WO2003023334A1 - Verfahren und vorrichtung zum bestimmen einer fahrzeugmasse und einer fahrbahnsteigung durch einen rekursiven zustandsschätzalgorithmus - Google Patents

Verfahren und vorrichtung zum bestimmen einer fahrzeugmasse und einer fahrbahnsteigung durch einen rekursiven zustandsschätzalgorithmus Download PDF

Info

Publication number
WO2003023334A1
WO2003023334A1 PCT/DE2002/003229 DE0203229W WO03023334A1 WO 2003023334 A1 WO2003023334 A1 WO 2003023334A1 DE 0203229 W DE0203229 W DE 0203229W WO 03023334 A1 WO03023334 A1 WO 03023334A1
Authority
WO
WIPO (PCT)
Prior art keywords
state estimation
vehicle
algorithm
estimation algorithm
recursive state
Prior art date
Application number
PCT/DE2002/003229
Other languages
English (en)
French (fr)
Inventor
Oliver Nelles
Original Assignee
Siemens Aktiengesellschaft
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Siemens Aktiengesellschaft filed Critical Siemens Aktiengesellschaft
Priority to EP02797895A priority Critical patent/EP1423664A1/de
Publication of WO2003023334A1 publication Critical patent/WO2003023334A1/de

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01G—WEIGHING
    • G01G19/00—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups
    • G01G19/08—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups for incorporation in vehicles
    • G01G19/086—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups for incorporation in vehicles wherein the vehicle mass is dynamically estimated
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/12—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to parameters of the vehicle itself, e.g. tyre models
    • B60W40/13—Load or weight
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60T—VEHICLE BRAKE CONTROL SYSTEMS OR PARTS THEREOF; BRAKE CONTROL SYSTEMS OR PARTS THEREOF, IN GENERAL; ARRANGEMENT OF BRAKING ELEMENTS ON VEHICLES IN GENERAL; PORTABLE DEVICES FOR PREVENTING UNWANTED MOVEMENT OF VEHICLES; VEHICLE MODIFICATIONS TO FACILITATE COOLING OF BRAKES
    • B60T2250/00—Monitoring, detecting, estimating vehicle conditions
    • B60T2250/02—Vehicle mass

Definitions

  • the present invention relates to a method and a device for determining a vehicle mass m and a road gradient ⁇ .
  • the mass of a vehicle is a very important parameter for many measurement, control and regulation processes.
  • Known solutions for determining the vehicle mass are usually based on a nominal mass, for example the mass to be expected with a medium load. Since the actual mass of the vehicle in operation can deviate significantly from this nominal mass, all calculations based on the nominal mass must be very robust with regard to mass inaccuracies. This procedure affects the performance of measurement, control and regulation procedures that use a nominal mass as a parameter.
  • the determination of the vehicle mass is particularly important for vans and trucks, since there are considerable mass differences between empty and fully loaded vehicles in such vehicles. From DE 199 18 563 AI it is already known to estimate the vehicle mass using a recursive method. However, this publication does not deal with the road gradient, which is also an important parameter for many measurement, control and regulation processes. Rather, the specialist takes from DE 199 18 563 AI mentioned that a flat roadway is assumed there, i.e. a road gradient of 0.
  • the invention is based on the object of further developing the generic methods and devices in such a way that an efficient and, in comparison with the prior art, determination of the vehicle mass and the road gradient is possible.
  • the method according to the invention builds on the generic prior art in that the vehicle mass m and the road gradient ⁇ are determined simultaneously by a recursive state estimation algorithm.
  • Recursive state estimation algorithms provide sufficiently precise results, the use of a common recursive
  • State estimation algorithm for determining the vehicle mass m and the road gradient ⁇ avoids that the actual value of one parameter adversely affects the determination of the other parameter.
  • ⁇ F is a value supplied by the recursive state estimation algorithm
  • F A is the known vehicle driving force
  • F is the known driving resistance force
  • m is the sought vehicle mass
  • a is the known vehicle acceleration
  • F s is the gradient force caused by the road gradient ⁇ , which is related to the relationship
  • the vehicle driving force F A is composed of the engine torque and / or the gear ratio and / or the dynamic wheel radius and so on or is influenced by these variables.
  • the resistance force F acting on the vehicle is influenced in particular by the air resistance and the friction losses. Both the vehicle driving force F A and the force F acting on the vehicle are assumed to be known in the context of the present invention, since these variables can be determined in the vehicle using known methods. For example, the vehicle driving force F A can be determined via a motor torque model that provides a modern motor control, the gear ratios and the dynamic wheel radius.
  • the driving resistance force F w is, for example, either measured or calculated on the basis of physical considerations and then stored in a speed-dependent map. Other methods of determining these required signals can of course also be used within the scope of the present invention.
  • the force F s caused by the road gradient assumes positive values when driving uphill, that is to say when the road gradient is positive, while when driving downhill, that is to say when the road gradient is negative, it assumes negative values.
  • the vehicle acceleration a and / or the driving resistance force F w are determined via the measured vehicle speed.
  • the vehicle acceleration a can be determined, for example, via the filtered differentiation of the vehicle speed v.
  • the vehicle speed v can, for example, from a measured vehicle speed
  • Wheel speed signal can be calculated.
  • the driving resistance force F w can, for example, be shown in previously provided tables in Depending on the vehicle speed v can be determined.
  • the recursive state estimation algorithm is the least squares algorithm, in particular the discrete-time least squares algorithm.
  • the smallest quadrate algorithm is known per se to the person skilled in the art and is therefore not further explained at this point.
  • a more detailed description of the least squares algorithm can be found, for example, in Isermann R.: “Identification of Dynamic Systems”, Vol. 1 & 2, Springer, Berlin, 1992 or Nelles, 0.: “Nonlinear System Identification”, Springer, Berlin , 2001.
  • the recursive state estimation algorithm is the Kalman filter algorithm (which is also sometimes referred to as the Kalman-Bucy filter algorithm), in particular the time-discrete Kalman filter algorithm.
  • the Kalman filter algorithm is also well known to the person skilled in the art and is therefore not explained in more detail here. A more detailed description of this algorithm can also be found in Isermann R.: “Identification of dynamic systems”, Volume 1 & 2, Springer, Berlin, 1992 or Nelles, 0 .: “Nonlinear System Identification”, Springer, Berlin, 2001.
  • the recursive state estimation algorithm is an extended recursive state estimation algorithm which takes into account the different dynamics of the vehicle mass m parameter and the road gradient parameter.
  • This preferred development of the method according to the invention is based on the knowledge that the vehicle mass changes only relatively slowly and in particular after the vehicle has been stopped. In contrast, the road gradient changes relatively quickly.
  • the method according to the invention preferably further provides that the extended recursive state estimation algorithm is the extended Kalman filter algorithm, in particular the extended time-discrete Kalman filter algorithm.
  • the extended Kalman filter algorithm is also well known to the person skilled in the art and is therefore not explained in more detail here. For a more detailed description of this algorithm, Isermann R. also here: "Identification of dynamic systems", Volume 1 & 2, Springer,
  • the starting values used for carrying out the recursive state estimation algorithm for the vehicle mass m and the road gradient ⁇ are predetermined starting values which lie within the value ranges to be expected in each case.
  • the known mass of the semi-loaded vehicle and a value corresponding to 0 ° for the gradient force or the road gradient ⁇ are used as starting values for carrying out the recursive state estimation algorithm for the vehicle mass m.
  • other starting values may also be used, in particular for the vehicle mass m, for example the value of the vehicle mass m determined or estimated when the recursive estimation algorithm was carried out last. Any device which is suitable for carrying out an embodiment of the method according to the invention falls within the scope of the associated claims.
  • the device according to the invention builds on the generic prior art in that it has means which simultaneously determine the vehicle mass m and the road gradient by means of a recursive state estimation algorithm.
  • the means provided according to the invention are preferably formed by suitable hardware and software, the hardware possibly being formed at least partially by hardware already present in the vehicle. Otherwise, the advantages explained in connection with the method according to the invention result in the same or similar manner, which is why reference is made to the corresponding statements in order to avoid repetitions.
  • a particularly preferred embodiment of the device according to the invention provides that the means carry out the recursive state estimation algorithm on the basis of the following relationship:
  • ⁇ F a value provided by the recursive state estimation algorithm
  • F A is the known vehicle driving force
  • F w is the known driving resistance force
  • m is the sought vehicle mass
  • a is the known vehicle acceleration
  • An advantageous further development of the device according to the invention provides that the means determine the vehicle acceleration a and / or the driving resistance force F w via the measured vehicle speed.
  • the recursive state estimation algorithm is the least squares algorithm, in particular the discrete-time least squares algorithm.
  • the recursive state estimation algorithm is the Kalman filter algorithm, in particular the time-discrete Kalman filter algorithm.
  • the recursive state estimation algorithm is an expanded recursive state estimation algorithm that takes into account the different dynamics of the vehicle mass parameter and the road gradient parameter ⁇ .
  • the extended recursive state estimation algorithm is the extended Kalman filter algorithm, in particular the extended time-discrete Kalman filter algorithm.
  • the means use as starting values for carrying out the recursive state estimation algorithm for the vehicle mass m and the road gradient predetermined starting values lying within the respective value ranges to be expected.
  • the device according to the invention preferably further provides that the means use the known mass of the semi-laden vehicle and a value corresponding to 0 ° for the vehicle mass m as the starting values for carrying out the recursive state estimation algorithm for the vehicle mass m.
  • FIG. 1 shows a flow diagram that illustrates an embodiment of the method according to the invention
  • Figure 2 is a block diagram that illustrates the operation of the device according to the invention.
  • the time-discrete extended Kalman filter algorithm which can be formulated mathematically as follows, is used as the recursive state estimation algorithm.
  • ⁇ is the parameter vector that contains the sought vehicle mass m and the sought gradient force F s , via which the road gradient ⁇ can be determined
  • x is the regression vector that contains the known vehicle acceleration a
  • y is the initial value supplied by the Cayman filter
  • P is the covariance matrix of the parameter estimates, which determines the accuracy of the respective estimate.
  • V is the predetermined noise-covariance matrix, which determines the forgetting speed for the vehicle mass m and the gradient force F s independently of one another.
  • the forgetting speed for the vehicle mass m is preferably slow, while it is high for the gradient force F s .
  • step S10 the starting values for the vehicle mass m and the gradient force F s are read in. These starting values are selected in a suitable manner, the starting value for the vehicle mass m being, for example, the mass of the semi-loaded vehicle, while the starting value for the gradient force F s can be 0, for example.
  • step S12 the covariance matrix V is occupied, the se the Vergess füren for Anlagenmas- m and the pitch of force F s independently 'from each other fixed sets. As a result, the different dynamics of the parameters vehicle mass m and gradient force F s or road gradient can be taken into account. As mentioned, the vehicle mass m changes only relatively slowly in comparison to the road gradient ⁇ .
  • step S13 the vehicle acceleration a, the vehicle driving force F A and the driving resistance force F are determined.
  • these signals are not measured directly, but are calculated as follows, for example.
  • the vehicle acceleration a is determined by filtered differentiation of the vehicle speed v.
  • the vehicle speed v is calculated from a measured wheel speed.
  • the vehicle driving force F A is determined from a motor torque model, as provided by a modern engine control system, the gear ratios and the dynamic wheel radius. In the case of automatic transmissions with a torque converter, its amplification must also be taken into account.
  • the driving resistance force F w is either measured or calculated on the basis of physical considerations and then stored in a speed-dependent map. Other procedures for obtaining the required signals are conceivable and can also be used in the context of the present invention.
  • step S14 the Kalman filter problem is solved in a manner known to the person skilled in the art in order to determine the vehicle mass m and the gradient force F s .
  • step S16 it is checked whether the recursive algorithm should be ended. If this is the case, the process branches to step S17, at which the embodiment of the method according to the invention shown ends. Otherwise, a branch is made back to step S13, in which the vehicle acceleration a, the vehicle driving force F A and the driving resistance force F w are determined again. In the event that the vehicle acceleration a has the value 0, only the gradient force F ⁇ has to be determined and the problem solved. wakes up to a one-parameter problem. The same applies if the road gradient ⁇ and thus the gradient force F s has the value 0 and therefore only the vehicle mass m has to be determined.
  • FIG. 2 shows in block diagram form the use of an embodiment of the device according to the invention, which is also suitable for carrying out the method according to the invention.
  • the physical process is provided with the reference symbol 12, while those provided according to the invention
  • Means are designated 10. These means 10 are preferably formed by suitable hardware and software.
  • the vehicle acceleration a, the vehicle driving force F A and the driving resistance force F w are derived from the process 12 in a suitable and known manner, the difference F A ⁇ F W being formed from the two latter variables.
  • the output variable ⁇ F of the time-discrete extended Cayman filter 14 is subtracted from the difference F A -F W. This result is fed back to the time-discrete extended Kalman filter 14. Furthermore, the time-discrete extended Cayman filter 14 is also supplied with the process control variable.
  • the starting values for the vehicle mass m and the gradient force F s as well as the suitably occupied covariance matrix V are likewise fed to the time-discrete extended Kaiman filter 14, the covariance matrix V possibly being dependent on the vehicle speed and / or other variables.
  • the time-discrete extended Kaiman filter 14 provides estimates for the vehicle mass m and the gradient force F s . From the latter, the road gradient ⁇ is calculated in calculation block 16 using the relationship aresin (F s / mg).

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Mathematical Physics (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

Die Erfindung betrifft ein Verfahren und eine Vorrichtung zum Bestimmen einer Fahrzeugmasse m und einer Fahrbahnsteigung α. Erfindungsgemäss ist vorgesehen, dass die Fahrzeugmasse m und die Fahrbahnsteigung α gleichzeitig durch einen rekursiven Zustandsschätzalgorithmus bestimmt werden.

Description

VERFAHREN UND VORRICHTUNG ZUM BESTIMMEN EINER FAHRZEUGMASSE UND EINER FAHRBAHNSTEIGUNG DURCH EINEN REKURSIVEN ZUSTANDSSCHÄTZALGORITHMUS
Beschreibung
Verfahren und Vorrichtung zum Bestimmen einer Fahrzeugmasse m und einer Fahrbahnsteigung α
Die vorliegende Erfindung betrifft ein Verfahren und eine Vorrichtung zum Bestimmen einer Fahrzeugmasse m und einer Fahrbahnsteigung α.
Die Masse eines Fahrzeugs ist für viele Mess-, Steuer- und Regelverfahren ein sehr wichtiger Parameter. Bei bekannten Lösungen zur Bestimmung der Fahrzeugmasse wird meist eine nominelle Masse, beispielsweise die zu erwartende Masse bei mittlerer Beladung, zugrunde gelegt. Da die tatsächliche Masse des Fahrzeugs im Betrieb deutlich von dieser nominellen Masse abweichen kann, müssen alle auf der nominellen Masse basierenden Berechnungen sehr robust in Bezug auf Masseunge- nauigkeiten ausgelegt werden. Diese Vorgehensweise beeinträchtigt die Leistungsfähigkeit von Mess-, Steuer- und Re- gelverfahren, die eine nominelle Masse als Parameter verwenden. Die Bestimmung der Fahrzeugmasse ist insbesondere für Transporter und Lastkraftwagen von großer Bedeutung, da es bei derartigen Fahrzeugen zu beträchtlichen Massenunterschieden zwischen leerem und vollbeladenem Fahrzeug kommt. Aus der DE 199 18 563 AI ist es bereits bekannt, die Fahrzeugmasse mit einem rekursiven Verfahren zu schätzen. In dieser Druckschrift wird jedoch nicht auf die Fahrbahnsteigung eingegangen, die ebenfalls für viele Mess-, Steuer- und Regelverfahren ein wichtiger Parameter ist. Vielmehr entnimmt der Fach- mann der erwähnten DE 199 18 563 AI, dass dort von einer ebenen Fahrbahn ausgegangen wird, d.h. einer Fahrbahnsteigung von 0.
Der Erfindung liegt die Aufgabe zugrunde, die gattungsgemäßen Verfahren und Vorrichtungen derart weiter zu bilden, dass eine effiziente und im Vergleich zum Stand der Technik genau- ere Bestimmung der Fahrzeugmasse und der Fahrbahnsteigung möglich wird.
Diese Aufgabe wird durch die in den unabhängigen Ansprüchen angegebenen Merkmale gelöst.
Vorteilhafte Ausgestaltungen und Weiterbildungen der Erfindung ergeben sich aus den abhängigen Ansprüchen.
Das erfindungsgemäße Verfahren baut auf dem gattungsgemäßen Stand der Technik dadurch auf, dass die Fahrzeugmasse m und die Fahrbahnsteigung α gleichzeitig durch einen rekursiven Zustandsschätzalgorithmus bestimmt werden. Rekursive Zu- standsschätzalgorithmen liefern hinreichend genaue Ergebnis- se, wobei die Verwendung von einem gemeinsamen rekursiven
Zustandsschätzalgorithmus zur Bestimmung der Fahrzeugmasse m und der Fahrbahnsteigung α es vermeidet, dass der tatsächliche Wert des einen Parameters die Bestimmung des anderen Parameters nachteilig beeinflusst.
Eine besonders bevorzugte Ausführungsform des erfindungsgemäßen Verfahrens sieht vor, dass der rekursive Zustandsschätzalgorithmus auf der Grundlage des folgenden Zusammenhangs durchgeführt wird:
ΔF = FA - Fw = m-a + Fs,
wobei ΔF ein von dem rekursiven Zustandsschätzalgorithmus gelieferter Wert, FA die bekannte Fahrzeugantriebskraft, F die bekannte Fahrwiderstandskraft, m die gesuchte Fahrzeugmasse, a die bekannte Fahrzeugbeschleunigung und Fs die durch die Fahrbahnsteigung α hervorgerufene Steigungskraft ist, die über den Zusammenhang
Fs = m-g-sin(α) mit der gesuchten Fahrbahnsteigung α, der Fahrzeugmasse m und der Erdbeschleunigung g zusammenhängt. Dabei setzt sich die Fahrzeugsantriebskraft FA aus dem Motordrehmoment und/oder dem Getriebeübersetzungsverhältnis und/oder dem dynamischen Radradius und so weiter zusammen beziehungsweise wird durch diese Größen beeinflusst. Die auf das Fahrzeug wirkende Widerstandskraft F wird insbesondere durch den Luftwiderstand und die Reibungsverluste beeinflusst. Sowohl die Fahrzeugsantriebskraft- FA als auch die auf das Fahrzeug wirkende Kraft F werden im Rahmen der vorliegenden Erfindung als bekannt vorausgesetzt, da diese Größen mit bekannten Verfahren im Fahrzeug bestimmbar sind. Beispielsweise kann die Fahrzeugantriebskraft FA über ein Motormomentenmodell, das eine moderne Motorsteuerung zur Verfügung stellt, die Getriebeübersetzun- gen und den dynamischen Radradius bestimmt werden. Bei automatischen Getrieben mit Drehmomentwandler wird auch dessen Verstärkung berücksichtigt. Die Fahrwiderstandskraft Fw wird beispielsweise entweder gemessen oder aus physikalischen Überlegungen berechnet und anschließend in einem geschwindig- keitsabhängigen Kennfeld abgelegt. Andere Vorgehensweisen, diese benötigten Signale zu ermitteln, können selbstverständlich ebenfalls im Rahmen der vorliegenden Erfindung eingesetzt werden. Die durch die Fahrbahnsteigung hervorgerufene Kraft Fs nimmt bei Bergauffahrt, das heißt bei positiver Fahrbahnsteigung positive Werte an, während sie bei Bergabfahrt, das heißt bei negativer Fahrbahnsteigung, negative Werte annimmt.
Bei dem erfindungsgemäßen Verfahren kann weiterhin vorgesehen sein, dass die Fahrzeugbeschleunigung a und/oder die Fahrwiderstandskraft Fw über die gemessene Fahrzeuggeschwindigkeit bestimmt werden. Die Fahrzeugbeschleunigung a kann beispielsweise über die gegebenenfalls gefilterte Differentiation der FahrZeuggeschwindigkeit v bestimmt werden. Die Fahrzeugge- schwindigkeit v kann beispielsweise aus einem gemessenen
Raddrehzahlsignal berechnet werden. Die Fahrwiderstandskraft Fw kann beispielsweise über vorher bereitgestellte Tabellen in Abhängigkeit von der Fahrzeuggeschwindigkeit v bestimmt werden.
Eine erste bevorzugte Weiterbildung des erfindungsgemäßen Verfahrens sieht vor, dass der rekursive Zustandsschätzalgorithmus der Kleinste-Quadrate-Algorithmus ist, insbesondere der zeitdiskrete Kleinste-Quadrate-Algorithmus. Der Kleinste- Quardrate-Algorithmus ist dem Fachmann an sich bekannt und wird daher an dieser Stelle nicht weiter erläutert. Eine nähere Beschreibung des Kleinste-Quadrate-Algorithmus findet sich beispielsweise in Isermann R. : "Identifikation dynamischer Systeme", Band 1 & 2, Springer, Berlin, 1992 oder Nel- les, 0. : "Nonlinear System Identification", Springer, Berlin, 2001.
Bei einer anderen bevorzugten Ausführungsform des erfindungsgemäßen Verfahrens ist vorgesehen, dass der rekursive Zustandsschätzalgorithmus der Kalman-Filter-Algorithmus ist (der teilweise auch als Kalman-Bucy-Filter-Algorithmus be- zeichnet wird) , insbesondere der zeitdiskrete Kalman-Filter- Algorithmus. Auch der Kalman-Filter-Algorithmus ist dem Fachmann gut bekannt und wird daher an dieser Stelle nicht näher erläutert. Eine nähere Beschreibung dieses Algorithmus findet sich ebenfalls in Isermann R. : "Identifikation dynamischer Systeme", Band 1 & 2, Springer, Berlin, 1992 oder Nelles, 0.: "Nonlinear System Identification", Springer, Berlin, 2001.
Eine besonders bevorzugte Weiterbildung des erfindungsgemäßen Verfahrens sieht vor, dass der rekursive Zustandsschätzalgo- rithmus ein erweiterter rekursiver Zustandsschätzalgorithmus ist, der die unterschiedliche Dynamik des Parameters Fahrzeugmasse m und des Parameters Fahrbahnsteigung berücksichtigt. Dieser bevorzugten Weiterbildung des erfindungsgemäßen Verfahrens liegt die Erkenntnis zugrunde, dass sich die Fahr- zeugmasse nur relativ langsam und insbesondere nach dem Halten des Fahrzeugs ändert. Im Gegensatz hierzu verändert sich die Fahrbahnsteigung relativ schnell. In diesem Zusammenhang sieht das erfindungsgemäße Verfahren vorzugsweise weiterhin vor, dass der erweiterte rekursive Zustandsschätzalgorithmus der erweiterte Kalman-Filter- Algorithmus, insbesondere der erweiterte zeitdiskrete Kalman- Filter-Algorithmus ist. Auch der erweiterte Kalman-Filter- Algorithmus ist dem Fachmann gut bekannt und wird daher hier nicht näher erläutert. Für eine genauere Beschreibung dieses Algorithmus wird auch an dieser Stelle auf Isermann R. : "I- dentifikation dynamischer Systeme", Band 1 & 2, Springer,
Berlin, 1992 oder Nelles, 0. : "Nonlinear System Identification", Springer, Berlin, 2001 verwiesen. Bei dem erweiterten Kalman-Filter-Algorithmus ist es möglich, die Adaptionsgeschwindigkeit parameterindividuell vorzugeben. Dies erlaubt eine schnelle Adaption der Fahrbahnsteigung und eine langsame, dafür jedoch stark geglättete und robuste Adaption der Fahrzeugmasse .
Vorzugsweise ist im Zusammenhang mit dem erfindungsgemäßen Verfahren vorgesehen, dass als Startwerte zur Durchführung des rekursiven Zustandsschätzalgorithmus für die Fahrzeugmasse m und die Fahrbahnsteigung α vorgegebene im Rahmen der jeweils zu erwartenden Wertebereiche liegende Startwerte verwendet werden.
In diesem Zusammenhang kann bei dem erfindungsgemäßen Verfahren weiterhin vorgesehen sein, dass als Startwerte zur Durchführung des rekursiven Zustandsschätzalgorithmus für die Fahrzeugmasse m die bekannte Masse des halbbeladenen Fahr- zeugs und für die Steigungskraft beziehungsweise die Fahrbahnsteigung α ein 0° entsprechender Wert verwendet werden. Insbesondere für die Fahrzeugmasse m können gegebenenfalls jedoch auch andere Startwerte verwendet werden, beispielsweise der bei der letzen Durchführung des rekursiven Schätzalgo- rithmus bestimmte beziehungsweise geschätzte Wert der Fahrzeugmasse m. Jede Vorrichtung, die zur Durchführung einer Ausführungsform des erfindungsgemäßen Verfahrens geeignet ist, fällt in den Schutzbereich der zugehörigen Ansprüche.
Die erfindungsgemäße Vorrichtung baut auf den gattungsgemäßen Stand der Technik dadurch auf, dass sie Mittel aufweist, die die Fahrzeugmasse m und die Fahrbahnsteigung gleichzeitig durch einen rekursiven Zustandsschätzalgorithmus bestimmen. Die erfindungsgemäß vorgesehenen Mittel sind vorzugsweise durch geeignete Hard- und Software gebildet, wobei die Hardware gegebenenfalls zumindest teilweise durch ohnehin im Fahrzeug vorhandene Hardware gebildet sein kann. Im Übrigen ergeben sich die im Zusammenhang mit dem erfindungsgemäßen Verfahren erläuterten Vorteile in gleicher oder ähnlicher Weise, weshalb zur Vermeidung von Wiederholungen auf die entsprechenden Ausführungen verwiesen wird.
Gleiches gilt sinngemäß für die folgenden bevorzugten Ausführungsformen der erfindungsgemäßen Vorrichtung, wobei bezüg- lieh der durch diese Ausführungsform erzielbaren Vorteile auf die entsprechenden Ausführungen im Zusammenhang mit dem erfindungsgemäßen Verfahren verwiesen wird.
Ähnlich wie beim erfindungsgemäßen Verfahren sieht auch eine besonders bevorzugte Ausführungsform der erfindungsgemäßen Vorrichtung vor, dass die Mittel den rekursiven Zustandsschätzalgorithmus auf der Grundlage des folgenden Zusammenhangs durchführen:
ΔF = FA - Fw = m- a + Fs,
wobei ΔF ein von dem rekursiven Zustandsschätzalgorithmus gelieferter Wert, FA die bekannte Fahrzeugantriebskraft, Fw die bekannte Fahrwiderstandskraft, m die gesuchte Fahrzeug- masse, a die bekannte Fahrzeugbeschleunigung und Fs die durch die Fahrbahnsteigung α hervorgerufene Steigungskraft ist, die über den Zusammenhang FΞ = m- g - sin ( )
mit der gesuchten Fahrbahnsteigung α, der Fahrzeugmasse m und der Erdbeschleunigung g zusammenhängt.
Eine vorteilhafte Weiterbildung der erfindungsgemäßen Vorrichtung sieht vor, dass die Mittel die Fahrzeugbeschleunigung a und/oder die Fahrwiderstandskraft Fw über die gemesse- ne Fahrzeuggeschwindigkeit bestimmen.
Auch bei einer ersten bevorzugten Ausführungsform der erfindungsgemäßen Vorrichtung ist vorgesehen, dass der rekursive Zustandsschätzalgorithmus der Kleinste-Quadrate-Algorithmus ist, insbesondere der zeitdiskrete Kleinste-Quadrate- Algorithmus .
Eine andere bevorzugte Ausführungsform der erfindungsgemäßen Vorrichtung sieht vor, dass der rekursive Zustandsschätzalgo- rithmus der Kalman-Filter-Algorithmus ist, insbesondere der zeitdiskrete Kalman-Filter-Algorithmus ist.
Ähnlich wie im Fall des erfindungsgemäßen Verfahrens sieht auch eine besonders bevorzugte Weiterbildung der erfindungs- gemäßen Vorrichtung vor, dass der rekursive Zustandsschätzalgorithmus ein erweiterter rekursiver Zustandsschätzalgorithmus ist, der die unterschiedliche Dynamik des Parameters Fahrzeugmasse und des Parameters Fahrbahnsteigung α berücksichtigt .
In diesem Zusammenhang ist auch bei der erfindungsgemäßen Vorrichtung vorzugsweise weiterhin vorgesehen, dass der erweiterte rekursive Zustandsschätzalgorithmus der erweiterte Kalman-Filter-Algorithmus, insbesondere der erweiterte zeit- diskrete Kalman-Filter-Algorithmus ist. Eine bevorzugte Weiterbildung der erfindungsgemäßen Vorrichtung sieht vor, dass die Mittel als Startwerte zur Durchführung des rekursiven Zustandsschätzalgorithmus für die Fahrzeugmasse m und die Fahrbahnsteigung vorgegebene im Rahmen der jeweils zu erwartenden Wertebereiche liegende Startwerte verwenden .
In diesem Zusammenhang ist bei der erfindungsgemäßen Vorrichtung vorzugsweise weiterhin vorgesehen, dass die Mittel als Startwerte zur Durchführung des rekursiven Zustandsschätzalgorithmus für die Fahrzeugmasse m die bekannte Masse des halbbeladenen Fahrzeugs und für die Fahrbahnsteigung α einen 0° entsprechenden Wert verwenden.
Bevorzugte Ausführungsformen der Erfindung werden nachfolgend unter Bezugnahme auf die beigefügten Zeichnungen beispielhaft erläutert .
Es zeigen:
Figur 1 ein Flussdiagramm, dass eine Ausführungsform des erfindungsgemäßen Verfahrens veranschaulicht, und
Figur 2 ein Blockschaltbild, dass die Funktionsweise der erfindungsgemäßen Vorrichtung veranschaulicht.
Bei den in den Figuren dargestellten Ausführungsformen des erfindungsgemäßen Verfahrens und der erfindungsgemäßen Vorrichtung wird als rekursiver Zustandsschätzalgorithmus der zeitdiskrete erweiterte Kalman-Filter-Algorithmus eingesetzt, der sich mathematisch wie folgt formulieren lässt:
Θ(K) = θ(k - 1) + γ(k)e(k) , e(k) = Y(k) - xτ(k)θ(k - 1)
,, . P(k- l)x(k) 35 γ(k) = — xτ(k)P(k - l)x(k) + 1 P( k) = (i - γ( k)xτ (k))p( k - 1 ) + V
θ = [m Fs
x = [a l]τ
y = ΔF
Figure imgf000011_0001
dabei ist θ der Parametervektor, der die gesuchte Fahrzeugmasse m und die gesuchte Steigungskraft Fs enthält, über die die Fahrbahnsteigung α bestimmt werden kann, x ist der Regressionsvektor, der die bekannte Fahrzeugbeschleunigung a enthält, y ist der von dem Kaiman-Filter gelieferte Ausgangswert. P ist die Kovarianzmatrix der Parameterschätzungen, die die Genauigkeit der jeweiligen Schätzung festlegt. V ist die vorgegebene Rausch-Kovarianzmatrix, die die Vergessgeschwindigkeit für die Fahrzeugmasse m und die Steigungskraft Fs unabhängig voneinander festlegt. Vorzugsweise ist die Vergessgeschwindigkeit für die Fahrzeugmasse m langsam, während sie für die Steigungskraft Fs hoch ist.
Die in Figur 1 dargestellte Ausführungsform des erfindungsgemäßen Verfahrens beginnt beim Schritt S10. Beim Schritt Sll werden die Startwerte für die Fahrzeugmasse m und die Steigungskraft Fs eingelesen. Diese Startwerte werden geeignet gewählt, wobei der Startwert für die Fahrzeugmasse m beispielsweise die Masse des halbbeladenen Fahrzeugs sein kann, währen der Startwert für die Steigungskraft Fs beispielsweise 0 sein kann. Beim Schritt S12 wird die Kovarianzmatrix V belegt, die die Vergessgeschwindigkeiten für die Fahrzeugmas- se m und die Steigungskraft Fs unabhängig' voneinander fest- legt. Dadurch kann die unterschiedliche Dynamik der Parameter Fahrzeugmasse m und Steigungskraft Fs beziehungsweise Fahrbahnsteigung berücksichtigt werden. Wie erwähnt ändert sich die Fahrzeugmasse m im Vergleich zur Fahrbahnsteigung α nur relativ langsam. Beim Schritt S13 wird die Fahrzeugbeschleunigung a die Fahrzeugantriebskraft FA und die Fahrwiderstandskraft F bestimmt. Üblicherweise werden diese Signale nicht direkt gemessen sondern beispielsweise wie folgt berechnet. Die Fahrzeugbeschleunigung a wird durch gegebenen- falls gefilterte Differentiation der Fahrzeuggeschwindigkeit v bestimmt. Die Fahrzeuggeschwindigkeit v wird aus einer gemessenen Raddrehzahl berechnet. Die Fahrzeugantriebskraft FA wird aus einem Motormomentenmodell, wie es eine moderne Motorsteuerung zur Verfügung stellt, den Getriebeübersetzun- gen und dem dynamischen Radradius bestimmt. Bei automatischen Getrieben mit Drehmomentwandler muss auch dessen Verstärkung mit einbezogen werden. Die Fahrwiderstandskraft Fw wird entweder gemessen oder auf der Grundlage von physikalischen Überlegungen berechnet und anschließend in einem geschwindig- keitsabhängigen Kennfeld abgelegt. Andere Vorgehensweisen, die benötigten Signale zu erhalten, sind denkbar und können im Rahmen der vorliegenden Erfindung ebenfalls eingesetzt werden.
Im Schritt S14 wird das Kalman-Filter-Problem in dem Fachmann bekannter Weise gelöst, um die Fahrzeugmasse m und die Steigungskraft Fs zu bestimmen. Beim Schritt S15 wird die Fahrbahnsteigung α über den Zusammenhang Fs = m-g-sin(α) bestimmt. Beim Schritt S16 wird überprüft, ob der rekursive Algorithmus beendet werden soll. Ist dies der Fall, so wird zum Schritt S17 verzweigt, bei dem die dargestellte Ausführungsform des erfindungsgemäßen Verfahrens endet. Anderenfalls wird zurück zum Schritt S13 verzweigt, in dem die Fahrzeugbeschleunigung a, die Fahrzeugantriebskraft FA und die Fahrwiderstandskraft Fw erneut bestimmt werden. Für den Fall, dass die Fahrzeugbeschleunigung a den Wert 0 hat, mu^s nur die Steigungskraft FΞ bestimmt werden und das Problem verein- facht sich zu einem ein-Paramter-Problem. Gleiches gilt, wenn die Fahrbahnsteigung α und damit die Steigungskraft Fs den Wert 0 hat und somit nur die Fahrzeugmasse m bestimmt werden muss .
Figur 2 zeigt in Blockschaltbildform den Einsatz einer Ausführungsform der erfindungsgemäßen Vorrichtung, die auch zur Durchführung des erfindungsgemäßen Verfahrens geeignet ist. In Figur 2 ist der physikalische Prozess mit dem Bezugszei- chen 12 versehen, während die erfindungsgemäß vorgesehenen
Mittel mit 10 bezeichnet sind. Diese Mittel 10 sind vorzugsweise durch geeignete Hard- und Software gebildet. Von dem Prozess 12 werden in geeigneter und an sich bekannter Weise die Fahrzeugbeschleunigung a, die Fahrzeugantriebskraft FA und die Fahrwiderstandskraft Fw abgeleitet, wobei aus den beiden zuletzt genannten Größen die Differenz FA ~FW gebildet wird. Die Ausgangsgröße ΔF des zeitdiskreten erweiterten Kaiman-Filters 14 wird von der Differenz FA-FW abgezogen. Dieses Ergebnis wird dem zeitdiskreten erweiterten Kalman- Filter 14 wieder zugeführt. Weiterhin wird dem zeitdiskreten erweiterten Kaiman-Filter 14 auch die Führungsgröße des Prozesses zugeführt. Die Startwerte für die Fahrzeugmasse m und die Steigungskraft Fs sowie die geeignet belegte Kovarianzmatrix V wird dem zeitdiskreten erweiterten Kaiman-Filter 14 ebenfalls zugeführt, wobei die Kovarianzmatrix V gegebenenfalls von der Fahrzeuggeschwindigkeit und/oder anderen Größen abhängig sein kann. Das zeitdiskrete erweiterte Kaiman-Filter 14 liefert Schätzwerte für die Fahrzeugmasse m und die Steigungskraft Fs. Aus Letzterer wird im Berechnungsblock 16 über die Beziehung aresin (Fs /mg) die Fahrbahnsteigung α berechnet .
Die in der vorstehenden Beschreibung, den Zeichnungen sowie den Ansprüchen offenbarten Merkmale der Erfindung können sowohl einzeln als auch in beliebiger Kombination für die Verwirklichung der Erfindung wesentlich sein.

Claims

Patentansprüche
1. Verfahren zum Bestimmen einer Fahrzeugmasse m und einer Fahrbahnsteigung α, 5 d a d u r c h g e k e n n z e i c h n e t, dass die Fahrzeugmasse m und die Fahrbahnsteigung α gleichzeitig durch einen rekursiven Zustandsschätzalgorithmus (14) bestimmt werden.
10 2. Verfahren nach Anspruch 1, d a d u r c h g e k e n n z e i c h n e t, dass der rekursive Zustandsschätzalgorithmus (14) auf der Grundlage des folgenden Zusammenhangs durchgeführt wird:
15 ΔF = FA - Fw = m-a + Fs,
wobei ΔF ein von dem rekursiven Zustandsschätzalgorithmus gelieferter Wert, FA die bekannte Fahrzeugantriebskraft, F die bekannte Fahrwiderstandskraft, m die gesuchte Fahrzeug- 20 masse, a die bekannte Fahrzeugbeschleunigung und Fs die durch die Fahrbahnsteigung α hervorgerufene Steigungskraft ist, die über den Zusammenhang
Fs = m- g- sin (α) z. 5 mit der gesuchten Fahrbahnsteigung α, der Fahrzeugmasse m und der Erdbeschleunigung g zusammenhängt.
3. Verfahren nach Anspruch 2,
30 d a d u r c h g e k e n n z e i c h n e t, dass die Fahrzeugbeschleunigung a und/oder die Fahrwiderstandskraft Fw über die gemessene Fahrzeuggeschwindigkeit bestimmt werden.
4. Verfahren nach einem der vorhergehenden Ansprüche,
35 d a d u r c h g e k e n n z e i c h n e t, dass der rekursive Zustandsschätzalgorithmus (14) der Kleinste-Quadrate- Algorithmus ist, insbesondere der zeitdiskrete Kleinste- Quadrate-Algorithmus .
5. Verfahren nach einem der Ansprüche 1 bis 3, d a d u r c h g e k e n n z e i c h n e t, dass der rekursive Zustandsschätzalgorithmus (14) der Kalman-Filter- Algorithmus ist, insbesondere der zeitdiskrete Kalman-Filter- Algorithmus ist.
6. Verfahren nach einem der vorhergehenden Ansprüche, d a d u r c h g e k e n n z e i c h n e t, dass der rekursive Zustandsschätzalgorithmus (14) ein erweiterter rekursiver Zustandsschätzalgorithmus ist, der die unterschiedliche Dynamik des Parameters Fahrzeugmasse m und des Parameters Fahrbahnsteigung α berücksichtigt.
7. Verfahren nach Anspruch 6, d a d u r c h g e k e n n z e i c h n e t, dass der erweiterte rekursive Zustandsschätzalgorithmus (14) der erweiterte Kalman-Filter-Algorithmus, insbesondere der erweiterte zeitdiskrete Kalman-Filter-Algorithmus ist.
8. Verfahren nach einem der vorhergehenden Ansprüche, d a d u r c h g e k e n n z e i c h n e t, dass als Start- werte zur Durchführung des rekursiven Zustandsschätzalgorithmus (14) für die Fahrzeugmasse m und die Fahrbahnsteigung α vorgegebene im Rahmen der jeweils zu erwartenden Wertebereiche liegende Startwerte verwendet werden.
9. Verfahren nach Anspruch 8, d a d u r c h g e k e n n z e i c h n e t, dass als Startwerte zur Durchführung des rekursiven Zustandsschätzalgorithmus (14) für die Fahrzeugmasse m die bekannte Masse des halb- beladenen Fahrzeugs und für die Fahrbahnsteigung α ein 0° entsprechender Wert verwendet werden.
10. Vorrichtung zur Durchführung des Verfahrens nach einem der vorhergehenden Ansprüche.
11. Vorrichtung zum Bestimmen einer Fahrzeugmasse m und einer Fahrbahnsteigung α, d a d u r c h g e k e n n z e i c h n e t, dass sie Mittel (10) aufweist, die die Fahrzeugmasse m und die Fahrbahnsteigung α gleichzeitig durch einen rekursiven Zustandsschätzalgorithmus (14) bestimmen.
12. Vorrichtung nach Anspruch 11, d a d u r c h g e k e n n z e i c h n e t, dass die Mittel (10) den rekursive Zustandsschätzalgorithmus (14) auf der Grundlage des folgenden Zusammenhangs durchführen:
ΔF = FA - Fw = m-a + Fs,
wobei ΔF ein von dem rekursiven Zustandsschätzalgorithmus (14) gelieferter Wert, FA die bekannte Fahrzeugantriebskraft, Fw die bekannte Fahrwiderstandskraft, m die gesuchte Fahrzeugmasse, a die bekannte Fahrzeugbeschleunigung und Fs die durch die Fahrbahnsteigung α hervorgerufene Steigungskraft ist, die über den Zusammenhang
Fs = m- g- sin (α)
mit der gesuchten Fahrbahnsteigung , der Fahrzeugmasse m und der Erdbeschleunigung g zusammenhängt.
13. Vorrichtung nach Anspruch 12, d a d u r c h g e k e n n z e i c h n e t, dass die Mittel (10) die Fahrzeugbeschleunigung a und/oder die Fahrwider- standskraft Fw über die gemessene Fahrzeuggeschwindigkeit bestimmen.
14. Vorrichtung nach einem der Ansprüche 11 bis 13, d a d u r c h g e k e n n z e i c h n e t, dass der rekursive Zustandsschätzalgorithmus (14) der Kleinste-Quadrate- Algorithmus ist, insbesondere der zeitdiskrete Kleinste- Quadrate-Algorithmus .
15. Vorrichtung nach einem der Ansprüche 11 bis 13, d a d u r c h g e k e n n z e i c h n e t, dass der rekursive Zustandsschätzalgorithmus (14) der Kalman-Filter- Algorithmus- ist, insbesondere der zeitdiskrete Kalman-Filter- Algorithmus ist.
16. Vorrichtung nach einem der Ansprüche 11 bis 15, d a d u r c h g e k e n n z e i c h n e t, dass der rekursive Zustandsschätzalgorithmus (14) ein erweiterter rekursi- ver Zustandsschätzalgorithmus ist, der die unterschiedliche Dynamik des Parameters Fahrzeugmasse m und des Parameters Fahrbahnsteigung berücksichtigt.
17. Vorrichtung nach Anspruch 16, d a d u r c h g e k e n n z e i c h n e t, dass der erweiterte rekursive Zustandsschätzalgorithmus (14) der erweiterte Kalman-Filter-Algorithmus, insbesondere der erweiterte zeitdiskrete Kalman-Filter-Algorithmus ist.
18. Vorrichtung nach einem der Ansprüche 11 bis 17, d a d u r c h g e k e n n z e i c h n e t, dass die Mittel (10) als Startwerte zur Durchführung des rekursiven Zustandsschätzalgorithmus (14) für die Fahrzeugmasse m und die Fahrbahnsteigung α vorgegebene im Rahmen der jeweils zu erwarten- den Wertebereiche liegende Startwerte verwenden.
19. Vorrichtung nach Anspruch 18, d a d u r c h g e k e n n z e i c h n e t, dass die Mittel (10) als Startwerte zur Durchführung des rekursiven Zustands- schätzalgorithmus für die Fahrzeugmasse m die bekannte Masse des halbbeladenen Fahrzeugs und für die Fahrbahnsteigung a einen 0° entsprechenden Wert verwenden.
PCT/DE2002/003229 2001-09-06 2002-09-02 Verfahren und vorrichtung zum bestimmen einer fahrzeugmasse und einer fahrbahnsteigung durch einen rekursiven zustandsschätzalgorithmus WO2003023334A1 (de)

Priority Applications (1)

Application Number Priority Date Filing Date Title
EP02797895A EP1423664A1 (de) 2001-09-06 2002-09-02 Verfahren und vorrichtung zum bestimmen einer fahrzeugmasse und einer fahrbahnsteigung durch einen rekursiven zustandsschätzalgorithmus

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE10143752.8 2001-09-06
DE10143752 2001-09-06

Publications (1)

Publication Number Publication Date
WO2003023334A1 true WO2003023334A1 (de) 2003-03-20

Family

ID=7697954

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/DE2002/003229 WO2003023334A1 (de) 2001-09-06 2002-09-02 Verfahren und vorrichtung zum bestimmen einer fahrzeugmasse und einer fahrbahnsteigung durch einen rekursiven zustandsschätzalgorithmus

Country Status (2)

Country Link
EP (1) EP1423664A1 (de)
WO (1) WO2003023334A1 (de)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1387153A1 (de) * 2002-08-03 2004-02-04 Robert Bosch Gmbh Verfahren und Vorrichtung zur Ermittlung der Fahrzeugmasse
FR2920047A3 (fr) * 2007-08-13 2009-02-20 Renault Sas Estimation de la pente de la route depuis un vehicule
WO2010034578A1 (de) * 2008-09-24 2010-04-01 Robert Bosch Gmbh Verfahren und vorrichtung zum ermitteln einer gesamtmasse eines kraftfahrzeugs
EP2363695A1 (de) * 2010-03-03 2011-09-07 Sumitomo Rubber Industries, Ltd. Vorrichtung, Verfahren und Programm zur Fahrzeugmassenschätzung
DE102013211243A1 (de) 2013-06-17 2014-12-18 Continental Teves Ag & Co. Ohg Verfahren zur Ermittlung einer Fahrzeugmasse
ITTO20130584A1 (it) * 2013-07-11 2015-01-12 Fiat Ricerche Stima della massa di un veicolo e della pendenza della strada
CN112417365A (zh) * 2020-11-03 2021-02-26 江苏大学 一种基于扩展卡尔曼滤波的自动驾驶卡车质量估算方法
CN112689745A (zh) * 2018-10-18 2021-04-20 日立安斯泰莫株式会社 状态量推定装置、控制装置、及状态量推定方法

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102007005070B4 (de) 2007-02-01 2010-05-27 Klippel, Wolfgang, Dr. Anordnung und Verfahren zur optimalen Schätzung der linearen Parameter und der nichtlinearen Parameter eines Modells, das einen Wandler beschreibt

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE3416812A1 (de) * 1984-05-07 1985-11-07 Robert Bosch Gmbh, 7000 Stuttgart Verfahren zur regelung von prozessgroessen in motorfahrzeugen
US20010001138A1 (en) * 1998-04-23 2001-05-10 Zhu G. George Recursive vehicle mass estimation apparatus and method
US6249735B1 (en) * 1998-01-28 2001-06-19 Aisin Seiki Kabushiki Kaisha Vehicle state estimation method and vehicular auxiliary brake control apparatus using the method

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE3416812A1 (de) * 1984-05-07 1985-11-07 Robert Bosch Gmbh, 7000 Stuttgart Verfahren zur regelung von prozessgroessen in motorfahrzeugen
US6249735B1 (en) * 1998-01-28 2001-06-19 Aisin Seiki Kabushiki Kaisha Vehicle state estimation method and vehicular auxiliary brake control apparatus using the method
US20010001138A1 (en) * 1998-04-23 2001-05-10 Zhu G. George Recursive vehicle mass estimation apparatus and method

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1387153A1 (de) * 2002-08-03 2004-02-04 Robert Bosch Gmbh Verfahren und Vorrichtung zur Ermittlung der Fahrzeugmasse
FR2920047A3 (fr) * 2007-08-13 2009-02-20 Renault Sas Estimation de la pente de la route depuis un vehicule
WO2010034578A1 (de) * 2008-09-24 2010-04-01 Robert Bosch Gmbh Verfahren und vorrichtung zum ermitteln einer gesamtmasse eines kraftfahrzeugs
EP2363695A1 (de) * 2010-03-03 2011-09-07 Sumitomo Rubber Industries, Ltd. Vorrichtung, Verfahren und Programm zur Fahrzeugmassenschätzung
US8554511B2 (en) 2010-03-03 2013-10-08 Sumitomo Rubber Industries, Ltd. Apparatus, method and program for vehicle mass estimation
DE102013211243A1 (de) 2013-06-17 2014-12-18 Continental Teves Ag & Co. Ohg Verfahren zur Ermittlung einer Fahrzeugmasse
ITTO20130584A1 (it) * 2013-07-11 2015-01-12 Fiat Ricerche Stima della massa di un veicolo e della pendenza della strada
WO2015004639A2 (en) 2013-07-11 2015-01-15 C.R.F Societa' Consortile Per Azioni Road slope and vehicle mass estimation
WO2015004639A3 (en) * 2013-07-11 2015-06-25 C.R.F Societa' Consortile Per Azioni Automotive control unit programmed to estimate road slope and vehicle mass, vehicle with such a control unit and corresponding program product therefore
US10124806B2 (en) 2013-07-11 2018-11-13 C.R.F. Società Consortile Per Azioni Automotive control unit programmed to estimate road slope and vehicle mass, vehicle with such a control unit and corresponding program product
CN112689745A (zh) * 2018-10-18 2021-04-20 日立安斯泰莫株式会社 状态量推定装置、控制装置、及状态量推定方法
CN112417365A (zh) * 2020-11-03 2021-02-26 江苏大学 一种基于扩展卡尔曼滤波的自动驾驶卡车质量估算方法

Also Published As

Publication number Publication date
EP1423664A1 (de) 2004-06-02

Similar Documents

Publication Publication Date Title
DE2700788C3 (de) Vorrichtung zur Einstellung des Schaltrucks in Kraftfahrzeugen
DE102008032506B4 (de) Fahrzeuggeschwindigkeits-Steuerungsvorrichtung
EP2021745B1 (de) Verfahren zur ermittlung der masse eines kraftfahrzeugs
DE102013114913B4 (de) Verfahren zum Schaltsteuern eines Automatikgetriebes in einem Fahrzeug
DE4328893B4 (de) Verfahren und Einrichtung zur Steuerung eines Automatikgetriebes eines Fahrzeugs in Abhängigkeit von einem Gefälle einer Fahrbahn
DE69615847T2 (de) Verfahren zum vermeiden eines ständigen hin- und herschaltens eines automatischen kraftfahrzeuggetriebes
EP1047889A1 (de) Verfahren zur steuerung eines schaltvorganges in automatikgetrieben
DE69829807T2 (de) Rückschaltungssteuerung in Abhängigkeit vom Beschleunigungswunsch des Fahrers
DE102010006643A1 (de) Verfahren zur Steuerung eines Automatikgetriebes eines Kraftfahrzeugs, Steuervorrichtung für ein Automatikgetriebe eines Kraftfahrzeugs und Kraftfahrzeug
WO2003023334A1 (de) Verfahren und vorrichtung zum bestimmen einer fahrzeugmasse und einer fahrbahnsteigung durch einen rekursiven zustandsschätzalgorithmus
DE102008041618A1 (de) Verfahren und Vorrichtung zum Bewerten der Fahrweise eines Fahrers in einem Kraftfahrzeug in Bezug auf die Kraftstoffnutzung
WO2000019129A1 (de) Verfahren zur steuerung eines selbsttätig schaltenden getriebes
DE112019004643T5 (de) Verfahren zur Schätzung einer Fahrzeuglast
EP1749161B1 (de) Verfahren zur steuerung eines automatisierten schaltgetriebes
DE3018032A1 (de) Steuervorrichtung fuer ein selbsttaetig schaltendes getriebe
DE4333822A1 (de) Verfahren und Vorrichtung zur Gangerkennung bei einem Kraftfahrzeug
WO2006089686A2 (de) Kraftfahrzeugsteuer vorrichtung
DE10221263B4 (de) Verfahren zum Steuern und/oder Regeln eines Drehmomentenübertragungssystems in einem Antriebsstrang eines Fahrzeuges
DE3883852T2 (de) Radgeschwindigkeitssteuergerät.
DE19957020B4 (de) Vorrichtung und Verfahren zum Steuern von Automatikgetrieben
DE112014004383T5 (de) Schätzen eines Parameters zum Berechnen mindestens einer auf ein Fahrzeug einwirkenden Kraft
EP1273497A2 (de) Verfahren zum Schutz eines Steuergeräts eines Kraftfahrzeugs vor Manipulation
DE19951802A1 (de) Verfahren zur Bestimmung einer Größe aus einem Meßwert
DE19849322B4 (de) Verfahren und Vorrichtung zur Schätzung des maximal absetzbaren Antriebsmoments bei einem Kraftfahrzeug
DE102019007187A1 (de) Verfahren zum Steuern eines Antriebsstrangs eines Fahrzeugs, Steuervorrichtung, Fahrzeug, Computerprogramm und computerlesbarer Datenträger

Legal Events

Date Code Title Description
AK Designated states

Kind code of ref document: A1

Designated state(s): JP

AL Designated countries for regional patents

Kind code of ref document: A1

Designated state(s): AT BE BG CH CY CZ DE DK EE ES FR GB GR IE IT LU MC NL PT SE SK TR

DFPE Request for preliminary examination filed prior to expiration of 19th month from priority date (pct application filed before 20040101)
121 Ep: the epo has been informed by wipo that ep was designated in this application
WWE Wipo information: entry into national phase

Ref document number: 2002797895

Country of ref document: EP

WWP Wipo information: published in national office

Ref document number: 2002797895

Country of ref document: EP

NENP Non-entry into the national phase

Ref country code: JP

WWW Wipo information: withdrawn in national office

Country of ref document: JP