考虑换挡和道路坡度因素的车辆质量估计方法与流程

本发明涉及车辆质量估计方法，具体的为一种考虑换挡和道路坡度因素的车辆质量估计方法。

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，而车辆质量参数是车辆动力学模型中的重要参数，准确实时的车辆质量估计参数能够有效提高车辆主动安全系统的性能，如电子稳定控制系统(esp)依赖车辆质量参数实时计算质心侧偏角和横摆角，从而实现对车辆横向滑移情况的控制。同时，有研究表明，根据质量参数的实时变化情况调整换挡规律能够为汽车节油约2.62％-4.86％。因此，准确估计车辆质量参数对于提高车辆安全性和燃油经济性均具有重要意义。

现有文献中，有关车辆质量参数估计的方法可以分为两类，一类是基于传感器的质量估计方法，这类方法需要在车内加装相应的传感器，占用车内空间的同时还提高了车辆的生产成本，难以满足实际应用需求；另一类是基于车辆can总线数据的车辆质量估计方法，该方法基于车辆纵向动力学模型，无需附加传感器，具有较好的应用便利性。然而，车辆实际行驶的道路不可避免存在一定的坡度，在车辆纵向动力学模型中，坡度和车辆质量存在一定的耦合关系，如果在质量估计过程中不考虑道路坡度的影响，必然会降低质量估计的精度；同时，又由于车辆在正常行驶过程中需要经常换挡，而换挡过程车辆的动力学状态无法用车辆纵向动力学描述，且换挡前后车辆纵向动力学模型的旋转质量换算系数会发生改变，从而导致换挡行为发生后车辆质量估计结果存在较大的偏差，严重影响车辆质量估计结果，进而降低车辆质量估计的准确性。

技术实现要素：

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换挡和道路坡度因素的车辆质量估计方法。

为达到上述目的，本发明提供如下技术方案：

一种考虑换挡和道路坡度因素的车辆质量估计方法，包括如下步骤：

步骤1：采集数据

步骤11：利用数据采集装置采集车辆行驶状态数据；

步骤12：结合车辆固有参数与车辆行驶状态数据，计算得到模型所需参数；

步骤2：基于已获得的车辆行驶状态数据，建立车辆纵向动力学模型，获取不同档位下转矩与车速关系；

步骤3：基于车辆纵向动力学模型，建立考虑换挡因素的车辆质量估计模型；

步骤4：基于车辆纵向动力学模型，建立传动系机械效率估计模型，并与步骤3提出的考虑换挡因素的车辆质量估计模型共同构成同时考虑换挡和道路坡度因素的车辆质量估计模型；

步骤5：确定车辆质量实时估计系统的使用条件；

步骤6：将采集到的车辆行驶状态数据和相关模型参数输入车辆质量实时估计系统，估计实时车辆质量。

进一步，所述步骤11中，车辆行驶状态数据包括发动机转矩tq、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cd、车辆正向迎风面积a；

模型所需参数包括车辆加速度a和变速器传动比ig；

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：

t为数据采集装置的采样周期；

变速器传动比ig的计算方法为：

进一步，车辆纵向动力学模型为：

ft＝ff+fi+faero+fj

其中，ft为车辆驱动力，且

ff为滚动阻力，且ff＝mgf；

fi为坡度阻力，且fi＝mgi；

faero为空气阻力，且

fj为加速阻力，且fj＝ma；

其中，tq表示发动机转矩；ig表示变速器传动比；i0表示主减速器传动比；η表示传动系效率；r表示车轮半径；m表示车辆质量；f表示滚动阻力系数；cd表示车辆的空气阻力系数；a表示迎风面积；v表示车辆速度；i为道路坡度；

代入后，得到不同档位下转矩与车速关系：

进一步，所述步骤3包括如下步骤：

步骤31：推导车辆纵向动力学模型的最小二乘形式；

步骤32：建立带多遗忘因子的加权最小二乘递推估计模型；

步骤33：建立带多遗忘因子的加权最小二乘递推质量估计模型。

进一步，所述步骤31中，将车辆纵向动力学模型转化成如下最小二乘形式：

其中，a表示加速度；δ表示旋转质量换算系数。

进一步，所述步骤32中，设系统的输入输出关系可以描述成如下的最小二乘形式：

z(k)＝h^t(k)θ+n(k)

其中，z(k)是系统的输出，h(k)是可观测数据向量，n(k)为白噪声，θ为待估计参数；

当模型中存在两个待估计参数时，定义准则函数为：

其中λ(i)为加权函数，λ1和λ2分别为两个模型待估参数θ1和θ2对应的遗忘因子；

利用序列{z(k)}和{h(k)}，极小化准则函数，即对θ求导，可求得参数θ的最小二乘估计值第k时刻的参数估计值可以表示为：

将上述估计结果转化为递推形式，得到带多遗忘因子的加权最小二乘递推估计模型如下：

其中：

进一步，所述步骤33中，将步骤31中的车辆纵向动力学模型最小二乘形式应用于步骤32中的最小二乘递推估计模型，则有：

将上式带入最小二乘可得带多遗忘因子的加权最小二乘质量估计模型的递推形式为：

其中，λ1和λ2分别为两个待估计参数m和δm对应的遗忘因子，取值范围为[0,1)，且λ1＞λ2；

λ(k)为数据的加权因子，为保证非换挡条件下的车辆行驶状态数据能够占据更高的数据权重，设当前时刻为t(k)，tgear为最近一次换挡时间，换挡前的加权因子恒为1，换挡后的加权因子可表示为：

进一步，所述步骤4包括如下步骤：

步骤41：建立传动系机械效率估计模型；

将基于车辆纵向动力学模型推导出相应的最小二乘形式应用于带多遗忘因子的加权最小二乘估计模型中，其中：

基于车辆纵向动力学模型推导出相应的最小二乘形式为：

设：

则可得到传动系机械效率的估计模型如下：

其中：

步骤42：基于传动系机械效率估计模型和考虑换挡因素的车辆质量估计模型，共同构建同时考虑换挡和道路坡度因素的车辆质量估计模型。

进一步，确定车辆质量实时估计系统的使用条件的方法为

当同时满足以下条件时，质量估计系统启动：

1)在车辆启动并行驶距离超过300m；

2)车辆速度大于20km/h；

3)车辆加速度为正值；

4)油门开度大于0；

5)车辆未处于制动状态；

6)车辆未处于换挡状态；

7)方向盘转角不大于30°；

8)当前行驶路段坡度小于2°；

9)车辆档位不为空挡；

当满足以下任意条件时，质量估计系统暂时关闭：

1)车辆处于制动状态；

2)车辆方向盘转角小于90°；

3)车辆档位为空挡；

4)车辆处于停车状态。

进一步，所述步骤6中，估计实时车辆质量主要包括以下三个阶段：

1)启动阶段：

将质量估计模型待估计参数的估计初值均设置为0，并设置带多遗忘因子的加权最小二乘递推质量估计模型中信息增益矩阵的初值：

p(0)＝a²i

其中a为充分大的正数；

随后基于当前时刻的车辆行驶状态数据，开始进行第一次质量估计，获得m和δm的第一次估计值；

2)运行阶段

将当前时刻更新的车辆行驶状态数据和上一时刻的m和δm的估计值带入加权最小二乘递推质量估计模型中，进行新一轮质量估计，并重复此步骤，获取实时的质量估计值；

3)停止阶段

当车辆质量的估计值收敛在合理范围之内，停止进行递推估计，但依旧接收车辆行驶状态数据，以便意外情况出现时，可以再次进行质量估计。

本发明的有益效果在于：

本发明考虑换挡和道路坡度因素的车辆质量估计方法，使车辆在平直和带有坡度的路面上，均能够获得较为理想的质量估计结果；同时考虑换挡因素带来的传动比突变和换挡前后车辆旋转质量换算系数的变化，采用带有多遗忘因子的加权最小二乘递推估计方法，实现对车辆质量的实时估计；即在正常行驶和车辆换挡时均可实时、准确地估计车辆质量，在降低换挡因素对于质量估计造成的影响的同时也提高了车辆质量估计的准确性和鲁棒性。

附图说明

为了使本发明的目的、技术方案和有益效果更加清楚，本发明提供如下附图进行说明：

图1为本发明考虑换挡和道路坡度因素的车辆质量估计方法的流程图；

图2为考虑换挡和道路坡度因素的车辆质量估计模型；

图3为车辆纵向动力学模型受力示意图。

具体实施方式

下面结合附图和具体实施例对本发明作进一步说明，以使本领域的技术人员可以更好的理解本发明并能予以实施，但所举实施例不作为对本发明的限定。

本实施例考虑换挡和道路坡度因素的车辆质量估计方法，包括如下步骤：

步骤1：采集数据

步骤11：利用openxc数据采集装置采集车辆行驶状态数据

具体的，本实施例利用openxc数据采集装置采集车辆行驶状态数据，且车辆行驶状态数据包括发动机转矩tq、车速v、发动机转速n、方向盘转角φw、油门开度、刹车信号、档位信息等，并基于数据采集装置内置传感器测算得出的实时道路坡度i；通过蓝牙接收来自车辆can总线上的实时车辆行驶状态数据并存储在移动数据处理终端上。

步骤12：结合车辆固有参数与车辆行驶状态数据，计算得到模型所需参数

具体的，本实施例的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cd、车辆正向迎风面积a等；模型所需参数包括车辆加速度a和变速器传动比ig。

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：

t为openxc数据采集装置的采样周期；

变速器传动比ig的计算方法为：

步骤2：基于已获得的车辆行驶状态数据，建立车辆纵向动力学模型，获取不同档位下转矩与车速关系。具体的，车辆纵向动力学模型为：

ft＝ff+fi+faero+fj

其中，ft为车辆驱动力，且

ff为滚动阻力，且ff＝mgf；

fi为坡度阻力，且fi＝mgi；

faero为空气阻力，且

fj为加速阻力，且fj＝ma；

其中，tq表示发动机转矩；ig表示变速器传动比；i0表示主减速器传动比；η表示传动系效率；r表示车轮半径；m表示车辆质量；f表示滚动阻力系数；cd表示车辆的空气阻力系数；a表示迎风面积；v表示车辆速度；i为道路坡度；

代入后，得到不同档位下转矩与车速关系：

步骤3：基于车辆纵向动力学模型，建立考虑换挡因素的车辆质量估计模型

步骤31：推导车辆纵向动力学模型的最小二乘形式

本实施例的目标是在考虑换挡因素的条件实时估计车辆质量，而在车辆换挡前后，车辆的旋转质量换算系δ数会发生较为明显的变化，影响车辆质量估计。仅基于车辆can总线的数据无法实时计算车辆的旋转质量换算系数，为保证换挡条件下仍能够获得较为准确的车辆质量估计值，需要将车辆的旋转质量换算系数δ和车辆质量m一同作为车辆质量估计模型的待估计参数。因此，将车辆纵向动力学模型转化成如下最小二乘形式：

其中，a表示加速度；δ表示旋转质量换算系数。

步骤32：建立带多遗忘因子的加权最小二乘递推估计模型

在车辆启动后，车辆质量m几乎不变，是一个慢变量；而旋转质量换算系数δ会随着换挡等因素发生快速变化，是一个快变量。为保证这种快变量和慢变量共同存在的估计模型中慢变量的估计值能够快速且准确的收敛，同时快变量的估计结果能够具备较好的跟踪性能，需要为不同的待估计参数设置不同的遗忘因子，以提升模型估计结果的准确性。

又由于车辆在换挡过程中的运动状态无法用车辆纵向动力学描述，换挡过程中产生的车辆行驶状态数据会增大车辆质量估计结果的误差，为了抑制这一过程中产生的误差，需采用加权方法，减弱换挡过程中车辆行驶状态数据的权重，使质量估计方法在换挡过程中依然能够输出准确的质量估计结果。

设系统的输入输出关系可以描述成如下的最小二乘形式：

z(k)＝h^t(k)θ+n(k)

其中，z(k)是系统的输出，h(k)是可观测数据向量，n(k)为白噪声，θ为待估计参数；

当模型中存在两个待估计参数时，定义准则函数为：

其中λ(i)为加权函数，λ1和λ2分别为两个模型待估参数θ1和θ2对应的遗忘因子；

利用序列{z(k)}和{h(k)}，极小化准则函数，即对θ求导，可求得参数θ的最小二乘估计值第k时刻的参数估计值可以表示为：

为了保证车辆质量估计系统能够实时更新估计结果，需将上述估计结果转化为递推形式，得到带多遗忘因子的加权最小二乘递推估计模型如下：

其中：

步骤33：建立带多遗忘因子的加权最小二乘递推质量估计模型

将步骤31中的车辆纵向动力学模型最小二乘形式应用于步骤32中的最小二乘递推估计模型，则有：

将上式带入最小二乘可得带多遗忘因子的加权最小二乘质量估计模型的递推形式为：

其中，λ1和λ2分别为两个待估计参数m和δm对应的遗忘因子，取值范围为[0,1)，考虑到δm为快变量，为保证δm的估计结果具有较好的跟踪性能，应有λ1＞λ2，默认情况下λ1取为0.95，λ2取为0.5。

λ(k)为数据的加权因子，为保证非换挡条件下的车辆行驶状态数据能够占据更高的数据权重，设当前时刻为t(k)，tgear为最近一次换挡时间，换挡前的加权因子恒为1，换挡后的加权因子可表示为：

步骤4：基于车辆纵向动力学模型，建立传动系机械效率估计模型，并与步骤3提出的考虑换挡因素的车辆质量估计模型共同构成同时考虑换挡和道路坡度因素的车辆质量估计模型；

步骤41：建立传动系机械效率估计模型

在带有坡度的路面上进行车辆质量估计时，仅仅依靠为质量估计模型提供准确的道路坡度信息，仍然无法准确进行质量估计。这主要是由于随着道路坡度的变化，车辆传动系效率η也在不断变化，而该参数无法通过车辆can总线或外部传感器获得，因此必须建立能够实时获取传动系机械效率的估计模型，并将其应用于带多遗忘因子的加权最小二乘递推质量估计模型中，从而确保车辆在存在一定坡度的路面上估计质量时的准确度。

首先基于车辆纵向动力学模型推导出相应的最小二乘形式

通过上式可以看出，最小二乘形式将传动系机械效率η和车辆质量m视为待估计参数，其中车辆质量在行驶过程中几乎不变，属于慢变量；传动系机械效率随着车辆传动系的工作状态的变化而快速变化，属于快变量。因此，需要为车辆质量赋予一个较大的遗忘因子，以保证估计的连续和稳定性；为传动系机械效率赋予一个较小的遗忘因子，以保证估计结果具有良好的跟踪性能。由于在估计过程中有可能出现换挡，为了抑制换挡时车辆行驶状态数据对估计结果造成的不良影响，也需要加入和考虑换挡因素质量估计模型一样的加权因子λ(k)，从而保证估计结果的稳定性和连续性。

将车辆纵向动力学模型转换得到的最小二乘形式应用于带多遗忘因子的加权最小二乘估计模型中，设：

则可得到传动系机械效率的估计模型如下：

其中：

步骤42：基于传动系机械效率估计模型和考虑换挡因素的车辆质量估计模型，共同构建同时考虑换挡和道路坡度因素的车辆质量估计模型。

将步骤3得到的带多遗忘因子的加权最小二乘递推质量估计模型与车辆传动系效率模型结合在一起，便构成了考虑换挡和道路坡度因素的车辆质量估计模型，如图2所示。

在车辆质量估计开始之前，根据车辆的实际情况，预先设定传动系效率初始值和旋转质量换算系数的初始值。质量估计开始时，openxc数据采集装置提供的车辆行驶状态数据同时输入带多遗忘因子的加权最小二乘递推质量估计模型和车辆传动系效率模型之中。车辆行驶状态数据与传动系效率初始值作为模型输入共同完成带多遗忘因子的加权最小二乘递推质量估计模型的第一次估计，同时车辆传动系效率估计模型也将基于车辆行驶状态数据和旋转质量换算系数的初值，完成第一次估计。随后将第一次获得的旋转质量换算系数和传动系机械效率的估计值分别替代其预设的初值，作为模型输入，分别进行两个模型的第二次估计。然后继续将上一时刻模型输出的旋转质量换算系数和传动系机械效率估计值替代原先的模型输入，与最新的车辆行驶状态数据一同进行下一轮递推估计，重复这一过程，直至获得质量估计曲线收敛。

考虑换挡和道路坡度因素的车辆质量估计模型克服了换挡过程带来的传动比突变问题，并通过实时估计车辆传动系效率的办法保证了车辆在坡路上估计车辆质量的精度，在驾驶员存在换挡行为以及道路存在坡度的条件下依然能够获得比较准确的质量估计结果。

步骤5：确定车辆质量实时估计系统的使用条件

当同时满足以下条件时，质量估计系统启动：

1)在车辆启动并行驶距离超过300m；

2)车辆速度大于20km/h；

3)车辆加速度为正值；

4)油门开度大于0；

5)车辆未处于制动状态；

6)车辆未处于换挡状态；

7)方向盘转角不大于30°；

8)当前行驶路段坡度小于2°；

9)车辆档位不为空挡；

当满足以下任意条件时，质量估计系统暂时关闭：

1)车辆处于制动状态；

2)车辆方向盘转角小于90°；

3)车辆档位为空挡；

4)车辆处于停车状态。

本实施例的质量估计方法一般用于估计当前行程下的车辆质量，当车辆熄火后，车辆质量估计系统会将历史数据清除，并于下次行程重新进行质量估计。

步骤6：将采集到的车辆行驶状态数据和相关模型参数输入车辆质量实时估计系统，估计实时车辆质量。本实施例估计实时车辆质量主要包括以下三个阶段：

1)启动阶段：

将质量估计模型待估计参数的估计初值均设置为0，并设置带多遗忘因子的加权最小二乘递推质量估计模型中信息增益矩阵的初值：

p(0)＝a²i

其中a为充分大的正数，默认值取为1000000；

随后基于当前时刻的车辆行驶状态数据，开始进行第一次质量估计，获得m和δm的第一次估计值；

2)运行阶段

将当前时刻更新的车辆行驶状态数据和上一时刻的m和δm的估计值带入加权最小二乘递推质量估计模型中，进行新一轮质量估计，并重复此步骤，获取实时的质量估计值；

3)停止阶段

当车辆质量的估计值收敛在合理范围之内，停止进行递推估计，但依旧接收车辆行驶状态数据，以便意外情况出现时，可以再次进行质量估计。

当车辆熄火后，停止进行递推估计，质量估计系统中的历史数据也将清零，质量估计系统停止运行。

本实施例考虑换挡和道路坡度因素的车辆质量估计方法，使车辆在平直和带有坡度的路面上，均能够获得较为理想的质量估计结果；同时考虑换挡因素带来的传动比突变和换挡前后车辆旋转质量换算系数的变化，采用带有多遗忘因子的加权最小二乘递推估计方法，实现对车辆质量的实时估计；即在正常行驶和车辆换挡时均可实时、准确地估计车辆质量，在降低换挡因素对于质量估计造成的影响的同时也提高了车辆质量估计的准确性和鲁棒性。

以上所述实施例仅是为充分说明本发明而所举的较佳的实施例，本发明的保护范围不限于此。本技术领域的技术人员在本发明基础上所作的等同替代或变换，均在本发明的保护范围之内。本发明的保护范围以权利要求书为准。