980A (zh) * | 2021-03-24 | 2021-07-16 | 西安法士特汽车传动有限公司 | 一种用于电动车的道路坡度估计方法、系统和设备 |
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 |
CN113806861A (zh) * | 2021-09-01 | 2021-12-17 | 长安大学 | 一种两步结构的车辆质量和道路坡度的估算方法 |
CN114379568A (zh) * | 2022-01-24 | 2022-04-22 | 广州瑞立科密汽车电子股份有限公司 | 基于车辆质量估计的车辆控制方法、装置、介质和车辆 |
US20230054246A1 (en) * | 2020-05-06 | 2023-02-23 | Beijing Institute Of Technology | Iterative joint estimation method of vehicle mass and road gradient based on mmrls and sh-stf |
-
2023
- 2023-06-19 CN CN202310727146.5A patent/CN116572973B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160332633A1 (en) * | 2013-07-11 | 2016-11-17 | C.R.F. Societa' Consortile Per Azioni | Automotive control unit programmed to estimate road slope and vehicle mass, vehicle with such a control unit and corresponding program product |
WO2015082821A1 (fr) * | 2013-12-02 | 2015-06-11 | Renault S.A.S | Procédé et dispositif d' estimation de la masse d'un véhicule automobile |
US20160082964A1 (en) * | 2014-09-23 | 2016-03-24 | Cummins Inc. | Vehicle controls including dynamic vehicle mass and road grade estimation during vehicle operation |
CN106740870A (zh) * | 2016-12-28 | 2017-05-31 | 重庆大学 | 一种考虑换挡因素的车辆质量估计方法 |
US20230054246A1 (en) * | 2020-05-06 | 2023-02-23 | Beijing Institute Of Technology | Iterative joint estimation method of vehicle mass and road gradient based on mmrls and sh-stf |
CN112429010A (zh) * | 2020-12-02 | 2021-03-02 | 东风商用车有限公司 | 一种整车质量和道路坡度估算方法 |
CN112550297A (zh) * | 2020-12-16 | 2021-03-26 | 陕西法士特齿轮有限责任公司 | 纯电动商用车基于三轴加速度计的重量和坡度计算方法 |
CN112613253A (zh) * | 2021-01-06 | 2021-04-06 | 东南大学 | 考虑环境因素的车辆质量和道路坡度联合自适应估计方法 |
CN113119980A (zh) * | 2021-03-24 | 2021-07-16 | 西安法士特汽车传动有限公司 | 一种用于电动车的道路坡度估计方法、系统和设备 |
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 |
CN113806861A (zh) * | 2021-09-01 | 2021-12-17 | 长安大学 | 一种两步结构的车辆质量和道路坡度的估算方法 |
CN114379568A (zh) * | 2022-01-24 | 2022-04-22 | 广州瑞立科密汽车电子股份有限公司 | 基于车辆质量估计的车辆控制方法、装置、介质和车辆 |
Also Published As
Publication number | Publication date |
---|---|
CN116572973B (zh) | 2024-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109720213B (zh) | 一种车辆转矩控制方法及装置 | |
CN110990950B (zh) | 基于混合运行模式的多目标列车节能优化方法 | |
CN114771283A (zh) | 一种爬行控制方法、装置、电动汽车和存储介质 | |
CN116572973B (zh) | 一种整车质量确定方法、装置、车辆及存储介质 | |
CN117784832A (zh) | 一种测试车辆测试车速的控制方法、装置及电子设备 | |
CN116552474B (zh) | 一种基于强化学习的车速控制方法、装置、设备和介质 | |
CN117002274A (zh) | 一种清扭斜率控制方法、装置、车辆及存储介质 | |
CN114872685B (zh) | 混合动力汽车控制方法、装置、混合动力汽车及存储介质 | |
CN116552476A (zh) | 液力缓速器的充液率状态确定方法、装置、设备及介质 | |
CN115288872B (zh) | 一种扭矩控制方法、装置及系统 | |
CN117400941A (zh) | 车辆控制方法、装置、电子设备及存储介质 | |
CN118046755A (zh) | 汽车能量回收控制方法、装置、电子设备及存储介质 | |
CN114750765B (zh) | 一种车辆的路谱数据确定方法、装置、设备、介质及产品 | |
CN116142198A (zh) | 一种整车运行模式切换方法、装置、车辆及存储介质 | |
CN115009278B (zh) | 一种巡航控制方法、装置、设备及存储介质 | |
CN116594392A (zh) | 极限工况下的车辆轨迹跟踪控制方法、装置、设备及介质 | |
CN117734692A (zh) | 一种车辆换道结果确定方法、装置、设备及存储介质 | |
CN116494947A (zh) | 一种车辆增程器发电控制方法、装置、设备及存储介质 | |
CN116161016A (zh) | 一种电动车的自动泊车方法、装置、设备及介质 | |
CN117657105A (zh) | 防止混动车电机超速的控制方法、装置、混动车及介质 | |
CN115610426A (zh) | 一种车辆的滑行模式的确定方法及装置 | |
CN115649161A (zh) | 一种节油车速确定方法、装置、系统及存储介质 | |
CN117307705A (zh) | 一种档位控制方法、装置、车辆及存储介质 | |
CN118484931A (zh) | 基于强化学习的列车制动方法、装置、电子设备及存储介质 | |
CN118068729A (zh) | 车辆泊车过程中横纵向控制参数更新调整方法、装置、设备和介质 |
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 |