亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于雙軸加速度的車輛坡度優(yōu)化算法研究

        2022-07-02 00:49:18彭邦煌劉梓曼劉倡廉
        汽車電器 2022年6期
        關(guān)鍵詞:模型

        彭邦煌, 劉梓曼, 劉倡廉

        (比亞迪汽車工程研究院, 廣東 深圳 518118)

        坡度值可由車載產(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)精度依賴于車輛模型, 而車輛模型中的各參數(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輛運(yùn)動(dòng)過(guò)程中x方向 (汽車行駛方向) 的加速度, 結(jié)合整車車速信號(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 (車輛運(yùn)動(dòng)方向) 橫向加速度; v——車速; dv/dt——車輛加速度;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視作為一個(gè)剛體, 利用牛頓第二定律構(gòu)建整車的動(dòng)力學(xué)模型, 則汽車動(dòng)力學(xué)方程為:

        式中: F——汽車驅(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)均由整車通過(guò)CAN信號(hào)給出,具體參數(shù)如表1所示。

        表1 整車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)際加速度和車輛加速度進(jìn)行處理。

        2.1.1 車輛加速度數(shù)據(jù)處理

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

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

        圖2 車速濾波處理

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

        由于車輛轉(zhuǎn)向工況 (圖4), 對(duì)車輛y向產(chǎn)生離心力作用。 式 (7) 為車輛相對(duì)x向數(shù)值, 而車輛在運(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)車型A和某燃油車型B進(jìn)行實(shí)際擬合, 實(shí)車標(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。 其中車型A坡度值由網(wǎng)關(guān)產(chǎn)品計(jì)算出, 車型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

        分別采集并記錄車型A、 車型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 車型A上坡工況

        圖12 車型B上坡工況

        3.2.3 下坡工況擬合

        分別采集并記錄車型A、 車型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 車型A下坡工況

        圖14 車型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

        分別采集并記錄車型A、 車型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 車型A轉(zhuǎn)彎工況

        圖16 車型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)車輛坡度算法, 在各工況下擬合效果明顯, 能夠有效解決車輛在加減速、 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)。

        猜你喜歡
        模型
        一半模型
        一種去中心化的域名服務(wù)本地化模型
        適用于BDS-3 PPP的隨機(jī)模型
        提煉模型 突破難點(diǎn)
        函數(shù)模型及應(yīng)用
        p150Glued在帕金森病模型中的表達(dá)及分布
        函數(shù)模型及應(yīng)用
        重要模型『一線三等角』
        重尾非線性自回歸模型自加權(quán)M-估計(jì)的漸近分布
        3D打印中的模型分割與打包
        日韩一区二区中文天堂| 国产91在线|亚洲| 区三区久久精品水蜜桃av| 一区二区三区国产高清视频| 免费超爽大片黄| 欧美性猛交xxxx黑人| 亚洲xx视频| 三级国产自拍在线观看| 国产精品区一区二区三在线播放| 国产96在线 | 欧美| 欧美色资源| av男人天堂网在线观看| 日韩av无码中文字幕| 午夜亚洲www湿好爽| 岛国精品一区二区三区| 亚洲av无吗国产精品| 一本久久综合亚洲鲁鲁五月天| 失禁大喷潮在线播放| 欧美精品高清在线xxxx| 在线视频一区二区国产| 亚洲av色香蕉一区二区三区老师| 鲁一鲁一鲁一鲁一澡| 亚洲不卡av不卡一区二区| 亚洲精品一区二区高清| 999国内精品永久免费观看| 97久久精品人人妻人人| 少妇激情一区二区三区| 亚洲丁香婷婷久久一区二区| 欧美日韩国产一区二区三区不卡 | 人人妻人人添人人爽日韩欧美| 太大太粗太爽免费视频| 国产成人大片在线播放| 久久超碰97人人做人人爱| 国产中文aⅴ在线| 91久久精品一二三区色| 成人无码av免费网站| 最近中文字幕完整版| 国产精品国产三级国产三不| 久草福利国产精品资源| 日产无人区一线二线三线乱码蘑菇 | 国产精品9999久久久久仙踪林|