車輛質量自適應估計方法研究

中圖分類號：U463.6 文獻標識碼：A 文章編號：1003-8639（2025）07-0070-03

Researchon AdaptiveEstimationofVehicleCharacteristicParameters

Zhang Junjie，Wang Mao，Lu Ting

Xuzhou XCMG Automobile Manufacturing Co.，Ltd.，Xuzhou ，China）

【Abstract】With the development of autonomous driving and assisted autonomousdriving technology，higher requirementsare putforward for vehicleoperation，and accurate estimationof vehicle characteristicparameters isvery important.The existing single-sensor monitoring and multi-sensor combination schemes have shortcomings，and the traditionalestimationmethodsalsohavelimitations.Inthispaper，anadaptiveestimationmethodofvehiclecharacteristic parametersisproposed.Thelongitudinal dynamicequationof thevehicleisanalyzedandlinearized，and the intermediatevectorisobtained byafirst-orderlow-passfilter.Thentheparameterestimation modelisdesigned，and the convergenceand stabilityof the modelareprovedbyLyapunov function.Theresultsshow thattheestimated Valuecan converge to theactualvalue whenthevehicleisrunning stably，andtheovershootatfulloadissmall，butthe sudden change of torque willcause erors.This method is feasibleand efective in theoryand experiment，which provides a new scheme for parameter estimation and helps the development of autonomous driving technology.

【Key words】automatic driving；asisted automaticdriving；vehiclecharacteristic parameters；adaptive estimation; low-pass filtering

0 引言

隨著自動駕駛與輔助自動駕駛技術的持續演進，對車輛運行安全性、能量損耗控制以及道路通行效率，均提出了更為嚴苛的要求[1。為了確保車輛行駛安全，需對車輛運行全過程的狀態展開精準監控。而實現車輛的精確控制，又依賴于對車輛當前特性參數，諸如質量、滾動阻力系數等的準確掌握2。這些參數的變化，會顯著影響車輛動態運行的穩定性。

在現有解決方案中，單純采用單一傳感器監測車輛特性參數，難以應對車輛復雜運行環境帶來的挑戰，因此，業界多采用雷達設備與多傳感器組合的方案。然而，這無疑大幅增加了車輛的制造成本3。在此背景下，在滿足硬件設備條件的基礎上，借助算法進行參數估計，成為一種切實可行的解決路徑。

車輛特性參數估計，對自動駕駛和輔助自動駕駛系統至關重要。文獻[4]通過設計擴張狀態觀測器，對車輛轉速等參數進行估計，并通過控制發動機轉速，實現對車輛的有效控制。在車輛實際運行環境復雜的情況下，常采用最小二乘法識別車道曲率]。文獻[6]通過引入可調節參數遺忘因子，進一步優化最小二乘法，以識別車輛行駛過程中的運動學參數，如滑移率、附著系數等。文獻[7-8則以卡爾曼濾波為基礎，運用擴展卡爾曼濾波和無跡卡爾曼濾波方法，對車輛相關信息進行跟蹤估計。

盡管上述方法取得了一定成果，但仍存在改進空間。傳統方法要求輸入信號嚴格滿足持續激勵條件，且使用過程中會導致系統產生明顯延時，不適用于對實時性要求較高的場景。最小二乘法的估計結果，會因初始參數選擇的不同而產生差異，因此初值選取是影響結果準確性的關鍵因素。

針對上述問題，本文提出一種車輛特性參數自適應估計方法。首先，對車輛縱向動力學方程進行分析，并實現線性化表達；其次，采用一階低通濾波器進行降噪，同時獲取設計估計模型所需的中間向量；再次，設計參數估計模型，實現對車輛特性參數的估計；然后，借助李雅普諾夫函數，證明所提模型的收斂性與穩定性；最后，通過試驗與仿真得出研究結論。

1車輛動力學分析

車輛縱向動力學方程表示為：

式中： F_t ——車輛的驅動力； δ —車輛的轉動慣量； v —車輛速度；g —重力加速度； θ —道路坡度； A ——車輛迎風面積； m —車輛質量;f ——滾動阻力系數； —風阻系數。

車輛驅動力可通過扭矩傳感器獲取車輛電機扭矩 T ，并根據動力學公式計算得出：

式中： i? —主減速比； η 一傳動效率； R 一車輪半徑。

在工程實踐中，對于非線性問題，通常采用線性化處理進行近似。為避免計算非線性函數二階導數的復雜性，同時達到較好的處理效果，常采用一階導數替代，對風阻力進行線性化處理。

由于風阻力公式中存在高階次冪，為避免這一問題，可利用泰勒公式，在某一車速下對風阻力進行展開。

對公式（3）進行整理，可進一步簡化滾動阻力的表達形式 F_f

結合公式（1）和公式（3），可將車輛縱向動力學方程進行線性化整理，可表示為：

根據式（5），進一步定義可得：

定義向量 gcos（θ）] ，對公式（6采用低通濾波器處理，以估計未知參數質量。

2自適應參數估計模型設計

2.1 低通濾波

根據文獻[9]的低通濾波思路，對式（5）和式（6）進行處理，可得到構建自適應參數估計模型所需的輔助向量，具體形式如下：

式中： λ 為可選擇的正常數。

2.2 自適應參數估計模型設計

基于2.1節得到的輔助向量及其一階導數向量，設計包含未知參數變量估計向量 的自適應模型。

式中：g 一個可選擇的正常數。系數向量 ψ 形式如下：

為便于進行穩定性證明，進一步定義中間變量 ，形式如下：

未知參數估計向量 的誤差可表示為：

通過證明 的漸進收斂性，可驗證所提方法的穩定性。

3穩定性分析

為證明所提方法的穩定性，李雅普諾夫定理證明分析如下。

定理1：估計向量 θ 滿足式（9）時，若存在時間區間 [T₀ ， T₁] ，且系數向量 T（t） 滿足可逆性，則所設計的參數估計模型指數漸進趨于0。

首先需考慮李雅普諾夫函數，表達式為：

其中， 代表中間變量 的第 i 個信號。對李雅普諾夫函數求導，可得 ·

根據式（7）＼～式（9），可將式（14）中 三 表示為：

將式（14）代入式（15）并整理，可得：

由式（16）可知，在時間區間 [T₀ ， T₁] ，李雅普諾夫函數 V（t）?V（T₀） ，因此系統穩定，且時間 T_r= V（T₀）/（2L） 。

若李雅普諾夫函數漸進趨于 0 ，則中間量 Δ 也漸進趨于0，進而可以得出 因此，若系統中存在不可避免的噪聲，在 t?T₁ 的情況下，估計參數誤差將受到噪聲影響。

4試驗仿真分析

一般情況下，商用車風阻系數在0.6＼～0.8之間，滾動阻力系數在 0.01～0.02 之間。在本次試驗仿真過程中，選取風阻系數為0.6，滾動阻力系數為0.01。為驗證本文方法的有效性，通過實車采集車輛運行的車速、扭矩等數據，并通過MATLAB/Simulink平臺進行仿真試驗。試驗前，對試驗車輛空載狀態下的質量、迎風面積以及路況等信息進行采集，具體數據如表1所示。

圖1和圖2分別展示了試驗車輛在動態試驗過程中車速和電機扭矩的實時變化情況，圖3則為本文所提算法的質量估計曲線。由于車輛起步時會突然施加較大扭矩，導致車輛估計算法出現超調現象。當車輛進入穩定運行階段后，質量估計值逐漸收斂到車輛實際質量。表2為車輛基本滿載情況下的試驗參數信息統計。

圖4與圖5分別表示滿載車輛動態運行過程中的車速和扭矩變化，圖6為本文估計算法得到的車輛質量估計曲線。從圖6可以看出，由于車輛本身質量增加，即便車輛請求較大扭矩，實際運行狀態也不會發生大幅突變，因此估計過程中的超調量較小。此外，從扭矩曲線可以發現，一旦扭矩出現突變，估計質量就會產生一定誤差。

5總結

本文針對自動駕駛車輛特性參數估計難題，提出自適應估計方法，通過理論和試驗驗證其效果。開篇明確自動駕駛對車輛運行的嚴格要求，闡述現有參數估計方法的不足。隨后，深入分析車輛縱向動力學，對動力學方程進行線性化等處理，為后續模型設計提供理論依據。基于低通濾波設計自適應參數估計模型，運用李雅普諾夫定理證明其穩定性。

試驗環節，參考商用車參數范圍設定相關系數，在MATLAB/Simulink平臺開展仿真。結果表明，所提算法在車輛起步時會超調，穩定運行后估計值能收斂到實際值，滿載時超調量更小，但扭矩突變仍會導致估計誤差。

綜上，本文提出的方法在理論和試驗上均可行、有效，為自動駕駛車輛特性參數估計提供了新方案，有助于推動自動駕駛技術的發展。

參考文獻

[1]陳君毅，李如冰，邢星宇.自動駕駛車輛智能性評價研究綜述[J].同濟大學學報：自然科學版，2019，47（12）：1785-1790，1824.

[2]包瑞新，EdoardoSabbioni.基于輔助粒子濾波算法的車輛行駛狀態和參數聯合估計方法研究[J].機械設計與制造，2015（10）：26-30.

[3]馮美玉.改善汽車發動機轉速跟蹤暫態性能的控制策略研究[D].秦皇島：燕山大學，2018.

[4] Kiencke U，Nielsen L.Automotive control systems：forengine，driveline，and vehicle[J].Measurement Science andTechnology，2000，11（12）：1828.

[5]趙錯.汽車自動駕駛多模型自適應控制研究[D].北京：北京交通大學，2017.

[6]于宏嘯.基于狀態估計的智能車輛碰撞避免研究[D].北京：北京工業大學，2015.

[7] Na Jing，YangJuan，Guo Yu.Adaptiveestimation ofroadgradient and vehicle parameters forvehicular systems[J].IETControl Theory and App lications，2015，9（6）：935-943.

[8]Feng Daiwei，Wang Junmin，Huang Dagui.Hand-wheelsteering signal es-timation and diagnosis approaches forground vehicles[J].Control Engineering Practice，2O12，20（7）：654-662.

[9]Zhi Jianhui，DongXinmin，Chen Yong.Robust adaptive fi-nite time para meter estimation with relaxed persistence ofexcitation[C]//201711th Asan ControlConference （ASCC），IEEE，Golden Coast，Australia，2017：1384-1388.

（編輯凌波）