智数汽车大数据麦克恒通汽车轻量化在线
查看: 122|回复: 0
收起左侧

[分享] 基于双层结构的商用车质量辨识算法

[复制链接]
发表于 2020-6-9 09:23:54 | 显示全部楼层 |阅读模式

亲,赶快注册吧,有更多精彩内容分享!

您需要 登录 才可以下载或查看,没有帐号?立即注册

x
基于双层结构的商用车质量辨识算法

贾天乐, 王洪亮, 彭湃, 薛冻, 王显会

(南京理工大学 机械工程学院,江苏,南京 210094)

【中国汽车材料网】摘 要: 针对山区路面商用车整车质量辨识问题,设计了一种汽车质量辨识算法. 基于车辆纵向动力学模型提出了基于双层结构的商用车质量辨识算法:上层为基于倾角传感器的路面坡度估计算法;下层为基于带时变遗忘因子的递归最小二乘法的整车质量辨识算法. 使用TruckSim软件平台分析了汽车悬架对上层算法的影响,并进行了实车试验. 试验结果表明,所提出的质量辨识算法能够有效地估计路面坡度和整车质量,估计准确,收敛速度快,修正后的整车质量均方根误差平均值从209.97 kg减小到117.43 kg.
关键词:商用车;坡度估计;汽车质量辨识;悬架挠度

随着汽车电子技术的发展,汽车质量辨识问题(尤其是商用车)受到了越来越多的科研人员的关注. 在坡道起步辅助、电子驻车、车身电子稳定控制等系统中[1-2],汽车质量识别准确性直接影响到电控系统的控制精度. 此外,一些研究提出的减少重型车辆的燃油消耗控制算法与整车质量变化息息相关[3].
目前,整车质量辨识主要以汽车纵向动力学模型辨识为主,根据汽车动力学模型,从硬线或CAN总线上获得发动机转矩、传动比、车速和离合器状态等,进行整车质量辨识[4].
大多数文献[4-6]忽略或假定路面坡道已知,估计整车质量,再根据估计的质量计算路面坡度. 这种解耦方法适用于平缓路面,而在一些坡度变化复杂的路面,如山区路面等,该方法适用性较差. 本文针对此问题,设计了双层结构的整车质量辨识算法,上层算法使用倾角传感器估计路面坡度,并使用TruckSim软件平台分析载重量和路面坡度对前后悬架静挠度和动挠度的影响,下层算法根据估计的路面坡度辨识整车质量,最后进行实车验证.

1 纵向动力学模型
车辆纵向动力学公式如下
35bc54eae2fc20d2137ab0582ea8b07c.jpg
(δa+gi+gf),
(1)
式中:m为整车质量;Ttq为发动机输出转矩;ig为变速器传动比;i0为主减速器传动比;η T为传动效率;r为车轮半径;Fw空气阻力;δ为汽车旋转质量换算系数;g为重力加速度;f为滚动阻力系数;i为路面坡度;a为纵向加速度.
式(1)考虑到行驶中受到的滚动阻力、坡道阻力、空气阻力和加速阻力. 由于在汽车起步阶段以及爬坡时,车速较低,空气阻力和滚动阻力也较低,可以较为准确的估计两者. 如何准确获得实时的路面坡度成为质量辨识的关键.

2 双层结构辨识算法
2.1 上层坡度估计算法
当路面坡度较大时,尤其是装载货物后,汽车前后悬架变形更加显著,同时汽车加减速也会造成悬架跳动,对安装在车架上的倾角传感器造成一定的影响. 本文基于TruckSim软件平台搭建汽车模型,分析悬架静挠度和动挠度对传感器的影响,并设计表1的试验工况.
表1 悬架静挠度试验工况

Tab.1 Static deflection test of suspension mm


2c282a9641143346724ee55459aa7852.jpg


由表1知,前后悬架变形差与载重量大致成正比关系,且随着坡道角度的增大,变形量缓慢增加. 在此基础上,给予汽车一定的纵向加速度,得到悬架动挠度试验工况.
从图1中看出前后悬架的跳动差随着纵向加速度的增加而增加,且增加的幅度受载重量影响较小;当载重量一定,加速度一定时,悬架跳动量随路面坡度的增加而增加.
1c2ee72ce4120eaa8957aaa11745ecd1.jpg

图1 悬架动挠度试验工况

Fig.1 Dynamic deflection test of suspension



拟合出悬架跳动量与汽车纵向加速度和路面坡度的关系式(2),修正后的路面角度计算公式见式(3).
fd=0.0125m1+(0.001m1+0.5)α+12.5a,            (2)
αc=αm-a-arctan(fd/L),                  (3)
式中:fd悬架挠度;m1为载重量;αc为修正角度;αm为传感器测量角度;L为轴距.
2.2 下层质量辨识算法
下层算法设计成基于带时变因子的递推最小二乘法的汽车质量辨识算法. 增加遗忘因子,增加了新数据的权重,降低了旧数据的权重. 遗忘因子数值越大,辨识精度越高,收敛速度越慢. 当整车质量变化小于一定阈值时,认为算法趋向于稳定,并停止计算. 其递推形式为
39613ac0f31b52a40b434ddd91bd8c71.jpg                       (4)


3 试验与分析
3.1 路面坡度估计
选择某长上坡路面(路面平均坡度约为5.95°),进行载重量1 t的路面坡度试验. 如图2,1.3 s时,汽车加速到27 km/h时,进入上坡,同时驾驶员踩油门踏板;10.5 s时,结束上坡. 对车速求导并滤波后得到汽车纵向加速度,上坡后,坡道阻力不断增大,而加速度不断减小.
4c6d70494c8861e395ce1322c2786a35.jpg

图2 纵向加速度和速度图

Fig.2 Experiment of acceleration& speed



使用上述公式计算路面坡度,并用低通滤波器对计算结果进行处理,与GPS测量路面坡度对比,结果如图3所示. 1.3~3.5 s,坡度急剧上升,此时坡度估计值能较好的跟随真实值的快速变化,响应较快. 试验验证了所提出的坡道估计算法的有效性和准确性.
149d5f0afb73516b6e45791206671373.jpg

图3 路面坡度对比图

Fig.3 Comparison of road grade



3.2 汽车质量估计
对“基于双层结构的商用车质量辨识算法”进行试验验证时,需要考虑载重量变化和路面坡度的影响. 设计了空载爬坡试验和载重1 t水平路面和爬坡试验,试验结果见图4所示,对比结果见表2. 可以看出,该质量辨识算法受汽车质量变化影响较小,可以在短时间内收敛至目标值. 悬架挠度对整车质量辨识的结果和收敛时间有一定的影响. 试验验证了所提出的整车质量辨识算法能够有效的估计汽车质量,且对汽车质量变化不敏感,受路面坡度变化影响较小,同时考虑悬架挠度的影响能够明显提高汽车质量辨识算法的准确性和收敛速度.
e61f6395571fa0924f6b3c96c0a698e7.jpg

图4 整车质量辨识结果

Fig.4 Vehicle mass estimation result



为了直观的评价所提出的整车质量辨识算法,使用均方根误差(the root mean square error, RMSE)表示算法误差. RMSE能够反映质量辨识的精密度和偏离实际质量的程度.
ffd0948b119de7c425c7fe143323821d.jpg             ,(5)
式中:e RMSE为均方根误差值;ma为实际整车质量;
mei为每隔一定时间估计的整车质量值;n为总的时间间隔数.
表2为整车质量辨识试验与结果,从表2中看出,载重量越大,RMSE值越大;路面坡度变化幅度越大,RMSE值越大. 考虑悬架挠度对算法的影响,其估计质量的均方根误差的平均值从209.97 kg减小到117.43 kg.
表2 整车质量辨识试验与结果

Tab.2 Test and result of vehicle mass estimation


2688789e6bcccb6ce955c135d1c7a61f.jpg



4 结 论
本文研究了车辆动力学领域中的路面坡度估计和汽车质量辨识问题,设计了双层结构整车质量辨识算法:基于山区商用车路面坡度估计的上层算法和基于车辆纵向动力学的整车质量辨识的下层算法,并分析了悬架静挠度和动挠度对上层算法的影响,可以得出以下结论:
① 所提出的基于山区商用车路面坡度估计方法能够有效的估计路面坡度,考虑车辆纵向加速度和悬架动静挠度的影响,可以提高路面坡度识别的可靠性和质量辨识的准确性;
② 所提出的基于车辆纵向动力学的汽车质量辨识算法能够准确及时的估计整车质量,利用带时变遗忘因子的递归最小二乘法对整车质量进行估计,提高了汽车质量辨识的速度;
③ 路面坡度越大,整车质量越大,悬架挠度对汽车质量辨识的影响越明显.

参考文献:
[1] 王洪亮,谷文豪,张庆渴,等. 汽车坡起中EPB的Bang-Bang控制研究[J].北京理工大学学报,2017,37(1):46-49.
Wang Hongliang,Gu Wenhao,Zhang Qingke,et al.Research on Bang-Bang control of EPB system in vehicle hill start[J].Transactions of Beijing Institute of Technology,2017,37(1):46-49.(in Chinese)
[2] 王洪亮,刘海鸥,王娟.AMT重型越野车在陡坡上的起步控制技术研究[J].北京理工大学学报,2013,33(3):260-265.
Wang Hongliang,Liu Haiou,Wang Juan.Starting control of heavy-duty off-road vehicles with automatic mechanical transmission on steep slope[J].Transactions of Beijing Institute of Technology,2013,33(3):260-265.(in Chinese)
[3] Mersky A C,Samaras C.Fuel economy testing of autonomous vehicles[J].Transportation Research Part C,2016,65:31-48.
[4] Chu W,Luo Y,Jian L,et al.Vehicle mass and road slope estimates for electric vehicles[J].Journal of Tsinghua University,2014,54(6):724-728.
[5] Altmannshofer S,Endisch C.Robust vehicle mass and driving resistance estimation[C]∥Proceedings of American Control Conference.[S.l.]:IEEE,2016:6869-6874.
[6] Wilhelm E,Rodgers L,Bornatico R.Real-time electric vehicle mass identification[C]∥Proceedings of Electric Vehicle Symposium and Exhibition.[S.l.]:IEEE,2014:1-6.



您需要登录后才可以回帖 登录 | 立即注册

本版积分规则