李 娜,杜 彬,田 彬
(陜西重型汽車有限公司,陜西 西安 710200)
隨著汽車電子行業(yè)的迅速崛起,車輛自稱重問題得到了眾多研究學者的關注,其計算精度能夠直接影響到汽車的整車控制。現(xiàn)有車輛自稱重算法都是基于電驅動車輛的,利用電驅動車輛縱向驅動力準確、信號響應及時等特點,提出的自稱重算法魯棒性好、收斂速度快、估計準確。商用車相較于電驅動車信號響應速度慢,存在延遲,因此,基于商用車的自稱重算法誤差較大,且不穩(wěn)定,現(xiàn)有商用車稱重大多借助稱重裝置來實現(xiàn)。
本文針對商用車自身特性,提出一種適用的自稱重算法。該算法首先利用高頻率波將商用車質(zhì)量和坡度進行解耦,然后提取局部極大值來進行計算,最后使用最小二乘法獲取整車質(zhì)量的估值。
車輛在行駛時,僅考慮車輛在縱向上的受力情況,簡化力學模型,假設車輛所受力均作用在質(zhì)心處,因此,車輛縱向的運動學方程為:
車輛縱向驅動力模型如下:
式中:T——發(fā)動機扭矩,Nm;i——變速器傳動比;i——主減速器傳動比;η——傳動系的機械效率;r——車輪半徑,m。
滾動阻力模型如下:
式中:f——滾動阻力系數(shù),并且f=f+3.6 f·v,f=0.0076,f=0.000056。
車輛所受重力沿坡道方向的分力模型為:
式中:α——道路坡度角。
無風條件下,空氣阻力模型為:
式中:C——空氣阻力系數(shù);A——車輛迎風面積,m;v——車輛縱向速度,m/s。
車輛加速阻力模型為:
式中:δ——汽車旋轉質(zhì)量換算系數(shù),一般通過查表獲得;m——車輛質(zhì)量,kg;a——車輛縱向加速度,m/s。
將車輛縱向運動學模型離散后可得:
實車CAN報文中扭矩和發(fā)動機轉速是同一條報文發(fā)出來的,該報文的發(fā)送周期為10ms,車速的報文發(fā)送周期為50ms,因此,使用發(fā)動機轉速來表示車速值。
通過CAN報文中的扭矩百分比乘以參考扭矩得到商用車的扭矩,然后再根據(jù)式(2)得到車輛的縱向驅動力。扭矩的獲取本身就存在很大誤差,同時,在算法的運行過程中算法的計算均使用扭矩的穩(wěn)態(tài)值,從而引起誤差的進一步增大。
并且,式(6)中加速度信號是通過對速度信號進行微分得到的,車速信號通過CAN報文獲取,本身就存在誤差,進一步微分導致誤差放大,影響算法的計算精度。
其他信號的獲取均存在一定的誤差,這些誤差將導致該運動學模型在計算中不斷積累誤差,大大降低該算法模型的計算精度。因此,采取對該運動學模型進行積分處理,對誤差進行均值處理,從而減少算法中的誤差積累。
由于道路坡度角度很小,因此,提出道路坡度i用以表示道路坡度高度與底長之比,即i=tanα≈sinα,則式(4)可以表示為:
綜上,商用車的縱向動力學模型可以表示為:
對上式等式兩邊分別乘以v,并且分別進行時間積分,可得:
假設t時刻的車速為v,t時刻的車速為v,由于t和t時間間隔很小,根據(jù)微積分原理,則:
綜上,式(12)可表示為:
遞歸最小二乘法(Recursive least squares,RLS)的基本思想就是新的參數(shù)估計值由舊的參數(shù)估計值和修正項相加得到,每獲取一次觀測數(shù)據(jù)就進行一次參數(shù)修正,隨著迭代次數(shù)的增加,辨識結果越來越接近真實值。RLS可簡單總結為:新的參數(shù)估計值=舊的參數(shù)估計值+修正項。
時不變單一輸入單一輸出的系統(tǒng)數(shù)學模型為:
系統(tǒng)的輸入為u(k),輸出為y(k)。為得到參數(shù)a和b的估計值,則可得到下面的向量形式線性方程組:
易得k-1時刻和k時刻的系統(tǒng)參數(shù)估計結果分別為:
假設在k-1時刻已經(jīng)計算得到參數(shù)估計值,k時刻得到新的觀測數(shù)據(jù)向量Φ和y,參數(shù)估計值和觀測數(shù)據(jù)分別表示為:
最小二乘法的使能條件為以下幾點。
1)制動信號輸出值為0,即沒有踩制動踏板。
2)車速值大于0。
3)為了提高算法計算結果精度,當自動擋配置商用車擋位處于4~12擋之間時,進行最小二乘法模塊使能;當手動擋配置商用車擋位處于5擋時,使能最小二乘法模塊。
4)上述條件均滿足的次數(shù),即最小二乘法使能條件置1的次數(shù)小于根據(jù)實驗所得的迭代次數(shù)。
本文使用手動擋商用車進行算法測試,用以驗證本文所提算法的準確性以及有效性。
由于手動擋配置的商用車無法發(fā)送擋位信息,無法通過擋位信息來匹配當前數(shù)據(jù)的變速器速比。通過查閱資料,可知變速器的速比定義為變速器的速比為主從錐齒輪的比值,即從動錐齒輪齒數(shù)與主動錐齒輪齒數(shù)的比值,也可表示為變速器的輸入軸轉速(發(fā)動機轉速)與變速器的輸出軸轉速的比值。
本文使用Canoe回放報文給MicroAutoBox,使用MicroAutoBox顯示算法運行過程,以5擋和6擋為例演示自稱重算法運算結果。圖1a和圖2a分別表示手動擋5擋和6擋發(fā)動機轉速與變速器輸出軸轉速的比值和真實變速器傳動比的對比圖。圖1b和圖2b分別表示手動擋處于5擋和6擋時算法中計算的變速器傳動比與真實值之間的差值絕對值仿真圖。其中,5擋的真實變速器傳動比值為7.09,算法估算結果與真實值的差值在0~0.3之間,對算法結果影響不大,可以用估算結果來代替變速器傳動比的真實值。6擋的真實變速器傳動比值為5.90,算法估算結果與真實值的差值在0~0.25之間,對算法結果影響不大,可以用估算結果來代替變速器傳動比的真實值。從而解決了手動擋無法獲取變速器傳動比這一問題,使得該算法能夠適用于手動擋配置的商用車。
圖1 5擋時算法運算結果
圖2 6擋時算法運算結果
手動擋配置的商用車在5擋空載時的自稱重算法結果如圖3所示,實車的實際質(zhì)量為7.20t,算法運行結果為6.98t,誤差為3.05%。從右側仿真圖中可以得到,在400~500s區(qū)間,算法收斂到真實值附近。
圖3 手動擋5擋自稱重算法運行結果
圖4為手動擋配置的商用車在6擋空載時的自稱重算法結果,算法運行結果為6.72,誤差為6.67%。在圖4右側的仿真圖可以得到,在300~350s區(qū)間,算法收斂到真實值附近。
圖4 手動擋6擋自稱重算法運行結果
其中,左側第一列為算法運行所設置的重要參數(shù),設置滿足算法運行的數(shù)據(jù)迭代次數(shù)大于3000并且算法運行結果m(k)增長或減少在窗值0~0.002t之間保持200步(一個步長為0.05s),或者滿足算法運行的數(shù)據(jù)迭代次數(shù)大于8000時,輸出自稱重算法結果并保持直至車速為0或T15下電。
根據(jù)算法設定條件,換擋過程中不激活遞歸最小二乘法模塊,此時最小二乘法輸出結果回歸初始值8.20t。重新激活最小二乘法后,接著之前的計算結果進行下一輪迭代。手動擋配置的商用車加載10t(車輛總重為17.20t)在6擋時,自稱重算法結果如圖5所示。由圖5可得,算法計算結果為18.21t,與真實車重誤差為5.87%。算法在120s左右開始收斂,在170s左右接近計算結果值。手動擋配置的商用車加載10t(車輛總重為17.20t)在10擋時,自稱重算法結果如圖6所示。由圖6可得,算法計算結果為16.45t,誤差為4.36%。算法在100s左右開始收斂到計算結果值附近。
圖5 手動擋6擋車總重17.2t計算結果
圖6 手動擋10擋車總重17.2t計算結果
本文對油耗商用車自稱重算法進行研究,基于車輛縱向動力學和積分學提出了一種基于商用車的自稱重算法。通過HIL臺架測試和手動擋柴油車在不同的擋位下進行實驗驗證,驗證了算法的可行性以及有效性。實驗結果表明,該算法的誤差能夠保持在6%以內(nèi),算法的收斂時間保持在100~200s之間。在后期的研究中,可以在試驗車輛上適當加入一些低成本的傳感器,例如檢測道路坡度的傳感器,從而進一步提高算法的精度。