[发明专利]考虑刹车和转弯影响的汽车质量‑道路坡度联合估计方法

说明书

技术领域

本发明涉及一种基于最小二乘和卡尔曼滤波的汽车质量和道路坡度的联合估计方法，其考虑了实车驾驶过程中刹车和转弯的影响，实现了汽车质量和道路坡度的实时动态联合估计。

背景技术

车辆动力学模型参数的实时估计是车辆控制的基础，而汽车质量和道路坡度是车辆动力学模型中的重要参数，准确实时的估计汽车质量和道路坡度可以有效提高车辆动力性和经济性。根据汽车质量在线调整换挡控制策略不仅能够使自动换挡过程中车辆运行更加顺畅,而且还能够得到更为经济的换挡控制策略。基于道路坡度、速度和加速度等信息可以计算出车辆功率系数，由此估计克服空气阻力和滚动阻力所需的发动机功率，从而实现排放控制。但车辆在实际驾驶过程中会经常出现刹车和转弯操作，严重影响实际驾驶过程中对汽车质量和道路坡度的感知精度。因此，探索一种考虑刹车和转弯影响的汽车质量和道路坡度的联合估计方法对于提高汽车动力性和燃油经济性具有重要意义。

目前对于汽车质量和道路坡度的获取方法可以分为两类，一类是基于传感器的方法，一类是基于车辆纵向动力学模型的方法。基于传感器的方法是通过在车辆上加装额外的传感器，例如单摆式角位移传感器、惯性导航仪等来直接测出坡度角,再进一步计算车重。例如收集通过加装加速度传感器或者GPS全球定位系统等获取的坡度信号，先计算得到道路的坡道角，然后再基于车辆纵向动力学得到车辆的质量。这种方法比较适用于静态条件下如车辆起步时的坡度检测，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,传感器不能得到路面坡度的正确值，且这些方法对GPS信号的品质要求比较高，在使用低成本的GPS的情况下难以达到很好的效果。基于车辆纵向动力学或者运动学的识别方法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(例如发动机扭矩百分比、发动机转速、车速、挡位等信号)来估算未知的系统参数。虽然这方面的方法有很多，但是一个共同的难题在于车辆自身参数(重量等)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。实际驾驶过程中刹车和转弯带来的制动力和横向动力会影响汽车纵向动力学模型，而现有方法没有考虑实际驾驶过程中刹车和转弯对参数估计的影响，这在实际应用中会大大降低汽车质量和道路坡度的估计精度。

发明内容

有鉴于此，为了解决现有技术中存在的不足，本发明的目的在于提供一种考虑刹车和转弯影响的汽车质量-道路坡度联合估计方法，其考虑了实车驾驶过程中刹车和转弯的影响，实现了汽车质量和道路坡度的实时动态联合估计。

为达到上述目的，本发明提供如下技术方案：

一种考虑刹车和转弯影响的汽车质量-道路坡度联合估计方法，包括如下步骤：

步骤1：采集数据

步骤11：利用数据采集装置获取车辆行驶状态数据；

步骤12：结合车辆行驶状态数据和车辆固有参数，计算模型所需相关参数；

步骤2：基于车辆动力学模型建立汽车质量、道路坡度与车辆行驶状态数据的关系模型；

步骤3：分别基于汽车质量、道路坡度与车辆行驶状态数据的关系模型，构建最小二乘质量估计模型和卡尔曼滤波坡度估计模型；

步骤4：采用嵌套循环迭代进行汽车质量和道路坡度联合估计；

步骤5：采用状态保持的方式消除刹车和转弯的影响。

进一步，所述步骤11中，车辆行驶状态数据包括转矩T、车速v、发动机转速n；

所述步骤12中，车辆固有参数包括轮胎滚动半径r、主减速器传动比i₀、道路滚动阻力系数f、传动系机械效率η、车辆空气阻力系数C_d、车辆正向迎风面积A；

模型所需相关参数包括加速度a和变速器传动比i_g；

其中，加速度a可由速度v对时间差分获得，第k时刻的加速度表示为：

Δt为数据采集装置的采样周期；

变速器传动比i_g的计算方法为：

进一步，车辆纵向动力学模型为：

得到汽车质量、道路坡度与车辆行驶状态数据的关系模型；