一种整车参数校准方法与流程

本发明涉及一种整车参数校准方法,属于汽车参数计算和车辆动力学仿真技术领域。特别是针对在实际实验中难以直接测量的车辆整车参数的校准和求取方法。

背景技术：

目前，随着中国国内汽车产业的不断发展，中国自主化研发的水平也在不断的提高，车辆开发工作中车辆的仿真工作尤为重要，贯穿了整个车辆研发的整个流程，而车辆模型的参数是否准确，进行参数的匹配，又是一切仿真工作的基础，它往往影响到仿真的最终结果，从而影响到工程人员对车辆状态的判断和控制策略的开发，如风阻系数，迎风面积，滚动阻力系数、旋转质量换算系数。

公开号为CN107463789A的专利申请公开了一种集成化的医用显示器自动校准装置，其主要由硬件系统和软件模块组成。硬件系统包括：导轨机构，平衡支撑机构，亮度色度计、照度计，控制单元及控制计算机。平衡支撑机构设在导轨机构，照度计设在平衡支撑机构的一端；亮度色度计设在平衡支撑机构的另一端。控制单元分别与导轨机构、平衡支撑机构、亮度色度、计照度计、被校准医用显示器和控制计算机电连接，确保它们能够按照校准软件模块的指令运行，且控制导轨沿前后、左右和上下方向移动并控制旋转台旋转，从而带动亮度色度计旋转。采用本发明的校准方法，是对被校准医用显示器自动摆位、定位，继而进行各种参数校准，方法客观、准确，大幅度提高校准检测的效率和校准质量。

公开号为CN206695925U的专利申请公开了一种多路RTD热电阻测量模块，包括12路RTD信号调理电路、跟随器、A/D转换电路、数字隔离电路、FPGA、以及CPU。所述12路RTD信号调理电路为三线制；所述A/D转换电路对所述12路信号逐路进行数模转换；转换后的信号通过所述数字隔离电路发送给所述FPGA,所述FPGA用于消除所述RTD热电阻的线性误差；所述FPGA和所述CPU交互通信。

传统的参数校准方法有两种方式：一是通过滑行实验拟合车辆阻力值曲线，确认a,b,c值，但这种方法由于无法排除外界条件的干扰，获得的数据与实际数据偏差大；二是通过风洞、转毂实验台专业测试设备进行测量，但人力物力消耗大。

技术实现要素：

本发明的目的在于提供一种能够克服上述技术问题的整车参数校准方法，本发明所述方法包括如下步骤：

步骤1.车辆数据的采集：

11、车辆的等速或滑行实验，被测车辆进行等速实验或滑行实验，在实验中，能够利用CAN网络分析仪通过车载CAN网络采集发动机/发电机的输出扭矩值数据T，利用加速度传感器采集实验时整车的加速度

12、数据的预处理，通过线性插值的方法和低通滤波的方法对采集的数据的进行初步的第一轮处理，将采集数据中出现的波动和干扰进行滤波，排除数据信号的扰动，使数据平滑，将处理后的数据与采样时间轴通过三次样条线性插值方式绘制成扭矩随时间变化曲线L1和加速度变化曲线D1。

步骤2.车辆动力学公式计算与曲线拟合：

根据车辆行驶方程式，在无风条件下，汽车的驱动力与行驶阻力之间的关系为驱动力为滚动阻力、空气阻力、坡道阻力和加速阻力的之和F＝Ff+Fw+Fi+Fj；

其中F为车辆驱动力、Ff为车辆受到的滚动阻力，Fw为车辆受到的空气阻力，Fi为车辆受到的爬坡阻力，Fj为车辆受到的加速阻力。

也能够等价为公式1-1：

公式1-1中：

Ttq为发动机(电动机)转矩，单位为N.m；

r为车轮半径,单位为m；

ig为变速箱当前档为齿轮速比；

i0为主减速器速比；

η为传动效率，单位为％；

G为重力,单位为N；

f为滚动阻力系数；

Cd为风阻系数；

A为车辆迎风面积，单位为m²；

V为车辆行驶速度，单位为km/h；

α为道路的坡度，单位为度；

δm为车辆的旋转质量换算系数；

为车辆的加速，单位为m/s²；

其中，汽车产生的重力为:

G＝m*g

m为汽车总质量；

g为重力加速度为常数9.8N/kg。

当需要校准的是车辆的风阻系数Cd、迎风面积A、滚动阻力f,则使用等速实验的数据。

在等速实验中，车辆在水平无风的道路匀速行驶，能够认为坡道阻力和加速阻力近似为0，公式1-1也简化为下式1-2：

实验车辆的车辆质量、车轮半径、行驶的车速能够通过简单的直接测量方法得到，变速箱和主减速器的齿轮速比能够通过查阅公知资料得到。

假设公式1-2中，迎风面积、风阻系数、滚动阻力的数值符合实际情况，则此时车辆的驱动力Ttq等于实际等速实验中采集的发动机或者电机的扭矩值。

即得到公式1-3

T＝Ttq......1-3

T为发动机/发电机的输出扭矩值数据。

所以，当有一组风阻系数、迎风面积、滚动阻力系数满足实际情况，则扭矩值大小曲线与仿真结果的扭矩值大小相接近。

当需要校准的是车辆的旋转质量换算系数δm则使用车辆滑行实验的数据，在滑行实验中，车辆在水平、无风的道路进行，预先行驶到一定车速，之后松开油门，依靠惯性驱动车辆前进，此时车辆的发动机/电机扭矩Ttq为0，车辆的车速V已经在实验中采集，而加速度则能够通过车速对时间进行微分求得，公式1-1能够简化为公式1-4：

如输入模型的旋转质量换算系数δm与实车测试时保持一致，则加速度与实车测试时测试的结果相同，即仿真的加速度变化曲线D2与实际的加速度变化曲线D1吻合。

步骤3.建立仿真车辆模型：

利用车辆已知参数搭建整车的仿真车辆模型，车辆迎风面积、风阻系数和滚动阻力系数要校准的参数的数据大小当尚不能确定，能够先根据经验设定。同时建立与实验的对应相同的等速、滑行仿真工况并进行性能仿真任务。

当多个整车参数都为未知，如迎风面积、风阻系数、滚动阻力多个参数都为未知，则其推导出的参数数值与实际参数值的吻合度，能够将多个阻力参数看作是一个阻力影响，对于仿真结果没有实际影响。

仿真完毕后，分析仿真结果，将车辆在等速工况下运行的扭矩变化曲线L2或将车辆在滑行工况下运行的加速度变化曲线D2进行解析取出与实际扭矩变化曲线或实际车辆加速度变化曲线进行对比。

在得到了风阻系数、迎风面积和滚动阻力系数之后，再带入车辆的滑行仿真工况，将加速度变化曲线D2与实际采集的加速度变化曲线D1做差，所得插值曲线做标准差，所得标准差最小的，则数据的旋转质量换算系数δm与实际车辆吻合，如表1所示。

表1：整车参数校准结果表

步骤4.批处理程序的应用：

当手动利用车辆仿真模型进行参数比对和校准，需要在需校准的每个参数的一定范围内按照经验进行不断尝试，再修改对应的仿真车辆模型参数并进行仿真运算，运算完毕后，对仿真结果进行人工分析，根据结果判断数据参数是否合理，否则进行下一轮输入。

本发明所述方法利用python脚本编写自动校准辅助软件，循环检测仿真模型结果的输出，从而优化调整仿真模型参数的输入，结合计算机批处理程序和优化算法进行辅助筛选，在优化算法选择方面，选择了多岛遗传算法，选择多岛遗传算法的原因是，多岛遗传算法的适应性强并具有全局性且能综合探索设计区域形成全局最优解以避免集中在局部区域探索，从而形成局部最优解。

利用编写的python脚本软件，利用正则表达式匹配仿真模型配置文件中所需要修改参数相关的字段值，自动修改车辆动力学仿真软件中车辆要校准的参数，利用编写计算机批处理文件来自动循环调用执行整车模型的仿真运行，在仿真结束后解析仿真的运行结果，与实际采集的实验数据相比较，并记录比较结果，将比较结果通过软件输入给多岛遗传优化算法作为调整下一轮输入的依据，最终软件自动选取与实验数据标准差之和最小的一组输入量，作为校准后的整车参数数值。

本发明所述方法避免了测试人员的反复校验，由于加入了多目标遗传算法的控制，降低了需要进行仿真循环次数，极大的提高了参数校准的精度和准确性。

步骤5.整车参数的验证：

将求得多组整车参数组合进行提取，筛选标准差最小的多组整车参数数值结果，分析校准后整车参数结果数值的合理性，再将其带入其他车辆动力学仿真软件进行运算，观察其运行结果，输出轴功率是否与实验测试结果一致，选取输出轴功率一致的一组参数作为整车参数，并将其参数存储在车型对应的数据文件中保存，从而完成对整车参数选择的验证。

本发明具有如下优点：

1、易于实现，适用广泛，只需要结合车辆的滑行和等速实验数据和车辆仿真模型，容易实现且成本低。

2、具有数据效验能力：因为整车参数计算结果结合了实验数据和车辆仿真结果，通过动力学公式的计算和变换参数来保证仿真结果与实验测试数据相近，保证了参数计算的正确性，参数计算完毕后，再将参数带回模型进行验算，进行二次回归，保证计算出的数值符合实际，具有数据的效验能力。

3、稳定性高：因为整车参数是由基于大量实验数据中推算得出的，不会具有大范围的数据误差和波动，同时具有数据的前处理能力，在前期通过数据的滤波处理，排除掉数据中的异常值和干扰值，以排除异常数据对求解参数的误导和误差，使最终计算结果具有稳定性和可靠性。

4、效率高：体现在两个方面，其一，对于一种车型的参数不需要进行重复的效验和计算，减少了效验次数，其二，引入了计算机批处理程序和优化算法进行参数辅助筛选的方法来应对大量的参数组合，能够帮助工程师在大量数据空间内，减少需要仿真循环次数，快速定位到合适的模型参数结果。

本发明所述方法的优点是依托车辆动力学公式与软件的反复效验计算，使得计算结果既来源于实际的实验又能够在无干扰仿真环境下进行校准，使参数校准结果更加可靠。同时使用批程序结合优化算法辅助进行参数的选定，能够大量减少校准时间并提高校准精度。

附图说明

图1是本发明所述方法的流程图；

图2是某车型等速40工况下电机输出实际扭矩曲线L1图；

图3是某车型80km/h车速滑行工况下车辆的实际加速度曲线D1图；

图4是等速40工况下仿真电机输出扭矩曲线L2图；

图5是本发明所述方法的手动的仿真模型校准流程图；

图6是本发明所述方法的自动的仿真模型校准流程图。

具体实施方式

下面结合附图对本发明的实施方式进行详细描述。本发明所述方法包括如下步骤：

步骤1.车辆数据的采集：

11、车辆的等速或滑行实验，被测车辆进行等速实验或滑行实验，在实验中，能够利用CAN网络分析仪通过车载CAN网络采集发动机/发电机的输出扭矩值数据T，利用加速度传感器采集实验时整车的加速度

12、数据的预处理，通过线性插值的方法和低通滤波的方法对采集的数据的进行初步的第一轮处理，将采集数据中出现的波动和干扰进行滤波，排除数据信号的扰动，使数据平滑，将处理后的数据与其采样时间轴通过三次样条线性插值方式绘制成扭矩随时间变化曲线L1和加速度变化曲线D1。

某车型等速实验中电机扭矩随时间变化曲线如图1所示，电机输出轴扭矩T在小幅度内(24N.m～25N.m)间上下波动，整体变化平稳，电机扭矩随时间变化曲线如图2所示。某车型80km/h滑行实验中整车加速度变化曲线如图3所示，为整车加速度变化曲线。

步骤2.车辆动力学公式计算与曲线拟合：

根据车辆行驶方程式，在无风条件下，汽车的驱动力与行驶阻力之间的关系为驱动力为滚动阻力、空气阻力、坡道阻力和加速阻力的之和F＝Ff+Fw+Fi+Fj；

其中F为车辆驱动力、Ff为车辆受到的滚动阻力，Fw为车辆受到的空气阻力，Fi为车辆受到的爬坡阻力，Fj为车辆受到的加速阻力。

也能够等价为公式1-1：

公式1-1中：

Ttq为发动机(电动机)转矩，单位为N.m；

r为车轮半径,单位为m；

ig为变速箱当前档为齿轮速比；

i0为主减速器速比；

η为传动效率，单位为％；

G为重力,单位为N；

f为滚动阻力系数；

Cd为风阻系数；

A为车辆迎风面积，单位为m²；

V为车辆行驶速度，单位为km/h；

α为道路的坡度，单位为度；

δm为车辆的旋转质量换算系数；

为车辆的加速，单位为m/s²；

其中，汽车产生的重力为:

G＝m*g

m为汽车总质量；

g为重力加速度为常数9.8N/kg。

当需要校准的是车辆的风阻系数Cd、迎风面积A、滚动阻力f,则使用等速实验的数据。

在等速实验中，车辆在水平无风的道路匀速行驶，能够认为坡道阻力和加速阻力近似为0，公式1-1也简化为下式1-2：

实验车辆的车辆质量、车轮半径、行驶的车速能够通过简单的直接测量方法得到，变速箱和主减速器的齿轮速比能够通过查阅公知资料得到。

假设公式1-2中，迎风面积、风阻系数、滚动阻力的数值符合实际情况，则此时车辆的驱动力Ttq等于实际等速实验中采集的发动机或者电机的扭矩值。

即得到公式1-3

T＝Ttq......1-3

T为发动机/发电机的输出扭矩值数据。

所以，当有一组风阻系数、迎风面积、滚动阻力系数满足实际情况，则扭矩值大小曲线与仿真结果的扭矩值大小相接近。

当需要校准的是车辆的旋转质量换算系数δm则使用车辆滑行实验的数据，在滑行实验中，车辆在水平、无风的道路进行，预先行驶到一定车速，之后松开油门，依靠惯性驱动车辆前进，此时车辆的发动机/电机扭矩Ttq为0，车辆的车速V已经在实验中采集，而加速度则能够通过车速对时间进行微分求得，公式1-1能够简化为公式1-4：

如输入模型的旋转质量换算系数δm与实车测试时保持一致，则加速度与实车测试时测试的结果相同，即仿真的加速度变化曲线D2与实际的加速度变化曲线D1吻合。

步骤3.建立仿真车辆模型：

利用车辆已知参数搭建整车的仿真车辆模型，车辆迎风面积、风阻系数和滚动阻力系数要校准的参数的数据大小当尚不能确定，能够先根据经验设定。同时建立与实验的对应相同的等速、滑行仿真工况并进行性能仿真任务。

当多个整车参数都为未知，如迎风面积、风阻系数、滚动阻力多个参数都为未知，则其推导出的参数数值与实际参数值的吻合度，能够将多个阻力参数看作是一个阻力影响，对于仿真结果没有实际影响。

仿真完毕后，分析仿真结果，将车辆在等速工况下运行的扭矩变化曲线L2或将车辆在滑行工况下运行的加速度变化曲线D2进行解析取出与实际扭矩变化曲线或实际车辆加速度变化曲线进行对比。

图4为某车型所建立的仿真车辆模型，运行等速40km/h工况下的仿真电机扭矩变化曲线L2。将仿真结果的扭矩变化曲线L2与实际采集的扭矩变化曲线L1做差，再求解每条差值曲线的标准差，在所有输入参数中所得标准差X最小的，则数据的风阻系数、迎风面积和滚动阻力系数与实际情况吻合。这个过程也能够看作为实际扭矩曲线与仿真扭矩曲线的曲线拟合过程。

在得到了风阻系数、迎风面积和滚动阻力系数之后，再带入车辆的滑行仿真工况，将加速度变化曲线D2与实际采集的加速度变化曲线D1做差，所得插值曲线做标准差，所得标准差最小的，则数据的旋转质量换算系数δm与实际车辆吻合，如表1所示。

表1：整车参数校准结果表

步骤4.批处理程序的应用：

当手动利用车辆仿真模型进行参数比对和校准，需要在需校准的每个参数的一定范围内按照经验进行不断尝试，再修改对应的仿真车辆模型参数并进行仿真运算，运算完毕后，对仿真结果进行人工分析，根据结果判断数据参数是否合理，否则进行下一轮输入。

本发明所述方法利用python脚本编写自动校准辅助软件，循环检测仿真模型结果的输出，从而优化调整仿真模型参数的输入，结合计算机批处理程序和优化算法进行辅助筛选，在优化算法选择方面，选择了多岛遗传算法，选择多岛遗传算法的原因是，多岛遗传算法的适应性强并具有全局性且能综合探索设计区域形成全局最优解以避免集中在局部区域探索，从而形成局部最优解。

利用编写的python脚本软件，利用正则表达式匹配仿真模型配置文件中所需要修改参数相关的字段值，自动修改车辆动力学仿真软件中车辆要校准的参数，利用编写计算机批处理文件来自动循环调用执行整车模型的仿真运行，在仿真结束后解析仿真的运行结果，与实际采集的实验数据相比较，并记录比较结果，将比较结果通过软件输入给多岛遗传优化算法作为调整下一轮输入的依据，最终软件自动选取与实验数据标准差之和最小的一组输入量，作为校准后的整车参数数值。

本发明所述方法避免了测试人员的反复校验，由于加入了多目标遗传算法的控制，降低了需要进行仿真循环次数，极大的提高了参数校准的精度和准确性。

步骤5.整车参数的验证：

将求得多组整车参数组合进行提取，筛选标准差最小的多组整车参数数值结果，分析校准后整车参数结果数值的合理性，再将其带入其他车辆动力学仿真软件进行运算，观察其运行结果，输出轴功率是否与实验测试结果一致，选取输出轴功率一致的一组参数作为整车参数，并将其参数存储在车型对应的数据文件中保存，从而完成对整车参数选择的验证。

本发明所述方法的操作流程如图6所示。本发明所述方法避免了测试人员的反复校验，由于加入了多目标遗传算法的控制，降低了需要进行仿真循环次数，极大的提高了参数校准的精度和准确性。

当手动利用车辆仿真模型进行参数比对和校准，则流程如图5所示，需要在需校准的每个参数的一定范围内按照经验进行不断尝试，再修改对应的仿真车辆模型参数并进行仿真运算，运算完毕后，对仿真结果进行人工分析，根据结果判断数据参数是否合理，否则进行下一轮输入。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明公开的范围内，能够轻易想到的变化或替换，都应涵盖在本发明权利要求的保护范围内。