[发明专利]一种基于自适应扩展卡尔曼滤波的道路坡度估计方法

摘要

本发明公开了一种基于自适应扩展卡尔曼滤波的道路坡度估计方法，通过数据采集装置获取车辆状态数据，结合车辆状态数据和车辆固有参数计算模型参数：然后基于坡度与车辆状态数据的关系模型，构建扩展卡尔曼滤波估计模型；最后将卡尔曼滤波估计模型改进为自适应扩展卡尔曼滤波算法模型。本发明提供的方法利用了能快速收敛和实时估计的自适应扩展卡尔曼滤波算法，通过车辆驾驶状态数据动态、实时估计道路坡度，从而为驾驶员提供实时的道路坡度信息，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；提高在不确定性动态噪声影响下坡度估计的精度和适用范围。

主权项

一种基于自适应扩展卡尔曼滤波的道路坡度估计方法，其特征在于：包括以下步骤：步骤一：通过数据采集装置获取车辆状态数据，结合车辆状态数据和车辆固有参数，计算模型相关参数：所述相关参数包括加速度a和变速器传动比ig；步骤二：基于车辆动力学按照以下公式建立坡度与车辆状态数据的关系模型：σma=Ft-Ff-Fi-Fv=Tigi0ηr-mgfr-mgθ-12ρCDAv2;]]>其中，Ft为车辆驱动力，Ff为滚动阻力，Fi为坡度阻力，Fv为空气阻力，Fj为加速阻力；m为汽车质量；ig为变速器传动比；i0是传速器传动比，η为机械效率，fr为滚动阻力，ρ是空气密度；CD是空气阻力系数；A为车辆迎风面积，v为车速；θ为道路坡度；步骤三：基于坡度与车辆状态数据的关系模型，构建扩展卡尔曼滤波估计模型；步骤四：将卡尔曼滤波估计模型改进为自适应扩展卡尔曼滤波算法模型。