基于纵向加速度的坡道识别方法

曾华兵

摘 要：在动力学分析的基础上，提出一种基于纵向加速度的坡道识别方法。该方法利用实时发动机输出扭矩信号及实时车速信号根据动力学推导式计算道路坡度。模型仿真及道路试验结果表明，该方法无需增加额外传感器，具有低成本、简单、实用等特点，能够对坡道进行识别。

关键词：坡道识别;车辆载荷;纵向加速度;自动变速器

中图分类号：U467  文献标识码：A  文章编号：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

随着车辆自动变速技术的发展完善，自动变速器在汽车上的应用日益广泛。它不但减轻了驾驶员驾驶操作强度，还可有效提高整车动力性、燃油经济性、乘车舒适性、行车安全性，并降低排放污染。通常自动变速系统以车速和油门开度作为换档控制参数，如不考虑道路环境信息，容易出现如循环换档、意外换档等现象。另外换档是个动态过程，在不同载荷和道路条件下的换档控制策略不尽相同。基于人车路环境的驾驶意图、行车工况、路况等识别技术是现代意义智能化换档控制的基础，其应用对提高系统性能、保证换档品质有着至关重要的作用。

本文主要针对坡道识别方法进行研究，以使自动变速系统对坡道工况有更好的适应性。坡道识别方法有多种：文献[1]提出了基于加速度区间判断的坡道识别方法。该方法通过比较车辆在坡道上行驶时用加速度传感器测得的加速度数值与汽车纵向速度经差分后获得的加速度数值之间的差异完成对不同坡道的识别;文献[3]利用车辆发动机的实时输出转矩信号，通过理论计算精确求解坡度值;文献[4]通过理论分析建立起车辆纵向加速度与道路坡度之间的对应关系，对比加速度数值识别坡道;文献[5]提出车辆负荷度概念来综合反映车辆所受外界阻力情况。

本文在理论分析基础上，依据纵向动力学推导式，计算出道路坡度值。

1 坡道识别原理

1.1 纵向动力学分析

车辆在道路上行驶所受的驱动力与行驶阻力关系可表示为：

（1）

式中，Ft为驱动力;Ff为滚动阻力; Fi为坡道阻力;Fw为空气阻力;Fj为加速阻力。由（1）式可知，驱动力完全用来克服这四种阻力。假定车辆在铺装良好的平坦路面空载直线行驶，道路坡度角为零，则（1）式变为：

（2）

即：

（3）

其中，Ttq表示发动机转矩;ig表示变速器传动比;i0表示主减速器传动比;ηT表示传动系机械效率;r表示轮胎滚动半径;g表示重力加速度;f0表示滚动阻力系数;CD表示空气阻力系数;A为迎风面积;v为车速;δ表示汽车旋转质量换算系数;as表示车辆在平路行驶的加速度。

车辆在实际行驶工况中会有载荷变化（Δm），道路会有坡度变化（θ），将这两个因素考虑进来，则（1）式变为：

（4）

其中，Δm表示车辆载荷变化量;θ表示实际行驶工况中道路坡度角;aa表示车辆实际行驶时的加速度。假定车辆在行驶工况中的任一时刻，则（3）式及（4）式中Ttq、ig、i0、r、v、δ、CD、A等参数完全一致，用（3）式減（4）式为：

（5）

考虑到θ比较小，cosθ ≈1，sinθ ≈tanθ = i （i为坡度值） ，则（5）式变为：

（6）

本文所研究的坡道识别方法针对乘用车，因此车辆载荷变化（Δm）不大，则可将（6）式中  ，则有：

（7）

由（7）式可知，通过车辆在平路上行驶的加速度as、车辆实际行驶的加速度aa可以求出道路坡度的非精确值。

在车辆实际行驶过程中，换档系统不断进行信号采样、数据处理、控制量输出等任务。根据（7）式换档系统可以计算出道路坡度。但在一些特殊情况下会对坡道识别结果产生干扰。这些特殊情况包括：车辆发生制动、车辆在换档过程中及车辆在起步过程中。车辆在实际行驶中随着驾驶员制动行为的发生，产生制动力矩，最终反映在道路阻力上，此时计算出的道路坡度并不能真实反映实际情况。车辆在换档过程中会有动力中断，也会使计算结果与实际情况不符。同理车辆在起步的过程中，发动机输出扭矩并未完全传递给变速器，此时的识别结果也是不准确的。因此，在对算法的实现中要考虑到这几种特殊工况的影响。

2 坡道识别算法实现

2.1 坡道识别模块概述

坡道识别模块由硬件设备驱动层、CAN信息处理模块、发动机扭矩滤波模块、平路行驶的加速度计算模块、车辆实际行驶时的加速度计算模块、加速度滤波模块、坡道计算模块组成，具体结构如图1所示。硬件设备驱动层驱动TCU（Transmission Control Unit）底层硬件电路，实现TCU的标准输入/输出功能。CAN信息处理模块根据CAN应用层协议将从硬件设备驱动层读出的数据帧解析成协议相关物理量。发动机扭矩滤波模块对发动机扭矩信号进行实时滤波处理，滤波处理后的发动机扭矩输入平路行驶加速度计算模块。车辆实际行驶加速度计算模块对CAN信息处理模块解析的车速信号进行微分计算，由加速度滤波模块对加速度进行滤波处理。坡道计算模块最终计算出道路坡度。

2.2 车辆平路行驶的加速度计算

车辆平路行驶的加速度是假设车辆在铺装良好的平坦路面空载直线行驶，即不考虑坡道阻力情况下计算出的实时加速度。计算车辆平路行驶的加速度需要获得发动机输出扭矩，利用CAN通信采集的发动机扭矩信号有较好的实时性和准确性，实时发动机扭矩信号一般会有较大噪声，不能直接在算法中使用，需要经过滤波处理，使发动机扭矩信号平滑后，才可用于计算。算法中选择了一阶低通滤波器对实时发动机扭矩做处理。车辆平路行驶加速度计算流程如图2所示。首先通过CAN信息处理模块获得实时发动机扭矩，初步对发动机扭矩值进行有效性判断，舍弃掉无效扭矩值。对有效实时发动机扭矩进行低通滤波处理，并根据当前档位情况计算出车辆的驱动力。由车速信号及车辆相关参数计算滚动阻力和空气阻力，最终获得车辆平路行驶加速度。

2.3 车辆实际行驶的加速度计算

车辆实际行驶的加速度是车辆在实际行驶工况下的实时加速度，实际行驶工况下包括滚动阻力、空气阻力、坡路阻力及加速阻力。车辆实际行驶的加速度通过对实时车速信号进行微分计算而获得。在本算法中，采集实时车速信号的时间间隔为100ms，实时车速信号通过CAN信息处理模块解析得到。计算获得的车辆实际行驶加速度并不能直接提供给坡道计算模块使用，要经过低通滤波模块平滑处理。低通滤波对周期性干扰具有良好的抑制作用，适用于波动频率较高的场合。该算法如下：

（8）

其中Xn表示本次采样值;Yn-1表示上次滤波输出值;a表示滤波系数;Yn表示本次滤波输出值。从（8）式可以看出本次滤波输出值Yn主要取决于上次滤波输出值Yn-1，并由本次采样值Xn对结果进行一定的修正。滤波系数a直接关系到滤波效果，a值越小，则滤波效果越好。滤波系数a要依据系统的要求选定。图3是采用低通滤波算法对车辆实际行驶的加速度信号进行滤波前后情况对比。从图中可见滤波之后的车辆实际行驶加速度较滤波前更加平滑，能够满足系统计算要求。

2.4 特殊工况的处理

通过所述车辆平路行驶加速度及车辆实际行驶加速度求解算法，可以计算出道路坡度。但在以下工况识别出的道路坡度与实际情况不符：车辆制动、车辆在换档过程中及车辆在起步过程中。针对这几种工况在算法中采取了一定的处理措施。首先要对这些特殊工况进行识别，如车辆制动工况可通过监控制动信号识别，车辆在换档过程中及车辆在起步过程中工况可通过离合器位置传感器信号识别。车辆制动及车辆在换档过程中这两种工况的处理方式类似。首先，判断该工况是否出现，如该工况未出现，则继续进行坡道识别;如相关工况出现，则停止识别，在工况出现时间段内使用前一阶段的坡道识别结果。起步过程工况下，不进行道路坡度计算，使用上一阶段保存的坡道识别结果。对特殊工况进行处理，保证了坡道识别有较好的准确度。

3 模型仿真及道路试验结果分析

3.1 动力学模型仿真

针对本文所论述的坡道荷识别方法，利用MATLAB/ SIMULINK建立了機械式自动变速车辆的整车动力学模型，并在该模型上进行了算法的验证。该模型原理如图4所示。

模型共由8个子模块组成：信号生成器模块、发动机模块、变速箱模块、换档控制逻辑模块、车辆模块、平路行驶的加速度计算模块、坡道计算模块、示波器模块。设置信号生成器，模拟车辆行驶时的综合工况（节气门、道路坡度、整车质量）。发动机模块根据当前节气门开度和发动机转速，查表获得输出扭矩。变速箱模块根据发动机输出扭矩和由换档控制逻辑模块决策的当前档位，计算出车辆驱动力，分别输出到车辆模块以及平路行驶的加速度计算模块。车辆模块和平路行驶的加速度计算模块求解出车辆实际行驶的加速度和平路行驶的加速度。坡度计算模块计算出道路坡度值，最终由示波器显示识别结果。

动力学模型中所用参数依据算法及道路试验车辆参数选定。如表1所示为模型部分参数。

动力学模型模拟了节气门开度值保持在50%，道路坡度值为8%工况下车辆的运行状况，并用本文所述方法识别道路坡度。图5为模拟工况下道路坡度识别结果曲线。如曲线所示，车辆在6s-7s之间经历了1—2升档过程。根据算法要求换挡过程中不进行坡道识别，保持前一阶段识别结果。从图中可以看出，在1档、2档范围内，车辆平路行驶的加速度与车辆实际行驶的加速度值始终保持着一定的差别，最终识别出道路坡度值0.08。

该动力学模型仿真结果证明了基于纵向加速度的坡道识别方法在理论上是可行的。

3.2 道路试验

为了进一步检验基于纵向加速度的坡道识别方法的实时辨识效果，进行了道路试验。试验道路为一长度为120m，包括上坡路段50m、平路路段20m、下坡路段50m的桥，其中坡道的坡度角为5°左右（坡度值约为0.1）。实验中，车内仅乘坐驾驶员一人，并安放必要实验监控设备。试验车辆为一部A级轿车，发动机排量1.5L，裝配5档机械式自动变速器。车辆空载质量为1125kg，驾驶员及监控设备总质量为75kg。道路试验过程中，变速器采用自动变速模式，油门开度由驾驶员控制。

图6为道路试验的数据采集结果曲线。

从图中可见，试验车在道路试验中未发生档位变化，始终保持在1档。从发动扭矩变化趋势可以看出，上坡阶段驾驶员踩下油门踏板，发动机扭矩迅速增加。到达平路阶段时，驾驶员开始减小油门踏板，发动机扭矩呈现下降趋势。车辆进入下坡阶段，驾驶员完全松开油门踏板，发动机扭矩继续下降，并呈现负值，下坡时发动机起到了辅助制动的作用。由加速度曲线可见，在上坡路段，车辆平路行驶的加速度远大于车辆实际行驶的加速度。在平路路段，车辆平路行驶的加速度与车辆实际行驶的加速度相等，两加速度曲线在该阶段基本重合。在下坡路段，车辆平路行驶的加速度远小于车辆实际行驶的加速度。

图7为道路试验坡道识别结果曲线。该曲线较准确地反映了试验道路坡度情况。

动力学模型仿真及道路试验结果表明，基于纵向加速度的坡道识别方法不仅理论上可行，而且在实时计算环境中，该方法能够较准确地识别坡道。

4 结论

本文提出了一种基于纵向加速度的坡道识别方法。该方法利用车辆的实时发动机输出扭矩、车速等信号，计算出车辆平路行驶的加速度及车辆实际行驶的加速度，并根据纵向动力学推导式识别道路坡度。动力学模型仿真及道路试验结果表明，该方法具有低成本、简单、实用的优点，为提高车辆自动变速系统辨识坡道能力提供了一种切实可行的解决方案。

参考文献

[1] 金辉，李磊，李斌虎，等.基于加速度区间判断的坡道识别方法[J].中国公路学报，2010，23（1）：122-126.

[2] 钱立军.自动变速器控制的道路坡度计算方法研究[J].拖拉机与农用运输车，2004，06：5-7.

[3] 王玉海，董瑞先，王松，等.基于SAE J1939协议的重型车辆坡道识别实时算法[J].汽车工程，2010，32（7）： 640-647.

[4] 金辉，葛安林，秦贵和，等.基于纵向动力学的坡道识别方法研究[J].

机械工程学报，2002，38（1）：79-82.

[5] 张泰，葛安林，郭立书，等.基于车辆负荷度的换挡规律研究[J].农业机械学报，2004，35（3）：9-12.

[6] 史俊武，鲁统利，李小伟，等.自动变速车辆坡道行驶自适应换挡策略[J].农业机械学报，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.汽车理论[M].北京：机械工业出版社，2000.