本技術(shù)涉及智能駕駛，尤其是涉及一種電動客車的質(zhì)量、車速的估計方法、裝置及電子設(shè)備。

背景技術(shù)：

1、隨著電動客車在城市交通和長途運輸中的廣泛應(yīng)用，確保其在各種復(fù)雜路況下的行駛穩(wěn)定性和安全性變得尤為重要。車輛的質(zhì)量和車速是影響車輛動力學(xué)行為的關(guān)鍵參數(shù)，精確估算這些參數(shù)對于提升車輛控制系統(tǒng)的性能至關(guān)重要。然而，由于道路狀況的多樣性和動態(tài)變化，在非結(jié)構(gòu)化和低附著力道路上進(jìn)行質(zhì)量和速度的精確估算存在較大挑戰(zhàn)。

2、現(xiàn)有的車輛質(zhì)量估計方法大多基于平坦道路上的靜態(tài)或準(zhǔn)靜態(tài)假設(shè)，難以應(yīng)對復(fù)雜路況帶來的動態(tài)變化。例如，傳統(tǒng)的卡爾曼濾波方法在路面坡度和空氣阻力顯著變化時估算精度降低。同時，基于事件觸發(fā)的質(zhì)量估計方法雖然在特定條件下表現(xiàn)出較高的估算精度，但由于需要復(fù)雜的傳感器配置，難以在經(jīng)濟型電動客車上廣泛應(yīng)用。

3、同樣，現(xiàn)有的車速估計方法主要依賴于車輪速度傳感器和加速度計的數(shù)據(jù)，這些方法在車輛加速、減速和轉(zhuǎn)彎時會出現(xiàn)較大的估算誤差。此外，現(xiàn)有方法在低附著力和不平整路面條件下，車輪打滑和傳感器信號噪聲也會顯著影響速度估算的準(zhǔn)確性。

技術(shù)實現(xiàn)思路

1、本技術(shù)的目的在于提供一種電動客車的質(zhì)量、車速的估計方法、裝置及電子設(shè)備，通過縱向偏差動力學(xué)模型結(jié)合遞歸最小二乘算法，對車輛的當(dāng)前運行參數(shù)進(jìn)行實時估算，得到車輛的質(zhì)量估計信息；并基于車輛的縱向加速度和車輪轉(zhuǎn)速，利用當(dāng)前電動客車狀態(tài)下的非線性數(shù)字混合濾波算法進(jìn)行縱向車速估計，從而有效提升在復(fù)雜路況下的估算精度和穩(wěn)定性；通過精確的質(zhì)量和車速估算，進(jìn)一步提高車輛控制系統(tǒng)的響應(yīng)速度和可靠性，增強電動客車在各種復(fù)雜路況下的行駛安全性和穩(wěn)定性。

2、第一方面，本技術(shù)提供一種電動客車的質(zhì)量、車速的估計方法，方法包括：獲取電動客車的當(dāng)前運行參數(shù)；當(dāng)前運行參數(shù)包括：縱向加速度、橫擺角速度、總縱向力、車輛速度、車輪轉(zhuǎn)速、車輪滑移率；基于當(dāng)前運行參數(shù)，應(yīng)用遞歸最小二乘法結(jié)合預(yù)先構(gòu)建的縱向偏差動力學(xué)模型進(jìn)行車輛質(zhì)量估計，得到電動客車的質(zhì)量估計信息；對當(dāng)前運行參數(shù)中的縱向加速度、車輪轉(zhuǎn)速進(jìn)行預(yù)處理，得到校準(zhǔn)加速度、車輪線速度；預(yù)處理包括：對車輪轉(zhuǎn)速的霍爾效應(yīng)編碼處理、縱向加速度的校準(zhǔn)處理；基于校準(zhǔn)加速度、車輪線速度，采用當(dāng)前電動客車狀態(tài)下的非線性數(shù)字混合濾波算法進(jìn)行車輛速度估計，得到電動客車的車速估計信息。

3、進(jìn)一步地，上述基于當(dāng)前運行參數(shù)，應(yīng)用遞歸最小二乘法結(jié)合預(yù)先構(gòu)建的縱向偏差動力學(xué)模型進(jìn)行車輛質(zhì)量估計，得到電動客車的質(zhì)量估計信息的步驟，包括：根據(jù)當(dāng)前運行參數(shù)，判斷電動客車的當(dāng)前運動狀態(tài)是否為縱向運動狀態(tài)；如果是，采用前饋帶通濾波器提取電動客車的縱向加速度和總縱向力的高頻分量；基于電動客車的縱向加速度和總縱向力的高頻分量，以及第一指定算式，估算電動客車的質(zhì)量估計信息；其中，第一指定算式為基于預(yù)先構(gòu)建的電動客車的縱向偏差動力學(xué)模型，采用遞歸最小二乘法算法進(jìn)行處理得到的；第一指定算式如下：

4、

5、其中，m表示電動客車的質(zhì)量估計信息，表示濾波后的縱向加速度的高頻分量；表示濾波后的總縱向力的高頻分量。

6、進(jìn)一步地，上述根據(jù)當(dāng)前運行參數(shù)，判斷車輛的當(dāng)前運動狀態(tài)是否為縱向運動狀態(tài)的步驟，包括：如果縱向加速度大于第一閾值、橫擺角速度小于第二閾值、總縱向力大于第三閾值、車輛速度大于第四閾值、車輪滑移率小于第五閾值，則確定確定車輛的當(dāng)前運動狀態(tài)為縱向運動狀態(tài)。

7、進(jìn)一步地，上述第一指定算式的確定過程如下：

8、構(gòu)建電動客車的縱向偏差動力學(xué)模型，對應(yīng)的第一模型算式如下：

9、

10、其中，vx表示車輛速度；表示車輛速度的一階導(dǎo)數(shù)；表示作用在車輛上的凈縱向力；fe表示車輪處的有效發(fā)動機力；fb表示車輪處的有效制動力；表示空氣阻力；ρ表示空氣密度、ad表示有效前表面積、cd表示空氣阻力系數(shù)；mgfrsinζ、mgfrcosζ分別表示道路坡度引起的縱向力和滾動阻力；g表示重力加速度；ζ表示道路坡度角；

11、假設(shè)總滾動阻力是車輛重量的一個常數(shù)分?jǐn)?shù)fr，對第一模型算式變形，得到第二模型算式，如下：

12、

13、其中，符號δ表示給定量的偏差；速度偏差δvx是時間的正弦函數(shù)，其頻率為ω；根據(jù)bachman-landau定理，將第二模型算式轉(zhuǎn)化為第三模型算式，如下：

14、

15、其中，o(ω2)表示ω2的高階無窮小部分；

16、根據(jù)第三模型算式得到第四模型算式：

17、

18、其中，表示車輛速度的二階導(dǎo)數(shù)；fe-fb表示車輛的總縱向力；

19、將第四模型算式基于最小二乘法變形，得到第一指定算式。

20、進(jìn)一步地，上述對當(dāng)前運行參數(shù)中的縱向加速度、車輪轉(zhuǎn)速進(jìn)行預(yù)處理，得到校準(zhǔn)加速度、車輪線速度的步驟，包括：

21、采用20hz截止頻率的4階巴特沃斯數(shù)字濾波器對車輪轉(zhuǎn)速、縱向加速度進(jìn)行濾波；

22、將濾波后的車輪轉(zhuǎn)速乘以相應(yīng)的車輪半徑，得到車輪線速度，如下：

23、vi(t)＝riωi(t),i＝1,…,4[m/s]；

24、其中，vi(t)表示第i個車輪的車輪線速度；ri表示第i個車輪的車輪半徑；ωi(t)表示第i個車輪濾波后的車輪轉(zhuǎn)速；

25、將濾波后的縱向加速度轉(zhuǎn)換為初始線性加速度，對初始線性加速度進(jìn)行偏移和增益失真補償，得到線性補償加速度，如下：

26、axm(t)＝γ(axmeas(t)-b)；

27、其中，axm(t)表示線性補償加速度；axmeas(t)表示初始線性加速度；γ表示增益；b表示偏移；

28、將線性補償加速度輸入至第二指定算式中進(jìn)行計算，得到校準(zhǔn)加速度；第二指定算式如下：

29、

30、al(t)表示校準(zhǔn)加速度；g是重力加速度；lfront和lrear分別是車輛重心分別到前軸、后軸的距離；hbar是車輛重心距離地面的高度；k是彈簧彈性常數(shù)。

31、進(jìn)一步地，上述第二指定算式的確定過程如下：

32、當(dāng)俯仰角θ非零時，沿x軸測量的線性補償加速度axm(t)如以下第一算式所示：

33、axm(t)＝al(t)cos(θ(al(t)))-gsin(θ(al(t)))；

34、前軸和后軸的垂直載荷變化δfz如以下第二算式所示：

35、

36、其中，α是載荷分配系數(shù)；

37、根據(jù)胡克定律，由于載荷變化引起的懸架彈簧壓縮量如以下第三算式所示：

38、δx＝δfz/k；

39、其中，δx表示懸架彈簧壓縮量；

40、俯仰角θ可以近似為其正切，如以下第四算式所示：

41、

42、根據(jù)第一算式至第四算式進(jìn)推導(dǎo)，得到第二指定算式。

43、進(jìn)一步地，上述基于校準(zhǔn)加速度、車輪線速度，采用當(dāng)前電動客車狀態(tài)下的非線性數(shù)字混合濾波算法進(jìn)行車輛速度估計，得到電動客車的車速估計信息的步驟，包括：在當(dāng)前估計周期中，根據(jù)四個車輪的車輪線速度，確定四個車輪線速度的平均值、兩個非驅(qū)動輪的平均線速度；根據(jù)校準(zhǔn)加速度，確定縱向加速度濾波信號；根據(jù)上一估計周期中的電動客車狀態(tài)、當(dāng)前估計周期中的四個車輪線速度的平均值、縱向加速度濾波信號，確定當(dāng)前估計周期中的當(dāng)前電動客車狀態(tài)；根據(jù)當(dāng)前估計周期中的當(dāng)前電動客車狀態(tài)、四個車輪線速度的平均值、兩個非驅(qū)動輪的平均線速度和縱向加速度濾波信號，確定當(dāng)前估計周期中的車速估計信息。

44、進(jìn)一步地，上述根據(jù)上一估計周期中的電動客車狀態(tài)、當(dāng)前估計周期中的四個車輪線速度的平均值、縱向加速度濾波信號，確定當(dāng)前估計周期中的當(dāng)前電動客車狀態(tài)的步驟，包括：

45、按照如下多個第三指定算式，確定當(dāng)前估計周期中的當(dāng)前電動客車狀態(tài)：

46、

47、其中，s(t)表示當(dāng)前電動客車狀態(tài)；s(t-1)表示上一估計周期中的電動客車狀態(tài)；表示四個車輪線速度的平均值；vi(t)表示第i個車輪的線速度；axfl(t)＝f(t)ax(t)，表示縱向加速度濾波信號；f(t)表示fir低通濾波器；ax(t)＝al(t)，同樣表示校準(zhǔn)加速度；β＝0.1是用于識別制動操作的縱向加速度濾波信號axfl(t)的閾值；vmin和δ均為常數(shù)；hδ＝0.2，為滯后閾值；htv表示制動車速閾值。

48、進(jìn)一步地，上述根據(jù)當(dāng)前估計周期中的當(dāng)前電動客車狀態(tài)、四個車輪線速度的平均值、兩個非驅(qū)動輪的平均線速度和縱向加速度濾波信號，確定當(dāng)前估計周期中的車速估計信息的步驟，包括：

49、按照如下第四指定算式計算當(dāng)前估計周期中的車速估計信息：

50、

51、其中，表示兩個非驅(qū)動輪的平均線速度；表示當(dāng)前估計周期中的車速估計信息；t是采樣時間間隔；vx(t-1)表示上一估計周期的車速估計信息。

52、第二方面，本技術(shù)還提供一種電動客車的質(zhì)量、車速的估計裝置，裝置包括：參數(shù)獲取模塊，用于獲取電動客車的當(dāng)前運行參數(shù)；當(dāng)前運行參數(shù)包括：縱向加速度、橫擺角速度、總縱向力、車輛速度、車輪轉(zhuǎn)速、車輪滑移率；質(zhì)量估計模塊，用于基于當(dāng)前運行參數(shù)，應(yīng)用遞歸最小二乘法結(jié)合預(yù)先構(gòu)建的縱向偏差動力學(xué)模型進(jìn)行車輛質(zhì)量估計，得到電動客車的質(zhì)量估計信息；預(yù)處理模塊，用于對當(dāng)前運行參數(shù)中的縱向加速度、車輪轉(zhuǎn)速進(jìn)行預(yù)處理，得到校準(zhǔn)加速度、車輪線速度；預(yù)處理包括：對車輪轉(zhuǎn)速的霍爾效應(yīng)編碼處理、縱向加速度的校準(zhǔn)處理；車速估計模塊，用于基于校準(zhǔn)加速度、車輪線速度，采用當(dāng)前工況下的非線性數(shù)字混合濾波算法進(jìn)行車輛速度估計，得到電動客車的車速估計信息。

53、第三方面，本技術(shù)還提供一種電子設(shè)備，包括處理器和存儲器，存儲器存儲有能夠被處理器執(zhí)行的計算機可執(zhí)行指令，處理器執(zhí)行計算機可執(zhí)行指令以實現(xiàn)上述第一方面所述的方法。

54、第四方面，本技術(shù)還提供一種計算機可讀存儲介質(zhì)，計算機可讀存儲介質(zhì)存儲有計算機可執(zhí)行指令，計算機可執(zhí)行指令在被處理器調(diào)用和執(zhí)行時，計算機可執(zhí)行指令促使處理器實現(xiàn)上述第一方面所述的方法。

55、本技術(shù)提供的電動客車的質(zhì)量、車速的估計方法、裝置及電子設(shè)備，通過縱向偏差動力學(xué)模型結(jié)合遞歸最小二乘算法，對車輛的當(dāng)前運行參數(shù)進(jìn)行實時估算，得到車輛的質(zhì)量估計信息；并基于車輛的縱向加速度和車輪轉(zhuǎn)速，利用當(dāng)前電動客車狀態(tài)下的非線性數(shù)字混合濾波算法進(jìn)行縱向車速估計，得到車速估計信息，從而有效提升在復(fù)雜路況下的估算精度和穩(wěn)定性；通過精確的質(zhì)量和車速估算，進(jìn)一步提高車輛控制系統(tǒng)的響應(yīng)速度和可靠性，增強電動客車在各種復(fù)雜路況下的行駛安全性和穩(wěn)定性。