融合整车质量估计的电动汽车坡道识别

摘要

针对现有坡道识别算法工况适应性差，无法满足量产车应用要求等问题，提出了一种融合整车质量估计的电动汽车坡道识别方法。建立了车辆纵向动力学模型，分析了加速度传感器在实际车载条件下的信号特征。构建了带遗忘因子的最小二乘整车质量估计策略，实现了在起步工况下直接获取整车质量。针对静态驻车和动态行车两种驾驶场景分别设计了坡道识别算法，静态场景下采用滤波锁存策略应对车内活动等干扰因素，动态场景下设计了基于量测噪声自适应的Kalman滤波算法，实现了针对坡道的动力学观测和运动学观测的融合估计。通过Simulink-Carsim联合仿真验证了该方法的有效性。最后，在奇瑞新能源的量产纯电动汽车平台和域控制器上完成了实车测试，道路实验结果表明：该方法得到的整车质量估计误差在±10 kg以内，坡道静态误差小于0.001 rad，动态误差在0.005 rad以内，估计准确性和稳定性大幅提升，有效保障了电动汽车智能驾驶功能的环境适应性。

关键词

电动汽车 / 坡道识别 / 质量估计 / 自适应滤波