然作用于整車，故而在離合器結(jié)合狀態(tài)利用F_= -F >計(jì)算。
[0056] 步驟S3 :計(jì)算輪邊驅(qū)動(dòng)力的差分量AFms，加速度傳感器的差分量Aasm和車速平 方值的差分量Δν 2,建立差分的空氣阻力合成系數(shù)和整車質(zhì)量最小二乘辨識(shí)模型，AFms = 111八&_+1^八￥2，其中，1^為空氣阻力合成系邀
，其余符號(hào)表達(dá)：Cd-空氣阻力系 數(shù)，A-整車迎風(fēng)面積，P-空氣密度，m-整車質(zhì)量，
[0057] 以下兩種方式均可以實(shí)現(xiàn)差分運(yùn)算：
[0058] 1)首先對(duì)數(shù)據(jù)進(jìn)行平滑處理，然后將每一時(shí)刻的數(shù)據(jù)和之前某一時(shí)刻的數(shù)據(jù)取差 分值，優(yōu)選的平滑步長(zhǎng)和差分步長(zhǎng)分別是3s和I. 5s。
[0059] 2)運(yùn)用微分模塊對(duì)數(shù)據(jù)取微分值，再對(duì)微分值進(jìn)行低通濾波，優(yōu)選的低通濾波截 止頻率為〇.66Hz。
[0060] 為了得到差分的空氣阻力合成系數(shù)和整車質(zhì)量最小二乘辨識(shí)模型，需要將加速度 傳感器測(cè)量值定義式帶入整車縱向受力平衡方程。
[0061] 加速度傳感器的測(cè)量值定義為：
[0062] asen= gi+a v (5)
[0063] 其中，asm是加速度傳感器采集到的加速度值（單位m/s 2)。根據(jù)（5)定義的加速 度傳感器信息可得到含加速度傳感器信息的最小二乘格式的質(zhì)量辨識(shí)模型：
[0065] 其中，k是包含迎風(fēng)面積A、空氣阻力系數(shù)Cd等參數(shù)的合成量，從定義式角度
[0066] 對(duì)公式（6)做差分處理可以消除掉滾動(dòng)阻力系數(shù)的影響，建立差分的空氣阻力合 成系數(shù)和整車質(zhì)量最小二乘辨識(shí)模型：
[0067] Δ Fres = m Δ a sen+k Δ ν2 (7)
[0068] 步驟S4 :根據(jù)差分的空氣阻力合成系數(shù)和整車質(zhì)量最小二乘辨識(shí)模型，構(gòu)造最小 二乘算法的觀測(cè)量，輸出量和待辨識(shí)參數(shù)。
[0069] 構(gòu)造的最小二乘算法觀測(cè)量，輸出量：Z = AFras。待辨識(shí)參數(shù)： Θ = [m k]T〇
[0070] 步驟S5 :判別數(shù)據(jù)有效性，輸出用來表示該時(shí)刻數(shù)據(jù)是否有效的有效性判別指針 S，
[0071]
[0072] 當(dāng)數(shù)據(jù)是驅(qū)動(dòng)工況數(shù)據(jù)或空檔滑行工況數(shù)據(jù)時(shí)，判定該時(shí)刻數(shù)據(jù)有效。以解放某 款重型車為例，優(yōu)選的驅(qū)動(dòng)工況數(shù)據(jù)有效性判別條件如下（括號(hào)內(nèi)為優(yōu)選值）：
[0073] 判別條件1 :車速大于最小值（5m/s)
[0074] 判別條件2 :驅(qū)動(dòng)力大于最小值（500N)
[0075] 判別條件3 :制動(dòng)踏板未踩下
[0076] 判別條件4 :觀測(cè)量大于最小值（[0· 015])
[0077] 判別條件5 :輸出量大于最小值（1)
[0078] 空檔滑行工況的判別條件為離合器踏板分離。
[0079] 當(dāng)判定該時(shí)刻數(shù)據(jù)有效（即S = 1)，執(zhí)行步驟S6. 1。否則（即S = 0)，執(zhí)行步驟 S6. 2 〇
[0080] 步驟S6. 1 :在有效數(shù)據(jù)時(shí)刻（即S = 1)，計(jì)算最小二乘算法所需的遺忘因子λ， ，其中T是遺忘因子收斂時(shí)長(zhǎng)，優(yōu)選值為50s。接下來執(zhí)行步驟S7. 1。
[0081] 步驟S6. 2:在無效數(shù)據(jù)時(shí)刻（即S = O)，計(jì)算最小二乘算法所需的遺忘因子λ， λ (t) = λ (t-ι)。接下來執(zhí)行步驟S7. 2。
[0082] 步驟S7. 1 :在有效數(shù)據(jù)時(shí)刻（即S = 1)，用最小二乘的遞推算法⑶進(jìn)行整車空 氣阻力合成系數(shù)和質(zhì)量的在線辨識(shí)：
[0086] 其中P(t)為協(xié)方差矩陣，初始的協(xié)方差矩陣推薦值
[0087] 步驟S7. 2 :在無效數(shù)據(jù)時(shí)刻（即S = 0)，用數(shù)據(jù)保持算法計(jì)算空氣阻力合成系數(shù) 和質(zhì)量。
[0090] 步驟S8 :判斷辨識(shí)過程是否終止，當(dāng)質(zhì)量辨識(shí)結(jié)果誤差的遞歸平均值滿足設(shè)定的 閾值條件時(shí)，判別算法終止，辨識(shí)過程結(jié)束，將空氣阻力合成系數(shù)和整車質(zhì)量的辨識(shí)結(jié)果輸 送至CAN總線。當(dāng)質(zhì)量辨識(shí)結(jié)果誤差的遞歸平均值不滿足設(shè)定的閾值條件時(shí)，從步驟Sl開 始重新執(zhí)行算法。
[0091] 步驟S8的執(zhí)行具體分為以下三步：
[0092] 步驟S8. 1 :計(jì)算質(zhì)量的遞歸平均值。
[0094] 其中，mt為質(zhì)量的實(shí)時(shí)估計(jì)值，即〈)(/)中的第一項(xiàng)，巧和分別是當(dāng)前時(shí)刻和上 一時(shí)刻的質(zhì)量平均值；△ t為系統(tǒng)運(yùn)行的時(shí)間步長(zhǎng)（CAN總線數(shù)據(jù)頻率的倒數(shù)）；S為有效性 判別指針；Ts為選取的計(jì)算均值的時(shí)間長(zhǎng)度，優(yōu)選值為30s。
[0095] 步驟S8. 2:計(jì)算質(zhì)量辨識(shí)結(jié)果誤差的遞歸平均值，定義誤差=|叫-死I，質(zhì)量辨 識(shí)結(jié)果誤差的遞歸平均值計(jì)算方法為：
[0097] 步驟S8. 3 :判別算法是否終止，終止條件為質(zhì)量辨識(shí)結(jié)果誤差的遞歸平均值€是 否小于設(shè)定的質(zhì)量偏差閾值e，當(dāng)滿足€ <ι判別算法終止，辨識(shí)過程結(jié)束，將辨識(shí)結(jié)果輸 送至CAN總線。不滿足6<~從步驟Sl開始下一個(gè)計(jì)算循環(huán)的執(zhí)行。優(yōu)選的質(zhì)量偏差值 閾值是e = 3(單位：噸）。
[0098] 圖2和圖3分別是解放某款重型車在高速公路工況下，帶掛車和不帶掛車的空氣 阻力合成系數(shù)和質(zhì)量的辨識(shí)結(jié)果的時(shí)間序列圖，從辨識(shí)結(jié)果可以看出是否帶掛車對(duì)空氣阻 力合成系數(shù)的值的大小有明顯影響。
【主權(quán)項(xiàng)】
1. 一種重型車空氣阻力合成系數(shù)和質(zhì)量的在線同步辨識(shí)方法，是基于CAN總線信息和 車載縱向加速度信息所建立的空氣阻力合成系數(shù)和整車質(zhì)量辨識(shí)模型，其特征在于包括以 下步驟： 步驟Sl :同步采集整車行駛時(shí)CAN總線提供的整車速度V、發(fā)動(dòng)機(jī)驅(qū)動(dòng)力矩Ttq、發(fā)動(dòng)機(jī) 轉(zhuǎn)速n、整車傳動(dòng)效率η、離合器踏板信號(hào)、制動(dòng)踏板信號(hào)、輪胎滾動(dòng)半徑r、車輛行駛加速 度av、飛輪轉(zhuǎn)動(dòng)慣量I f、車輪轉(zhuǎn)動(dòng)慣量Iw、空氣阻力系數(shù)CD、整車迎風(fēng)面積A、空氣密度P、整 車質(zhì)量 m和縱向加速度傳感器提供的加速度asm等行車數(shù)據(jù)和整車參數(shù)； 步驟S2 :根據(jù)整車縱向受力平衡方程，計(jì)算輪邊驅(qū)動(dòng)力，即，F(xiàn)ms= Ft-Fjw-Fjf 式中：Fms為輪邊直接用于驅(qū)動(dòng)整車前進(jìn)的輪邊驅(qū)動(dòng)力；Ft為汽車驅(qū)動(dòng)力Fjw為車輪加速阻力；"8為變速器傳動(dòng)比 與主減速器傳動(dòng)比的乘積以上各式中：Ttq-發(fā)動(dòng)機(jī)驅(qū)動(dòng)力矩；η-發(fā)動(dòng)機(jī)轉(zhuǎn)速；V-整車速度；Π -整車傳動(dòng)效 率；r一輪胎滾動(dòng)半徑；av-車輛行駛加速度；If一飛輪轉(zhuǎn)動(dòng)慣量；Iw-車輪轉(zhuǎn)動(dòng)慣量； 步驟S3 :計(jì)算輪邊驅(qū)動(dòng)力的差分量AFms，加速度傳感器的差分量Aasm和車速平方值 的差分量Δν2,建立差分的空氣阻力合成系數(shù)和整車質(zhì)量的最小二乘辨識(shí)模型為： AFres= mAasen+kAv2 式中：k為空氣阻力合成系數(shù)Cd-空氣阻力系數(shù)，A-整車迎風(fēng)面積，P - 空氣密度，m-整車質(zhì)量；步驟S4 :根據(jù)差分的空氣阻力合成系數(shù)和整車質(zhì)量最小二乘辨識(shí)模型，構(gòu)造最小二乘 算法的觀測(cè)量，輸出量和待辨識(shí)參數(shù)； 構(gòu)造的最小二乘算法觀測(cè)量：，輸出量：Z = AFra3，待辨識(shí)參數(shù)：Θ = [m k]T， 步驟S5 :判別數(shù)據(jù)有效性，輸出用來表示該時(shí)刻數(shù)據(jù)是否有效的有效性判別指針S，步驟S6. 1 :在有效數(shù)據(jù)時(shí)刻，即S = 1時(shí)，按下式計(jì)算最小二乘算法所需的遺忘因子 λ ,式中，T是遺忘因子收斂時(shí)長(zhǎng)， 接下來執(zhí)行步驟S7. 1 ; 步驟S6. 2 :在無效數(shù)據(jù)時(shí)刻，即S = O時(shí)，按下式計(jì)算最小二乘算法所需的遺忘因子 入， λ (t) = λ (t-ι)，接下來執(zhí)行步驟S7. 2 ; 步驟S7. I :在有效數(shù)據(jù)時(shí)刻，即S = 1時(shí)，按下述最小二乘的遞推算法進(jìn)行整車空氣阻 力合成系數(shù)和質(zhì)量的在線辨識(shí)：其中P(t)為協(xié)方差矩陣； 步驟S7. 2 :在無效數(shù)據(jù)時(shí)刻，即S = O時(shí)，按下述數(shù)據(jù)保持算法計(jì)算空氣阻力合成系數(shù) 和質(zhì)量： P(t) = P(t-l)步驟S8 :判斷辨識(shí)過程是否終止，當(dāng)質(zhì)量辨識(shí)結(jié)果誤差的遞歸平均值滿足設(shè)定的閾值 條件時(shí)，判別算法終止，辨識(shí)過程結(jié)束，將空氣阻力合成系數(shù)和整車質(zhì)量的辨識(shí)結(jié)果輸送至 CAN總線；當(dāng)質(zhì)量辨識(shí)結(jié)果誤差的遞歸平均值不滿足設(shè)定的閾值條件時(shí)，從步驟Sl開始重 新執(zhí)行算法。2. 根據(jù)權(quán)利要求1所述的重型車空氣阻力合成系數(shù)和質(zhì)量的在線同步辨識(shí)方法，其特 征在于：所述步驟S3可按以下兩種方式之一實(shí)現(xiàn)差分運(yùn)算： 1) 首先對(duì)數(shù)據(jù)進(jìn)行平滑處理，然后將每一時(shí)刻的數(shù)據(jù)和之前某一時(shí)刻的數(shù)據(jù)取差分 值，優(yōu)選的平滑步長(zhǎng)和差分步長(zhǎng)分別是3s和I. 5s ; 2) 運(yùn)用微分模塊對(duì)數(shù)據(jù)取微分值，再對(duì)微分值進(jìn)行低通濾波，優(yōu)選的低通濾波截止頻 率為 0. 66Hz。3. 根據(jù)權(quán)利要求1所述的重型車空氣阻力合成系數(shù)和質(zhì)量的在線同步辨識(shí)方法，其特 征在于：步驟S6. 1中所述的遺忘因子收斂時(shí)長(zhǎng)T為50s。4. 根據(jù)權(quán)利要求1所述的重型車空氣阻力合成系數(shù)和質(zhì)量的在線同步辨識(shí)方法，其特 征在于：步驟S7. 1中所述的協(xié)方差矩陣初始值為
【專利摘要】本發(fā)明公開了一種空氣阻力合成系數(shù)和汽車質(zhì)量的在線同步辨識(shí)方法，利用差分的行駛方程式建立了驅(qū)動(dòng)和空擋滑行工況下的在線辨識(shí)模型，結(jié)合遞歸兩參數(shù)最小二乘算法實(shí)現(xiàn)了空氣阻力合成系數(shù)和整車質(zhì)量的聯(lián)合在線辨識(shí)。選用差分的形式方程式能夠消除滾動(dòng)阻力計(jì)算誤差對(duì)辨識(shí)精度的影響。兩參數(shù)同時(shí)在線辨識(shí)具有自適應(yīng)可變空氣阻力的特點(diǎn)，得到的質(zhì)量辨識(shí)結(jié)果不受空氣阻力系數(shù)和車輛迎風(fēng)面積誤差的影響。能夠在載貨形式和重量不同，以及風(fēng)速變化等各種復(fù)雜工況環(huán)境下得到穩(wěn)定可靠的空氣阻力合成系數(shù)和汽車質(zhì)量。
【IPC分類】B60W40/10, B60W40/13
【公開號(hào)】CN104973069
【申請(qǐng)?zhí)枴緾N201510404135
【發(fā)明人】施樹明, 林楠, 馬力
【申請(qǐng)人】吉林大學(xué)
【公開日】2015年10月14日
【申請(qǐng)日】2015年7月10日