包括在车辆运行期间的动态车辆质量和道路坡度估计的车辆控件

摘要

本发明公开了包括车辆质量动态估计和道路坡度估计的设备、方法和系统。一个示例性实施方案是一种方法，所述方法包括：操作车辆系统以推进车辆；利用控制器来确定车辆质量估计值和所述车辆质量估计值的不确定性；利用所述控制器相对于至少一个标准来评估所述车辆质量估计值的所述不确定性；如果所述车辆质量估计值的所述不确定性满足所述标准，利用所述控制器来确定道路坡度估计值；以及利用所述控制器根据所述道路坡度估计值来控制车辆速度和发动机输出中的至少一个。

说明书

背景技术

本申请总体涉及用于在车辆运行期间估计车辆质量和/或道路坡度的设备、方法 和系统以及包括所述设备、方法和系统的车辆控件。车辆质量和道路坡度可能对车辆运行 具有显著影响并且可能影响燃料经济性以及感知到的对操作员控件的响应性，所述响应性 有时被称为驾驶性能。可利用对这些和其他参数的估计来改进车辆运行的许多方面。用于 估计或确定车辆质量和/或道路坡度的现有方法具有许多缺点和不足。仍然存在对本文所 公开的独特且具有创造性的设备、方法、系统以及控件的显著需求。

公开内容

出于清楚、简明且准确地描述本发明的示例性实施方案、制造和使用本发明的方 式和过程的目的并且为了能够实践、制造和使用本发明，现将参考某些示例性实施方案，包 括图中示出的那些，并且将使用特定语言来描述所述示例性实施方案。然而应当理解，并不 由此形成对本发明范围的限制，并且本发明包括并保护如本领域的技术人员将想出的所述 示例性实施方案的此类替换、修改以及其他应用。

发明概要

一个示例性实施方案是一种方法，所述方法包括：操作车辆系统以推进车辆；利用 控制器确定车辆质量估计值和所述车辆质量估计值的不确定性；如果所述车辆质量估计值 的所述不确定性满足至少一个标准，利用所述控制器相对于所述标准来评估所述车辆质量 估计值的不确定性；利用所述控制器确定道路坡度估计值；以及利用所述控制器根据所述 道路坡度估计值来控制车辆速度和发动机输出中的至少一个。根据以下描述和附图，其他 实施方案、形式、目标、特征、优点、方面和益处将变得显而易见。

附图说明

图1是示例性车辆系统的示意图。

图2是示出用于车辆系统的示例性控件的框图。

图3是示出用于车辆系统的示例性控制过程的流程图。

图4是示出用于基于道路负载方差估计值来调整发动机速度和/或发动机转矩的 示例性过程的流程图。

图5是示出用于车辆系统的示例性控制过程的流程图。

图6是示出用于车辆系统的示例性控制过程的流程图。

图7是示出用于车辆系统的示例性控件的框图。

图8是示出用于车辆系统的示例性控件的框图。

具体实施方式

参照图1，示出了示例性车辆系统100的示意图，所述车辆系统100包括被构造来产 生用于车辆系统100的功率的发动机102，如内燃发动机。车辆系统100还包括变速器104，所 述变速器104可操作地连接到发动机102以便调节发动机102的输出转矩并且将输出转矩传 送到驱动轴106。图1所示的车辆系统100包括具有最终驱动108的后轮驱动配置，所述最终 驱动108具有将驱动轴106连接到后轮轴112a和112b的后差速器110。所设想的是，可将车辆 系统100的组件定位在整个车辆系统100中的不同位置。在一个非限制性实例中，在具有前 轮驱动配置的车辆中，变速器可以是变速驱动桥并且最终驱动可驻留在车辆前部以便通过 变速驱动桥将前轮轴连接到发动机。

在所示的实施方案中，车辆系统100还包括两个前制动器116a和116b，所述前制动 器116a和116b各自分别定位在前轮118a与前轮轴114a以及前轮118b与前轮轴114b之间并 且可操作地连接到两个前轮118a和118b以及两个前轮轴114a和114b。车辆系统100还包括 两个后制动器120a和120b，所述后制动器120a和120b各自分别定位在后轮122a与后轮轴 112a以及后轮122b与后轮轴112b之间。所设想的是，车辆系统100可具有比图1中所示的更 多或更少的轮胎和/或制动器。在某些实施方案中，车辆系统100还可包括未示出的各种组 件，举例来说，如燃料系统(包括燃料箱)、制动系统、发动机进气系统以及发动机排气系统， 所述发动机排气系统可包括排气后处理系统。

车辆系统100包括电子或发动机控制单元(ECU)130，有时被称为电子或发动机控 制模块(ECM)等，所述ECU130被引导用于调节和控制发动机102的运行。在车辆系统100中 示出变速器控制单元(TCU)140，其被引导用于调节和控制变速器104。ECU130和TCU140各 自彼此电通信并且通过控制器局域网(CAN)155与多个传感器、致动器以及车辆系统100的 另外组件电通信。ECU130和TCU140可被构造来接收与车辆系统100相关的各种运行信息， 包括：例如，发动机速度、变速器速度、发动机转矩、发动机功率、档位选择、加速器位置、制 动踏板位置、环境温度、涡轮增压器增压压力、进气歧管压力、进气歧管温度、排气歧管压 力、排气歧管温度、本地地平线预测信息、倾斜计信息以及GPS或远程信息处理信息。前述信 息可由物理传感器、虚拟传感器或其组合提供。

在某些实施方案中，ECU130和TCU140可组合成单个控制模块，通常被称为动力 系控制模块(PCM)或动力系控制单元(PCU)等。所设想的是，可将ECU130整合在发动机102 内和/或可将TCU140整合在变速器104内。用于车辆子系统的其他各种电子控制单元(例如 像制动系统电子控制单元和巡航控制电子控制单元)通常存在于车辆系统100中，但是为了 保持清晰，在车辆系统100中未示出用于车辆子系统的此类其他各种电子控制单元。

车辆系统100还包括发动机功率管理(EPM)控制器150，所述EPM控制器150可操作 地连接到用于接收车辆系统100传感器数据和条件的ECU130。EPM控制器150，其可专用于 下文进一步详细公开的控件和过程中的一些或全部以及用于在车辆系统100中调节和控制 发动机的另外控件。在所示的实施方案中，EPM控制器150与ECU130电通信。所设想的是，在 某些实施方案中，EPM控制器可与TCU140电通信。在某些实施方案中，可将EPM控制器150的 至少一部分整合在ECU130和/或TCU140内。EPM控制器150可进一步与车辆系统100中的用 于接收和传送车辆系统100条件(例如像温度和压力条件)的多个车辆传感器中的一个或多 个电通信。

在图1所示的示例性实施方案中，导航和定位系统160，如安装在车辆系统100的外 部的全球定位系统(GPS)装置和/或连接到车辆系统100的电子地平线装置，可电连接到EPM 控制器150以便提供道路坡度信息。在某些实施方案中，可将来自导航和定位系统160的另 外信息(例如像交通、海拔和/或天气条件)传送到EPM控制器150。所设想的是，在某些实施 方案中，尤其是在导航和定位系统160未连接到EPM控制器150的情况下，当车辆沿着行进路 线行进时，可将道路坡度信息编程到存储器中并可由EPM控制器150访问。

所设想的是，可将本文所公开的控件、控制系统和控制装置与智能交通系统和服 务(ITS)结合起来利用，所述智能交通系统和服务(ITS)包括将信息和通信技术与交通基础 设施整合以改进经济效益、安全性、移动性和环境可持续性的系统。示例性ITS系统包括三 个操作层：数据收集层、数据聚集和转换层以及信息传播层。

数据收集层可包括EPM控制器150和系统160以及多个车辆上的感测并且传送与特 定地理位置处的多个车辆相关联的数据的装置和系统。数据收集层还可包括相对于道路固 定的传感器、照相机和其他数据源，或来自设置在监视交通工具(如飞机和直升机)上的传 感器、照相机和其他数据源的信息。

数据聚集和转换层包括一个或多个基于计算机的系统，所述一个或多个基于计算 机的系统接收并聚集来自数据收集层装置的数据并且对所接收的数据进行处理以提供关 于一个或多个道路或交通条件的信息。在某些方面，所接收的数据可包括关于特定位置处 的道路坡度、车辆速率或速率变化的信息，可聚集并处理所述信息以确定驶过给定道路区 段的交通速度。在其他方面，可得出关于天气条件(如风速)、降雨量以及道路条件的信息。

信息传播层可包括EPM控制器150和系统160以及多个车辆上的接收从数据聚集和 转换层传送的信息的装置和系统。所接收的信息可包括道路坡度信息、关于驶过给定道路 区段的交通速度的信息以及可得出的关于天气条件(如风速)、降雨量和道路条件的信息。 如下文进一步描述，来自前述各层中的一个或多个的ITS信息可与本文所公开的控件、控制 系统以及控制装置结合来利用。

所设想的是，除了或代替多个车辆传感器用于由EPM控制器150解释信号所需的条 件和/或测量输入的至少一部分可从ECU130和/或TCU140接收，作为补充或替代。进一步 设想的是，在某些实施方案中，ECU130、TCU140和EPM控制器150可通过CAN155传送数据 通信消息。ECU130和TCU140包括示例性控制系统的两个组件。还设想了各种其他控制系 统配置。

EPM控制器150包括存储在计算机可读介质上的存储数据值、常数和函数以及操作 指令。本文描述的示例性过程的任何操作均可至少部分地由EPM控制器150执行。在某些实 施方案中，所述控制器包括被构造用于功能上执行控制器的操作的一个或多个模块。本文 中包括模块描述强调EPM控制器150的各方面的结构独立性，并且说明了EPM控制器150的操 作和职责的一个分组。应当理解，执行类似整体操作的其他分组也在本申请的范围内。模块 可在计算机可读介质上的硬件和/或软件中实施，并且模块可分布在各种硬件或软件组件 上。参考图2所述的部分中包括对控制器操作的某些实施方案的更具体描述。除非本文中有 明确的相反陈述，否则示出的操作仅应理解为示例性的，并且操作可全部或部分地组合或 拆分、添加或移除以及重新排序。

本文描述的某些操作包括用于解释一个或多个参数的操作。如本文所利用的，解 释包括通过本领域中已知的任何方法接收值，至少包括从数据链路或网络通信接收值、接 收指示值的电子信号(例如，电压、频率、电流或脉冲宽度调制(PWM)信号)、接收指示值的软 件参数、从计算机可读介质上的存储器位置读取值、通过本领域中已知的任何方式接收作 为运行时间参数的值、和/或通过接收可用来计算所解释的参数的值和/或通过引用将被解 释为参数值的默认值。

图2中示出EPM控制器150的一个示例性实施方案。在某些实施方案中，EPM控制器 150包括从整个车辆系统100中的各种传感器接收的功率损耗条件202、加速度条件204、发 动机输出转矩206、风量208、环境空气压力210、环境空气温度212以及车辆速度214。

图2中所示的EPM控制器150包括发动机输出功率计算模块220、功率损耗估计模块 230、车辆质量估计模块240、不确定性计算模块250、车辆质量确定模块260、道路坡度估计 模块270、道路负载方差估计模块280以及发动机运行参数调整模块280。本申请中设想了功 能上执行EPM控制器150的操作的其他EPM控制器150布置。

在操作中，EPM控制器150基于本领域普通技术人员已知的发动机转矩物理模型来 补偿车辆在沿行进路线滑行期间所消耗的功率。发动机转矩物理模型可以是阻力条件200、 功率损耗条件202以及加速度条件204中的至少一个函数。阻力条件200可包括重力阻力、气 动阻力或车轮阻力。功率损耗条件202可包括传动系统功率损耗、车轮功率损耗、变速器功 率损耗以及发动机功率损耗。加速度条件204可包括车辆加速度、车轮加速度、最终驱动加 速度、变速器加速度以及发动机加速度。

发动机输出功率计算模块220被配置来接收加速度条件204。发动机输出功率计算 模块220被引导用于确定发动机转矩输出值222。发动机输出功率计算模块220输入还可包 括功率消耗值(如车轮阻力功率、气动功率以及重力功率)以确定发动机转矩输出值222。

功率损耗估计模块230被配置来接收功率损耗条件202。功率损耗估计模块230被 引导用于确定功率损耗估计值232。在某些实施方案中，发动机功率损耗可不需要明确地补 偿，因为它可在发动机转矩输出值222中已被考虑。所设想的是，在某些实施方案中，尤其是 在导航和定位系统160不提供道路坡度或道路坡度未映射在内部存储器中的情况下，可在 发动机转矩物理模型中使用发动机转矩输出值222和功率损耗估计值232以提供道路坡度 估计。

车辆质量估计模块240被配置来接收发动机转矩输出值222和功率损耗估计值 232。车辆质量估计模块240被引导用于确定初始车辆质量估计值242。在某些实施方案中， 实时确定初始车辆质量估计值。通过不确定性计算模块250对初始车辆质量估计值242执行 不确定性计算，所述不确定性计算模块250被引导用于确定初始车辆质量估计值242的车辆 质量估计值不确定性值252。

在某些实施方案中，车辆质量估计值不确定性值252是基于线性二次估计，通常被 称为卡尔曼滤波器。可使用线性二次估计来执行不确定性计算并且确定车辆质量估计值不 确定性值252。线性二次估计是通常使用随时间推移观察到的一系列测量值的算法。测量值 通常含有噪声(例如，随机变化)和其他不准确性，所述线性二次估计对所述测量值递归地 进行操作，从而产生底层系统状态的统计上最佳的估计值，或趋向于比仅基于单个测量值 的那些更精确的未知变量的估计值。在滑行期间影响车辆的车辆噪声的一些实例包括：风 量，其可通过传感器和/或天气数据包测量；车辆质量，其可通过称重器具测量和/或基于车 辆传感器输入来计算；空气密度，其可通过环境空气压力和/或环境空气温度来测量；道路 坡度，其可通过导航和定位系统160测量；车辆速度，其可通过车辆速度传感器测量和/或基 于各种其他车辆传感器输入来计算；采样时间；和/或发动机转矩物理模型。所设想的是，在 某些实施方案中，可使用线性二次估计的替代物，如递归总体最小二乘(RTLS)估计器或线 性二次高斯控件。

车辆质量确定模块260被配置来接收初始车辆质量估计值242和车辆质量估计值 不确定性值252。当车辆质量估计值不确定性值252小于不确定性阈值时，车辆质量确定模 块260被引导用于基于初始车辆质量估计值242来确定最终车辆质量估计值262。当车辆质 量估计值不确定性值252小于不确定性阈值时，车辆质量确定模块260输出最终车辆质量估 计值262。在某些实施方案中，将最终车辆质量估计值262存储在存储器中以用于整个路线 或直到切断事件。所设想的是，在某些实施方案中，在整个行进路线中道路坡度更新的情况 下，可在行进路线期间更新最终车辆质量估计值262。

道路坡度估计模块270被配置来基于发动机转矩输出值222和功率损耗估计值232 确定道路坡度估计值272。所设想的是，在某些实施方案中，具体地在道路坡度被传送到EPM 控制器150和/或被存储在EPM控制器150中的那些实施方案中，EPM控制器150可不使用道路 坡度估计模块270。

道路负载方差估计模块280被配置来接收最终车辆质量估计值262和道路坡度估 计值272。道路负载方差估计模块280被引导用于确定基于发动机转矩物理模型的道路负载 方差估计输出282、最终车辆质量估计值262以及道路坡度估计值272。所设想的是，在某些 实施方案中，具体地在道路坡度被传送到EPM控制器150和/或被存储在EPM控制器150中的 那些实施方案中，道路负载方差估计模块280可不使用道路坡度估计值272。道路负载方差 估计输出282还可以是基于道路坡度的估计方差、风量的估计方差、环境空气温度以及环境 空气压力中的至少一个。

发动机运行参数调整模块290被配置来接收道路负载方差估计值282。发动机运行 参数调整模块290被引导用于确定可用的全节流转矩阈值命令292、发动机速度参数命令 294以及发动机输出转矩参数命令296。图3-4中进一步详细描述用于确定发动机运行参数 调整命令292、294和296的过程。

受益于本文中的公开内容的本领域技术人员将认识到本文中所公开的控制器、控 制系统和控制方法被构造来执行改进各种技术并且在各种技术领域提供改进的操作。示例 性且非限制性技术改进包括而不限于：内燃发动机的燃烧性能的改进，排放性能的改进、后 处理系统再生的改进、发动机转矩生成和转矩控制的改进、发动机燃料经济性能的改进、用 于内燃发动机的排气系统组件的改进的耐久性、以及发动机噪声和振动控件的改进的耐久 性。改进的示例性且非限制性技术领域包括而不限于：内燃机发动机和相关设备和系统的 技术领域以及包括所述内燃机发动机和相关设备和系统的车辆的技术领域。

图3-4中的示意性流程图和以下相关描述提供用于调整发动机转矩参数的执行过 程的说明性实施方案。除非本文中有明确的相反陈述，否则示出的操作仅应理解为示例性 的，并且操作可全部或部分地组合或拆分、添加或移除以及重新排序。示出的某些操作可由 执行非暂时性计算机可读存储介质上的计算机程序产品的计算机来实施，其中所述计算机 程序产品包括致使计算机执行操作中的一个或多个或致使计算机对其他装置发出执行操 作中的一个或多个的命令的指令。

参照图3，示出了用于调整可用的全节流发动机转矩的示例性过程300的流程图。 过程300可通过将EPM控制器150编程用于在例如车辆系统100中使用的而投入运行。过程 300开始于操作302，在所述操作302中起动用于调整可用的全节流发动机转矩的控制例程。 操作302可在预先确定的空闲时间之后通过解释接通事件而开始通过重新起动过程300或 由操作员或技术人员启动来完成循环。

过程300继续至条件句304，在所述条件句304中过程300使用轮询操作或车辆质量 状态的有效采样来检查是否检测到车辆质量改变事件。可通过在车辆传感器中的一个或多 个上进行主动监测以检测车辆质量改变事件来执行轮询操作。当未检测到车辆质量变化事 件时，过程300在操作302处重新开始。当检测到车辆质量变化事件时，过程300进行到操作 306以确定发动机输出转矩。所设想的是，在某些实施方案中，过程300可由车辆质量变化事 件起动。

过程300从操作306继续到操作308，以便基于在操作306中确定的发动机输出转矩 来确定实时车辆质量估计值。所设想的是，所述实时车辆质量估计值可以是基于影响输出 转矩的一个或多个动态条件。此类动态条件可包括道路坡度、风量、环境空气温度以及环境 空气压力。

在操作310中，基于在操作308中确定的实时车辆质量估计值、在操作306中确定的 发动机输出转矩以及一个或多个动态条件来确定道路负载方差。过程300继续到操作312， 在所述操作312中基于在操作310中确定的道路负载方差来调整可用的全节流发动机转矩 阈值。

参照图4，示出用于调整发动机速度参数和/或发动机转矩参数的示例性过程400 的流程图。过程400可通过将EPM控制器150编程用于在例如车辆系统100中使用而投入运 行。过程400开始于操作402，在所述操作402中起动用于调整发动机速度参数和/或发动机 转矩参数的控制例程。操作402可在预先确定的空闲时间之后通过解释接通事件开始通过 重新起动程序400或由操作员或技术人员启动来完成循环。

程序400从操作402继续到操作404以确定发动机输出转矩。在某些实施方案中，可 使用车辆系统100中的多个传感器的一个或多个来确定和/或使用发动机转矩物理模型来 计算发动机输出转矩。过程400继续到操作406以确定车辆的初始质量估计值。车辆的初始 质量估计是基于在操作404中确定的发动机输出转矩。过程400从操作406继续到操作408， 在所述操作408中基于传动系统功率损耗、车轮功率损耗、发动机功率损耗以及变速器功率 损耗来确定车辆功率损耗估计。

过程400继续到操作410，以便基于在操作406中确定的初始车辆质量估计值、在操 作408中确定的车辆功率损耗估计以及发动机转矩物理模型来确定最终车辆质量估计值。 过程400进行到操作412以确定车辆质量估计值不确定性值。在某些实施方案中，可使用线 性二次估计(通常被称为卡尔曼滤波器)或线性二次估计的替代物(例如像RTLS估计器)来 观察车辆质量估计值不确定性值。

过程400从操作412继续到条件句414，以确定车辆质量估计值不确定性值是否小 于预先确定的不确定性阈值，从而确保在继续进行之前存在预先确定的车辆质量估计值的 置信水平。当车辆质量估计值不确定性值大于或等于不确定性阈值时，过程400返回到操作 406。

当车辆质量估计值不确定性值小于不确定性阈值时，过程400继续到条件句416以 确定道路坡度信息是否可用于将道路坡度提供到EPM控制器150。在某些实施方案中，可将 最终车辆质量估计值存储在存储器中并且可将同一个最终车辆质量估计值用于整个路线 或直到切断事件。所设想的是，在某些实施方案中，可使用道路坡度传感器，如可操作地连 接到变速器104的倾斜计来确定道路坡度信息。除了道路坡度传感器或作为其替代物，可使 用导航和定位系统160和/或被编程到EPM控制器150存储器中的道路坡度信息。

当道路坡度信息不可用时，过程400继续到操作418，以便基于在操作404中确定的 发动机输出转矩、在操作408中确定的车辆功率损耗估计以及发动机转矩物理模型来确定 道路坡度估计值。在某些实施方案中，可观察道路坡度估计值不确定性值并且将其与类似 于车辆质量估计值不确定性值和不确定性阈值的道路坡度估计不确定性阈值进行比较。过 程400进行到操作420以确定下文进一步详细讨论的道路负载方差。

当道路坡度信息可用时，过程400从条件句416继续到操作420以确定作为在操作 404中确定的发动机输出转矩以及在操作410中确定的最终车辆质量估计值的函数的道路 负载方差。在某些实施方案中，道路负载方差还可以是基于道路坡度、道路坡度估计值和/ 或风量中的至少一个。

过程400从操作420继续到操作422，在所述操作422中基于在操作420中确定的道 路负载方差来调整发动机速度参数和/或发动机转矩参数。过程400完成并且在操作424处 结束，其中如上所述，可重新起动过程400。

参照图5，示出示例性过程500的流程图，所述示例性过程500可由包括一个或多个 基于微处理器的控制器(如本文所描述的控制系统和控制器)的控制系统来执行。过程500 以起动操作501开始并且进行到操作505，所述操作505评估车辆按键开关是否打开。过程 500从操作505进行到操作510，所述操作510执行车辆质量估计操作。过程500从操作510进 行到操作520，所述操作520确定车辆质量估计的不确定性。在某些实施方案中，如下文结合 图7所描述，操作510和520可通过数字滤波器例如像扩展卡尔曼滤波器来实施。在某些形式 中，数字滤波器可被构造来通过基于车辆模型递归地预测车辆质量和相关联的不确定性以 及基于车辆运行测量值校正预测值来估计车辆质量。车辆模型可考虑发动机输出转矩或功 率以及作用于车辆上的其他力，如风阻力、滚动阻力、重力以及其他力。在一些形式中，车辆 模型可利用与道路或地形坡度相关的信息。这种信息可由倾斜计或可为物理或虚拟传感器 的一个或多个其他传感器提供。在一些形式中，模型并不依赖于或利用道路或地形坡度信 息，并且可例如通过在距离或时间上进行平均以减少任何特定点处的道路坡度影响来考虑 在这些参数变化的影响。

过程500从操作520进行到条件句530，所述条件句530评估质量估计的不确定性是 否满足一个或多个标准，例如，不确定性是否低于不确定性阈值或满足另一个预先确定的 标准，如考虑已满足阈值条件事件的持续时间或数量的标准。应当理解，例如，在移动阈值 或其他标准的情况下，可在评估之前静态地预先确定或动态地预先确定阈值或其他标准。 如果条件句530评估为否，那么过程500返回到操作510并且重复操作510。如果条件句530评 估为是，那么过程500进行到操作540，所述操作540执行道路坡度估计并且确定道路坡度估 计的不确定性。操作540还接收来自坡度传感器输入515的信息，所述信息还被提供到操作 510。

坡度传感器输入515可由许多不同的源提供或基于许多不同的源确定。在某些实 施方案中，可利用来自装载在车辆上的物理传感器或虚拟传感器的信息来提供或确定坡度 传感器输入515。在某些实施方案中，可利用来自在车辆外部的ITS系统的信息来提供或确 定坡度传感器输入515。ITS信息可用作车载传感器信息的替代物或与车载传感器信息组合 来利用。可利用ITS信息来改进坡度传感器输入515的准确度和/或稳健性。

在某些实施方案中，在提供或确定当前道路坡度和/或前方道路坡度估计时可利 用ITS信息。ITS信息可包括，例如，来自同一条道路或类似道路上的其他车辆的数据或信 息。可利用传感器融合技术将ITS信息与其他道路坡度信息组合以提供或确定当前坡度信 息和/或预测前方道路坡度信息。在不同类型的多个源(例如，服务器数据库、多个车辆的道 路坡度虚拟传感器、多个车辆的物理传感器和/或多个车辆数据库)提供道路坡度数据或信 息的实施方案中，也可利用用于ITS信息的传感器融合技术。

在某些实施方案中，可与利用来自多个车辆的信息的道路学习技术和系统结合来 利用ITS信息。例如，在重复的路线上，来自多个外部车辆的坡度测量值可与来自单个车辆 上的真实或虚拟传感器的局部道路坡度测量值融合以形成道路坡度路线数据库。来自多个 车辆的坡度测量值也可在中央源而不是车辆(例如，服务器)上融合以形成道路坡度数据 库。然后，可利用来自这个数据库的道路坡度信息来提供或确定坡度传感器输入515。

在某些实施方案中，可与使用一个或多个外部坡度源的车辆质量估计结合来利用 ITS信息。例如，在道路坡度信息由其他车辆或其他源(例如，服务器)提供或基于可通过与 其他车辆或其他源(例如，服务器)通信获得的ITS信息确定的实施方案中，可利用本文所公 开的质量估计技术。

在某些实施方案中，如下文结合图7所描述，可通过数字滤波器，例如像卡尔曼滤 波器来实施操作540。在某些形式中，数字滤波器可被构造来通过基于车辆模型递归地预测 车辆质量和相关联的不确定性以及基于车辆运行的测量值校正预测值来估计道路坡度。车 辆模型可考虑车辆质量和发动机输出转矩或功率以及作用于车辆上的其他力，如风阻力、 滚动阻力、重力和其他力。

过程500从操作540进行到操作550和560。操作550执行瞬时转矩管理操作。在某些 形式中，操作550基于预先确定的标准而动态地调整转矩极限，所述预先确定的标准可包括 燃料经济性标准和/或驾驶性能标准，如感知到的操作员响应性标准。操作560执行车辆速 度管理操作。在某些形式中，操作550基于预先确定的标准而动态地调整车辆巡航速度、车 辆速度极限或巡航控制速度，所述预先确定的标准可包括燃料经济性标准和感知到的操作 员响应性标准。

过程500从操作550和560进行到操作570，所述操作570评估按键开关是否关闭。如 果条件句570评估为否，那么过程500返回到操作540并且然后如上所述那样继续进行。如果 条件句570评估为是，那么过程500进行到操作599并停止。

应当理解，可利用过程500的许多另外形式。在某些形式中，可同时且独立地(例 如，并行或串行但彼此独立)执行操作510和540。在此类形式中，可重复操作510、520和530 直到质量估计值的不确定性满足一个或多个标准。然后可在运行期间将车辆质量估计值固 定或保持恒定。操作540可与操作510、520和530同时且独立于它们进行重复。如果存在可靠 的道路坡度估计不可能的条件，例如当车辆制动时或当车辆加速度超出范围时，那么可禁 用或暂停操作540。在一种形式中，当车辆加速度低于最小阈值或高于最大阈值时，可禁用 或暂停操作540。最小和最大阈值可以是静态的或可动态地确定。

参照图6，示出根据示例性过程600的流程图。过程600包括与上文结合图5所描述 的过程500的那些相同或基本上类似的许多操作和条件句，所述操作和条件句用增加了一 百值的参考数字标记。应当理解，过程600的特征可包括针对过程500的相应特征所描述的 属性和功能。因此，例如，起动操作601对应于起动操作501并且基本上与其类似。

在某些方面中，过程600也不同于过程500。在一个这样的方面中，道路坡度估计值 和不确定性操作640的输出被提供为对车辆质量估计操作610的输入。因此，在过程600中， 重复确定车辆质量估计和道路坡度估计以及它们对应的不确定性并且将其用作彼此的输 入以用于后续迭代。相比之下，系统500可重复地确定质量估计和相关联的不确定性直到满 足一个或多个标准，并且然后可将那个估计值固定并且在一段时间或操作期间重复地使用 它。

应当理解，可利用过程600的许多另外形式。在某些形式中，可同时且独立地(例 如，并行或串行但彼此独立)执行操作610和640。在此类形式中，可重复操作610、620和630 直到质量估计的不确定性满足一个或多个标准。然后，可在操作期间将车辆质量估计固定 或保持恒定。操作640可与操作610、620和630同时且独立于它们进行重复。如果存在可靠的 道路坡度估计不可能的条件，例如当车辆制动时或当车辆加速度超出范围时，那么可禁用 或暂停操作640。在一种形式中，当车辆加速度低于最小阈值或高于最大阈值时，可禁用或 暂停操作640。最小和最大阈值可以是静态的或可动态地确定。

参照图7，示出了示例性控件700，所述示例性控件700可实施包括一个或多个基于 微处理器的控制器(如上文所描述的控制系统和控制器)的控制系统。控件700包括数字滤 波器710。在所示的实施方案中，数字滤波器710被构造为扩展卡尔曼滤波器，其包括计算输 入信号模块712、状态模型更新模块714、误差协方差模型更新模块716以及测量值更新模块 718。应当理解，也可利用其他数字滤波器形式，包括例如递归最小二乘滤波器。

数字滤波器710接收来自启用检查模块701的输入信号。当输入信号的值为真时， 启用数字滤波器710，并且当值为假时，禁用数字滤波器710。启用检查模块701可通过评估 许多不同的变量来确定输入信号的值，所述变量包括例如在下文进一步详细描述的车辆系 统信息702和车辆速度信息708以及制动命令和其他信息。启动检查模块701优选地被构造 用于：当车辆操作条件不利于其操作时，例如在制动事件、低速度车辆运行和/或低车辆加 速度运行期间，禁用数字滤波器710。在一些实施方案中，可利用用于此类条件的代理，例 如，脱档的车辆档位状态或满足档位数标准的当前档位数(例如，车辆的较高档位中的一个 或多个可用作用于低车辆加速度运行的代理)。

车辆系统信息702被提供为对模块712的输入。车辆系统信息702可包括在给定状 态(k)下的发动机输出转矩、轮轴速度以及变速器速度。也可利用各种其他车辆系统信息， 包括例如齿轮比信息、桥速比信息、轮轴转矩信息以及变速器转矩信息。模块712基于其接 收的信息来确定测量输入信号，并且将所述输入信号提供到模块714。例如，使用低通滤波 器或带通滤波器，模块712还可从输入信号移除某些不期望的组件或噪声。还可将初始车辆 速度值704和提供为传感器融合模块730的输出估计值提供为模块714的输入。模块714被构 造来基于其所接收的测量值和估计值输入确定状态预测值。在某些形式中，状态预测值可 以是基于车辆的物理模型和所接收的输入信息的车辆质量的预测值。在其他形式中，状态 模型预测值可以是基于车辆的物理模型和所接收的输入信息的道路坡度预测值。在状态模 型是道路坡度预测值的形式中，例如，使用上述技术中的一种或多种可将ITS道路坡度信息 提供到传感器融合模块730。

模块714提供状态预测值作为对模块718的输入。模块714还确定与状态模型预测 值相关联的误差或不确定性，所述状态模型预测值被提供为对误差协方差模型更新模块 716的输入。模块716确定更新的误差协方差，其将所述更新的误差协方差提供到模型718。 当前车辆速度708也被提供作为对模块718的输入。模块718被构造来基于其所接收的用于 确定校正的状态估计值的输入而校正状态预测值。如上所述，校正的状态估计值在某些形 式中可以是车辆质量估计值并且在某些形式中可以是道路坡度估计值。

输入提供模块714可利用数字滤波器进行处理，所述数字滤波器被构造来动态地 改变用于预测值的第一加权因子和用于实际操作信息的第二加权因子。在某些形式中，数 字滤波器被构造来：基于随着滤波器操作的持续时间的变化减小第二加权因子与第一加权 因子的相对权重的时间表而动态地改变第一加权因子和第二加权因子。在某些形式中，数 字滤波器被构造来：基于根据经验被确定为指示预测值和实际运行信息中至少一个的可靠 性的一组标准而动态地改变第一加权因子和第二加权因子

将由模块718确定的校正状态预测值提供至传感器融合模块730，所述传感器融合 模块730还接收来自一个或多个传感器和/或局部预测720的输入。应当理解，在某些实施方 案中，ITS道路坡度信息可用作来自一个或多个传感器和/或局部预测720的输入的替代物 或与其组合来利用。模块730确定基于其所接收的输入的融合值，并且提供这个值作为对模 块714的输入。还可将模块730的输出提供到误差协方差模型更新模块716。在某些实施方案 中，模块730的输出也可被提供到数字滤波器710的其他部分，例如，提供到可在局部预测操 作中利用所接收的输出的模块718。以下结合图8描述关于传感器融合的其他示例性细节， 并且应当理解，本说明书还适用于模型730的某些实施方案。

参照图8，示出了示例性控件800，所述示例性控制800可在包括一个或多个基于微 处理器的控制器(如上文所描述的控制系统和控制器)的控制系统中实施。控件800包括数 字滤波器810，所述数字滤波器810可与上文结合图7所描述的数字滤波器710相同或类似。 为了简化说明，并未示出上文结合控件700示出和描述的各种测量输入，但是应当理解它们 可存在。在所示的实施方案中，数字滤波器810被构造成扩展卡尔曼滤波器，但在其他实施 方案中可利用其他形式的数字滤波器。

控件800还包括传感器融合模块830，所述传感器融合模块830接收来自数字滤波 器810、来自一个或多个传感器824以及来自局部预测模块822的输入。传感器824可包括物 理传感器或虚拟传感器。应当理解，可利用传感器融合模块830来融合任何数量和形式的感 觉信息，包括来自真实物理传感器、简单的数学建模传感器(如虚拟传感器)、复杂的估算值 (例如卡尔曼观察器)以及ITS道路坡度信息的信息。

可利用局部预测模块822来减轻伴随扩展卡尔曼滤波器实施的许多潜在问题。当 拟合多个参数时，测量信号中的显著激励可导致多个参数估计值的显著变化。例如道路坡 度估计值可基于车辆加速度突然变化。取决于所估计的参数，参数估计值的突然、显著变化 可能是不现实的。局部预测模块822被构造来通过将估计值的当前值和最近值参数或非参 数地拟合到与局部条件相关联的一些标准或约束来缓解这些问题。所述局部标准可以是， 例如，关于最大道路坡度的极限或关于道路坡度变化率的极限，所述极限可以是基于包括 针对给定位置的道路工程说明的不同标准预先确定的或基于通过遥测系统接收到的外部 信息而动态地确定的。在一个实施方案中，可通过利用已知的参数评估路线集合上的曲线 族、方差和点的数量来确定待拟合的最佳曲线拟合形式、方差和值的数量。可采用使估计值 中误差最小的设置。

应当理解，到传感器融合模块830的每个输入源经受其自身的不确定性程度。给定 参数如道路坡度的多个观察值或估计值可合并来提供具有减少的不确定性的估计值。在一 个实例中，代表不同估计值的两个高斯分布可通过将它们的样本平均值()与协方差矩阵 (C)组合而合并，根据以下方程式所述样本平均值()与协方差矩阵(C)对应于于它们的方 差或标准偏差平方(C＝σ²)：

C合并＝C1–C1[C1+C2]^-1C1(方程式1)

(方程式2)

应当理解，可利用类似的技术来融合两个以上的观察值或估计值。原则上，给定参 数如道路坡度的任意数量的观察值和估计值均可合并来提供具有减少的不确定性的估计 值。

虽然已在附图和上述描述中详细地示出并描述了本发明，但附图和上述描述在性 质上应被认为是示例性的而非限制性的，应当理解，仅示出并描述了某些示例性实施方案， 并且期望保护在本发明的精神范围内的所有改变和修改。应当理解，虽然在以上描述中所 使用的单词，如优选的、优选地、优选或更优选指示这样描述的特征可能是更合乎期望的， 但这并不是必需的，并且缺少这些词语的实施方案可以被认为是在本发明的范围内，本发 明的范围由所附权利要求书限定。在阅读权利要求书时，意图的是，当使用单词如“一个”、 “一种”、“至少一个”或“至少一部分”时，并不意图将权利要求限制到仅一个项目，除非在权 利要求书中有明确的相反陈述。当使用语言“至少一部分”和/或“一部分”时，此项可包括一 部分和/或整个项目，除非有明确的相反陈述。