一种车辆状态估算方法、装置、设备及存储介质与流程

本发明属于汽车控制技术领域，特别涉及一种商用车控制技术，具体地，本发明提供一种车辆状态估算方法、装置、设备及存储介质。

背景技术：

在当今城市公交运输中，由于公交车进出车站后车内乘客数量的变化，导致车辆总质量也发生显著变化。而在一些城市，复杂的地形导致了路面坡度角的不断变化。此外，随着对车辆制动性能研究的深入，发现车辆质量和路面坡度角对制动效果有很大的影响。由于缺乏这些车辆状态信息，可导致制动力不足或减速不稳定等问题。而现有的坡度传感器gps传感器等由于精度较低，对质量和坡度的估算效果不佳。部分估算算法需要加速度传感器，而加速度传感器成本较高，且误差较大。并且在下坡路段，由于车辆制动力的介入，使对车辆质量的估算产生误差。

技术实现要素：

本发明针对现有技术中存在的技术问题，提供车辆状态估算方法、装置、设备及存储介质，基于扩展卡尔曼滤波（ekf）和最小二乘法(rls)联合的估算方法估算质量，估算结果准确度高，整车质量估算误差在2%-3%；同时还可对路面坡度角进行估算。

本发明采用的技术方案是：一种车辆状态估算方法，包括以下步骤：

s1：建立含制动力参数的车辆纵向动力学模型，获取车辆的空气阻力、滚动阻力、车辆旋转质量转换系数，导入车辆纵向动力学模型中；

s2：获取车辆的发动机输出扭矩和制动压力调控阀压力；

s3：将发动机输出扭矩和制动压力调控阀压力导入步骤s1的车辆纵向动力学模型，根据车辆纵向动力学模型估算整车质量，采用最小二乘法来对估算的质量值进行修正。

步骤s3中，所述根据所述车辆纵向动力学模型估算整车质量，包括：根据车辆纵向动力学模型使用扩展卡尔曼滤波估算整车质量和路面坡度角信息。

使用扩展卡尔曼滤波的车辆系统参数识别方法的实质是可测量观测的数据与未知需估算的数据融合，将整车质量和路面坡度角作为状态向量的状态分量，根据上一时刻的估算结果，对当前时刻的整车质量和路面坡度角进行估算，同时对可测量的速度参数进行测量，得到观测变量，最后通过速度的测量量（由轮速传感器测量得出）与估算量进行对比修正，从而得到当前时刻的整车质量和路面坡度角。

步骤s3中，采用带遗忘因子的递推最小二乘法对估算的质量值进行修正。

采用最小二乘法对质量参数进行修正，通过比较车辆实际系统输出与对车辆估算的输出，得到当前时刻估算模型的估算误差，通过不断地更新估算模型参数，最终使估算误差减小，而最终的估算模型输出将接近实际系统输出。由于商用车乘客上车下车及行驶路面变化，导致车辆在城市运行过程中车辆质量及路面坡度角不断发生变化。而在车辆状态变化后，一些已有的车辆质量旧数据对变化后的车辆质量估算的结果产生较大影响，因此需引入遗忘因子参数，对估算结果进行修正。

车辆纵向动力学模型为：

式中，为车辆的驱动力，为滚动阻力，为坡度阻力，为空气阻力，为制动力，为加速度或减速度，为车辆旋转质量转换系数，其值与发动机飞轮及各车轮的转动惯量和传动系的传动比有关，m为车辆质量。

驱动力为发动机扭矩经传动系统传递至驱动轮上得到的，具体表达式如下：

式中为发动机输出扭矩，单位为n·m；为主减速器传动比，为变速箱传动比，为传动系统机械效率；为车轮的滚动半径，单位为m；

坡度阻力表示汽车在上下坡时所受到的重力沿坡道方向的分力，具体表达式为：

式中，为路面坡度角；

空气阻力只考虑在无风的情况下车辆行驶的受力，具体表达式为：

式中，为空气阻力系数，为迎风面积，单位为；为空气密度，单位为；为车辆纵向行驶速度，单位为m/s；

滚动阻力为轮胎与地面的之间的阻力，具体表达式为：

式中，为车辆的滚动阻力系数；

制动力表示车辆的气压制动过程中所产生的制动力，具体表达式为：

式中，为扭矩转换系数，单位为n*m/pa，为制动压力调控阀内压力的大小。

扩展卡尔曼滤波系统的状态向量定义为速度v，质量m和路面坡度角i:

^t

车辆的速度v通过轮速传感器测量得出,在0.1秒的采样间隔内，质量和坡度对时间的导数可以近似为零，可忽略，微分方程可以表示为：

系统的观测矩阵为。

一种车辆状态估算装置，包括车辆状态估算模块，用于获取车辆的空气阻力、滚动阻力、车辆旋转质量转换系数、发动机输出扭矩和制动压力调控阀压力，导入车辆纵向动力学模型，使用扩展卡尔曼滤波估算整车质量和路面坡度角信息；

整车质量修正模块，用于采用最小二乘法来对车辆状态估算模块估算的整车质量值进行修正。

一种车辆状态估算设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的车辆状态估算程序，所述车辆状态估算程序被所述处理器执行时实现上述车辆状态估算方法的步骤。

一种计算机可读存储介质，所述计算机可读存储介质上存储有车辆状态估算程序，所述车辆状态估算程序被计算机处理器执行时实现上述车辆状态估算方法的步骤。

与现有技术相比，本发明所具有的有益效果是：

1.本发明通过将车辆的空气阻力、滚动阻力、车辆旋转质量转换系数、车辆的发动机输出扭矩和制动压力调控阀压力导入车辆纵向动力学模型，估算整车质量，再采用最小二乘法对估算的质量值进行修正，降低了整车质量估算误差；

2.车辆纵向动力学模型使用扩展卡尔曼滤波估算整车质量和路面坡度角信息，将整车质量和路面坡度角作为状态向量的状态分量，根据上一时刻的估算结果，对当前时刻的整车质量和路面坡度角进行估算，同时对可测量的速度参数进行测量，得到观测变量，最后通过速度的测量量与估算量进行对比修正，从而得到当前时刻的整车质量和路面坡度角，估算过程科学、合理，得到最优状态估计，估算结果接近真实值，误差小，在制动过程中的路面坡度角估算结果误差在±0.1度内；

3.采用带遗忘因子的递推最小二乘法对估算的质量值进行修正，充分考虑到车辆状态变化后，一些已有的车辆质量旧数据对变化后的车辆质量估算的结果产生较大影响，因此需引入遗忘因子参数，对估算结果进行修正，将整车质量估算误差控制在2%-3%；

4.本发明使用的纵向动力学模型考虑了制动工况对坡度估计的影响，可在制动时对相关参数进行修正，增加估算的准确性与实时性；

5.车辆状态估算装置通过车辆状态估算算法，可以自动估算整车质量和路面坡度角信息，估算结果准确，在制动过程中的路面坡度角估算结果误差在±0.1度内，整车质量估算误差在2%-3%，且未采用加速度及坡度传感器，可降低车辆成本。

6.车辆状态估算设备存储车辆状态估算程序，可在处理器上运行车辆状态估算方法，估算整车质量和路面坡度角信息。

7.计算机可读存储介质存储有车辆状态估算程序，可被计算机处理器执行，实现车辆状态估算方法，估算整车质量和路面坡度角信息。

附图说明

图1为本发明实施例的逻辑示意图；

图2为本发明实施例的估算结果图。

具体实施方式

为使本领域技术人员更好的理解本发明的技术方案，下面结合附图和具体实施例对本发明作详细说明。

实施例一

本发明的实施例提供了一种车辆状态估算方法，如图1所示，其包括以下步骤：

s1：根据车辆动力学原理建立含制动力参数的车辆纵向动力学模型，获取车辆的空气阻力、滚动阻力、车辆旋转质量转换系数，导入车辆纵向动力学模型；

车辆纵向动力学模型为：

式中，为车辆的驱动力，为滚动阻力，为坡度阻力，为空气阻力，为制动力，为加速度或减速度，为车辆旋转质量转换系数，m为车辆质量。

驱动力为发动机扭矩经传动系统传递至驱动轮上得到的，具体表达式如下：

式中为发动机输出扭矩，单位为n·m；为主减速器传动比，为变速箱传动比，为传动系统机械效率；为车轮的滚动半径，单位为m；

坡度阻力表示汽车在上下坡时所受到的重力沿坡道方向的分力，具体表达式为：

式中，为路面坡度角；

空气阻力只考虑在无风的情况下车辆行驶的受力，具体表达式为：

式中，为空气阻力系数，为迎风面积，单位为；为空气密度，单位为；为车辆纵向行驶速度，单位为m/s；

滚动阻力为轮胎与地面的之间的阻力，具体表达式为：

式中，为车辆的滚动阻力系数；

制动力表示车辆的气压制动过程中所产生的制动力，具体表达式为：

式中，为扭矩转换系数，单位为n*m/pa，为制动压力调控阀内压力的大小。

车辆纵向动力学模型可以表示为：

。

s2：通过车辆的can总线得到发动机输出扭矩和制动压力调控阀压力的参数信息；

s3：将采集的参数信息导入车辆纵向动力学模型，使用扩展卡尔曼滤波估算整车质量和路面坡度角信息，采用最小二乘法来对估算的质量值进行修正。具体计算方法如下：

假设系统的计算噪声和测量噪声分别为，，分别为相互独立、且均值为零的高斯白噪声。ekf系统的状态空间表达式可以表示为：

此时，为系统的观测矩阵。

扩展卡尔曼滤波系统的状态向量定义为速度v，质量m和路面坡度角i:

^t。

根据扩展卡尔曼滤波算法估算质量和路面坡度角：扩展卡尔曼滤波包括两个计算过程：时间更新和测量更新。

时间更新的方程可以表示为：

此时，表示表示先验误差协方差，表示求解过程矩阵，表示状态变量的先验估计值，表示上一时刻误差协方差，上一时刻预测模型噪声。

在本估算算法中，可得到：

式中：

，

，

。

系统的测量更新可以表示为：

式中表示卡尔曼增益，表示状态变量后验估计值，表示后验误差协方差，表示单位矩阵。

车辆的速度通过轮速传感器测量得出,在采样间隔（0.1秒）内，质量和坡度对时间的导数可以近似为零，微分方程可以表示为：

系统的观测矩阵为。

采用最小二乘法对质量参数进行修正，车辆质量的递归格式可以表示为：

式中，，分别为系统输入量和可观测的数据向量，增益矩阵和误差协方差矩阵可表示为：

式中为最小二乘法模型的遗忘因子。

如图2所示，在400秒的实测时间内，车辆经历了两次质量的改变，在每种质量时，都经历了不同坡度的加速和减速。车辆的具体速度如图2（a）所示。

整车质量的真实值、扩展卡尔曼滤波系统计算后的质量估算值和经最小二乘法修正后的质量估算值如图2（b）所示，单独使用扩展卡尔曼滤波算法对质量估算的误差在5-6％，经最小二乘法修正后，误差缩小到2-3%。路面坡度角(°)的估算结果如图2（c）所示，估算结果误差在±0.03度以内。本实施例考虑到了制动工况对坡度估计的影响，采用适当的混合算法，具有更高的稳定性和精度。

实施例二

一种车辆状态估算装置，包括车辆状态估算模块，用于获取车辆的空气阻力、滚动阻力、车辆旋转质量转换系数、发动机输出扭矩和制动压力调控阀压力，导入车辆纵向动力学模型，使用扩展卡尔曼滤波估算整车质量和路面坡度角信息；

整车质量修正模块，用于采用最小二乘法来对车辆状态估算模块估算的整车质量值进行修正。

车辆状态估算装置的具体运行，包括以下步骤：

s1：根据车辆动力学原理建立含制动力参数的车辆纵向动力学模型，获取车辆的空气阻力、滚动阻力、车辆旋转质量转换系数，导入车辆纵向动力学模型；

车辆纵向动力学模型为：

式中，为车辆的驱动力，为滚动阻力，为坡度阻力，为空气阻力，为制动力，为加速度或减速度，为车辆旋转质量转换系数，m为车辆质量。

驱动力为发动机扭矩经传动系统传递至驱动轮上得到的，具体表达式如下：

式中为发动机输出扭矩，单位为n·m；为主减速器传动比，为变速箱传动比，为传动系统机械效率；为车轮的滚动半径，单位为m；

坡度阻力表示汽车在上下坡时所受到的重力沿坡道方向的分力，具体表达式为：

式中，为路面坡度角；

空气阻力只考虑在无风的情况下车辆行驶的受力，具体表达式为：

式中，为空气阻力系数，为迎风面积，单位为；为空气密度，单位为；为车辆纵向行驶速度，单位为m/s；

滚动阻力为轮胎与地面的之间的阻力，具体表达式为：

式中，为车辆的滚动阻力系数；

制动力表示车辆的气压制动过程中所产生的制动力，具体表达式为：

式中，为扭矩转换系数，单位为n*m/pa，为制动压力调控阀内压力的大小。

车辆纵向动力学模型可以表示为：

。

s2：通过车辆的can总线得到发动机输出扭矩和制动压力调控阀压力的参数信息；

s3：将采集的参数信息导入车辆纵向动力学模型，使用扩展卡尔曼滤波估算整车质量和路面坡度角信息，采用最小二乘法来对估算的质量值进行修正。具体计算方法如下：

扩展卡尔曼滤波系统的状态向量定义为速度v，质量m和路面坡度角i:

^t

车辆的速度通过轮速传感器测量得出,在采样间隔（0.1秒）内，质量和坡度对时间的导数可以近似为零，微分方程可以表示为：

系统的观测矩阵为。

采用最小二乘法对质量参数进行修正，车辆质量的递归格式可以表示为：

式中，，分别为系统输入量和可观测的数据向量，增益矩阵和误差协方差矩阵可表示为：

式中为最小二乘法模型的遗忘因子。

实施例三

一种车辆状态估算设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的车辆状态估算程序，所述车辆状态估算程序被所述处理器执行时实现上述车辆状态估算方法的步骤。

实施例四

一种计算机可读存储介质，所述计算机可读存储介质上存储有车辆状态估算程序，所述车辆状态估算程序被计算机处理器执行时实现上述车辆状态估算方法的步骤。

以上通过实施例对本发明进行了详细说明，但所述内容仅为本发明的示例性实施例，不能被认为用于限定本发明的实施范围。本发明的保护范围由权利要求书限定。凡利用本发明所述的技术方案，或本领域的技术人员在本发明技术方案的启发下，在本发明的实质和保护范围内，设计出类似的技术方案而达到上述技术效果的，或者对申请范围所作的均等变化与改进等，均应仍归属于本发明的专利涵盖保护范围之内。