基于車輛動力學(xué)模型的動態(tài)質(zhì)量測試方法在非公路寬體車上的應(yīng)用

任宏亮

西安主函數(shù)智能科技有限公司 陜西省西安市 712000

1 前言

隨著智能化信息化技術(shù)的日趨成熟，無人駕駛技術(shù)在各個行業(yè)得到應(yīng)用，作為礦區(qū)運輸主力產(chǎn)品的非公路寬體自卸車由于其行駛環(huán)境封閉，作業(yè)任務(wù)單一逐漸的被許多無人駕駛科技公司作為首選落地的產(chǎn)品，非公路寬體自卸車作為運輸設(shè)備其無人駕駛的重要意義在于人工智能加持下優(yōu)于人工駕駛的經(jīng)濟性指標(biāo)，非公路寬體自卸車的經(jīng)濟性指標(biāo)包括兩個方面，其一是運能，其二是油耗，人工智能代替有人駕駛的控制算法是建立在車輛地面力學(xué)及車輛動力學(xué)模型的基礎(chǔ)上運用現(xiàn)代控制算法對車輛的油門加以控制，而作為控制算法的基礎(chǔ)，地面力學(xué)模型和車輛動力學(xué)模型都離不開車輛質(zhì)量這個重要參數(shù)，車輛質(zhì)量參數(shù)對于控制算法至關(guān)重要。

2 現(xiàn)有車輛質(zhì)量獲取方法

目前獲取車輛質(zhì)量的方法有離線和在線兩種，離線方法主要是通過傳統(tǒng)的地磅進(jìn)行稱重；在線稱重方法主要有兩種，其一是通過車輛自卸車舉升系統(tǒng)根據(jù)杠桿原理獲取質(zhì)量，此種方法由于貨箱裝載不均衡導(dǎo)致測量誤差較大，；在線稱重的另外一種方法就是通過輪胎胎壓來計算車輛重量，由于輪胎胎壓受溫度影響極大，所以誤差也較大。

3 基于車輛動力學(xué)模型的動態(tài)質(zhì)量檢測算法

3.1 算法基本原理

本算法是要計算車輛的總質(zhì)量，根據(jù)牛頓第二定律可得質(zhì)量、力、加速度的關(guān)系如下所示：

F 為車輛受到的合力，M 為汽車總質(zhì)量，a 為車輛加速度

根據(jù)汽車?yán)碚撥囕v動力及阻力分析可得知車輛所受合力如下所示：

其中：

m:車輛靜態(tài)質(zhì)量 J:車輛總的轉(zhuǎn)動慣量

r:輪胎滾動半徑 R:輪胎測量半徑

T：驅(qū)動功率 i：變速箱傳動比

i：驅(qū)動橋傳動比 η：傳動系總效率

g:重力加速度 α：坡度

f:滾動阻力 C：空氣阻力

A：迎風(fēng)面積 u：車速

根據(jù)以上可推導(dǎo)出動態(tài)質(zhì)量計算公式：

3.2 基本參數(shù)獲取及過程量計算

本次測試采用同力重工出產(chǎn)的無人駕駛線控車輛TLI65，其基本參數(shù)如下表1：

表1

本次測試采用同力重工出產(chǎn)的無人駕駛線控車輛TLI65，其基本參數(shù)如表2 所示：

表2

從上面的計算可以看出半徑較小的棒狀零部件（半軸/慣通軸/傳動軸/變速箱傳動軸等）的轉(zhuǎn)動慣量幾乎可以忽略不記，車輛旋轉(zhuǎn)動態(tài)質(zhì)量占整備質(zhì)量的4.7%；

變速箱在1/2 擋時處于變扭狀態(tài)，對外輸出及計算的驅(qū)動力不可靠，所以驅(qū)動力計算及稱重系統(tǒng)質(zhì)量的計算僅在3/4/5/6 擋；

動力系統(tǒng)的內(nèi)耗:發(fā)動機對外發(fā)出的驅(qū)動力沒有扣除發(fā)動機附件（風(fēng)扇/發(fā)電機/油泵/打氣泵/機油泵/轉(zhuǎn)向泵/空調(diào)壓縮機等）消耗的功率，但是從發(fā)動機對外輸出的摩擦損耗數(shù)據(jù)可以看出是由發(fā)動機生廠商根據(jù)臺架上測試數(shù)據(jù)寫入的的幾個階梯固定值，和實際值有一定的誤差，所以發(fā)動機的內(nèi)耗取空擋狀態(tài)下各轉(zhuǎn)速下的驅(qū)動力，由于沒有阻力所以驅(qū)動力基本上等于內(nèi)部消耗的功率，這組曲線作為參數(shù)直接標(biāo)定到計算當(dāng)中去，發(fā)動機內(nèi)耗曲線如圖1 所示：

圖1

轉(zhuǎn)向泵的輸出功率會隨著系統(tǒng)油壓的變化而變化，而且轉(zhuǎn)向泵消耗功率附件消耗功率中占比較大不能忽略，所以稱重系統(tǒng)的計算僅取直路行駛（航向或者方向盤轉(zhuǎn)角在零位附近不變時）

3.3 測試平臺及軟硬件架構(gòu)設(shè)計

基于已有無人駕駛線控底盤、慣性測量元件IMU 及無人駕駛計算平臺可搭建此次試驗平臺，平臺如圖2 所示：

圖2

其中線控底盤與計算平臺通過can 總線相連接，計算平臺可通過線控底盤獲取發(fā)動機、變速箱及車輛運行的基本參數(shù)，慣性測量元件IMU 與計算平臺通過串口連接，計算平臺通過慣性元件IMU 可獲取車輛行駛方向的加速度及速度信息，計算平臺通過以上數(shù)據(jù)完成實時在線車輛質(zhì)量計算

計算平臺屬于常規(guī)的工控機，該工控機安裝了ubantu16.04 系統(tǒng)，動態(tài)質(zhì)量計算系統(tǒng)程序運行在ubantu16.04 系統(tǒng)之上，計算的數(shù)據(jù)流及邏輯圖如圖3 所示：

圖3

首先過濾下坡和轉(zhuǎn)向角度大于2 度的數(shù)據(jù)，根據(jù)計算公式獲取實時的質(zhì)量信息，在此基礎(chǔ)上需要使用濾波算法濾除加速度和速度異常的數(shù)據(jù)，將以上有效數(shù)據(jù)實時求均方根，可得到實時的質(zhì)量數(shù)據(jù)，圖4 是專門設(shè)計的實時調(diào)試觀測界面。

圖4

4 測試結(jié)果及數(shù)據(jù)分析

4.1 測試過程

測試場地說明：

測試過程使用露天煤礦外排工況，選取從裝料區(qū)（海波875 米）到卸料區(qū)（海拔1020 米）的道路來作為測試路段，路徑全長2.5km，全程拔高145 米；

測試過程說明

①首先使用地磅精確測量空載車輛重量，從裝料區(qū)行駛至卸料區(qū)，全程測試5 次，記錄數(shù)據(jù)；

②在裝料區(qū)使用2.5 方的挖機裝料至滿載，使用地磅精確測量滿載質(zhì)量，從裝料區(qū)行駛至卸料區(qū)，全程測試5 次，記錄數(shù)據(jù)；

③在裝料區(qū)使用2.5 方的挖機裝料至半載，使用地磅精確測量滿載質(zhì)量，從裝料區(qū)行駛至卸料區(qū)，全程測試5 次，記錄數(shù)據(jù)；

4.2 測試數(shù)據(jù)分析

①空載測試數(shù)據(jù)分析及過程數(shù)據(jù)

表3 中測試結(jié)果取均方根的平均值，通過以上數(shù)據(jù)可得空載測試數(shù)據(jù)誤差在-1.5%～5.5%之間，根據(jù)圖1-5 數(shù)據(jù)可知由于起步階段阻力較大，所以計算數(shù)據(jù)波動較大，隨著測試數(shù)據(jù)的逐漸積累測試結(jié)果逐漸逼近實際數(shù)據(jù)，且隨著車輛行駛時間越長數(shù)據(jù)誤差越小，400 秒后數(shù)據(jù)已經(jīng)進(jìn)入±5%范圍內(nèi)了。

表3

圖5

②滿載測試數(shù)據(jù)分析及過程數(shù)據(jù)

圖6

由表4 數(shù)據(jù)可得滿載測試數(shù)據(jù)誤差在-3.1%～4.8%,如圖1-6 數(shù)據(jù)可知滿載數(shù)據(jù)收斂比空載要快，由于發(fā)動機動力部分的輸出較大，路面阻力所占比例逐漸減小，所以數(shù)據(jù)在200 秒后的誤差已經(jīng)在±5%范圍內(nèi)了。

表4

表5

圖7

③半載測試數(shù)據(jù)分析及過程數(shù)據(jù)

由表1-5 數(shù)據(jù)可得半載測試數(shù)據(jù)誤差在-2.73%～4.59%,從如1-7 數(shù)據(jù)可知數(shù)據(jù)在200 秒后的誤差已經(jīng)在±5%范圍內(nèi)了。

5 結(jié)論

本文研究了非鋪裝道路情況下非公路寬體車的動態(tài)質(zhì)量測定問題，提出了基于車輛動力學(xué)模型的動態(tài)質(zhì)量測試方法，首先建立了精確的車輛動力學(xué)模型及地面力學(xué)模型，其次利用現(xiàn)有非公路寬體自卸車無人駕駛平臺搭建了測試軟硬件環(huán)境，針對測試過程的數(shù)據(jù)，先是精確標(biāo)定發(fā)動機的凈輸出功率，剔除轉(zhuǎn)向系統(tǒng)消耗的功率誤差，只選取直線行駛的數(shù)據(jù)，最后針對所有異常數(shù)據(jù)做了過濾取均方根值作為最后的計算結(jié)果，通過對比試驗及數(shù)據(jù)分析可知該方法有效且可行。

針對非道路環(huán)境的動態(tài)質(zhì)量檢測具有很大的現(xiàn)實意義，對于無人駕駛車輛經(jīng)濟性控制算法具有決定性作用，所以動態(tài)質(zhì)量的測試方法是我們未來繼續(xù)研究和探索的方向。