重型車輛質量估算的研究

吳皓，李炎亮，李錦，劉淼

（上海工程技術大學 機械與汽車工程學院，上海 201620）

前言

為了確保車輛的行駛穩定性，需要實時準確地測量行駛中的車輛的質量，從而通過準確地掌握車輛的質量，可以有效地分配施加到前輪或后輪的制動力。以前，重型車輛通常通過增加設備來估算質量，但是在車身或懸架上安裝附加傳感器的成本卻增加了，因此無法確保經濟可行性[1]。

與普通乘用車不同，重型車輛的質量會根據裝載條件和數量而發生很大變化，而車輛質量是計算車輛垂直和水平方向控制輸入的必要因素。

因此，本研究使用TruckSim 來提供重型車輛運動模型相關數據，并使用Matlab/Simulink 來進行帶遺傳因子的遞推二乘法的相關計算來建立聯合仿真，并根據用于變電站的無人消防車的特點進行行駛環境仿真。

1 車輛質量估計算法

1.1 縱向車輛運動模型

車輛質量估計基于牛頓第二定律，這是動力學分析的開始。估算車輛質量基本縱向動力學模型如圖1 所示，計算車輛質量的運動方程式表示如下：

圖1 消防車縱向動力學模型

其中，m 為車輛質量（kg）；ax為縱向加速度（m/ s2）；Fx 為驅動力（N）；Fair為空氣阻力（N）；Frolling為滾動阻力（N）；ρ 為空氣密度（kg/ 平方米）；Cd為空氣阻力系數；Af為車輛前部面積（平方米）；V 為車速（m/ s）；ur為滾動阻力系數；g 和β 分別是道路的重力加速度和傾斜角度；Te 為發動機扭矩（N·m）；Nt為變速箱齒輪傳動比率；η 為變速箱傳動的效率；r 為輪胎半徑（m）；同時，Mf＝1+0.04+0.0025Ntf。

1.2 帶遺傳因子的遞推最小二乘法

遞推最小二乘法（RLS）在無法準確測量要估計的值時很有用，它是一種將觀察值與估計值之差的平方和最小化的方法。使用包括矢量參數的歷史數據，在每個采樣時間重復更新未知參數矢量，以提高估計性能。如果期望未知參數保持不變，則可以使用標準RLS 方法，但是如果參數隨時間變化，則不適合使用標準RLS 方法。為了彌補這一問題，在RLS 方法中引入了遺傳因子，其具有去除不必要數據的特征，包括如下：

其中，y（i）為輸入信號，λ 是一個遺傳因子。遺忘因子通常具有介于0＜λ＜1 之間的值，該值小于1，而固定遺忘因子通常具有介于0.95 和0.99 之間的值。

1.3 配置質量估算算法

為了估算車輛的質量，在圖1 中連接了TruckSim 和Matlab。它的配置如圖2 所示。通過從TruckSim 接收發動機扭矩，傳動比，齒輪級，速度和加速度信息，并使用帶遺傳因子的遞推最小二乘法計算車輛質量，將質量估算所需的車輛信號輸入到Simulink[2]。

2 質量估算模擬

2.1 車輛型號

本研究中使用的車輛是4×2 卡車，車輛參數在表1 中進行了描述。

表1 車輛參數

使用TruckSim 對車輛進行建模，根據車輛駕駛仿真，從TruckSim 輸出的發動機扭矩，速度，加速度和傳動比信號如圖2 所示。

圖2 車輛質量估算框圖

2.2 帶有遺傳因子的遞推最小二乘法的質量估算

根據從TruckSim 輸出的車輛信號構造了估算車輛質量的算法，如圖2 所示。另外，為了應用遞推最小二乘法，必須將質量估算方程式轉換為遞推形式，然后進行計算。因此，使用Matlab/Simulink 的RLS 濾波器[3]。

當使用遺傳因子遞推最小二乘法估算質量時，估算值可能會有所不同，具體取決于遺忘因子的設置方式。根據遺忘因子的設定值的質量估計結果示于表2，如表2 所示，當λ＝0.98 時，不能正確地進行質量估計，而當λ＝0.97 時，可以正確地估計質量。因此，在這項研究中，遺傳因子設置為0.97。

表2 基于遺傳因子的車輛質量估算結果

2.3 根據行駛條件進行質量估算

本研究中，無人消防車主要工作在靜止、直行和制動三種行駛方式，因此，通過設置使用TruckSim 進行駕駛時直行通過和制動駕駛條件，并進行仿真來估算質量。表3 所示制動和直行通過行駛中，質量估計結果，并且兩種駕駛情況下的實際質量值與估計質量之間的誤差為0.63%。

表3 行駛環境下的質量估算

根據本研究對象的工作環境，其在直線行駛環境中，按照道路模型以0 到40 km/ h 的速度直線行駛。如圖3 所示，制動行駛環境下，估算誤差在±10%以內。

圖3 制動行駛環境下估算質量

3 結語

在這項研究中，研究了一種實時質量估算的方法，應用于具有較大質量的重型車輛（例如消防車）的ESC 系統，該系統可以總結如下：

（1）基于縱向車輛運動模型，使用TruckSim 對4×2 重型車輛進行建模，并通過與Matlab/ Simulink 構建仿真環境。

（2）通過將質量估算公式轉換為遞推形式，構造了遺傳因子遞推最小二乘算法，并通過兩種行駛環境模擬估算了車輛實際質量且誤差在0.62%以內，從而確認了算法的準確性。

本研究中提出的質量估計算法可用于改善重型車輛ESC系統的性能，并計劃用于無人消防車上進行驗證。