基于縱向加速度的坡道識別方法

曾華兵

摘 要：在動力學分析的基礎上，提出一種基于縱向加速度的坡道識別方法。該方法利用實時發動機輸出扭矩信號及實時車速信號根據動力學推導式計算道路坡度。模型仿真及道路試驗結果表明，該方法無需增加額外傳感器，具有低成本、簡單、實用等特點，能夠對坡道進行識別。

關鍵詞：坡道識別;車輛載荷;縱向加速度;自動變速器

中圖分類號：U467? 文獻標識碼：A? 文章編號：1671-7988（2020）13-114-05

A Road Slope Recognition Method Based on Longitudinal Acceleration*

Zeng Huabing

（ FAW-VW Co.， Ltd. Foshan branch.， Guangdong Foshan 528000 ）

Abstract： After analyzing longitudinal vehicle dynamics， a method which can detect a road slope and the load of vehicle is presented. First， it calculates two accelerations by real-time engine output torque and speed of vehicle. One of accelerations is calculated in case of that we assume the road is pure level. The other one is real acceleration of vehicle. Then， this method calculates road slope and load of vehicle by derived formula of longitudinal vehicle dynamics. The simulation and the vehicle field test show that the method is based on existing vehicle sensors， it is low cost， simple and practical， it can identify a road slope and the load of vehicle accurately.

Keywords： Road slope recognition; Vehicle load; Longitudinal acceleration; Automatic transmission

CLC NO.： U467? Document Code： A? Article ID： 1671-7988（2020）13-114-05

前言

隨著車輛自動變速技術的發展完善，自動變速器在汽車上的應用日益廣泛。它不但減輕了駕駛員駕駛操作強度，還可有效提高整車動力性、燃油經濟性、乘車舒適性、行車安全性，并降低排放污染。通常自動變速系統以車速和油門開度作為換檔控制參數，如不考慮道路環境信息，容易出現如循環換檔、意外換檔等現象。另外換檔是個動態過程，在不同載荷和道路條件下的換檔控制策略不盡相同。基于人車路環境的駕駛意圖、行車工況、路況等識別技術是現代意義智能化換檔控制的基礎，其應用對提高系統性能、保證換檔品質有著至關重要的作用。

本文主要針對坡道識別方法進行研究，以使自動變速系統對坡道工況有更好的適應性。坡道識別方法有多種：文獻[1]提出了基于加速度區間判斷的坡道識別方法。該方法通過比較車輛在坡道上行駛時用加速度傳感器測得的加速度數值與汽車縱向速度經差分后獲得的加速度數值之間的差異完成對不同坡道的識別;文獻[3]利用車輛發動機的實時輸出轉矩信號，通過理論計算精確求解坡度值;文獻[4]通過理論分析建立起車輛縱向加速度與道路坡度之間的對應關系，對比加速度數值識別坡道;文獻[5]提出車輛負荷度概念來綜合反映車輛所受外界阻力情況。

本文在理論分析基礎上，依據縱向動力學推導式，計算出道路坡度值。

1 坡道識別原理

1.1 縱向動力學分析

車輛在道路上行駛所受的驅動力與行駛阻力關系可表示為：

（1）

式中，Ft為驅動力;Ff為滾動阻力; Fi為坡道阻力;Fw為空氣阻力;Fj為加速阻力。由（1）式可知，驅動力完全用來克服這四種阻力。假定車輛在鋪裝良好的平坦路面空載直線行駛，道路坡度角為零，則（1）式變為：

（2）

即：

（3）

其中，Ttq表示發動機轉矩;ig表示變速器傳動比;i0表示主減速器傳動比;ηT表示傳動系機械效率;r表示輪胎滾動半徑;g表示重力加速度;f0表示滾動阻力系數;CD表示空氣阻力系數;A為迎風面積;v為車速;δ表示汽車旋轉質量換算系數;as表示車輛在平路行駛的加速度。

車輛在實際行駛工況中會有載荷變化（Δm），道路會有坡度變化（θ），將這兩個因素考慮進來，則（1）式變為：

（4）

其中，Δm表示車輛載荷變化量;θ表示實際行駛工況中道路坡度角;aa表示車輛實際行駛時的加速度。假定車輛在行駛工況中的任一時刻，則（3）式及（4）式中Ttq、ig、i0、r、v、δ、CD、A等參數完全一致，用（3）式減（4）式為：

（5）

考慮到θ比較小，cosθ ≈1，sinθ ≈tanθ = i （i為坡度值） ，則（5）式變為：

（6）

本文所研究的坡道識別方法針對乘用車，因此車輛載荷變化（Δm）不大，則可將（6）式中? ，則有：

（7）

由（7）式可知，通過車輛在平路上行駛的加速度as、車輛實際行駛的加速度aa可以求出道路坡度的非精確值。

在車輛實際行駛過程中，換檔系統不斷進行信號采樣、數據處理、控制量輸出等任務。根據（7）式換檔系統可以計算出道路坡度。但在一些特殊情況下會對坡道識別結果產生干擾。這些特殊情況包括：車輛發生制動、車輛在換檔過程中及車輛在起步過程中。車輛在實際行駛中隨著駕駛員制動行為的發生，產生制動力矩，最終反映在道路阻力上，此時計算出的道路坡度并不能真實反映實際情況。車輛在換檔過程中會有動力中斷，也會使計算結果與實際情況不符。同理車輛在起步的過程中，發動機輸出扭矩并未完全傳遞給變速器，此時的識別結果也是不準確的。因此，在對算法的實現中要考慮到這幾種特殊工況的影響。

2 坡道識別算法實現

2.1 坡道識別模塊概述

坡道識別模塊由硬件設備驅動層、CAN信息處理模塊、發動機扭矩濾波模塊、平路行駛的加速度計算模塊、車輛實際行駛時的加速度計算模塊、加速度濾波模塊、坡道計算模塊組成，具體結構如圖1所示。硬件設備驅動層驅動TCU（Transmission Control Unit）底層硬件電路，實現TCU的標準輸入/輸出功能。CAN信息處理模塊根據CAN應用層協議將從硬件設備驅動層讀出的數據幀解析成協議相關物理量。發動機扭矩濾波模塊對發動機扭矩信號進行實時濾波處理，濾波處理后的發動機扭矩輸入平路行駛加速度計算模塊。車輛實際行駛加速度計算模塊對CAN信息處理模塊解析的車速信號進行微分計算，由加速度濾波模塊對加速度進行濾波處理。坡道計算模塊最終計算出道路坡度。

2.2 車輛平路行駛的加速度計算

車輛平路行駛的加速度是假設車輛在鋪裝良好的平坦路面空載直線行駛，即不考慮坡道阻力情況下計算出的實時加速度。計算車輛平路行駛的加速度需要獲得發動機輸出扭矩，利用CAN通信采集的發動機扭矩信號有較好的實時性和準確性，實時發動機扭矩信號一般會有較大噪聲，不能直接在算法中使用，需要經過濾波處理，使發動機扭矩信號平滑后，才可用于計算。算法中選擇了一階低通濾波器對實時發動機扭矩做處理。車輛平路行駛加速度計算流程如圖2所示。首先通過CAN信息處理模塊獲得實時發動機扭矩，初步對發動機扭矩值進行有效性判斷，舍棄掉無效扭矩值。對有效實時發動機扭矩進行低通濾波處理，并根據當前檔位情況計算出車輛的驅動力。由車速信號及車輛相關參數計算滾動阻力和空氣阻力，最終獲得車輛平路行駛加速度。

2.3 車輛實際行駛的加速度計算

車輛實際行駛的加速度是車輛在實際行駛工況下的實時加速度，實際行駛工況下包括滾動阻力、空氣阻力、坡路阻力及加速阻力。車輛實際行駛的加速度通過對實時車速信號進行微分計算而獲得。在本算法中，采集實時車速信號的時間間隔為100ms，實時車速信號通過CAN信息處理模塊解析得到。計算獲得的車輛實際行駛加速度并不能直接提供給坡道計算模塊使用，要經過低通濾波模塊平滑處理。低通濾波對周期性干擾具有良好的抑制作用，適用于波動頻率較高的場合。該算法如下：

（8）

其中Xn表示本次采樣值;Yn-1表示上次濾波輸出值;a表示濾波系數;Yn表示本次濾波輸出值。從（8）式可以看出本次濾波輸出值Yn主要取決于上次濾波輸出值Yn-1，并由本次采樣值Xn對結果進行一定的修正。濾波系數a直接關系到濾波效果，a值越小，則濾波效果越好。濾波系數a要依據系統的要求選定。圖3是采用低通濾波算法對車輛實際行駛的加速度信號進行濾波前后情況對比。從圖中可見濾波之后的車輛實際行駛加速度較濾波前更加平滑，能夠滿足系統計算要求。

2.4 特殊工況的處理

通過所述車輛平路行駛加速度及車輛實際行駛加速度求解算法，可以計算出道路坡度。但在以下工況識別出的道路坡度與實際情況不符：車輛制動、車輛在換檔過程中及車輛在起步過程中。針對這幾種工況在算法中采取了一定的處理措施。首先要對這些特殊工況進行識別，如車輛制動工況可通過監控制動信號識別，車輛在換檔過程中及車輛在起步過程中工況可通過離合器位置傳感器信號識別。車輛制動及車輛在換檔過程中這兩種工況的處理方式類似。首先，判斷該工況是否出現，如該工況未出現，則繼續進行坡道識別;如相關工況出現，則停止識別，在工況出現時間段內使用前一階段的坡道識別結果。起步過程工況下，不進行道路坡度計算，使用上一階段保存的坡道識別結果。對特殊工況進行處理，保證了坡道識別有較好的準確度。

3 模型仿真及道路試驗結果分析

3.1 動力學模型仿真

針對本文所論述的坡道荷識別方法，利用MATLAB/ SIMULINK建立了機械式自動變速車輛的整車動力學模型，并在該模型上進行了算法的驗證。該模型原理如圖4所示。

模型共由8個子模塊組成：信號生成器模塊、發動機模塊、變速箱模塊、換檔控制邏輯模塊、車輛模塊、平路行駛的加速度計算模塊、坡道計算模塊、示波器模塊。設置信號生成器，模擬車輛行駛時的綜合工況（節氣門、道路坡度、整車質量）。發動機模塊根據當前節氣門開度和發動機轉速，查表獲得輸出扭矩。變速箱模塊根據發動機輸出扭矩和由換檔控制邏輯模塊決策的當前檔位，計算出車輛驅動力，分別輸出到車輛模塊以及平路行駛的加速度計算模塊。車輛模塊和平路行駛的加速度計算模塊求解出車輛實際行駛的加速度和平路行駛的加速度。坡度計算模塊計算出道路坡度值，最終由示波器顯示識別結果。

動力學模型中所用參數依據算法及道路試驗車輛參數選定。如表1所示為模型部分參數。

動力學模型模擬了節氣門開度值保持在50%，道路坡度值為8%工況下車輛的運行狀況，并用本文所述方法識別道路坡度。圖5為模擬工況下道路坡度識別結果曲線。如曲線所示，車輛在6s-7s之間經歷了1—2升檔過程。根據算法要求換擋過程中不進行坡道識別，保持前一階段識別結果。從圖中可以看出，在1檔、2檔范圍內，車輛平路行駛的加速度與車輛實際行駛的加速度值始終保持著一定的差別，最終識別出道路坡度值0.08。

該動力學模型仿真結果證明了基于縱向加速度的坡道識別方法在理論上是可行的。

3.2 道路試驗

為了進一步檢驗基于縱向加速度的坡道識別方法的實時辨識效果，進行了道路試驗。試驗道路為一長度為120m，包括上坡路段50m、平路路段20m、下坡路段50m的橋，其中坡道的坡度角為5°左右（坡度值約為0.1）。實驗中，車內僅乘坐駕駛員一人，并安放必要實驗監控設備。試驗車輛為一部A級轎車，發動機排量1.5L，裝配5檔機械式自動變速器。車輛空載質量為1125kg，駕駛員及監控設備總質量為75kg。道路試驗過程中，變速器采用自動變速模式，油門開度由駕駛員控制。

圖6為道路試驗的數據采集結果曲線。

從圖中可見，試驗車在道路試驗中未發生檔位變化，始終保持在1檔。從發動扭矩變化趨勢可以看出，上坡階段駕駛員踩下油門踏板，發動機扭矩迅速增加。到達平路階段時，駕駛員開始減小油門踏板，發動機扭矩呈現下降趨勢。車輛進入下坡階段，駕駛員完全松開油門踏板，發動機扭矩繼續下降，并呈現負值，下坡時發動機起到了輔助制動的作用。由加速度曲線可見，在上坡路段，車輛平路行駛的加速度遠大于車輛實際行駛的加速度。在平路路段，車輛平路行駛的加速度與車輛實際行駛的加速度相等，兩加速度曲線在該階段基本重合。在下坡路段，車輛平路行駛的加速度遠小于車輛實際行駛的加速度。

圖7為道路試驗坡道識別結果曲線。該曲線較準確地反映了試驗道路坡度情況。

動力學模型仿真及道路試驗結果表明，基于縱向加速度的坡道識別方法不僅理論上可行，而且在實時計算環境中，該方法能夠較準確地識別坡道。

4 結論

本文提出了一種基于縱向加速度的坡道識別方法。該方法利用車輛的實時發動機輸出扭矩、車速等信號，計算出車輛平路行駛的加速度及車輛實際行駛的加速度，并根據縱向動力學推導式識別道路坡度。動力學模型仿真及道路試驗結果表明，該方法具有低成本、簡單、實用的優點，為提高車輛自動變速系統辨識坡道能力提供了一種切實可行的解決方案。

參考文獻

[1] 金輝，李磊，李斌虎，等.基于加速度區間判斷的坡道識別方法[J].中國公路學報，2010，23（1）：122-126.

[2] 錢立軍.自動變速器控制的道路坡度計算方法研究[J].拖拉機與農用運輸車，2004，06：5-7.

[3] 王玉海，董瑞先，王松，等.基于SAE J1939協議的重型車輛坡道識別實時算法[J].汽車工程，2010，32（7）： 640-647.

[4] 金輝，葛安林，秦貴和，等.基于縱向動力學的坡道識別方法研究[J].

機械工程學報，2002，38（1）：79-82.

[5] 張泰，葛安林，郭立書，等.基于車輛負荷度的換擋規律研究[J].農業機械學報，2004，35（3）：9-12.

[6] 史俊武，魯統利，李小偉，等.自動變速車輛坡道行駛自適應換擋策略[J].農業機械學報，2011，42（4）：1-7.

[7] Hong S Bae1， Jihan Ryu， J Christian Gerdes. Road grade and vehicle parameter estimation for longitudinal control using GPS [C]∥IEEE Conference on Intelligent Transportation Systems， Proceedings， ITSC，2001，4： 166-171.

[8] 余志生.汽車理論[M].北京：機械工業出版社，2000.