一种考虑换挡因素的车辆质量估计方法与流程

本发明涉及车辆质量的实时估计技术领域，特别是一种考虑换挡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可以有效提高车辆电子控制系统的性能，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，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模型描述，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。因此，需要一种考虑换挡因素的车辆质量估计方法。

技术实现要素：

本发明的目的是提出一种考虑换挡因素的车辆质量估计方法；该方法通过OpenXC数据考虑换挡因素对车辆质量进行估计。

本发明的目的是通过以下技术方案来实现的：

本发明提供的考虑换挡因素的车辆质量估计方法，包括以下步骤：

步骤一：利用OpenXC数据采集装置采集车辆行驶状态数据，根据车辆固有参数与车辆状态参数结合，计算得到模型所需参数；

步骤二：基于已获得的车辆行驶状态数据，结合车辆行驶过程中的力学特性，按照以下公式建立车辆纵向动力学模型：

F_t＝F_f+F_i+F_aero+F_j；

其中，F_t为车辆驱动力，F_f为滚动阻力，F_i为坡度阻力，F_aero为空气阻力，F_j为加速阻力；

步骤三：基于车辆纵向动力学模型，建立带多遗忘因子的加权最小二乘递推质量估计模型；

步骤四：确定车辆质量实时估计系统的使用条件，所述使用条件包括：

确定车辆质量估计方法的启动条件；

确定车辆质量估计方法的暂时关闭条件；

步骤五：车辆满足启动条件后，将采集到的车辆行驶状态数据和加权最小二乘递推质量估计模型参数输入车辆质量实时估计系统，估计并输出实时车辆质量。

进一步，所述步骤一中的车辆行驶状态数据包括发动机转矩T_q、车速v、发动机转速n、方向盘转角φ_w、油门开度、刹车信号和档位信息；

所述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C_d和车辆正向迎风面积A；

所述模型所需参数包括加速度和变速器传动比i_g。

进一步，所述步骤三中车辆纵向动力学模型建立具体步骤如下：

推导车辆纵向动力学模型的最小二乘形式；

建立带有多遗忘因子的加权最小二乘递推估计模型；

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，所述步骤五中的估计实时车辆质量包括以下三个阶段：

启动阶段：为加权最小二乘递推质量估计模型提供初值，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，获得车辆质量和车辆质量与旋转质量换算系数乘积的第一次估计值；

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车辆质量和车辆质量与旋转质量换算系数乘积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；

停止阶段：当车辆熄火或估计值收敛在合理范围之内，停止进行递推估计。

由于采用了上述技术方案，本发明具有如下的优点：

本发明提出的考虑车辆换挡因素的质量估计方法，使车辆在换挡前后，均能够获得较为准确的质量估计结果。同时考虑到换挡时带来的传动比突变和换挡之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。

本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。

附图说明

本发明的附图说明如下。

图1为车辆质量估计流程图。

图2为车辆纵向动力学模型受力示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步说明。

实施例1

本实施例提供的考虑换挡因素的车辆质量估计方法；解决了在考虑车辆正常行驶过程中的换挡条件下，实现车辆质量的实时估计；包括以下五个步骤：

步骤一：利用OpenXC数据采集装置采集车辆行驶状态数据，根据车辆固有参数与车辆状态参数结合，计算得到模型所需参数，主要包括以下三个部分：

利用OpenXC数据采集装置采集来自车辆CAN总线上的实时车辆行驶状态数据(发动机转矩T_q、车速v、发动机转速n、方向盘转角φ_w、油门开度、刹车信号、档位信息)；

获取相关车辆固有参数(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C_d、车辆正向迎风面积A)；

基于已有数据和参数，计算模型所需参数(加速度a、变速器传动比i_g)。

步骤二：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：

根据已有参数，结合车辆行驶过程中的力学特性，建立车辆纵向动力学模型。

F_t＝F_f+F_i+F_aero+F_j

其中，F_t为车辆驱动力，F_f为滚动阻力，F_i为坡度阻力，F_aero为空气阻力，F_j为加速阻力。

步骤三：基于车辆纵向动力学模型，建立带多遗忘因子的加权最小二乘递推质量估计模型，具体方法为：

推导车辆纵向动力学模型的最小二乘形式；

建立带有多遗忘因子的加权最小二乘递推估计模型；

基于车辆动力学模型，建立带多遗忘因子的加权最小二乘递推质量估计模型。

步骤四：确定车辆质量实时估计系统的使用条件，具体条件为：

确定车辆质量估计方法的启动条件；

确定车辆质量估计方法的暂时关闭条件。

步骤五：车辆满足启动条件后，将采集到的车辆行驶状态数据和带多遗忘因子的加权最小二乘递推质量估计模型参数输入车辆质量实时估计系统，估计实时车辆质量，主要包括以下三个阶段：

启动阶段：车辆启动后，在满足步骤四所述启动条件时，为加权最小二乘递推质量估计模型提供初值，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，获得车辆质量和车辆质量与旋转质量换算系数乘积的第一次估计值。

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车辆质量和车辆质量与旋转质量换算系数乘积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。

在此过程中，如果遇到满足步骤四所述暂时关闭条件的情况，则暂时停止质量估计，直到再次满足启动条件时，再进行估计。

停止阶段：当车辆熄火或估计值收敛在合理范围之内，停止进行递推估计。

本实施例提供的方法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。

实施例2

本实施例对五个步骤进行详细的说明：

步骤一：利用OpenXC数据采集装置采集车辆行驶状态数据，根据车辆固有参数与车辆状态参数结合，计算得到模型所需参数:

将OpenXC数据采集装置与车辆OBD-II接口相连，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(发动机转矩T_q、车速v、发动机转速n、方向盘转角φ_w、油门开度、刹车信号、档位信息)并存储在移动数据处理终端上；

获取相关车辆固有参数(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C_d、车辆正向迎风面积A)。

基于已有数据和参数，计算模型所需参数(加速度a、变速器传动比i_g)。

加速度a可由速度v对时间差分获得，第k时刻的加速度可表示为：

其中T为OpenXC数据数据采集软件模块的采样周期；

变速器传动比i_g的可按照如下计算方式得到：

步骤二：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:

F_t＝F_f+F_i+F_aero+F_j

其中，F_t为车辆驱动力，F_f为滚动阻力，F_i为坡度阻力，F_aero为空气阻力，F_j为加速阻力。

驱动力的计算方法为：

其中，T_q表示发动机转矩；i_g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；

滚动阻力的计算方法为：F_f＝mgf；

其中，m表示车辆质量；f表示滚动阻力系数；

坡度阻力的计算方法为：F_i＝mgi；

其中，i为道路坡度。

空气阻力的计算方法为：

其中，C_d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；

加速阻力的计算方法为：F_j＝ma；

经代换后，车辆纵向动力学模型可以表示为：

步骤三：基于车辆纵向动力学模型，建立带多遗忘因子的加权最小二乘递推质量估计模型：

推导车辆纵向动力学模型的最小二乘形式

本实施例是在考虑换挡因素的条件下实时估计车辆质量，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δ，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表示信息增益矩阵的初值的范数；δ表示旋转质量换算系数；

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：

建立带多遗忘因子的加权最小二乘递推质量估计模型

将1)中车辆纵向动力学模型最小二乘形式应用于2)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)，t_gear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：

步骤四：确定车辆质量实时估计系统的使用条件：

确定质量估计方法的启动条件为：

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

确定质量估计方法的暂时关闭条件为：

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。

步骤五：车辆满足启动条件后，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，主要包括以下三个阶段：

启动阶段：车辆启动后，在满足步骤四所述启动条件时，将质量估计模型设置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。

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。

在此过程中，如果遇到满足步骤四所述暂时关闭条件的情况，则暂时停止质量估计，直到再次满足启动条件时，再进行估计。

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(如中途增加或减少乘客)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。

综上所述，本实施例提供的基于车辆CAN总线数据的新型质量估计方法。与传统质量估计方法相比，该方法在车辆不受车辆换挡因素的影响，提供实时准确的质量估计结果，具有较强的实时性和鲁棒性。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的保护范围当中。