CN103946679B - 车辆质量辨识方法和*** - Google Patents

Abstract

在一种车辆质量辨识方法和***中，获取车辆的轮速、驱动力矩和纵向加速度，并且使用辨识方程组计算出车辆质量估算值，所述方程组包含轮速、驱动力矩和纵向加速度作为输入参数，以及车辆质量和车辆的驱动阻力作为变量。在车辆质量估算值的计算过程中，纵向加速度的下限和上限阈值被计入。

Description

车辆质量辨识方法和***

技术领域

本发明涉及用于车辆、尤其是电动车辆的质量辨识方法和***。

背景技术

在现有的车辆控制***中，各种传感器被用于提供车辆和环境信息，例如轮速、车身加速度、环境温度等等。然而，仍有一些信息，例如整车质量、路面附着系数等，不能通过传感器直接获得。如果能够对一些未知参数进行有效地辨识的话，将会使得车辆控制***的控制效果得到进一步的提高。例如，在车辆ASR和ABS***中，各个车轮的垂直载荷信息对于控制车轮滑移或滑转有重要的参考作用。

确定车轮垂直载荷的一个主要因素就是整车质量。因此，整车质量信息对于ASR***中控制车轮滑动率是非常重要的。

车辆质量辨识方面已经作过了各种研究，现有估算车辆质量的方法主要归类为基于传感器的方法和基于动力学模型的方法。

基于传感器的辨识方法通过添加相应的传感器而提供了车辆质量辨识的简单途径。如从直接承载车辆质量的车辆悬架开始考虑，已发现用于实时质量辨识的传感器可以安装到悬架上(例如参看RajamaniR.和HedrickJ.K.,1995,“AdaptiveObserversforActiveAutomotiveSuspensions:TheoryandExperiment”,IEEETransactionsonControlSystemTechnology,3(1),pp.86-93；以及FremdR.,1987,“ApparatusforMeasuringtheMassofaMotorVehicle”,美国专利No.4,656,876)。在基于传感器的辨识方法中，需要采用昂贵的传感器，这会增加车辆的成本。

基于动力学模型的辨识方法通常采用车辆动力学模型，并且基于车辆数据例如发动机扭矩、车速、发动机速度、传动比等等估算车辆质量，这些数据是预先已知的或是可以从CAN总线直接获得。

考虑侧向/横摆动力学的基于动力学模型的辨识方法利用了这样的事实，即车辆质量直接影响侧向加速度和侧倾路面、车辆转向等引起的侧向力之间的关系。一些侧向/横摆动力学方法使用卡尔曼滤波估算车辆状况和参数。侧向/横摆动力学方法存在的缺点是模型复杂、获取输入参数困难和辨识精度低(例如参看BestM.C.和GordonT.J.,2000,“CombinedStateandParameterEstimationofVehicleHandlingDynamics”,Proceedingsofthe5thInternationalSymposiumonAdvancedVehicleControl(AVEC),AnnArbor,MI；以及WenzelT.A.,BurnhamK.J.,BlundellM.V.,和WilliamsnR.A.,2004,“ApproachtoVehicleStateandParameterEstimationUsingExtendedKalmanFiltering”,ProceedingsoftheInternationalSymposiumonAdvancedVehicleControl(AVEC))。

另一方面，考虑纵向动力学的基于动力学模型的辨识方法起始于车辆质量对车辆纵向力和纵向加速度之间的关系的直接影响。例如，一些纵向动力学方法使用递推最小二乘法提供车辆质量和路面坡度的在线辨识。纵向动力学方法是有前景的，但作用于车辆的纵向力的合力不但受惯性力输入的影响，还受道路坡度/梯度、空气动力阻力等的影响。因此，现有的基于纵向动力学的方法仍然取决于滚动阻力、空气阻力的测量值或车速的预设值，受到变化的路面坡度和纵向速度的影响(例如参看ArdalanVahidi,AnnaStefanopoulou和HueiPeng,“RecursiveLeastSquareswithForgettingforOnlineEstimationofVehicleMassandRoadGrade:TheoryandExperiments”；以及VincentWinstead和IlyaV.Kolmanovsky,2008,“OnlineVehicleMassEstimationUsingRecursiveLeastSquaresandSupervisoryDataExtraction”,2008AmericanControlConference)。

在现有的基于动力学模型的辨识方法中，行驶阻力和坡度阻力的影响未被充分考虑，因此这些方法不能完全适应车辆行驶工况的复杂变化。此外，在现有的基于动力学模型的辨识方法中，车辆质量和路面坡度作为未知参数被估算，并且滚动阻力和空气阻力作为已知参数被输入，而不同状况下各种阻力的变化未被考虑。同时，路面坡度的辨识精度直接影响估算质量。出于这些原因，现有基于动力学模型的辨识方法的辨识精度较低。

综上所述，对于经济型电动车辆而言，现有的车辆质量辨识方法要么非常昂贵，要么精度较低。

发明内容

本发明的目的是提供一种用于车辆尤其是电动车辆的质量辨识方法和***，其同时满足成本和精度方面的要求。

为此，本发明提供了一种车辆质量辨识方法，包括下述步骤：

1)为车辆建立车辆纵向动力学方程；

2)由所述纵向动力学方程建立辨识方程组，所述辨识方程组中包含轮速、驱动力矩和纵向加速度作为输入参数，以及车辆质量和车辆的驱动阻力作为变量；

3)在车辆行驶的状态下确定车辆的轮速、驱动力矩和纵向加速度；

4)使用辨识方程组反复地一起计算当前车辆质量值和驱动阻力，直至当前车辆质量值收敛；和

5)将当前车辆质量值作为车辆质量估算值输出；

其中，在步骤4)中，当纵向加速度低于下限阈值时，只有驱动阻力被估算，而车辆质量被固定在前一估算值；并且当纵向加速度高于上限阈值时，只有车辆质量被估算，而驱动阻力被固定在前一估算值。

根据本发明的一种优选实施方式，车辆的驱动阻力至少为滚动阻力和空气阻力之和。

根据本发明的一种优选实施方式，粗估算的车辆质量值被用作第一个车辆质量值。

根据本发明的一种优选实施方式，所述辨识方法在车辆起步阶段中执行。

根据本发明的一种优选实施方式，车辆为电动车辆，例如每个车轮都由单独电机驱动的电动车辆。

根据本发明的一种优选实施方式，驱动力矩由电动车辆的电机的电流信息获取。

根据本发明的一种优选实施方式，轮速由检测车轮旋转速度的速度传感器获取，或者由电动车辆的电机的输出速度信息获取。

根据本发明的一种优选实施方式，车辆纵向动力学方程中包含固有物理参数，所述固有物理参数至少包括车轮的转动惯量和车轮半径。

根据本发明的一种优选实施方式，在步骤4)中，当前车辆质量值的计算与驱动阻力的计算彼此解耦。

本发明还提供了一种车辆质量辨识***，包括：在车辆行驶的状态下确定轮速的部件和确定车辆驱动力矩的部件；测量车辆纵向加速度的纵向加速度传感器；和计算模块，其构造成利用前述本发明的车辆质量辨识方法计算出车辆质量估算值。

根据本发明的一种优选实施方式，车辆质量辨识***安装在电动车辆中，例如，安装在每个车轮都由单独电机驱动的电动车辆中。

本发明的主要改进之处在于利用便宜的传感器估算车辆质量，而不需要获得滚动阻力、空气阻力和车辆纵向速度作为预设条件。计算载荷非常小，并且算法易于在实时应用中实施。

此外，本发明能够将车辆质量的辨识与驱动阻力的辨识解耦，以使得车辆质量辨识精度更高且相对于驱动阻力变化的鲁棒性更高，并且易于实际应用。

因此，本发明的重要思想在于，当纵向加速度(利用加速度计信号确定)足够小时，只有驱动阻力被估算，而车辆质量被固定在前一估算值。当纵向加速度足够大时，只估算车辆质量，而驱动阻力被设置定在前一估算值。通过这种方式，车辆质量的辨识受驱动阻力的影响更小。所述辨识方法基于低价格的传感器和简单的算法，因而容易在实时应用中实现。

附图说明

下面将参照附图描述本发明的一些优选实施方式，在附图中：

图1是显示车辆及其车轮的纵向动力学的示意图；

图2示出了根据本发明的一种优选实施方式的辨识过程的流程图；以及

图3示出了对于不同车辆质量的辨识结果的曲线图。

具体实施方式

本发明的研究对象是车辆，尤其是电机驱动的车辆，在本发明的一些实验中采用的是各车轮由电机独立驱动的车辆，例如每个轮由轮毂电机驱动的车辆。对于耗用传统燃料的车辆，车辆的轮速和驱动力矩通过额外的传感器测量。对于车轮由电机直接或间接驱动的电动车辆，驱动力矩可以直接或间接通过电机电信号获得，因此可以获得高精度的车辆驱动力矩，而不需要使用任何额外的轮速传感器。对于具有集成速度传感器的电机，可以由集成速度传感器提供的电机速度信息获得轮速。

本发明提供了新颖的基于动力学模型的车辆质量辨识方法，其中路面坡度信息不被单独处理，并且滚动阻力和空气阻力组合成单一变量，即行驶阻力。在这种方法中，不需要通过数学拟合而计算出任何阻力，车速信息也不需要。只有车辆质量和行驶阻力作为两个未知参数被估算。所述辨识方法的计算载荷减小了，辨识速度提高了，并且实时处理能力更好。

本发明的质量辨识方法适用于车辆，尤其是电动车辆，特别是在本发明的优选实施方式中采用的四个车轮均由独立电机驱动的车辆。通过纵向加速度传感器得到加速度信息；各车轮的轮速信息和力矩信息可以通过速度传感器和力矩传感器得到，或从电机获得。起步阶段的车速较低，因此行驶阻力也较低，这样有利于提高质量辨识的准确性。出于这一原因，所述辨识方法优选在车辆起步阶段执行。考虑到车辆质量在车辆行驶状态下变化很小，因此车辆质量可以认为是个常数。因此，一旦在车辆起步阶段完成车辆质量辨识，就不需要执行额外的辨识，并且估算值保持不变。然而，可以理解，作为附加或替代，本发明的车辆质量辨识过程可在车辆行驶阶段执行。

本发明的质量辨识方法始于车辆纵向动力学，如下所述。

如图1所示，车辆在正常的运行状态下，其车轮的转动平衡方程可以表示为：

$J_w{\stackrel{\·}{\mathrm{\ω}}}_i=T_i{F}_{\mathrm{xi}}R-F_{\mathrm{ri}}R---\left(1\right)$

$F_{\mathrm{xi}}=(T_i-J_w{\stackrel{\·}{\mathrm{\ω}}}_i)/R-F_{\mathrm{ri}}---\left(2\right)$

其中：

F_x＝∑F_xi，F_r＝∑F_ri＝μ_rmgcosβ

那么：

$F_x=\underset{i=1}{\overset{4}{\mathrm{\Σ}}}\left[\frac{T_i-J_w{\stackrel{\·}{\mathrm{\ω}}}_i}{R}\right]-{\mathrm{\μ}}_r\mathrm{Mg}\cos \mathrm{\β}---\left(3\right)$

其中F_x为纵向方向上的纵向力合力，F_r为滚动阻力合力，T_i为每个车轮上的驱动力矩，J_w为车轮转动惯量，ω_i为轮速，R为车轮滚动半径，μ_r为滚动阻力系数，M为整车质量或车辆净重。

下面参照图1分析每个车轮被单独的电机驱动的车辆的纵向动力学。

车辆的纵向动力学满足下面的公式：

$\begin{array}{c}{M\stackrel{\·}{v}}_x=\underset{i=1}{\overset{4}{\mathrm{\Σ}}}{F}_{\mathrm{xi}}-F_g-F_w\\ =\underset{i=1}{\overset{4}{\mathrm{\Σ}}}\left[\frac{T_i-J_w{\stackrel{\·}{\mathrm{\ω}}}_i}{R}\right]-\mathrm{\μ}\mathrm{Mg}\cos \mathrm{\β}-\mathrm{Mg}\sin \mathrm{\β}-\frac{1}{1.63}{C}_d{\mathrm{Av}}_x^2\end{array}---\left(4\right)$

和：

$M({\stackrel{\·}{v}}_x+g\sin \mathrm{\β})=\underset{i=1}{\overset{4}{\mathrm{\Σ}}}\left[\frac{T_i-J_w{\stackrel{\·}{\mathrm{\ω}}}_i}{R}\right]-{\mathrm{\μ}}_r\mathrm{Mg}\cos \mathrm{\β}-\frac{1}{1.63}{C}_d{\mathrm{Av}}_x^2---\left(5\right)$

其中ν_x为纵向方向上的车速，F_g为坡度阻力，F_w为空气阻力，β为路面坡度，C_d为风阻系数，A为车辆的迎风面积，CoG为车辆的质心或重心。

纵向加速度传感器的测量值包含车辆纵向加速度以及道路坡度引起的加速度：

$a_{\mathrm{sensor},x}=\stackrel{\·}{v}+g\sin \mathrm{\β}---\left(6\right)$

则式(5)可以写为：

${\mathrm{Ma}}_{\mathrm{sensor},x}=\underset{i=1}{\overset{4}{\mathrm{\Σ}}}\left[\frac{T_i-J_w{\stackrel{\·}{\mathrm{\ω}}}_i}{R}\right]-{\mathrm{\μ}}_r\mathrm{Mg}\cos \mathrm{\β}-\frac{1}{1.63}{C}_d{\mathrm{Av}}_x^2---\left(7\right)$

驱动阻力的合力定义为：

$F_R={\mathrm{\μ}}_r\mathrm{Mg}\cos \mathrm{\β}+\frac{1}{1.63}{C}_d{\mathrm{Av}}_x^2---\left(8\right)$

则：

$\underset{i=1}{\overset{4}{\mathrm{\Σ}}}\left[\frac{T_i-J_w{\stackrel{\·}{\mathrm{\ω}}}_i}{R}\right]={\mathrm{Ma}}_{\mathrm{sensor},x}+F_R---\left(9\right)$

利用式(9)，可以建立本发明的辨识算法，如下所述。

假定为整车质量的真值，可以利用下式估算驱动阻力：

$\underset{i=1}{\overset{4}{\mathrm{\Σ}}}\left[\frac{T_i-J_w{\stackrel{\·}{\mathrm{\ω}}}_i}{R}\right]={\stackrel{\‾}{M}a}_{\mathrm{sensor},x}+{\hat{F}}_R+w_1\left(t\right)---\left(10\right)$

其中为估算的驱动阻力，w₁(t)为传感器信号噪声或e-力矩、车轮滚动半径和转动惯量的测量误差引起的辨识误差。

类似地，假定为驱动阻力的真值，可以利用下式估算整车质量：

$\underset{i=1}{\overset{4}{\mathrm{\Σ}}}\left[\frac{T_i-J_w{\stackrel{\·}{\mathrm{\ω}}}_i}{R}\right]={\hat{M}a}_{\mathrm{sensor},x}+{\stackrel{\‾}{F}}_R+w_2\left(t\right)---\left(11\right)$

其中为估算的整车质量，w₂(t)为传感器信号噪声或e-力矩、车轮滚动半径和转动惯量的测量误差引起的辨识误差。

由于两个变量是同时估算的，因此真值和通常不是已知的。实际上，可以分开使用近似值和其中

$\stackrel{\‾}{M}=\tilde{M}+{\mathrm{\ϵ}}_M---\left(12\right)$

${\stackrel{\‾}{F}}_R={\tilde{F}}_R+{\mathrm{\ϵ}}_{\mathrm{FR}}---\left(13\right)$

则式(10)和(11)变换为：

$\underset{i=1}{\overset{4}{\mathrm{\Σ}}}\left[\frac{T_i-J_w{\stackrel{\·}{\mathrm{\ω}}}_i}{R}\right]={\tilde{M}a}_{\mathrm{sensor},x}+{\mathrm{\ϵ}}_M{a}_{\mathrm{sensor},x}+{\hat{F}}_R+w_1\left(t\right)---\left(14\right)$

$\underset{i=1}{\overset{4}{\mathrm{\Σ}}}\left[\frac{T_i-J_w{\stackrel{\·}{\mathrm{\ω}}}_i}{R}\right]={\hat{M}a}_{\mathrm{sensor},x}+{\tilde{F}}_R+{\mathrm{\ϵ}}_{\mathrm{FR}}+w_2\left(t\right)---\left(15\right)$

纵向加速度的两个切换阈值a_L和a_H被设置用于辨识过程中，其中a_L<a_H。

在辨识开始时，由于此时尚没有关于真实整车质量的任何信息，因此半载下的车重被用作第一个。可以理解，其它粗估算的整车质量值，例如车辆净重的1至1.5倍，也可以用作第一个

当a_sensor,x(<a_L)和a_L足够小时，式(14)被用于估算驱动阻力。

这个过程总是首先估算驱动阻力、然后估算整车质量，因为加速度总是从0增大到特定值。因此，在从式(14)估算出第一个驱动阻力后，当a_H变得足够大时，式(15)被用于估算整车质量，其中前一估算的驱动阻力作为。

通过使用RLS方法，获得下述辨识公式：

y＝φθ(16)

可以从下面的方程组得到解：

$\left\{\begin{array}{c}\widehat{\mathrm{\&theta;}}\left(k\right)=\widehat{\mathrm{\&theta;}}(k-1)+L\left(k\right)(y\left(k\right)-{\mathrm{\&phi;}}^T\left(k\right)\widehat{\mathrm{\&theta;}}(k-1))\\ L\left(k\right)=P(k-1)\mathrm{\&phi;}\left(k\right){(I+{\mathrm{\&phi;}}^T\left(k\right)P(k-1)\mathrm{\&phi;}\left(k\right))}^{-1}\\ P\left(k\right)=(I-L\left(k\right){\mathrm{\&phi;}}^T\left(k\right))P(k-1)\end{array}\right.---\left(17\right)$

因此，在a_sensor,x<a_L的状态下，可通过将相关变量带入θ、y和中而计算出驱动阻力。

$\left\{\begin{array}{c}\mathrm{\&theta;}={\hat{F}}_R\\ y=\underset{i=1}{\overset{4}{\mathrm{\&Sigma;}}}\left[\frac{T_i-J_w{\stackrel{\&CenterDot;}{\mathrm{\&omega;}}}_i}{R}\right]-{\widetilde{\mathrm{Ma}}}_{\mathrm{sensor},x}\\ \mathrm{\&phi;}=1\end{array}\right.---\left(18\right)$

而当a_sensor,x>a_H时，可通过将相关变量带入θ、y和中而计算出整车质量。

$\left\{\begin{array}{c}\mathrm{\&theta;}=\hat{M}\\ y=\underset{i=1}{\overset{4}{\mathrm{\&Sigma;}}}\left[\frac{T_i-J_w{\stackrel{\&CenterDot;}{\mathrm{\&omega;}}}_i}{R}\right]-{\tilde{F}}_R\\ \mathrm{\&phi;}=a_{\mathrm{sensor},x}\end{array}\right.---\left(19\right)$

整个辨识过程及其切换逻辑在图2中描述。

下面介绍本发明算法的收敛确定。

在算法开始后，辨识结果每隔t_s(单位秒)被采样，只存储最后n个估算值，并且如下计算差值：

$\mathrm{\&epsiv;}=\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{\left(\frac{{\hat{m}}_i-\stackrel{\&OverBar;}{m}}{\stackrel{\&OverBar;}{m}}\right)}^2---\left(20\right)$

其中为估算值之一(采样时间＝t_s，单位秒)，为最后n个估算质量的平均值。t_s、n、ε₀的真实值将在车辆实验中调整。当ε小于ε₀时，可以认为估算质量收敛了，并且算法停止。

关于纵向加速度计信号，需要指出，如果车辆在坡路上起步，纵向传感器的信号a_sensor,x中包含道路斜坡处的重力引起的加速度。通过将车辆起步之前和之后的纵向传感器信号进行比较，道路坡度对所述辨识方法影响容易消除。另一方面，由于道路坡度引起的加速度变化容易从纵向传感器信号和驱动力矩信息检测到，因为当车辆从水平道路移动到倾斜道路，或从倾斜道路移动到水平道路，或从一个斜度的道路移动到另一斜度的道路时，它们会发生明显变化。因此，道路斜坡处的重力引起的加速度容易得出。

此外，我们已发现，为了获得精确的辨识结果，纵向加速度应当位于下限阈值a_L和上限阈值a_H限定的范围内。

我们已发现，车辆质量辨识对上限阈值a_H不敏感。下限阈值a_L对整车质量的辨识精度有影响。大的a_L值会引起较大误差，但a_L也不能太小。当然，根据负载能力与车辆净重的比例，可容易地选择出a_L。

为了验证车辆质量辨识方法的有效性，我们对四轮驱动的电动车辆做了一些实验。在具有不同实验条件的五种实验情况下在柏油路上执行了辨识过程，实验结果显示于图3并且在表1中归纳。从表1中的实验结果可以看出，不论是哪种实验情况，都能获得高精度的整车质量估算值。

表1-柏油路上实验的辨识结果

真实质量(kg)	1018	1079	1138	1196	1254
						估算质量(kg)	1030	1096	1121	1179	1233
误差率(％)	1.2	1.5	-1.5	-1.4	-1.7

可以看出，本发明提供了一种新颖的车辆质量辨识方法，同传统车辆质量辨识方法相比，其能够使用较少的传感器或使用较便宜的传感器辨识整车质量。本发明不将滚动阻力、空气阻力和车辆纵向速度用作预设条件，结果使得计算载荷非常小，并且所述辨识方法容易实时使用。

本发明的可行应用包括电动车辆的牵引控制、制动控制、坡路起步控制、ACC等。

Claims (12)

1.一种车辆质量辨识方法，包括下述步骤：

1)为车辆建立车辆纵向动力学方程；

2)由所述纵向动力学方程建立辨识方程组，所述辨识方程组中包含轮速、驱动力矩和纵向加速度作为输入参数，以及车辆质量和车辆的驱动阻力作为变量；

3)在车辆行驶的状态下确定车辆的轮速、驱动力矩和纵向加速度；

4)使用辨识方程组反复地一起计算当前车辆质量值和驱动阻力，直至当前车辆质量值收敛；和

5)将当前车辆质量值作为车辆质量估算值输出；

其中，在步骤4)中，当纵向加速度低于下限阈值时，只有驱动阻力被估算，而车辆质量被固定在前一估算值；并且当纵向加速度高于上限阈值时，只有车辆质量被估算，而驱动阻力被固定在前一估算值。

2.如权利要求1所述的车辆质量辨识方法，其中，车辆的驱动阻力至少为滚动阻力和空气阻力之和。

3.如权利要求1所述的车辆质量辨识方法，其中，粗估算的车辆质量值被用作第一个车辆质量值。

4.如权利要求1至3中任一项所述的车辆质量辨识方法，其中，所述辨识方法在车辆起步阶段中执行。

5.如权利要求1至3中任一项所述的车辆质量辨识方法，其中，车辆为电动车辆。

6.如权利要求5所述的车辆质量辨识方法，其中，驱动力矩由电动车辆的电机的电流信息获取。

7.如权利要求5所述的车辆质量辨识方法，其中，轮速由检测车轮旋转速度的速度传感器获取，或者由电动车辆的电机的输出速度信息获取。

8.如权利要求5所述的车辆质量辨识方法，其中，车辆为每个车轮都由单独电机驱动的电动车辆。

9.如权利要求1至3中任一项所述的车辆质量辨识方法，其中，车辆纵向动力学方程中包含固有物理参数，所述固有物理参数至少包括车轮的转动惯量和车轮半径。

10.一种车辆质量辨识***，包括：

在车辆行驶的状态下确定轮速的部件和确定车辆驱动力矩的部件；

测量车辆纵向加速度的纵向加速度传感器；和

计算模块，其构造成利用如权利要求1至3中任一项所述的车辆质量辨识方法计算出车辆质量估算值。

11.如权利要求10所述的车辆质量辨识***，其中，车辆质量辨识***安装在电动车辆中。

12.如权利要求10所述的车辆质量辨识***，其中，车辆质量辨识***安装在每个车轮都由单独电机驱动的电动车辆中。