[发明专利]一种纯电动车的整车质量和路面坡度的估算方法

说明书

本发明公开了一种纯电动车的整车质量和路面坡度的估算方法，属于车辆质量和道路坡度计算领域。一种纯电动车的整车质量和路面坡度的估算方法，包括：1)获取车辆行驶的状态信息及车辆参数；2)获取车辆三个方向的加速度值；3)将1)和2)的数据采用带动态遗忘因子的最小二乘法建立车辆质量及坡度的估计模型；将1)和2)的数据利用卡尔曼滤波建立坡度的估计模型；4)将车辆行驶的状态信息分别到输入两个估计模型中，得到实时车重和两个路面坡度；5)将两个路面坡度采用融合算法，带入预设的时间因子，输出的最终的路面坡度。本发明的算法克服现有技术坡度估计严重依赖于车辆模型精度且受加速度传感器静态误差影响较大的缺点。

技术领域

本发明属于车辆质量和道路坡度计算领域，尤其是一种纯电动车的整车质量和路面坡度的估算方法。

背景技术

当前，对车辆质量和道路坡度的估算受到越来越多整车企业及零部件制造商的关注。目前，获得道路坡度角和车辆质量的研究方法主要有基于传感器和车辆纵向动力学两种。基于传感器的识别法是通过在车辆上加装传感器，例如利用倾角位移传感器、惯性导航仪和GPS等直接测出坡度角，再进一步计算车辆质量。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，使用角位移传感器不能得到路面坡度的准确值；使用惯性导航仪测量坡道角度滞后较为严重且成本高，不利于实车普遍使用；而GPS频率低且存在定位误差，在特殊区域连续定位时存在不能接收信号或信号偏差较大的问题，小的速度误差导致大的坡度估计误差。

基于车辆纵向动力学或运动学的识别方法是利用车辆的纵向动力学模型加上从汽车CAN总线上获取的数据来估算未知的系统参数。虽然这方面的方法有很多，但一个共同的难题在于车辆自身参数(质量等)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。

动力学和运动学方法多用于质量和坡度的联合估计及质量的单独估计。一汽技术中心王玉海等突出了道路综合阻力和相对行驶坡度的概念，在SAE1939的基础上通过CAN得到汽车发动机的输出转矩和扭矩，接着对转速进行差分获得了汽车行驶加速度和道路综合阻力，初步实现了对路面坡度的识别。VahidiA提出了一种利用最小二乘法来同时对质量和坡度进行估计的方法。McIntyreML发展了这一方法，采用自适应观测器对质量和坡度进行同时观测，设计了自适应律，保证了观测的稳定性，在路面坡度发生阶跃变化等剧烈波动行为时，取得了一定的观测效果。LingmanP利用Kalman滤波器对质量和坡度进行了联合估计，运用卡尔曼滤波原理对识别坡度所需的汽车驱动力、车速和粘滞阻力进行了滤波处理，计算得到结果，但这种观测器在坡度变化较大时估计效果有待进一步探究。还有学者在已知坡度时利用纵向动力学方法建立了观测方程，并利用Kalman滤波对整车质量进行了估计，该方法的估计精度取决于路面坡度估计精度。

发明内容

本发明的目的在于克服现有技术坡度估计严重依赖于车辆模型精度且受加速度传感器静态误差影响较大的缺点，提供一种纯电动车的整车质量和路面坡度的估算方法。

为达到上述目的，本发明采用以下技术方案予以实现：

一种纯电动车的整车质量和路面坡度的估算方法，包括以下步骤：

1)获取车辆行驶的状态信息及车辆参数；

所述车辆行驶的状态信息包括车辆车速、电机扭矩、油门踏板开度、手刹脚刹状态和当前挡位；

车辆参数包括轮胎半径、后桥速比和迎风面积；

2)利用换挡控制器内部现有加速度传感器监测车辆控制物理安装偏差并重新找零，得到车辆三个方向的加速度值；

3)将步骤1)和步骤2)的数据采用带动态遗忘因子的最小二乘法建立车辆质量及坡度的估计模型；

将步骤1)和步骤2)的数据利用卡尔曼滤波建立坡度的估计模型；