[發(fā)明專利]一種分布式驅(qū)動電動汽車坡度估計方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201911341193.6
• 申請日: 2019-12-24
• 公開（公告）號: CN111391857B
• 公開（公告）日: 2021-08-06
• 發(fā)明（設(shè)計）人: 王震坡;丁曉林;韓冰;張雷;劉建宏
• 申請（專利權(quán)）人: 北京理工大學(xué);北京理工新源信息科技有限公司
• 主分類號: B60W40/076
• 分類號: B60W40/076;B60W50/00
• 代理公司: 北京高沃律師事務(wù)所 11569
• 代理人: 韓雪梅

本發(fā)明公開了一種分布式驅(qū)動電動汽車坡度估計方法及系統(tǒng)。該方法包括：實時獲取傳感器采集到的車輛的縱向加速；實時根據(jù)車輪各輪轂電機反饋的車輪輸出力矩和輪速，結(jié)合車輛縱向動力學(xué)模型計算車輛的縱向加速度；以計算得到的縱向加速度為狀態(tài)方程的輸入，以傳感器測量得到的車輛縱向加速度為狀態(tài)方程的觀測量，采用卡爾曼濾波算法對車輛的縱向加速度進行濾波；根據(jù)濾波得到的車輛縱向加速度，計算車輛所處路面的坡度。本發(fā)明提供的分布式驅(qū)動電動汽車坡度估計方法具有可行性高的優(yōu)勢。

技術(shù)領(lǐng)域

本發(fā)明涉及一種分布式驅(qū)動電動汽車坡度估計方法及系統(tǒng)。

背景技術(shù)

利用多方法融合的坡度估計方法，主要包括基于動力學(xué)的坡度估計方法與基于運動學(xué)方法的坡度估計。

利用動力學(xué)方法進行坡度估計可采用如下公式：

y＝u+b

y＝F_x

b＝mg(sinθ_d+fcosθ_d)

其中F_x為縱向力，為縱向加速度，為空氣阻力，mgsinθ為重力在斜坡的分量，mgfcosθ為滾動阻力。

b值的估計可以采用最小二乘法進行。由于路面坡度是時變的，因此b也是時變的，故采取帶有遺忘因子的最小二乘法估計b。在線性系統(tǒng)中，相當(dāng)于找到參數(shù)b(k)，使得函數(shù)V(b(k),k)取得極小值。

式子中λ為遺忘因子，遺忘因子越大，辨識精度越高。

基于運動學(xué)方法的坡度估計如下：

加速度傳感器固結(jié)于車身，其測量值a_x除了受到車輛本身的行駛加速度影響外，還受到路面坡度的影響。三者之間關(guān)系為：

進而得到基于運動學(xué)方法的坡度估計值：

車輛行駛過程中，路面坡度可以認(rèn)為是由高頻信號和低頻信號兩部分組成，基于動力學(xué)方法的坡度估計精度依賴于車輛模型，而車輛模型中的各參數(shù)受高頻噪聲影響大，因此需要對坡度θ進行低通濾波去高頻部分，保留低頻部分?；谶\動學(xué)方法估計坡度的缺點是加速度傳感器的測量值a_x受靜態(tài)偏差影響較大，而慣性傳感器的靜態(tài)偏差是屬于低頻噪聲，為了保證路面坡度估計結(jié)果的準(zhǔn)確性，對θ采用高通濾波去除其低頻部分，保留高頻部分?；谶\動學(xué)方法和動力學(xué)方法融合的坡度估計方法可通過如下公式實現(xiàn)：

在上述提出的多方法融合中，基于動力學(xué)模型的坡度估計方法并未建立精確的單輪動力學(xué)模型；在運動學(xué)方法中，縱向車速在實際應(yīng)用場景中并不容易獲取，基于該方法進行坡度估計可行性不高。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種可行性高的分布式驅(qū)動電動汽車坡度估計方法及系統(tǒng)。

為實現(xiàn)上述目的，本發(fā)明提供了如下方案：

一種分布式驅(qū)動電動汽車坡度估計方法，包括：

實時獲取傳感器采集到的車輛的縱向加速度；

實時根據(jù)車輪各輪轂電機反饋的車輪輸出力矩和輪速，結(jié)合車輛縱向動力學(xué)模型計算車輛的縱向加速度a_x,d；

以計算得到的縱向加速度a_x,d為狀態(tài)方程的輸入，以傳感器測量得到的車輛縱向加速度a_x,m為狀態(tài)方程的觀測量，采用卡爾曼濾波算法對車輛的縱向加速度進行濾波；