估计模块104接着补偿测量的加速度，以产生对应于车辆的纵向加速 度并排除重力对加速度测量结果的贡献的补偿后的加速度。
[0037] -般情况下，加速度测量结果包括前向移动分量、重力分量和横向运动分量。如在 图3A的自由体受力图中部分示出的，车辆加速度计的测量结果可以写为
[0038] ?χ - ?χ '?'
[0039] 其中αχ是加速度测量结果，込是坡度补偿后的纵向加速度，g是重力加速度并且α 是道路坡度角。进一步，是横向速度vy与横摆角速度Ρ的乘积。在各种实施方式中，横向 速度可以假定可忽略。
[0040] -般的离散系统卡尔曼滤波器能够由下面一系列方程表示：
[0046] 其中是离散时间步骤k时的测量后更新估计状态矢量，是步骤k时的预 估计(预测)状态，μ是输入矢量，并且Z是观察变量(测量)矢量。此外，P、Q和R分别代表估计 误差协方差矩阵、系统误差协方差矩阵和测量误差协方差矩阵。最后，Hk是观察矩阵，Kk是卡 尔曼滤波器增益矩阵，并且Φ和Ψ分别是系统矩阵和输入矩阵。
[0047] 选择vx和sina作为状态变量，αχ作为输入变量并且匕作为观察变量，得到：
[0048] X： - [tPx sin a]^, u = αχ, z = ρχ
[0049] 其中^和^分别是车速及其估计结果。
[0050] 于是状态方程能够被写为
[0052]将状态函数离散化并将下列式子代入卡尔曼滤波器系列方程，允许使用卡尔曼滤 波器估计道路坡度：
[0054]预测协方差矩阵和测量协方差矩阵被选为：
[0056] 坡度估计算法的观察变量是速度估计的输出，并且坡度估计的结果用于确定加速 度测量结果。接着这两个算法被合并在一起。
[0057] 当位于倾斜道路上的所有四个车轮都同时存在超量车轮滑移时，轮速和加速度两 者都可能不可靠，导致速度预测和坡度估计出现错误。为了解决这个问题，可以假设道路坡 度不会快速变化。因此，设置对坡度估计的梯度限制（Aa)。如果坡度估计不满足下列准则：
[0058] |a(k)-a(k_l) |〈Δα，
[0059] 则由坡度估计模块104输出的坡度估计结果维持在从先前迭代获得的值。
[0060] 速度预测模块108基于补偿后的加速度，产生预测的速度。预测的速度被速度估计 模块112、滑移检测模块116和车轮旋转方向模块120接收。如下所述，速度估计模块112接收 进一步输入并估计车辆的纵向速度。
[0061] 速度估计模块112还可以使用卡尔曼滤波器，如上述系列方程描述的。下列参数能 够被选择用于速度估计目的：
[0062] xv - Vx, ?ρ ~ ?χ, Zy =
[0063] 其中^是估计的纵向速度，匕是坡度补偿后的纵向加速度，并且￥^以切是基于所 选择的最佳车轮轮速(下文详细描述)的测量速度。
[0064]进一步，选择下列参数作为实例：
[0065] Φν=1,Ψν = τ,Ην=1 ,Qv=l ,RV = 200
[0066] 其中τ是滤波器的采样时间。这些增益可以用作调谐变量并且根据应用可能需要 被校准。
[0067] 卡尔曼滤波器增益矩阵Κ可以基于检测到超量车辆滑移而被控制。当检测到最佳 车轮的超量滑移(下文描述)时，控制增益矩阵Κ可以被设置为0,意味着航位推算纵向加速 度。当最佳车轮不存在超量滑移时，Κ被更新，如在典型卡尔曼滤波器中。
[0068] 滑移检测模块116(如在下文更详细描述的）确定车辆的每个车轮相对于路面是否 滑移并针对每个车轮生成对应的标记。
[0069]在各种实施方式中，测量的轮速是无符号值，意味着无论是车轮正在正向方向上 旋转或在反向方向上旋转都没有被直接测量到。结果，车轮旋转方向模块120确定车轮的旋 转方向。
[0070] 轮速变换模块124接收来自每个车轮的原始轮速测量结果，并将轮速中的每个轮 速标准化(例如，转置)到车辆的单个位置，如重心。轮速变换模块124因此接收车辆的转向 角和横摆角速度。
[0071] 使用左前方车轮作为实例(其余三个车轮被类似处理），通过线性变换车轮坐标中 的纵向速度：
[0072] Vfi - (? - Sfip') cos ?' + (vy + If 41) sin 5
[0073] 其中Sf是前轮轮距宽度的一半，lf是前车轴和重心之间的距离，并且δ是车轮的转 向角。通过定义：
[0074] vy = VxC〇sP
[0075] 其中β是车辆侧滑移角。因此，最终变换为：
[0077]其中假设β = 0,在许多驱动情形中，这可以是合理精确估计。
[0078]得到的轮速被提供到滑移检测模块116和最佳车轮选择模块128。最佳车轮选择模 块128将其中一个车轮选择为最佳代表实际车速的车轮，并输出对应于所选车轮的轮速。在 各种实施方式中，所选车轮可以不是车辆的物理车轮，而可以是，例如，通过对两个或更多 车轮的轮速一起求取平均值而创建的虚拟车轮。
[0079]最佳车轮选择模块128从滑移检测模块116接收车轮滑移标记，并输出对应于最佳 车轮的车轮滑移标记。增益更新模块132基于最佳车轮轮速和最佳车轮滑移标记，调节被提 供到速度估计模块112的增益矩阵。例如，当最佳车轮滑移标记被置位时，指示甚至最佳车 轮轮速也不代表车速，增益矩阵可以被减小或甚至设置为零。这可以使得速度估计模块112 使用航位推算法，该方法可以使速度估计以补偿后的加速度的积分为基础。
[0080] 最佳车轮选择模块128在选择最佳车轮时可以考虑驱动模式。驱动模式确定模块 136基于加速度计位置和制动压力确定驱动模式。驱动模式确定模块136可以确定驱动模式 是牵引模式（即，车速被维持或增加的模式)还是制动模式。此外，驱动模式确定模块136可 以接收来自其它系统的输入，这些输入可以修改车辆的驱动模式，例如，自适应巡航控制或 牵引控制。
[0081] 在图3B中，示出一种示例性坡度估计和加速度补偿方法。控制方法在204处开始， 在此处，基于加速度和估计的速度估计车辆的坡度。控制方法在208处继续，在此处，存储当 前坡度作为先前坡度。控制方法在212处继续，在此处，基于加速度和估计的速度估计坡度。
[0082] 控制方法在216处继续，在此处，如果当前坡度与先前坡度之间的差的绝对值超过 阈值，则控制方法转换到220;否则，控制方法转换到224。在220处，控制方法输出先前坡度 作为估计的坡度，并且在228处继续。在224处，控制方法输出当前坡度作为估计的坡度，并 且在228处继续。在228处，控制方法补偿加速度测量结果，以确定在车辆的纵向方向上的补 偿的加速度。控制方法接着返回到208。
[0083] 在图4中，示出驱动模式的示例性确定。控制方法在304处开始，在此处，如果施加 的制动压力大于阈值，则控制方法转换到308;否则，控制方法转换到312。在308处，制动模 式被声明并被输出到感兴趣的处理装置或模块，例如，图2的最佳车轮选择模块128。控制方 法在316处继续，在此处，如果加速度踏板被启动(也就是，被驾驶员按下），则控制方法转换 到312;否则，控制方法返回到308。在312处，控制方法声明车辆以牵引模式运行，并返回到 304〇
[0084] 在图5中，示出车轮旋转方向的示例性确定。控制方法在404处开始，在此处，确定 四个轮速的平均值。控制方法在408处继续，在此处，如果平均值的绝对值小于阈值，则控制 方法转换到412;否则控制方法转换到416。在416处，控制方法确定车轮的旋转方向是正向 的(这还可以被描述为轮速具有正符号），并且控制方法返回到404。
[0085]在412处，控制方法计算具有初始值为零的加速度的积分。控制方法接着在420处 继续，在此处，如果积分超过零，则控制方法转换到416;否则控制方法转换到424。在424处， 控制方法确定车轮的旋转方向是反向方向（这还可以被描述为轮速的符号是负的），控制方 法接着返回到420。
[0086]在图6中，示出车轮滑移标记确定的示例性操作。控制方法在504处开始，在此处， 初始化轮速的加窗平均值。此外，扭矩标记被初始化为零。扭矩标记指示是否存在由于超量 扭矩而导致的车轮滑移状况。扭矩标记基于下文描述的特定状况被置位，并接着基于其它 状况被清零。
[0087]图6的操作可以针对车辆的每个车轮被独立执行。例如(仅举例），可以依次针对每 个车轮执行图6中描述的方法的一次迭代，并接着依次针对每个车轮执行控制方法的另一 次迭代。可替代地，可以针对全部车轮同时或基本同时执行图6中的控制方法的四次独立实 例。
[0088] 在508处，获取轮速并基于获取的轮速更新加窗平均值。加窗平均值可以是准确的 加窗平均值，其中加窗平均值中的每个先前轮速都被存储，以便在每次加入新获取的轮速 时，最旧的先前轮速能够依次被移除。替代地，可以执行移动平均值，其中新获取的轮速被 纳入移动平均值中，但是仅维持移动平均值的最近值。
[0089] 控制方法在512处继续，在此处，如果当前轮速与加窗平均值之间的差的绝对值大 于阈值，则控制方法转换到516;否则，控制方法在520处继续。这个测试可以表示如下：
[0091 ]其中加窗平均值包括具有轮速ω的m个样本，并且阈值为 Δ CO thrshld
[0092] 轮速与加窗平均值之间的差大于阈值则指示轮速突然改变，这指示车轮滑移与车 辆