[发明专利]电动汽车的车速和道路坡度计算方法

权利要求书

1.一种电动汽车的车速和道路坡度计算方法，其特征在于，包括：

获取电动汽车的车辆状态数据；

基于车辆动力学方程和所述电动汽车的车辆状态数据建立电动汽车的车辆状态数据的关系模型；

基于所述电动汽车的车辆状态数据的关系模型，构建扩展卡尔曼滤波算法模型；

基于所述扩展卡尔曼滤波算法模型，计算新息理论协方差和新息实际协方差，其中，所述扩展卡尔曼滤波算法模型的滑动时间窗口根据所述电动汽车的车辆驾驶工况确定；

基于所述新息理论协方差和所述新息实际协方差确定卡尔曼滤波系数；

利用所述卡尔曼滤波系数构建自适应扩展卡尔曼滤波算法模型；

通过所述自适应扩展卡尔曼滤波算法模型计算所述电动汽车的车速和道路坡度的估计值。

2.根据权利要求1所述的方法，其特征在于，所述电动汽车的车辆状态数据包括整车质量、车辆行驶速度、车轮滚动半径、车轮滚动阻力、道路坡度和电机扭矩，所述基于车辆动力学方程所述电动汽车的车辆状态数据建立电动汽车的车辆状态数据的关系模型，包括：

使用如下公式建立电动汽车的车辆状态数据的关系模型：

其中，m为整车质量，v为车辆行驶速度，F_t为车辆的驱动力，r为车轮滚动半径，F_f为车轮滚动阻力，F_aero为空气阻力，F_i为坡度阻力式中θ为道路坡度，M_T，D为电机扭矩，ρ为空气密度，A为迎风面积，C_D为空气阻力系数，G为重力加速度。

3.根据权利要求2所述的方法，其特征在于，所述基于所述电动汽车的车辆状态数据的关系模型，构建扩展卡尔曼滤波算法模型，包括：

将所述关系模型转化为状态空间方程：

其中，M_T为电机驱动力矩，f_r为摩擦系数；

将所述状态空间方程转化为状态空间方程的标准形式：

其中，x∈Rⁿ是系统状态向量，u∈R是系统输入，y∈R^m是系统输出，A∈R^n×n,B∈Rⁿ,C∈R^m×n是系统的状态矩阵；

其中，

式中，Δt是采样时间，假设坡度不会产生突变；ω(k)是系统过程噪声，对应的噪声协方差为Q(k)；v(k)为量测噪声，对应的噪声协方差为R(k)；ω(k)和v(k)在扩展卡尔曼滤波中假设两者都是定值且已知；

其中，U(K)为控制量，A(k)为车辆加速度，θ(k)为道路坡度，H(k)是状态方程中系数矩阵；B为状态方程中系数矩阵。

4.根据权利要求3所述的方法，其特征在于，所述基于所述扩展卡尔曼滤波算法模型，计算新息理论协方差，包括：

使用如下公式计算新息：

其中，Z(k)为实际输出值，为估计输出值；

使用如下公式计算新息理论协方差：

其中N是新息的滑动时间窗，e(i)为实际输出值和估计输出值的偏差。

5.根据权利要求3所述的方法，其特征在于，在基于所述扩展卡尔曼滤波算法模型，计算新息理论协方差之前，包括：

根据电动汽车的车辆驾驶工况定义电动汽车的车辆数据长度周期更新规则；

通过所述电动汽车的车辆数据长度周期更新规则，确定所述扩展卡尔曼滤波算法模型的滑动时间窗口。

6.根据权利要求3所述的方法，其特征在于，所述基于所述扩展卡尔曼滤波算法模型，计算新息实际协方差，包括：

计算一步预测：

计算一步预测均方误差：

更新滤波增益：

更新变量：

下一时刻的误差协方差矩阵：