CN114547782B 电动汽车的车速和道路坡度计算方法 （中国第一汽车股份有限公司）

本发明实施例公开了一种电动汽车的车速于车辆动力学方程和车辆状态数据建立电动汽车辆状态数据的关系模型构建扩展卡尔曼滤波利用卡尔曼滤波系数构建自适应扩展卡尔曼滤通过新息理论协方差和新息实际协方差确定卡2基于车辆动力学方程和所述电动汽车的车辆状态数据建立所述电动汽车的车辆状态述扩展卡尔曼滤波算法模型的滑动时间窗口根据所述电动汽车的车辆驾基于所述新息理论协方差和所述新息实际协方差确定通过所述自适应扩展卡尔曼滤波算法模型计算所述电动汽车的车速和道路坡度的估若所述新息理论协方差大于或小于所述新息实际协方差，则获取基于所述卡尔曼滤波中的新息理论协方差和所述新息实际协方差的比例值和所述电法确定所述卡尔曼滤波系数调整因子所制定的逻辑规则；ρ为空气密度，r为摩擦系数；34根据电动汽车的车辆驾驶工况定义电动汽车的车辆数据长度周期更新规通过所述电动汽车的车辆数据长度周期更新规则，确定所述扩展卡尔关系模型构建模块，用于基于车辆动力学方程和所述电动汽车的车扩展卡尔曼滤波算法模型构建模块，用于基于所述电动汽车的车协方差计算模块，用于基于所述扩展卡尔曼滤波算法模型，计算新息理卡尔曼滤波系数确定模块，用于基于所述新息理论协方差5车速和道路坡度的估计值计算模块，用于通过所述自适应其中，所述卡尔曼滤波系数确定模块，具体用于若所述新息卡尔曼滤波中的新息理论协方差和所述新息实际协方差的比例值和所述电动汽车的车辆9.一种电子设备，包括存储器、处理器及存储在执行时实现如权利要求1至7中任一所述的电动汽车的车速和6动汽车所行驶的道路的坡度估计结果的实时[0008]基于车辆动力学方程和所述电动汽车的车辆状态数据建立电动汽车的车辆状态中，所述扩展卡尔曼滤波算法模型的滑动时间窗口根据所述电动汽车的车辆驾驶工况确[0013]通过所述自适应扩展卡尔曼滤波算法模型计算所述电动汽车的车速和道路坡度7[0026]图1是本发明实施例提供的电动汽车的车速和道路坡度计算方法的一个流程示意[0027]图2是本发明实施例提供的采用构建的自适应扩展卡尔曼滤波模型计算电动汽车[0028]图3是本发明实施例提供的新息理论协方差与新息实际协方差的比值模糊规则的8[0035]下面介绍本发明实施例提供的电动汽车的车速和道路坡度计算方法，图1是本发实施例提供的电动汽车的车速和道路坡度计算装置来执行，该装置可采用软件和/或硬件括车辆的车轮滚动半径或者整车质量等。由于电动汽车的车辆状态数据中包括电机扭矩，[0039]示例地，可以通过低速行驶在坡度道路上的电动汽车车辆获取车辆驾驶数据(车[0040]步骤102，基于车辆动力学方程和电动汽车的车辆状态数据建立电动汽车的车辆[0043]示例地，可以将上述步骤中获取的电动汽车的车辆状态数据(例如，车辆行驶速度、车轮滚动阻力)和车辆固有参数数据(车辆的车轮滚动半径或者整车质量)代入车辆动9[0046]具体地，可以将上述电动汽车的车辆状态数据的关系模然后将状态空间方程转化为状态空间方程的标准形式，即可得到扩展卡尔曼滤波算法模[0047]步骤104，基于扩展卡尔曼滤波算法模型，计算新息理论协方差和新息实际协方确定，这是由于电动汽车的车辆驾驶工况对于新息理论协方差的实时性具有一定的影响，电动汽车的车辆数据长度周期更新规则，确定扩展卡尔曼滤波算法模型的滑动时间窗口，确定，因此可以通过比较新息理论协方差和新息实际协方差的大小确定卡尔曼滤波系数，[0059]步骤107，通过自适应扩展卡尔曼滤波算法模型计算电动汽车的车速和道路坡度[0061]示例地，可以将上述步骤101中获取的车辆驾驶数据和车辆固有参数数据代入所计算方法，图2是本发明实施例提供的采用构建的自适应扩展卡尔曼滤波模型计算电动汽程和电动汽车的车辆状态数据建立电动汽车的车辆状态数据的[0079]在基于电动汽车的车辆状态数据的关系模型，构建扩展卡尔曼滤波算法模型之[0082]表1是本发明实施例提供的根据电动汽车的车辆驾驶工况所定义的电动汽车的车T确定数据长度周期(10ms)为该车辆驾驶工况下的扩展卡尔曼滤波算法模型的滑动时间窗[0089]基于所构建的扩展卡尔曼滤波算法模型，计算新息理论协方差和新息实际协方论协方差和新息实际协方差的比例值。以上述确定的新息理论协方差(s(k))和新息实际协方差(S(k))为例，确定新息理论协方差和新息实际协方差的比例值为并获取电动[0110]图3是本发明实施例提供的新息理论协方差与新息实际协方差的比值模糊规则的[0114]在确定新息理论协方差和新息实际协方差的比例值为并获取到电动汽车的以基于卡尔曼滤波中的新息理论协方差和新息实际协方差的比例值和电动汽车的车辆的所制定的逻辑规则。调整因子为α,对其进行模糊定义，图6是本发明实施例提供的输出变量模糊规则的一个示[0129]其中，本发明实施例制定的模糊逻辑规则是根据所获取的新息协方差比值(新息计算对应的新息理论协方差的目的，根据模糊逻辑控制规则确定卡尔曼滤波系数调整因[0138]图7是本发明实施例提供的电动汽车的车速和道路坡度计算装置的一个结构图，[0140]关系模型构建模块702，用于基于车辆动力学方程和所述电动汽车的车辆状态数[0141]扩展卡尔曼滤波算法模型构建模块703，用于基于所述电动汽车的车辆状态数据[0143]卡尔曼滤波系数确定模块705，用于基于所述新息理论协方差和所述新息实际协[0144]自适应扩展卡尔曼滤波算法模型构建模块706，用于利用所述卡尔曼滤波系数构[0145]车速和道路坡度的估计值计算模块707，用于通过所述自适应扩展卡尔曼滤波算[0193]基于所述卡尔曼滤波中的新息理论协方差和所述新息实际协方差的比例值和电被处理器执行时实现上述任一实施例提供的电动汽车的车速和道路[0200]下面参考图8，其示出了适于用来实现本发明实施例的电子设备800的结构示意[0201]如图8所示，电子设备800可以包括处理装置(例如中央处理器、图形处理器等)800操作所需的各种程序和数据。处理装置801、ROM802以及RAM803通过总线804彼此相809可以允许电子设备800与其他设备进行无线或有线通信以交换数据。虽然图8示出了具[0205]描述于本发明实施例中所涉及到的模块和/或单元可以通过软件的方式实现，也自适应扩展卡尔曼滤波算法模型计