本發(fā)明涉及汽車(chē)自動(dòng)控制技術(shù)中的輪胎滾動(dòng)阻力系數(shù)在線(xiàn)辨識(shí)方法，特別是一種不需要整車(chē)質(zhì)量參數(shù)，利用縱向加速度傳感器信息以及車(chē)輛行駛信息的輪胎滾動(dòng)阻力系數(shù)在線(xiàn)辨識(shí)方法。

背景技術(shù)：

輪胎滾動(dòng)阻力系數(shù)是車(chē)輛運(yùn)行經(jīng)濟(jì)性、動(dòng)力性控制的重要參數(shù)，輪胎滾動(dòng)阻力對(duì)整車(chē)縱向受力影響較大。隨著自動(dòng)控制技術(shù)的發(fā)展，許多整車(chē)控制參數(shù)已經(jīng)能夠做到在線(xiàn)辨識(shí)。然而滾動(dòng)阻力系數(shù)是將滾動(dòng)阻力簡(jiǎn)化表達(dá)為與整車(chē)質(zhì)量成比例關(guān)系的抽象系數(shù)，不容易建立動(dòng)力學(xué)或表達(dá)其產(chǎn)生機(jī)理的物理模型計(jì)算。

在整車(chē)條件下，常用的輪胎滾動(dòng)阻力系數(shù)測(cè)量方法是滑行試驗(yàn)，在切斷動(dòng)力輸出的前提下根據(jù)行駛阻力和空氣阻力做功來(lái)計(jì)算。場(chǎng)地試驗(yàn)有諸多環(huán)境限制，例如溫度，道路情況等等，針對(duì)特定環(huán)境測(cè)得的滾動(dòng)阻力系數(shù)不能夠表達(dá)多變工況下真實(shí)的滾動(dòng)阻力。建立面向整車(chē)控制的輪胎滾動(dòng)阻力系數(shù)在線(xiàn)辨識(shí)方法就是要擺脫試驗(yàn)場(chǎng)嚴(yán)苛的環(huán)境限制，采集行車(chē)過(guò)程中一些可以利用的行駛數(shù)據(jù)來(lái)實(shí)時(shí)辨識(shí)滾動(dòng)阻力系數(shù)，使整車(chē)的自動(dòng)控制能夠做到重要參數(shù)的自適應(yīng)。

傳統(tǒng)的車(chē)輛固定參數(shù)辨識(shí)經(jīng)常選用最小二乘算法，然而當(dāng)真實(shí)的采樣數(shù)據(jù)誤差較大或者不是高斯白噪聲時(shí)最小二乘算法將會(huì)產(chǎn)生較大誤差。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于，為適應(yīng)滾動(dòng)阻力系數(shù)會(huì)隨著車(chē)輛使用條件變化而變化，做到整車(chē)重要參數(shù)自適應(yīng)，提出一種滾動(dòng)阻力系數(shù)在線(xiàn)辨識(shí)方法，以實(shí)現(xiàn)滾動(dòng)阻力系數(shù)的在線(xiàn)獲取，適應(yīng)不同工況環(huán)境，提高整車(chē)動(dòng)力性和經(jīng)濟(jì)性控制系統(tǒng)的性能。

本發(fā)明滾動(dòng)阻力系數(shù)在線(xiàn)聚類(lèi)辨識(shí)方法，是基于車(chē)輛行駛狀態(tài)信息和車(chē)載縱向加速度信息所建立的滾動(dòng)阻力系數(shù)在線(xiàn)聚類(lèi)辨識(shí)模型，包括以下步驟：

s1.模型初始化

加載模型所需的固定參數(shù)，包含整車(chē)參數(shù)和算法參數(shù)；

整車(chē)參數(shù)包含：整車(chē)傳動(dòng)效率η、輪胎滾動(dòng)半徑r、車(chē)輛行駛加速度av、飛輪轉(zhuǎn)動(dòng)慣量if、車(chē)輪轉(zhuǎn)動(dòng)慣量iw、空氣阻力系數(shù)cd、整車(chē)迎風(fēng)面積a、空氣密度ρ、重力加速度g；

算法參數(shù)包含：聚類(lèi)個(gè)數(shù)m，m個(gè)初始聚類(lèi)中心

s2.采集車(chē)輛行駛狀態(tài)信息

在每一個(gè)采樣時(shí)刻需要同步采集的can總線(xiàn)信息包含：整車(chē)速度v、發(fā)動(dòng)機(jī)轉(zhuǎn)速n、離合器踏板信號(hào)、制動(dòng)踏板信號(hào)和縱向加速度傳感器提供的加速度asen；

s3.判斷是否是空擋滑行數(shù)據(jù)，如果是，繼續(xù)執(zhí)行后續(xù)步驟；如果不是，返回步驟s2采集下一時(shí)刻車(chē)輛行駛狀態(tài)信息；

s4.計(jì)算整車(chē)質(zhì)量表達(dá)式

首先計(jì)算整車(chē)縱向行駛滑行阻力，即fwjw＝-fw-fjw，

式中：為空氣阻力；為車(chē)輪慣性力；av為車(chē)輛行駛加速度，是車(chē)速的導(dǎo)數(shù)；

然后利用差分法計(jì)算整車(chē)質(zhì)量表達(dá)式：首先計(jì)算滑行阻力的差分量δfwjw，加速度傳感器的差分量δasen和車(chē)速平方值的差分量δv²，然后根據(jù)差分的行駛方程式建立整車(chē)質(zhì)量表達(dá)式為：m＝δfwjw/δasen；

s5.計(jì)算滾動(dòng)阻力系數(shù)初步結(jié)果

將整車(chē)質(zhì)量表達(dá)式帶入不含驅(qū)動(dòng)力的行駛方程式，利用帶遺忘因子的最小二乘算法估計(jì)該采樣時(shí)刻(i)滾動(dòng)阻力系數(shù)初步結(jié)果最小二乘的輸入量為x＝δfwjwg，輸出量為y＝fwjwδasen-asenδfwjw；

s6.對(duì)初步辨識(shí)結(jié)果利用在線(xiàn)k均值聚類(lèi)，更新聚類(lèi)中心

計(jì)算滾動(dòng)阻力系數(shù)初步結(jié)果至各類(lèi)聚類(lèi)中心的距離待聚類(lèi)點(diǎn)歸類(lèi)至距離最短的一類(lèi)；更新輸入量的聚類(lèi)中心其中f^m(i)和f^m(i-1)分別是當(dāng)前采樣時(shí)刻以及前一采樣時(shí)刻第m類(lèi)的聚類(lèi)中心。

s7.計(jì)算各類(lèi)數(shù)據(jù)的占比，判斷當(dāng)前采樣時(shí)刻的數(shù)據(jù)是否是數(shù)據(jù)量占比最大的一類(lèi)；如果是，執(zhí)行后續(xù)步驟，如果不是，返回步驟s2重新采集行駛狀態(tài)信息；

s8.利用最小二乘算法對(duì)滾動(dòng)阻力系數(shù)進(jìn)一步辨識(shí)；

s9.計(jì)算各類(lèi)數(shù)據(jù)量，判斷是否滿(mǎn)足終止條件，當(dāng)數(shù)據(jù)量最大的類(lèi)滿(mǎn)足設(shè)定數(shù)量時(shí)判別算法終止。

本發(fā)明建立了一種基于車(chē)輛行駛信息和縱向加速度傳感器信息的滾動(dòng)阻力系數(shù)在線(xiàn)聚類(lèi)辨識(shí)模型。運(yùn)用差分的縱向動(dòng)力學(xué)公式和原始縱向動(dòng)力學(xué)公式相融合的方法，消除了整車(chē)質(zhì)量對(duì)辨識(shí)的影響，建立滾動(dòng)阻力系數(shù)在線(xiàn)估計(jì)算法。建立的模型具有適應(yīng)復(fù)雜工況的優(yōu)點(diǎn)，在線(xiàn)k均值聚類(lèi)算法能夠有效剔除不良數(shù)據(jù)對(duì)辨識(shí)結(jié)果的影響。本發(fā)明設(shè)計(jì)了結(jié)合最小二乘算法和在線(xiàn)k均值聚類(lèi)相結(jié)合的滾動(dòng)阻力系數(shù)在線(xiàn)辨識(shí)方法，能夠有效解決非高斯噪聲分布對(duì)辨識(shí)結(jié)果產(chǎn)生不良影響的問(wèn)題。

本發(fā)明滾動(dòng)阻力系數(shù)在線(xiàn)辨識(shí)方法，能夠在整車(chē)質(zhì)量不同，道路環(huán)境變化等復(fù)雜工況環(huán)境下得到穩(wěn)定可靠的滾動(dòng)阻力系數(shù)，有助于提高整車(chē)動(dòng)力性和經(jīng)濟(jì)性控制系統(tǒng)的性能。

附圖說(shuō)明

圖1為本發(fā)明滾動(dòng)阻力系數(shù)辨識(shí)方法流程示意圖；

具體實(shí)施方式

通過(guò)以下實(shí)施例的進(jìn)一步具體描述，以便對(duì)本發(fā)明內(nèi)容作進(jìn)一步理解，但并不是對(duì)本發(fā)明的具體限定。

實(shí)施例1

參照?qǐng)D1，一種滾動(dòng)阻力系數(shù)在線(xiàn)辨識(shí)方法，是基于行駛信息和車(chē)載縱向加速度信息所建立的滾動(dòng)阻力系數(shù)辨識(shí)模型，包括以下步驟：

步驟s1：模型初始化。加載模型所需的固定參數(shù)，包含整車(chē)參數(shù)和算法參數(shù)。

整車(chē)參數(shù)包含：整車(chē)傳動(dòng)效率η、輪胎滾動(dòng)半徑r、車(chē)輛行駛加速度av、飛輪轉(zhuǎn)動(dòng)慣量if、車(chē)輪轉(zhuǎn)動(dòng)慣量iw、空氣阻力系數(shù)cd、整車(chē)迎風(fēng)面積a、空氣密度ρ、重力加速度g。算法參數(shù)包含：聚類(lèi)個(gè)數(shù)m，m個(gè)初始聚類(lèi)中心

步驟s2：采集車(chē)輛行駛狀態(tài)信息。

在每一個(gè)采樣時(shí)刻需要同步采集的can總線(xiàn)信息包含：整車(chē)速度v、發(fā)動(dòng)機(jī)轉(zhuǎn)速n、離合器踏板信號(hào)、制動(dòng)踏板信號(hào)和縱向加速度傳感器提供的加速度asen。

步驟s3：判斷是否是空擋滑行數(shù)據(jù)。如果是，繼續(xù)執(zhí)行后續(xù)步驟，如果不是返回s2采集下一時(shí)刻車(chē)輛行駛狀態(tài)信息。

步驟s4：計(jì)算整車(chē)質(zhì)量表達(dá)式。

首先計(jì)算滑行阻力。整車(chē)縱向受力平衡方程被運(yùn)用于滑行阻力表達(dá)式的推導(dǎo)。整車(chē)縱向受力平衡方程為：

ft＝ff+fw+fi+fj(1)

其中，為空氣阻力；為汽車(chē)驅(qū)動(dòng)力；為車(chē)輪加速阻力；為飛輪加速阻力；為變速器傳動(dòng)比與主減速器傳動(dòng)比的乘積；av是車(chē)輛行駛加速度，是車(chē)速的導(dǎo)數(shù)。接下來(lái)將加速阻力改寫(xiě)為：

fj＝fja+fjw+fjf(2)

其中，fja為整車(chē)平動(dòng)加速阻力(fja＝mav)；fjw為車(chē)輪轉(zhuǎn)動(dòng)加速阻力fjf為飛輪轉(zhuǎn)動(dòng)加速阻力

將(2)式的表達(dá)帶入(1)整理為：

ft＝ff+fw+fi+fja+fjw+fjf(3)

根據(jù)整車(chē)縱向受力平衡方程，在空擋滑行的過(guò)程中無(wú)驅(qū)動(dòng)力和由發(fā)動(dòng)機(jī)飛輪產(chǎn)生的慣性力，最終可得滑行阻力表達(dá)式：fwjw＝-fw-fjw。

另一方面，加速度傳感器的測(cè)量值定義為：asen＝gi+av，其中，asen是加速度傳感器采集到的加速度值(單位m/s²)。根據(jù)加速度傳感器定義式可得到含加速度傳感器信息的滾動(dòng)阻力系數(shù)辨識(shí)模型：

fwjw＝m(gf+asen)(4)

然后利用差分的行駛方程式計(jì)算整車(chē)質(zhì)量表達(dá)式。首先計(jì)算滑行阻力的差分量δfres，加速度傳感器的差分量δasen和車(chē)速平方值的差分量δv²，然后根據(jù)差分的行駛方程式建立整車(chē)質(zhì)量表達(dá)式為：m＝δfwjw/δasen

步驟s5：計(jì)算滾動(dòng)阻力系數(shù)初步結(jié)果。

將整車(chē)質(zhì)量表達(dá)式帶入不含驅(qū)動(dòng)力的行駛方程式，利用帶遺忘因子的最小二乘算法估計(jì)該采樣時(shí)刻(i)滾動(dòng)阻力系數(shù)初步結(jié)果最小二乘的輸入量為x＝δfwjwg，輸出量為y＝fwjwδasen-asenδfwjw

步驟s6：對(duì)初步辨識(shí)結(jié)果利用在線(xiàn)k均值聚類(lèi)，更新聚類(lèi)中心。

計(jì)算滾動(dòng)阻力系數(shù)初步結(jié)果至各類(lèi)聚類(lèi)中心的距離待聚類(lèi)點(diǎn)歸類(lèi)至距離最短的一類(lèi)。更新輸入量的聚類(lèi)中心其中f^m(i)和f^m(i-1)分別是當(dāng)前采樣時(shí)刻以及前一采樣時(shí)刻第m類(lèi)的聚類(lèi)中心。

步驟s7：計(jì)算各類(lèi)數(shù)據(jù)的占比，判斷當(dāng)前采樣時(shí)刻的數(shù)據(jù)是否是數(shù)據(jù)量占比最大的一類(lèi)。如果是，執(zhí)行后續(xù)步驟，如果不是，返回s2重新采集行駛狀態(tài)信息。

步驟s8：滾動(dòng)阻力系數(shù)進(jìn)一步辨識(shí)。利用最小二乘算法對(duì)滾動(dòng)阻力系數(shù)進(jìn)一步辨識(shí)。

步驟s9：計(jì)算各類(lèi)數(shù)據(jù)量，判斷是否滿(mǎn)足終止條件。當(dāng)數(shù)據(jù)量最大的類(lèi)滿(mǎn)足一定數(shù)量時(shí)判別算法終止。本實(shí)施例推薦的數(shù)據(jù)數(shù)量是2000個(gè)。