[发明专利]一种重型自动变速车辆广义阻力系数的估计及修正方法

说明书

本发明涉及一种重型自动变速车辆广义阻力系数的估计及修正方法，包括：建立重型自动变速车辆的纵向动力学模型；利用改进型带遗忘因子的递推最小二乘辨识算法对纵向动力学模型中的整车质量和广义阻力系数进行辨识；判断异常数据，对辨识的整车质量、广义阻力系数以及所采用的改进型带遗忘因子的递推最小二乘辨识算法进行修正；对修正结果进行仿真和实车试验。本发明提出的改进型带遗忘因子的递推最小二乘辨识算法可以更好地估计广义阻力系数；提出的修正方法可以减小异常数据对估计结果的干扰。

技术领域

本发明涉及自动控制技术领域，尤其涉及一种重型自动变速车辆广义阻力系数的估计及修正方法。

背景技术

自动机械变速器不仅可以减轻驾驶员劳动强度，提高汽车动力性、经济性，而且具有传动效率高、成本低、易维护等优点，且对现有的手动变速器改造小，因而成为重型车辆自动变速领域研究的重要方向。AMT换挡决策若是只根据汽车行驶状态和驾驶员意图，而没有考虑外界阻力的变化，会造成上坡换挡频繁，加剧机构磨损，降低舒适性等问题。如今，许多科研机构都在进行根据外界阻力变化进行换挡决策优化的研究。

针对外界阻力变化的测量，可通过在车上加装的GPS获得实时纵向车速和横向车速进而利用运动学方程和低通滤波器，计算道路坡度，然而这种方法的问题在于GPS频率低，且很小的速度误差会导致较大的坡度估计误差。

通过采集车速、制动力、驱动力等信息，并结合纵向动力学方程，进而利用卡尔曼滤波算法，可对质量和坡度联合估计，然而卡尔曼滤波器本身无法对状态突变进行实时跟踪，所以这种利用卡尔曼滤波器的估计方法有待进一步研究。

通过采集车速、发动机扭矩、发动机转速等信息，利用带遗忘因子的递推最小二乘法，可对质量和坡度进行多参数在线估计。然而，递推最小二乘法本身的健壮性就有很大不足，容易受异常数据影响，而且带遗忘因子的递推最小二乘法本身是以某时刻之前所有观测量的最小二乘误差进行估计的，估计的偏差会逐渐变大。

发明内容

鉴于上述的分析，本发明旨在提供一种重型自动变速车辆广义阻力系数的估计及修正方法，用以解决现有技术对广义阻力系数的估计误差大、无法对突变状态进行实时跟踪以及容易受异常数据影响的问题。

本发明的目的主要是通过以下技术方案实现的：

一种重型自动变速车辆广义阻力系数的估计及修正方法，包括以下步骤：

步骤S1：建立重型自动变速车辆的纵向动力学模型；

步骤S2：利用改进型带遗忘因子的递推最小二乘辨识算法对纵向动力学模型中的整车质量和广义阻力系数进行辨识；

步骤S3：判断异常数据并进行修正；

步骤S4：对修正结果进行仿真和实车试验。

进一步地，步骤S1中所述纵向动力学模型方程为：

y＝Φ^Tθ

Φ为可测变量，θ为待估计参数，

且

i_g――变速器的传动比

i₀――主减速器的传动比

η_T――传动效率

r_w――轮胎滚动半径

δ――旋转质量换算系数

m――整车质量

β――广义阻力系数

T_e――发动机总转矩与发动机内部转矩之差