本發(fā)明屬于輛動力學模型和運動學模型的交互多模型融合領域，特別是一種基于多源信息融合的動態(tài)坡度估計方法。

背景技術：

1、隨著汽車行業(yè)的電氣化和智能技術的進步，大規(guī)模生產(chǎn)的汽車中普遍采用主動安全系統(tǒng)的趨勢日益明顯。多種控制系統(tǒng)的整合己被證明能夠有效降低成本。雖然這些單獨的控制系統(tǒng)專門設計用于在平坦路面上行駛，但道路坡度作為一個關鍵的外部變量，直接影響著關鍵駕駛參數(shù)的估計。因此，準確估計道路坡度成為全面控制的一個關鍵要素，對提高整體系統(tǒng)性能起著至關重要的作用。

2、當前的坡度估計算法主要聚焦于研究縱向和橫向道路坡度的估計。所采用的估計方法可以大致分為兩類：直接方法，使用車載傳感器數(shù)據(jù)直接估計；間接方法，依賴于車輛模型進行估計。

3、直接方法主要涉及使用gps數(shù)據(jù)和慣性測量單元獲得的信息直接估計道路坡度。雖然直接方法嚴重依賴于測量數(shù)據(jù)，并且不受車輛參數(shù)或路況的影響，但其對gps信號有較高的外部環(huán)境要求。此外，imu信號中的坡度信息與車輛自身側傾信息存在耦合。因此，坡度估計結果的準確性容易受到車輛行駛條件的變化和傳感器精度的影響。

4、間接方法主要依賴于車輛動力學進行估計。通過建立不同工況下的車輛模型，通過多傳感器信息融合濾波算法獲得準確的坡度估計。這些方法具有較低的傳感器依賴性，通過車輛動力學模型和車輛can總線獲取必要的數(shù)據(jù)。然而，需要注意的是，為確保它們的估計有效性，車輛必須具有一定水平的加速度，當加速度較低時會產(chǎn)生較大的誤差。

5、然而，需要強調的是，前述道路坡度估計方法存在特定條件下的局限性。目前的坡度估計主要聚焦于縱向、側向等單一方向的估算，在面對多方向復雜工況時，缺乏更為普適的坡度估計模型。

技術實現(xiàn)思路

1、本發(fā)明的目的在于提供一種基于多源信息融合的動態(tài)坡度估計方法，解決目前坡度估計集中在縱向或側向單一方向的問題，以實現(xiàn)更為普適動態(tài)坡度估計。

2、實現(xiàn)本發(fā)明目的的技術解決方案為：

3、一種基于多源信息融合的動態(tài)坡度估計方法，包括:

4、步驟1、建立車輛在斜坡上運動的車輛動力學模型及車輛運動學模型；

5、步驟2、建立車輛-道路側傾動力學模型；

6、步驟3、基于車輛動力學模型和車輛-道路側傾動力學模型構建無跡卡爾曼估計模型，并基于車輛運動學模型和車輛-道路側傾動力學模型構建無跡卡爾曼估計模型，利用無跡卡爾曼濾波算法分別得到單一無跡卡爾曼估計模型的道路坡度估計值；

7、步驟4、根據(jù)兩個單一無跡卡爾曼估計模型的道路坡度估計值，基于交互多模型濾波算法，將兩個無跡卡爾曼濾波估計模型進行融合，輸出最終的道路坡度估計值。

8、本發(fā)明與現(xiàn)有技術相比，其顯著優(yōu)點是：

9、(1)本發(fā)明所闡述的一種基于多源信息融合的動態(tài)坡度估計方法，解決了目前坡度估計集中在縱向或側向單一方向的問題，實現(xiàn)了在坡度上沿任意方向前進的動態(tài)坡度估計。

10、(2)本發(fā)明所闡述的一種基于多源信息融合的動態(tài)坡度估計方法，建立了坡度上的車輛動力學模型、車輛運動學模型和車輛-道路運動學模型，根據(jù)慣性傳感器所測加速度信息，解耦車輛側傾角與道路坡度，減小了計算量，提高了準確性。

11、(3)本發(fā)明所闡述的一種基于多源信息融合的動態(tài)坡度估計方法，利用交互多模型融合算法，融合兩類模型坡度信息得到最終道路坡度估計值，作為最終的道路坡度輸出。提高了估計方法的精度。

技術特征：

1.一種基于多源信息融合的動態(tài)坡度估計方法，其特征在于，包括:

2.根據(jù)權利要求1所述的基于多源信息融合的動態(tài)坡度估計方法，其特征在于，建立車輛在斜坡上運動的動力學模型為：

3.根據(jù)權利要求1所述的基于多源信息融合的動態(tài)坡度估計方法，其特征在于，車輛運動學模型為：

4.根據(jù)權利要求1所述的基于多源信息融合的動態(tài)坡度估計方法，其特征在于，建立車輛-道路側傾動力學模型為：

5.根據(jù)權利要求1所述的基于多源信息融合的動態(tài)坡度估計方法，其特征在于，基于車輛動力學模型和車輛-道路側傾動力學模型構建無跡卡爾曼估計模型為：

6.根據(jù)權利要求1所述的基于多源信息融合的動態(tài)坡度估計方法，其特征在于，基于車輛運動學模型和車輛-道路側傾動力學模型構建無跡卡爾曼估計模型為：

7.根據(jù)權利要求1所述的基于多源信息融合的動態(tài)坡度估計方法，其特征在于，步驟4具體包括：

技術總結
本發(fā)明公開了一種基于多源信息融合的動態(tài)坡度估計方法，適用于分布式驅動電動汽車等多種車輛，包括：建立車輛關于道路坡度的運動學模型和動力學模型；建立車輛?道路側傾動力學模型，解耦車輛側傾與道路坡度角的疊加；建立基于運動學模型和基于動力學模型的坡度估計器；利用交互多模型算法，將坡度估計器的結果進行融合，并輸出道路坡度估計值。本發(fā)明提供的動態(tài)坡度估計方法，克服了當前單一坡度估計方法的局限性，當車輛動態(tài)運動時，能夠實時提供更準確的道路坡度信息，從而提高了道路坡度估計的準確性。

技術研發(fā)人員：殷德軍,朱一斐,宗玉華
受保護的技術使用者：南京理工大學
技術研發(fā)日：
技術公布日：2024/12/10