[发明专利]电动汽车的车速和道路坡度计算方法

说明书

本发明实施例公开了一种电动汽车的车速和道路坡度计算方法、装置、电子设备和存储介质，该方法包括：获取电动汽车车辆状态数据；基于车辆动力学方程和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；基于新息理论协方差和新息实际协方差确定卡尔曼滤波系数；利用卡尔曼滤波系数构建自适应扩展卡尔曼滤波算法模型以计算车速和道路坡度的估计值。即通过新息理论协方差和新息实际协方差确定卡尔曼滤波系数，进而构建自适应扩展卡尔曼滤波算法模型，提高不同驾驶工况下计算车速和道路坡度的估计值的准确率。

技术领域

本发明涉及车辆智能控制技术领域，尤其涉及一种电动汽车的车速和道路坡度计算方法、装置、电子设备和存储介质。

背景技术

目前，电动汽车所行驶的道路的坡度估计对车辆安全和舒适性影响很大。

现有的电动汽车所行驶的道路的坡度估计方法，一部分是基于加速度传感器的检测方法；另一部分采取在线估计算法进行电动汽车所行驶的道路的坡度估计。

但是基于加速度传感器检测方法的道路的坡度估计的计算结果并不可靠；而完全采取在线估计算法进行电动汽车所行驶的道路的坡度估计，计算量较大，并且所得到的电动汽车所行驶的道路的坡度估计结果的实时性较差。

发明内容

本发明实施例提供一种电动汽车的车速和道路坡度计算方法、装置、电子设备和存储介质，提高了不同驾驶工况下计算电动汽车的车速和道路坡度的估计值的准确率。

第一方面，本发明实施例提供一种电动汽车的车速和道路坡度计算方法，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。

第二方面，本发明实施例提供一种电动汽车的车速和道路坡度计算装置，所述装置包括：

车辆状态数据获取模块，用于获取电动汽车的车辆状态数据；

关系模型构建模块，用于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；

扩展卡尔曼滤波算法模型构建模块，用于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；

协方差计算模块，用于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；

卡尔曼滤波系数确定模块，用于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；

自适应扩展卡尔曼滤波算法模型构建模块，用于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；

车速和道路坡度的估计值计算模块，用于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。