基于雙軸加速度的車(chē)輛坡度優(yōu)化算法研究

彭邦煌， 劉梓曼， 劉倡廉

（比亞迪汽車(chē)工程研究院， 廣東 深圳 518118）

坡度值可由車(chē)載產(chǎn)品以CAN報(bào)文的形式發(fā)出， 對(duì)于一些未帶該配置的車(chē)型， 坡度值就需要根據(jù)其它信號(hào)進(jìn)行計(jì)算， 但計(jì)算的坡度值在平路轉(zhuǎn)彎、 換擋等工況時(shí)， 會(huì)出現(xiàn)大范圍跳變現(xiàn)象。

坡度值的跳變會(huì)使其它需要用到坡度信號(hào)的產(chǎn)品策略失效， 導(dǎo)致非預(yù)期的結(jié)果。 例如遙控駕駛判斷策略， 若在平路上使用遙控駕駛功能， 而由于坡度的跳變導(dǎo)致該功能未能成功判斷處于平地， 從而進(jìn)入不了遙控駕駛功能， 對(duì)用戶(hù)的體驗(yàn)帶來(lái)很大影響， 同時(shí)坡度值的顯示跳變也會(huì)給駕駛員或乘客帶來(lái)不佳的體驗(yàn)。

目前對(duì)于坡度值的計(jì)算方法主要有兩種： 基于動(dòng)力學(xué)模型的方法和基于運(yùn)動(dòng)學(xué)模型的方法。 文獻(xiàn)[1]給出了一種基于動(dòng)力學(xué)模型的坡度估算方法， 此種方法的坡度估計(jì)精度依賴(lài)于車(chē)輛模型， 而車(chē)輛模型中的各參數(shù)受高頻噪聲影響大。 文獻(xiàn)[3]則基于運(yùn)動(dòng)學(xué)模型的方法， 通過(guò)利用加速度傳感器進(jìn)行坡度值的計(jì)算， 但文中只考慮了直線行駛工況下對(duì)坡度值的估算， 并未對(duì)轉(zhuǎn)向、 換擋工況下坡度值計(jì)算進(jìn)行研究。

為了解決車(chē)輛坡度在特定工況下跳變不準(zhǔn)的問(wèn)題， 本文擬提出一種優(yōu)化后的坡度計(jì)算算法。 此算法基于運(yùn)動(dòng)學(xué)模型， 只需陀螺儀和車(chē)速信號(hào)， 通過(guò)引入橫向、 縱向加速度以及擋位影響因素， 提升算法的準(zhǔn)確性和穩(wěn)定性， 從而提高坡度計(jì)算值的準(zhǔn)確度和合理性。

1 經(jīng)典坡度算法模型

1.1 基于運(yùn)動(dòng)學(xué)模型的坡度算法

基于運(yùn)動(dòng)學(xué)模型的坡度值算法是一種典型坡度算法模型， 其原理見(jiàn)圖1。 該算法通過(guò)加速度傳感器采集車(chē)輛運(yùn)動(dòng)過(guò)程中x方向 （汽車(chē)行駛方向） 的加速度， 結(jié)合整車(chē)車(chē)速信號(hào)， 利用運(yùn)動(dòng)學(xué)模型公式， 計(jì)算出對(duì)應(yīng)坡度值。

圖1 算法原理圖

式中： θ——斜坡角度； A——傳感器x軸 （車(chē)輛運(yùn)動(dòng)方向） 橫向加速度； v——車(chē)速； dv/dt——車(chē)輛加速度；po——坡度。

1.2 基于動(dòng)力學(xué)行駛方程的坡度算法

基于動(dòng)力學(xué)行駛方程的坡度算法是將整車(chē)視作為一個(gè)剛體， 利用牛頓第二定律構(gòu)建整車(chē)的動(dòng)力學(xué)模型， 則汽車(chē)動(dòng)力學(xué)方程為：

式中： F——汽車(chē)驅(qū)動(dòng)力； F——滾動(dòng)阻力； F——空氣阻力； F——坡度阻力； F——加速阻力。

1.3 坡度算法模型的改進(jìn)

基于動(dòng)力學(xué)行駛方程的坡度算法在實(shí)際應(yīng)用中， 多采用帶遺忘因子的遞歸最小二乘法 （RLS） 來(lái)對(duì)坡度值進(jìn)行估算， 如文獻(xiàn)[4]。 此種方法需要對(duì)整車(chē)質(zhì)量和坡度進(jìn)行解耦， 運(yùn)算量較大且不適用。

而基于運(yùn)動(dòng)學(xué)模型的坡度算法需要利用傳感器加速度信息和整車(chē)CAN信號(hào)來(lái)進(jìn)行坡度值計(jì)算。 在實(shí)際應(yīng)用場(chǎng)景下， 外部操作導(dǎo)致整車(chē)CAN信號(hào)數(shù)值的跳變以及轉(zhuǎn)彎工況下離心力導(dǎo)致傳感器x， y方向加速度數(shù)據(jù)的偏差， 會(huì)導(dǎo)致坡度值異常跳變與數(shù)值不準(zhǔn)。

針對(duì)上述問(wèn)題， 本文在原有運(yùn)動(dòng)學(xué)模型算法的基礎(chǔ)上，提出一種基于雙軸加速度的坡度優(yōu)化算法， 下文將詳細(xì)闡述此算法的具體實(shí)現(xiàn)。

2 算法設(shè)計(jì)

2.1 數(shù)據(jù)濾波防振蕩處理

本文涉及坡度計(jì)算的參數(shù)均由整車(chē)通過(guò)CAN信號(hào)給出，具體參數(shù)如表1所示。

表1 整車(chē)CAN信號(hào)參數(shù)表

坡度算法需要對(duì)數(shù)據(jù)進(jìn)行濾波， 在本文算法設(shè)計(jì)中，選取500ms進(jìn)行濾波處理。 結(jié)合上述參數(shù)CAN報(bào)文周期， 本文算法每25個(gè)信號(hào)進(jìn)行一次濾波。

在本文算法實(shí)現(xiàn)中， 需要對(duì)傳感器實(shí)際加速度和車(chē)輛加速度進(jìn)行處理。

2.1.1 車(chē)輛加速度數(shù)據(jù)處理

由整車(chē)CAN報(bào)文獲得的車(chē)速單位為km/h， 需要對(duì)車(chē)速量綱進(jìn)行轉(zhuǎn)化， 將第i個(gè)車(chē)速V（km/h） 轉(zhuǎn)換成車(chē)速v（m/s），則有：

由于外界噪聲的影響， 式 （4） 處理的整車(chē)車(chē)速v數(shù)值會(huì)有振蕩 （見(jiàn)圖2的車(chē)速濾波處理）， 數(shù)據(jù)需要進(jìn)行濾波處理， 本文采用500ms均值濾波， 則濾波后的平均車(chē)速v為：

圖2 車(chē)速濾波處理

針對(duì)式 （5） 處理后的車(chē)速， 采用車(chē)速微商轉(zhuǎn)差商處理方法來(lái)獲得車(chē)輛加速度， 令a=dv/dt， 則車(chē)輛加速度a為：

2.1.2 傳感器實(shí)際加速度數(shù)據(jù)處理

考慮轉(zhuǎn)向工況下對(duì)慣量傳感器x軸與y軸方向加速度值的影響， 則實(shí)際加速度A、 A為：

圖3 Ax濾波

2.2 基于雙軸加速度的坡度模型建立

由于車(chē)輛轉(zhuǎn)向工況 （圖4）， 對(duì)車(chē)輛y向產(chǎn)生離心力作用。 式 （7） 為車(chē)輛相對(duì)x向數(shù)值， 而車(chē)輛在運(yùn)動(dòng)過(guò)程中有平動(dòng)、 轉(zhuǎn)動(dòng)疊加效果， 所以需要綜合考慮， 見(jiàn)圖5。需要說(shuō)明的是慣性傳感器橫向加速度A方向與車(chē)輛y 向?yàn)橥环较?（圖4）。

圖4 轉(zhuǎn)向工況物理圖

圖5 轉(zhuǎn)向工況濾波

慣量傳感器物理模型見(jiàn)圖6， 慣量傳感器為二階振蕩模型， 如式 （11）。 由于車(chē)輛輸入為低頻周期力，慣量傳感器振蕩為高頻周期， 滿足指數(shù)衰減， 不對(duì)車(chē)輛低頻周期力產(chǎn)生影響，故本文中不考慮系統(tǒng)固有振蕩頻率的影響。

圖6 慣量傳感器物理模型

式 （15） 和式 （16） 為傳感器x、y向位移與測(cè)量的加速度量值關(guān)系。

為計(jì)算方便， 本文認(rèn)為k=k。 聯(lián)立式（13）～式（16）， 則有：

圖7 慣量傳感器微觀分析

圖8 Ax、 Ay濾波

將由式 （24） 計(jì)算得到的θ帶入式 （2） 中計(jì)算即可得到坡度值， 由于坡度為穩(wěn)態(tài)量， 需要進(jìn)行濾波處理。 本文采用3s均值濾波， 在對(duì)濾波后的數(shù)值進(jìn)行取整， 由公式（25） 和 （26） 即得到軟件處理后最終坡度值。

3 算法驗(yàn)證

3.1 試驗(yàn)工況

在具體實(shí)施中， 本文選取某混動(dòng)車(chē)型A和某燃油車(chē)型B進(jìn)行實(shí)際擬合， 實(shí)車(chē)標(biāo)定b=9.8， 分別在平路加減速、 換擋、 上坡、 下坡、 轉(zhuǎn)彎工況下進(jìn)行坡度算法驗(yàn)證。 其中車(chē)型A坡度值由網(wǎng)關(guān)產(chǎn)品計(jì)算出， 車(chē)型B坡度值由TCU產(chǎn)品計(jì)算出。

3.2 驗(yàn)證結(jié)果

3.2.1 小坡度工況擬合

算法坡度即本文處理后的坡度， 網(wǎng)關(guān)坡度為某產(chǎn)品測(cè)試坡度。 在小坡度工況下對(duì)車(chē)型A進(jìn)行加減速和換擋操作，采集相應(yīng)報(bào)文數(shù)據(jù)。 對(duì)該數(shù)據(jù)利用本文算法進(jìn)行處理， 處理后如圖9、 圖10所示。

圖9 小坡度加減速工況

圖10 小坡度換擋工況

從圖中可以看出， 本文設(shè)計(jì)的算法能在一定程度上減少加減速工況下坡度值頻繁跳變情況； 在換擋工況下， 能顯著減少坡度值的異常跳變， 計(jì)算給出的坡度值更為準(zhǔn)確。

3.2.2 上坡工況擬合

分別采集并記錄車(chē)型A、 車(chē)型B上坡工況下報(bào)文數(shù)據(jù)，使用本文坡度算法處理后的數(shù)據(jù)如圖11、 圖12所示。 其中算法坡度即本文處理坡度， 網(wǎng)關(guān)、 TCU坡度為某產(chǎn)品測(cè)試坡度。

結(jié)合圖11、 圖12可知， 對(duì)比網(wǎng)關(guān)坡度， 本文算法能較好地抑制上坡工況下坡度值異常跳動(dòng)， 算法計(jì)算出的坡度值曲線變化更連續(xù)， 更符合實(shí)際情況。 而相較于TCU坡度算法， 在上坡階段， 本文計(jì)算給出的坡度值變化更均勻，且數(shù)值未出現(xiàn)異常跳變的情況。

圖11 車(chē)型A上坡工況

圖12 車(chē)型B上坡工況

3.2.3 下坡工況擬合

分別采集并記錄車(chē)型A、 車(chē)型B下坡工況下報(bào)文數(shù)據(jù)，使用本文坡度算法處理后的數(shù)據(jù)見(jiàn)圖13、 圖14。

圖13 車(chē)型A下坡工況

圖14 車(chē)型B下坡工況

從圖13和圖14中能看出， 本文算法能很好地抑制下坡工況下坡度值的振蕩， 能很好地抑制短時(shí)間尺度內(nèi)坡度值異常跳變， 計(jì)算給出的坡度值更符合實(shí)際工況。

3.2.4 平路轉(zhuǎn)向工況擬合

分別采集并記錄車(chē)型A、 車(chē)型B平路轉(zhuǎn)向工況下報(bào)文數(shù)據(jù)， 使用本文坡度算法處理后的數(shù)據(jù)見(jiàn)圖15、 圖16。

圖15 車(chē)型A轉(zhuǎn)彎工況

圖16 車(chē)型A轉(zhuǎn)彎工況

從圖15和圖16中能看出， 在平路轉(zhuǎn)向工況下， 相比與其它兩種算法， 本文算法計(jì)算出的坡度值更為準(zhǔn)確和穩(wěn)定，很好地抑制外部操作導(dǎo)致的坡度值跳變， 符合預(yù)期目標(biāo)。

4 結(jié)論

本文坡度算法考慮了橫向、 縱向加速度以及擋位的影響， 根據(jù)整車(chē)實(shí)際參數(shù)的CAN報(bào)文周期選取對(duì)應(yīng)的數(shù)據(jù)段，對(duì)各個(gè)參數(shù)進(jìn)行濾波、 修正， 得到最終的算法后選取兩種車(chē)型進(jìn)行算法擬合， 并對(duì)比現(xiàn)有產(chǎn)品的坡度算法驗(yàn)證本文算法的有效性。

通過(guò)以上工況驗(yàn)證， 本文設(shè)計(jì)車(chē)輛坡度算法， 在各工況下擬合效果明顯， 能夠有效解決車(chē)輛在加減速、 換擋、轉(zhuǎn)向過(guò)程中坡度跳變導(dǎo)致坡度不穩(wěn)的問(wèn)題， 保證了坡度信號(hào)的準(zhǔn)確性， 對(duì)其他涉及坡度信號(hào)條件判斷、 坡度顯示的產(chǎn)品提供了可靠性依據(jù)。