[发明专利]一种考虑参数耦合关系的汽车质量和道路坡度估计方法

说明书

本发明公开了一种考虑参数耦合关系的汽车质量和道路坡度估计方法，包括步骤一、获取车辆状态数据和车辆固有参数并计算获得第k时刻的加速度a以及变速器传动比i_g；步骤二、建立汽车质量模型与道路坡度模型；步骤三、分别基于汽车质量模型与道路坡度模型，构建最小二乘质量估计模型和卡尔曼滤波坡度估计模型，步骤四、采用嵌套循环迭代进行汽车质量和道路坡度联合估计。本发明能为汽车智能系统提供实时的道路坡度信息和汽车负载情况，为自动驾驶辅助决策、绿色驾驶、及自动变速器换挡控制提供重要的依据，从而实现安全、经济、舒适驾驶。

技术领域

本发明属于智能交通领域，具体涉及一种考虑参数耦合关系的汽车质量和道路坡度估计方法。

背景技术

车辆动力学模型参数的实时估计是车辆控制的基础，而汽车质量和道路坡度是车辆动力学模型中的重要参数，准确实时的估计汽车质量和道路坡度可以有效提高车辆动力性和经济性。根据汽车质量在线调整换挡控制策略不仅能够使自动换挡过程中车辆运行更加顺畅,而且还能够得到更为经济的换挡控制策略。基于道路坡度、速度和加速度等信息可以计算出车辆功率系数，由此估计克服空气阻力和滚动阻力所需的发动机功率，从而实现排放控制。但汽车质量和道路坡度在汽车行驶过程中的动力学模型中存在强耦合关系，这严重影响实际驾驶过程中对汽车质量和道路坡度的感知精度。因此，探索一种考虑参数耦合关系的汽车质量和道路坡度的联合估计方法对于提高汽车动力性和燃油经济性具有重要意义。

目前对于汽车质量和道路坡度的获取方法可以分为两类，一类是基于传感器的方法，一类是基于车辆纵向动力学模型的方法。基于传感器的方法是通过在车辆上加装额外的传感器，例如单摆式角位移传感器、惯性导航仪等来直接测出坡度角,再进一步计算车重。例如收集通过加装加速度传感器或者GPS全球定位系统等获取的坡度信号，先计算得到道路的坡道角，然后再基于车辆纵向动力学得到车辆的质量。这种方法比较适用于静态条件下如车辆起步时的坡度检测，在常规车辆行驶过程中，受车身纵向加速度、悬架变形和路面颠簸的影响,传感器不能得到路面坡度的正确值，且这些方法对GPS信号的品质要求比较高，在使用低成本的GPS 的情况下难以达到很好的效果。基于车辆纵向动力学或者运动学的识别方法利用车辆的纵向动力学模型加上从汽车CAN总线上获取的数据(例如发动机扭矩百分比、发动机转速、车速、挡位等信号)来估算未知的系统参数。虽然这方面的方法有很多，但是一个共同的难题在于车辆自身参数(重量等)和外部阻力(坡度)变化的解耦，此外，道路的时变性也增加了估算过程的复杂性。

发明内容

有鉴于此，为了解决上述问题，本发明提供一种考虑参数耦合关系的汽车质量和道路坡度估计方法，该方法对慢变的汽车质量进行最小二乘估计，对快变的的道路坡度进行卡尔曼滤波估计，并通过设计合理步长将两者实现嵌套循环，并考虑汽车质量和道路坡度的参数特性对异常估计值进行滤波处理，从而提高汽车质量和道路坡度的估计精度。

本发明的目的是通过以下技术方案来实现的：本发明提供的一种考虑参数耦合关系的汽车质量和道路坡度估计方法，该方法包括以下步骤：

步骤一、获取车辆状态数据和车辆固有参数并计算获得第k时刻的加速度a以及变速器传动比i_g；

步骤二、建立汽车质量模型与道路坡度模型；

步骤三、分别基于汽车质量模型与道路坡度模型，构建最小二乘质量估计模型和卡尔曼滤波坡度估计模型；

步骤四、采用嵌套循环迭代进行汽车质量和道路坡度联合估计。

优选地，该方法还包括步骤五、采用k-means聚类法和中值滤波法进行异常数据处理。