一种关于公交车质量变化和道路坡度解耦的估算方法

摘要

本发明公开了一种关于公交车质量变化和道路坡度解耦的估算方法，涉及智能交通技术领域,通过对加速度的分段考虑，对质量和道路坡道进行解耦估算。坡度根据GPS定位或站点的预设位置进行查表，获取站点的坡度信息；通过对车门开关信号和加速度的判断，启动质量估计算法；对一段时间内的驱动扭矩、车速以及加速度进行采样，利用最小二乘的方法估算整车质量并进行归一化处理；若收敛于小于设定的阈值，算法终止并输出估算结果，否则持续输出，直至车辆停止行驶。对于道路坡度的估算，在质量已输出估算结果的情况下，本发明采用基于带有遗忘因子最小二乘的动力学方法和基于加速度传感器的运动学方法的融合算法，从而保证了在线估算精度。

说明书

技术领域

本发明涉及智能交通技术领域，具体地说是指一种关于公交车质量变化和道路坡度解耦的估算方法。

背景技术

整车质量和道路坡度是车辆动力学模型中的重要参数，精确实时地估算质量和坡度可以有效提高车辆的动力性和经济性。根据整车质量的变化适时调整驱动和制动控制策略可以最大程度地提高动力性和经济性，同时增强驾驶员对车辆的操控感，提高驾驶平顺性。道路坡度的准确估算能够更加精确地计算车辆的轴荷转移，并据此计算当前工况下所需的最低输出扭矩，在提高驾驶感的同时能够提升动力性和经济性。但是若通过动力学方法对质量和坡度进行估算，两者是强耦合关系，因此，探索一种质量和坡度的解耦估计算法就显的十分必要。

发明内容

本发明提供一种关于公交车质量变化和道路坡度解耦的估算方法，其主要目的在于解决现有技术中存在的上述问题。

为了解决上述技术问题，本发明采用如下技术方案：

一种关于公交车质量变化和道路坡度解耦的估算方法：（1）获取站点的坡度信息；（2）判断车辆当前工况是否满足使用质量估计算法的使能条件；（3）若使能条件满足且保持时间大于时间阀值t时，对一段时间内的驱动扭矩、车速以及加速度进行采样，利用最小二乘的方法估算整车质量，并将质量方差进行归一化处理，若收敛于小于设定的阈值，质量估计算法终止并输出估算结果，否则持续输出，直至车辆停止行驶；（4）在已输出质量的估算结果情况下，采用基于带有遗忘因子最小二乘的动力学方法和基于加速度传感器的运动学方法相融合的道路坡度估算算法，对道路坡度进行估算。

进一步，所述步骤（2）中的使能条件是：在车门关闭的情况下，驱动扭矩大于扭矩阀值F或者整车纵向加速度大于加速度阀值a。

进一步，所述扭矩阀值F为1000Nm，所述加速度阀值a为0.5m/s²，所述时间阀值t为0.3s。

进一步，所述步骤（2）中，整车质量的估算公式为：

。

进一步，所述步骤（4）中，道路坡度的估算公式为：

其中，τ为时间常数；s为加权系数；

，为基于运动学方法的坡度角估计值；

，为基于动力学方法的路面坡度角估计值。

由上述对本发明结构的描述可知，和现有技术相比，本发明具有如下优点：

本发明通过对加速度的分段考虑，对质量和道路坡道进行解耦估算。坡度根据GPS定位或站点的预设位置进行查表，获取站点的坡度信息；通过对车门开关信号和加速度的判断，启动质量估计算法；对一段时间内的驱动扭矩、车速以及加速度进行采样，利用最小二乘的方法估算整车质量并进行归一化处理；若收敛于小于设定的阈值，算法终止并输出估算结果，否则持续输出，直至车辆停止行驶。对于道路坡度的估算，在质量已输出估算结果的情况下，本发明采用基于带有遗忘因子最小二乘的动力学方法和基于加速度传感器的运动学方法的融合算法，从而保证了在线估算精度。

附图说明

图1为质量和道路坡度估计算法流程图。

图2为路面坡度示意图。

具体实施方式

下面参照附图说明本发明的具体实施方式。

一、整车质量辨识

如图1和图2所示，对车辆进行纵向受力分析：

其中，F_x为车轮纵向力合力，F_g为爬坡阻力，F_w为空气阻力，T_i为各车轮的驱动力矩，J_w为车轮的转动惯量，w_i为各车轮的角速度，R为车轮半径，μ_r为滚动阻力系数，θ为坡度角，C_d为风阻系数，A为迎风面积，v_x为整车纵向车速，M为整车质量，ρ为空气密度。

整理得到

。

又因为加速度传感器可以测量到沿测量轴的重力加速度分量，因此其测得的加速度为：

。

所以有

。

其中令

。

则有

。

采用最小二乘法进行估计，令

。

m为采样点个数，根据最小二乘法求出M应满足下式取得最小值，即

。

解得整车质量的估计值公式为：

。

考虑到上式中含有阻力变量，而阻力又跟道路坡度相关，所以需要事先确定道路坡度才能对整车质量进行估算。也就是说整车质量跟道路坡度存在强耦合的关系。考虑到加速度对估算误差的影响，提出基于加速度分段的质量和坡度的解耦估算方法即在某一较小的加速度以下时，质量的估算误差会较大，反之，估算精度会高很多。

由于本发明的研究对象为公交车这种特殊工况下运行的车辆，其有固定的运行路线，有固定的的路况和公交站点，因此可通过GPS定位或站点的预设位置进行离线查表，获取站点的坡度信息，得到道路坡度；然后，通过对车门开关信号、纵向加速度和驱动扭矩的判断，启动质量估计模块，对一段时间内的驱动扭矩和车速以及车辆加速度进行采样，采用最小二乘法的方法估算整车质量，并将质量方差进行归一化处理，若收敛于小于设定的阈值，质量估计算法终止并输出估算结果，否则持续输出，直至车辆停止行驶。

由于在车辆起步过程中，加速度必然会从0增加到一个较大值，而质量的估算在较大的加速度下才会开始，所以在初始阶段（即加速度小于或等于加速度阈值a），可先用整车的半载质量作为预测值，这样也不会造成真实质量的偏差过大或过小；而在加速度大于加速度阈值a时，则使用上述整车质量的估计值公式进行估算。

具体地，采用带遗忘因子的递推最小二乘法进行估算，也就是利用当前采样时刻的测量值对上一采样时刻的估计值进行修正。算法描述如下：

其中，

。

质量估计开始后，每隔ts秒对质量估计值进行采样。计算时，取时间序列上最后n个采样点的数据求出估计值的方差，并将方差归一化：

其中：为质量的估计值（采样时间ts秒）；为最近的n个采样点质量估计值的均值。当算法未收敛时，将质量估计值实时输出，以减小使用预测值M带来的误差；当方差σ的值小于σ₀时，认为算法已经稳定，停止估计，将这时的估计值作为整车质量输入其他控制系统及辨识算法，直至车辆下一次停车并开门，算法会将输出值再次重置为标定值M。

可见，需先判断车辆当前工况是否满足使用质量估计算法的使能条件；若使能条件满足且保持时间大于时间阀值t时，对一段时间内的驱动扭矩、车速以及加速度进行采样，利用最小二乘的方法估算整车质量，并将质量方差进行归一化处理，若收敛于小于设定的阈值，质量估计算法终止并输出估算结果，否则持续输出，直至车辆停止行驶。上述使能条件是：在车门关闭的情况下，驱动扭矩大于扭矩阀值F或者整车纵向加速度大于加速度阀值a。

作为优选，扭矩阀值F为1000Nm，加速度阀值a为0.5m/s²，时间阀值t为0.3s，即使能条件是：在车门关闭的情况下，驱动扭矩大于1000Nm或者整车纵向加速度大于0.5m/s²。

因此，当车门关闭且车辆的加速度小于0.5m/s²时可先用整车的半载质量作为预测值；在满足使能条件且使能条件的保持时间大于0.3s时，启动质量估计模块，由质量估计模块用上述整车质量的估计值公式进行质量估算。

（4）在已输出质量的估算结果情况下，采用基于带有遗忘因子最小二乘的动力学方法和基于加速度传感器的运动学方法相融合的道路坡度估算算法，对道路坡度进行估算。

二、道路坡度估算

（1）动力学方法

如图2所示，利用车辆动力学模型，令

则

其中，y为纵向驱动力，可通过分布式驱动电机的反馈信号精确得到；u为质量和速度的函数，在质量已知的情况下可得；b为质量和坡度角的函数，质量已知，故可得到坡度角值。

由于坡度是时变的，故b值采用带有遗忘因子的最小二乘法估计得到。

通过上式可以估计得到各时刻的b值，进而利用下式得到基于动力学方法的路面坡度角估计值θ_d。

（2）运动学方法

加速度传感器固结于车身，其测量值a_x除了受到车辆本身的行驶加速度影响外，还受到路面坡度的影响。基于运动学方法的坡度角估计值θ_k：

（3）融合方法

如图1所示，动力学方法较多地依靠模型参数的准确性，而运动学方法较容易受到传感器信号质量的影响。因此本发明采用加权平均的方法将两种方法融合，最终得到对坡度角的估计值θ。

其中，τ为时间常数，可取数量级在10^-2的常数；s为加权系数。

综上，本发明通过对加速度的分段考虑，对质量和道路坡道进行解耦估算。坡度根据GPS定位或站点的预设位置进行查表，获取站点的坡度信息；通过对车门开关信号和加速度的判断，启动质量估计算法；对一段时间内的驱动扭矩、车速以及加速度进行采样，利用最小二乘的方法估算整车质量并进行归一化处理；若收敛于小于设定的阈值，算法终止并输出估算结果，否则持续输出，直至车辆停止行驶。对于道路坡度的估算，在质量已输出估算结果的情况下，本发明采用基于带有遗忘因子最小二乘的动力学方法和基于加速度传感器的运动学方法的融合算法，从而保证了在线估算精度。

上述仅为本发明的具体实施方式，但本发明的设计构思并不局限于此，凡利用此构思对本发明进行非实质性的改动，均应属于侵犯本发明保护范围的行为。