[发明专利]一种基于信息融合的汽车道路坡度估计方法

说明书

本发明旨在解决现有汽车坡度估计方法无法同时兼顾成本低、标定难度低、精度高、和实时性强的问题，提出了一种基于信息融合的汽车道路坡度估计方法。本方法包括以下步骤：第一步，从总线获取对应信号，保证充分利用可用信息提高精度；第二步，对原始信号进行低通滤波等处理，同时求解之后需要用到的信号；第三步，根据第一步以及第二步的参数建立整车的纵向动力学模型和关于道路坡度的纵向运动学模型；第四步，分别利用非线性观测器和带遗忘因子的最小二乘法求解动力学与运动学情况下的坡度；第五步，融合两种方法得到最终坡度估计结果。

技术领域

本发明涉及一种汽车用道路坡度识别方法，特别涉及一种运动学与动力学多方法融合的道路坡度实时估计方法。

背景技术

坡度作为车辆行驶状态参数重要组成部分之一，对车辆稳定性以及经济性控制十分重要。在实际驾驶过程中，道路坡度直接影响车辆的行驶状态以及驾驶员的行为操作，而精度较高的坡度估计结果可以为车辆控制提供保障。

目前坡道识别的研究主要采用传感器直接采集相关的数据，再经过数学算法得到道路坡度估计结果。但是在实际应用中，传感器精度容易受到环境影响而出现误差，进而导致估计结果错误。同时，部分高精度传感器价格高昂故不适合量产使用，所以利用车辆标准配置的传感器信息估计出汽车坡度是当前的主要问题。

近年来，为应对车辆实际控制需求，国内学者对车辆坡度估计进行了一系列研究。如中国专利公布号为CN113978473A，公布日为2022-01-28，公开了一种车辆质量与道路坡度估计方法，该方法融合整车质量与道路坡度的纵向动力学模型和关于道路坡度的纵向运动学模型，在预测整车质量估计值和道路坡度估计值的时候能够同时综合两者情况进行估计。中国专利公布号CN111391857B，公布日为2021-08-06，公开了一种分布式驱动电动汽车坡度估计方法及系统。该系统采用卡尔曼滤波算法对车辆的纵向加速度进行滤波，根据滤波得到的车辆纵向加速度，计算车辆所处路面的坡度。然而，现有专利的主流方法中，采用多传感器的复杂方法安装成本较高，标定量较多，实际应用困难；采用常规传感器的方法容易忽略原始信号处理部分，同时没有将车辆总线上的信号充分利用起来，导致估计精度较低。针对车辆坡度估计目前存在的问题，制定相应的高实时性、高精度、低成本且具有很好工况适应性的坡度估计方法，对车辆稳定性以及经济性控制有十分重要的意义。

发明内容

本发明旨在解决现有汽车坡度估计方法无法同时兼顾成本低、标定难度低、精度高、和实时性强的问题，提出了一种基于信息融合的汽车道路坡度估计方法。

为解决上述技术问题，本发明是采用如下技术方案实现的：包括下列步骤：

第一步，从车辆总线获取必要信号

首先确定坡度估计所需信号：由惯性传感器所获得的车辆x，y，z三个方向的加速度ax_sensor,ay_sensor,az_sensor；车辆速度v；车辆当前挡位信息；发动机输出扭矩T_tq；车辆此时总质量m；车辆车轮总制动力F_brk。

第二步，对第一步获取的信号进行处理

对于来自传感器采集得到的原始信号，由于车辆换挡及加减速等行为，存在尖点以及毛刺等不正确的信息，需要对其进行初步处理，去除部分失真信息以及错误信息。

利用来自总线的信号进行计算，获得无法直接观测的所需数据，包括：重力加速度g；车辆变速箱传动比i_g；传动系统传动效率η；滚动阻力系数f；车辆加速度a。

其中，重力加速度g的数值在车辆行驶过程中与地理位置相关，因此在使用重力加速度g前需要重新对其进行计算，其具体计算公式为：