基于車輛動力學模型的動態質量測試方法在非公路寬體車上的應用

任宏亮

西安主函數智能科技有限公司 陜西省西安市 712000

1 前言

隨著智能化信息化技術的日趨成熟，無人駕駛技術在各個行業得到應用，作為礦區運輸主力產品的非公路寬體自卸車由于其行駛環境封閉，作業任務單一逐漸的被許多無人駕駛科技公司作為首選落地的產品，非公路寬體自卸車作為運輸設備其無人駕駛的重要意義在于人工智能加持下優于人工駕駛的經濟性指標，非公路寬體自卸車的經濟性指標包括兩個方面，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及車輛動力學模型的基礎上運用現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，地面力學模型和車輛動力學模型都離不開車輛質量這個重要參數，車輛質量參數對于控制算法至關重要。

2 現有車輛質量獲取方法

目前獲取車輛質量的方法有離線和在線兩種，離線方法主要是通過傳統的地磅進行稱重；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根據杠桿原理獲取質量，此種方法由于貨箱裝載不均衡導致測量誤差較大，；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 基于車輛動力學模型的動態質量檢測算法

3.1 算法基本原理

本算法是要計算車輛的總質量，根據牛頓第二定律可得質量、力、加速度的關系如下所示：

F 為車輛受到的合力，M 為汽車總質量，a 為車輛加速度

根據汽車理論車輛動力及阻力分析可得知車輛所受合力如下所示：

其中：

m:車輛靜態質量 J:車輛總的轉動慣量

r:輪胎滾動半徑 R:輪胎測量半徑

T：驅動功率 i：變速箱傳動比

i：驅動橋傳動比 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：迎風面積 u：車速

根據以上可推導出動態質量計算公式：

3.2 基本參數獲取及過程量計算

本次測試采用同力重工出產的無人駕駛線控車輛TLI65，其基本參數如下表1：

表1

本次測試采用同力重工出產的無人駕駛線控車輛TLI65，其基本參數如表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）的轉動慣量幾乎可以忽略不記，車輛旋轉動態質量占整備質量的4.7%；

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

動力系統的內耗:發動機對外發出的驅動力沒有扣除發動機附件（風扇/發電機/油泵/打氣泵/機油泵/轉向泵/空調壓縮機等）消耗的功率，但是從發動機對外輸出的摩擦損耗數據可以看出是由發動機生廠商根據臺架上測試數據寫入的的幾個階梯固定值，和實際值有一定的誤差，所以發動機的內耗取空擋狀態下各轉速下的驅動力，由于沒有阻力所以驅動力基本上等于內部消耗的功率，這組曲線作為參數直接標定到計算當中去，發動機內耗曲線如圖1 所示：

圖1

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

3.3 測試平臺及軟硬件架構設計

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動機、變速箱及車輛運行的基本參數，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據完成實時在線車輛質量計算

計算平臺屬于常規的工控機，該工控機安裝了ubantu16.04 系統，動態質量計算系統程序運行在ubantu16.04 系統之上，計算的數據流及邏輯圖如圖3 所示：

圖3

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

圖4

4 測試結果及數據分析

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（海波875 米）到卸料區（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，從裝料區行駛至卸料區，全程測試5 次，記錄數據；

②在裝料區使用2.5 方的挖機裝料至滿載，使用地磅精確測量滿載質量，從裝料區行駛至卸料區，全程測試5 次，記錄數據；

③在裝料區使用2.5 方的挖機裝料至半載，使用地磅精確測量滿載質量，從裝料區行駛至卸料區，全程測試5 次，記錄數據；

4.2 測試數據分析

①空載測試數據分析及過程數據

表3 中測試結果取均方根的平均值，通過以上數據可得空載測試數據誤差在-1.5%～5.5%之間，根據圖1-5 數據可知由于起步階段阻力較大，所以計算數據波動較大，隨著測試數據的逐漸積累測試結果逐漸逼近實際數據，且隨著車輛行駛時間越長數據誤差越小，400 秒后數據已經進入±5%范圍內了。

表3

圖5

②滿載測試數據分析及過程數據

圖6

由表4 數據可得滿載測試數據誤差在-3.1%～4.8%,如圖1-6 數據可知滿載數據收斂比空載要快，由于發動機動力部分的輸出較大，路面阻力所占比例逐漸減小，所以數據在200 秒后的誤差已經在±5%范圍內了。

表4

表5

圖7

③半載測試數據分析及過程數據

由表1-5 數據可得半載測試數據誤差在-2.73%～4.59%,從如1-7 數據可知數據在200 秒后的誤差已經在±5%范圍內了。

5 結論

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

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