48V重型商用車坡度傳感器濾波算法研究

劉靜　于淼淼

【摘? 要】本文針對重型商用車48V混合動力系統坡度傳感器信號易被干擾、隨機噪聲復雜的問題，對坡度傳感器信號的隨機漂移模型及自適應Kalman濾波算法進行研究，通過采集數據信息，利用赤池信息量準則（AIC）確定自回歸AR模型階數，考慮所建立的模型具有模型參數和噪聲統計特性存在誤差的特點，研究一種含有強跟蹤濾波漸消因子的Sagu-Husa自適應Kalman濾波算法。經與標準Kalman濾波算法進行對比仿真，表明改進后的濾波算法對模型參數和噪聲統計特性不敏感，故該濾波算法能夠有效提高48V混動坡度傳感器信號精度。

【關鍵詞】48V混動；漂移誤差；漸消因子；Kalman濾波

中圖分類號：U463.6? ? 文獻標志碼：A? ? 文章編號：1003-8639（ 2023 ）09-0049-03

Research on Filtering Algorithm of Slope Sensor for 48V Heavy Commercial Vehicle

LIU Jinga，YU Miaomiaob

（Weichai Power Co.，Ltd.，a.New Energy R&D Center；b.Engine Research Center，Weifang 261061，China）

【Abstract】Aiming at the problems that slope sensor signal of 48V hybrid power system of heavy commercial vehicle is easy to be disturbed and random noise is complex，random drift model of slope sensor signal and adaptive Kalman filtering algorithm are studied. Akaike information quantity criterion（AIC）was used to determine the order of AR model. Considering that the model parameters and statistical characteristics of noise have errors，a Sagu-Husa adaptive Kalman filtering algorithm with strong tracking filter fading factor is studied. The comparison and simulation with the standard Kalman filtering algorithm show that the improved filtering algorithm is insensitive to the model parameters and the statistical characteristics of noise. This filtering algorithm can effectively improve the signal accuracy of 48V hybrid slope sensor.

【Key words】48V hybrid；drifterror；fading factor；Kalman filter

作者簡介

劉靜，女，碩士，工程師，主要研究方向為新能源動力總成結構仿真分析；于淼淼（1987—），男，碩士，工程師，主要研究方向為商用車混動總成、整車熱管理等。

48V混動系統在商用車領域獲得越來越廣泛的研究與測試，比如在商用車后處理排放測試中SCR電加熱供電，48V混合動力系統是此技術路線必不可少的部分，可有效減少整車燃油消耗；再比如E-Turbo技術需依靠48V能量管理，提升E-Turbo在整車動力性、經濟性的表現。48V控制信號是執行能量管理的關鍵環節，其中坡度傳感器信號關系整車動力性、經濟性、舒適性，是需要重點監控管理的信號源之一。但某重型48V混動商用車在下線檢測、功能調試中發現該路信號存在不明噪聲問題。

導致該路信號存在不明噪聲的主要原因是陀螺儀隨機性漂移，陀螺儀是該坡度傳感器的重要組成部分，另一部分是MEMS（Micro-Electro-Mechanical System）加速度計[1]。陀螺儀隨機漂移通常采用時間序列分析法對數據進行建模[2]，并運用Kalman濾波方法減小陀螺漂移誤差影響，本文研究一種含有強跟蹤濾波漸消因子的Sagu-Husa自適應Kalman濾波算法，提出合理的漸消因子系數，能有效提高整車坡度傳感器信號控制精度。

1? 陀螺儀漂移數據采集和建模

利用某重型商用車48V混動總成坡度傳感器為研究對象，將坡度傳感器水平放置，保持靜止，以25Hz的采樣頻率取X軸方向的數據，保存1min的采樣數據，取連續600個采樣點，做離線分析。按照時間序列建模要求，對該數據進行統計檢驗和預處理，以得到平穩、正態、零均值的時間序列。對處理后的數據建立自回歸滑動平均模型，即ARMA（p，q）。自回歸模型表達式[3]如下：

2? Kalman濾波算法和仿真實驗

2.1? 標準Kalman濾波算法

2.2? 改進后的Sagu-Husa自適應Kalman濾波算法

帶過程噪聲的Sagu-Husa自適應濾波算法通過算法中的時變噪聲統計估計器對系統狀態轉移矩陣的誤差進行補償，實時估計和修正系統過程噪聲，從而達到降低模型誤差，以便達到提高濾波精度的目的。同時為增強對狀態突變的跟蹤能力，在Sagu-Husa自適應濾波算法中，引入一個時變的漸消因子，減弱陳舊數據對當前濾波的影響，抑制濾波器的發散，提高濾波精度。帶過程噪聲的簡化Sagu-Husa自適應濾波算法[7]步驟為：

3? 結論

本文主要對坡度傳感器陀螺儀隨機誤差模型的參數誤差和噪聲統計特性對濾波帶來的影響進行研究，首先對預處理后的數據分別進行AR（1）、AR（2）建模估計，其次采用兩種Kalman濾波方法進行比較仿真。研究結果表明，所采用的加有漸消因子的帶過程噪聲的Sagu-Husa自適應濾波算法穩定，濾波精度較高，并且對噪聲和模型誤差不敏感，算法具有良好的魯棒性。

參考文獻：

[1] 宋科科. 針對自平衡機器人姿態檢測問題的研究[D]. 北京：北京工業大學，2011.

[2] 張海鵬，房建成.? MEMS陀螺儀短時漂移特性實驗研究[J]. 中國慣性技術學報，2007，15（1）：100-104.

[3] 張樹京，齊立新. 時間序列分析簡明教程[M]. 北京：清華大學出版社，2003.

[4] 王新龍，李娜. MEMS陀螺隨機誤差的建模與分析[J]. 北京航空航天大學學報，2012，38（2）：170-174.

[5] 吉訓生，王壽榮，許宜申，等. 自適應Kalman濾波在MEMS陀螺儀信號處理中的應用[J]. 傳感器與微系統，2006，25（9）：79-82.

[6] 金光明，張國良，陳林鵬，等. MEMS陀螺儀靜態漂移模型與濾波方法研究[J]. 傳感器與微系統，2007，26（11）：48-50.

[7] 付夢印，鄧志紅，閆莉萍． Kalman濾波理論及其在導航系統中的應用[M]． 北京：北京科學出版社，2003.

[8] 周東華，王慶林. 有色噪聲干擾的非線性系統強跟蹤濾波[J]. 北京理工大學學報，1997，17（3）：321-326.

（編輯? 凌? 波）