[發明專利]基于MMRLS和SH-STF的車輛質量與道路坡度迭代型聯合估計方法

有效

• 申請號: 202010370644.5
• 申請日: 2020-05-06
• 公開（公告）號: CN111507019B
• 公開（公告）日: 2022-09-16
• 發明（設計）人: 王偉達;楊超;劉金剛;張為;張中國;項昌樂
• 申請（專利權）人: 北京理工大學
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06F111/10;G06F119/14
• 代理公司: 焦作加貝專利代理事務所(普通合伙) 41182
• 代理人: 馮新志

本發明提供基于MMRLS和SH?STF的車輛質量與道路坡度迭代型聯合估計方法，包括以下步驟：考慮轉向的動力學模型建立，MMRLS/SH?STF迭代型聯合估計算法架構，基于SH?STF的坡度估計算法改進。該基于MMRLS和SH?STF的車輛質量與道路坡度迭代型聯合估計方法設計合理，分析了車輛質量的緩變特性和道路坡度的時變特性，根據緩變與時變特征，基于車輛縱向動力學模型與轉向單軌模型，分別使用多模型融合遞歸最小二乘這一系統辨識算法計算車輛質量，用基于擴展卡爾曼濾波的噪聲自適應強跟蹤濾波這一狀態估計算法計算路面坡度，從而使算法更好地適應于估計變量。

技術領域

本發明涉及質量估計技術領域，具體為基于MMRLS和SH-STF的車輛質量與道路坡度迭代型聯合估計方法。

背景技術

隨著貨運業的發展，重型車的保有量也在不斷增加。相對于乘用車而言，重型車的重量變化范圍非常大，從空載到滿載甚至可以達到400％。而車輛質量是自動變速器換擋控制系統進行擋位決策、車輛動力學控制與參數估計、車輛狀態監控的關鍵參數，若能夠利用車輛質量這一參數對車輛各部件進行合理調控，將進一步提高車輛的動力性、經濟性與安全性；

道路坡度與質量耦合程度較高，因此在計算過程中需要對這兩個參數同時進行估計。通常情況下，道路的坡度可以由傾角傳感器或加速度傳感器間接測量得到。但是由于該傳感器設備成本較高，量產車上很少配置相關硬件。因此基于現有傳感器，對相關參數進行軟測量的技術得到了廣泛的應用。現階段國內外有許多對車輛質量與道路坡度估計算法的研究。質量辨識方面，Ardalan Vahidi在論文里采用帶多個遺忘因子的遞推最小二乘法對汽車質量和坡度進行實時的辨識。Michael L McIntyre等首先基于汽車縱向動力學模型通過最小二乘法對汽車質量和常值坡度進行辨識，然后基于辨識的汽車質量通過非線性觀測器對實時變化的道路坡度進行辨識，得出的估計結果精度較高。Enrico Raffone將RLS與線性卡爾曼濾波相結合，實現了對車輛質量與坡度的同時估計，但借助了額外的加速度傳感器采集坡度信息，而并非從動力學公式中對坡度進行估算。吉林大學的雷雨龍提出基于擴展卡爾曼濾波的車輛質量方法，將質量與坡度在一個算法中同時進行估計。SimonAltmannshofer等人分別使用RAWKF、RGTLS、RLS和MFRLS對車輛質量與阻力進行估計，其中RAWKF算法的估計效果最好，能比較準確地估算出質量、滾動阻力和空氣阻力等值，但算法忽略了加速度與坡度的計算。Liang Li等人將RLS與EKF相結合，用RLS估算質量，EKF同時估算質量和坡度，然后將兩個質量給予不同的置信因子相結合得出最終結果，以提高算法的工況適應性。Yahui Zhang，Dongpu Cao等人針對電動汽車傳動系統齒輪間隙與半軸轉矩的不同特點，分別設計了離散觀測器與連續觀測器，并將其進行聯合，在證明其收斂性的情況下使用實車進行驗證，充分表明了針對性觀測器算法對多個參數系統進行估計的優越性。坡度估計方面，目前能夠實時對道路坡度進行估計的方法主要有3種：利用GPS高程信息估計道路坡度；利用CAN總線信息和行駛方程估計道路坡度[11]；額外添加加速度傳感器來估計道路坡度。其中第和第三種方法都需要加裝額外的傳感器，較難滿足實際應用需求。第二種方法，Sebsadji等采用龍貝格狀態觀測器來估計道路坡度，通過建立輪胎模型根據輪胎力來計算驅動力，避免了用傳動模型計算縱向力時對擋位等信息的要求。Kim Iet al.將車輛俯仰角所產生的影響加入了坡度估計算法中，進一步提高了估算精度[13]。XiaoyongLiao等人使用自適應擴展卡爾曼濾波(AEKF)對路面坡度進行估計，算法表現出較強的魯棒性[14，15]。Klomp等人用標準卡爾曼濾波對電動車輛的速度與路面坡度進行聯合估計，根據電動車輛驅動力矩參數較為精確的特點，對車輪滑移率進行估計，從而對估算出的速度與坡度進行修正。此外，常用的車輛狀態估計還有UKF算法、自適應卡爾曼濾波、自適應滑模觀測器、降維觀測器、H_∞觀測器、閉環觀測器以及多個觀測器數據融合的綜合估計算法。目前的質量坡度辨識算法基本上都是對質量與坡度同時進行估計，并沒有考慮到質量是一個緩變的系統參數，而坡度是一個時變的狀態變量這一因素。若能針對該特點分別設計估計算法，將有效提高估計模型的精度與效率。