一种车辆重量估计方法、装置、车辆及储存介质与流程

1.本发明属于检测要统计或要控制的交通运动技术领域，具体涉及一种车辆重量估计方法、装置、车辆及储存介质。


背景技术：

2.当今社会，车辆的严重超重，一直是道路交通安全的一个顽症，随着经济活动范围的不断扩大，公路运输车辆超重问题日益严重，早已成为影响公路正常使用和运营的恶劣因素。车辆超重运输的危害极大，超重造成限重路段发生坍塌、损毁事故，不仅严重破坏公路路面及桥梁设施，造成交通规费的大量流失，而且极易引发道路交通事故，危害人民群众的生命安全。
3.申请号为cn202210194763.9的中国专利商用车载重状态的估计方法、设备和存储介质，提供一种商用车载重状态的估计方法、设备和存储介质，方法包括：在商用车的车机系统上电后间隔设定时常进行载重估计，得到多个当前载重估值；如果存在第一历史运行周期内的第一组历史载重估值且所述第一历史运行周期的载重状态未知，计算所述当前载重估计与所述第一组历史载重估计的统计特征值的大小关系；如果所述当前载重估值比所述统计特征值大且满足预设的阈值条件，确定当前载重状态为满载，所述第一历史运行周期的载重状态为空载；如果所述当前载重估值比所述统计特征值小且满足预设的阈值条件，确定当前载重状态为空载，所述第一历史运行周期的载重状态为满载，以准确评估商用车载重状态。此专利技术存在的问题：i)求解载重仅应用汽车纵向动力学方程简单求解，此方法求解得到的载重波动较大，无法真实反映车辆载重状态；ii)评估得到的载重状态仅分为空载或满载，无法体现超重程度等信息。
4.cn202010088609.4涉及载重估计方法及装置，以在不布置载重传感器的情况下获取载重质量。该方法包括：获取车辆行驶数据；对行驶数据按照时间顺序排序；确定车辆静态参数的参数值；车辆静态参数包括：车辆车轮的空载行驶半径、满足行驶半径和发动机基础负载功率；使用车辆静态参数和排序后的车辆行驶数据，确定阻力动态参数在不同时刻所对用的参数值；根据动力学方程式、静态参数和阻力动态参数的参数值，建立表征车辆重量和车辆驱动力、阻力之间关系的方程；其中，在方程中，车辆重量为待求解的未知量；使用车辆静态参数的参数值以及阻力动态参数在不同时刻的参数值，对方程进行求解计算，得到车辆重量的解值；计算车辆重量与空载车重的差值得到载重重量。此专利技术存在的问题：使用最小二乘法求解整车质量时，为准确拟合出车辆重量，需存储大量的车辆行驶数据，对车载控制器的内存消耗较大。
5.现有技术cn202021051431.8公开了一种货车超载监控装置，包括固定架，所述固定架顶部的两端皆设置有限位板，所述固定架的顶部设置有底板，所述固定架的底部设置有固定板，所述连接杆靠近所述固定板的一端设置有卡槽，所述固定板内部的顶端设置有多组安装槽，所述安装槽的内部设置有压力传感器，所述固定板底部的两侧皆设置有蜂鸣器。本发明通过固定架对压力传感器使一个向下的压力，压力传感器将压力信号转化为数
字信号，通过a/d转换器将数字信号转化为电信号，并传输至控制电脑，通过控制电脑对蜂鸣器进行控制，蜂鸣器通电发出警报，实现超载提醒。货车的载重测量需要安装多个传感器，增加了车辆制造成本和后期维护成本。


技术实现要素：

6.本发明的目的是：旨在提供一种车辆重量估计方法、装置、车辆及储存介质，用来解决现有车辆安装多个传感器导致的车辆制造成本和后期维护成本增加、且计算占用大量车载控制器内存的问题。
7.为实现上述技术目的，本发明采用的技术方案如下：
8.第一方面，本技术提供一种车辆质量估算方法，所述方法包括以下步骤：
9.s1：获取车辆的静态参数和动态数据；
10.s2：基于扩展式卡尔曼滤波对所述静态参数和动态数据进行计算，输出车辆的估计重量；
11.s3：基于所述估计重量和预设约束值，判断车辆是否超重并输出提醒信息。
12.结合第一方面，在一些可选的实施方式中，所述静态参数为预设固定值，所述静态参数至少包括：车辆轮胎动态半径、车辆迎风面积、空气密度、空气阻力系数、车辆挡位的动力传动效率和路面滚动摩擦系数；所述动态数据通过车辆can网络实时获取，实时动态数据至少包括：发动机扭矩、发动机转速、车辆速度、重力加速度计在车辆行驶方向上的加速度分量。
13.结合第一方面，在一些可选的实施方式中，在基于扩展式卡尔曼滤波对所述静态参数和动态数据进行计算时，基于车辆在坡道上行驶的纵向加速度获取所述坡道的坡道角度值，并基于过程噪音协方差矩阵描述处理过程中产生的不确定性。
14.结合第一方面，在一些可选的实施方式中，在输出车辆的估计重量之前，对所述静态参数、所述动态数据和所述计算进行预判断，仅当所述预判断不通过时，输出车辆的估计重量为假，否则，则输出车辆的估计重量为真。
15.结合第一方面，在一些可选的实施方式中，所述预判断不通过在于，车辆速度低于速度阈值、或车辆挡位为空挡或驻车档、或开始基于扩展式卡尔曼滤波对所述静态参数和动态数据进行计算的持续计算过程不超过时间阈值。
16.结合第一方面，在一些可选的实施方式中，所述步骤还包括：当判断车辆是否超重结果为是时：
17.基于所述估计重量和预设约束值计算车辆超载比例，基于所述车辆超载比例的数值分级地输出匹配的提醒信息。
18.第二方面，本技术提供一种车辆重量估计装置，所述装置包括依次电连接的车辆行驶数据获取单元、车辆重量估计单元和车辆超重提醒单元，其中，
19.车辆行驶数据获取单元，获取车辆的静态参数和动态数据；
20.车辆重量估计单元，基于扩展式卡尔曼滤波对所述静态参数和动态数据进行计算，输出车辆的估计重量；
21.车辆超重提醒单元，基于所述估计重量和预设约束值，判断车辆是否超重并输出提醒信息。
22.第三方面，本技术提供一种车辆，所述车辆包括车辆本体如上所述的车辆重量估计装置，所述车辆重量估计装置设置在所述车辆本体上。
23.第四方面，本技术提供一种计算机储存介质，所述计算机储存介质内储存有计算机程序，当所述计算机程序在计算机上运行时，执行如上所述的方法。
24.采用上述技术方案的发明，具有如下优点：
25.1、实现在不布置载重传感器的情况下以较小的算力要求获取车辆载重；
26.2、基于扩展式卡尔曼滤波的重量估计，其主要通过使用车辆纵向动力学方程结合扩展式卡尔曼滤波方法进行车辆的重量估计，滤波估计过程中以自车速度、自车重量、道路坡度值为状态变量，以自车速度为观测量，进行状态估计；
27.3、基于重量估计的车辆超重提醒，根据中国道路交通法设定不同的告警等级，并根据告警等级向仪表发出不同的提醒方法，达到提示驾驶员注意行车安全的目的。
附图说明
28.本发明可以通过附图给出的非限定性实施例进一步说明；
29.图1为本技术实施例中车辆质量估算方法的流程示意图；
30.图2为本技术实施例中坡道行驶纵向加速度分析图；
31.图3为本技术实施例中预处理实施流程；
32.图4为本技术实施例中车辆超重提醒判断方法；
33.图5为本技术实施例电子元件连接示意图。
34.主要元件符号说明如下：
35.11：车辆行驶数据获取单元；12：车辆重量估计单元；13：车辆超重提醒单元。
具体实施方式
36.以下将结合附图和具体实施例对本发明进行详细说明，需要说明的是，在附图或说明书描述中，相似或相同的部分都使用相同的图号，附图中未绘示或描述的实现方式，为所属技术领域中普通技术人员所知的形式。另外，实施例中提到的方向用语，例如“上”、“下”、“顶”、“底”、“左”、“右”、“前”、“后”等，仅是参考附图的方向，并非用来限制本发明的保护范围。
37.结合附图1，本技术实施例提供一种车辆重量估算方法，方法包括以下步骤：
38.s1：获取车辆的静态参数和动态数据；
39.s2：基于扩展式卡尔曼滤波对所述静态参数和动态数据进行计算，输出车辆的估计重量；
40.s3：基于所述估计重量和预设约束值，判断车辆是否超重并输出提醒信息。
41.在步骤s1中，获取车辆的静态参数和动态数据。其静态参数通过固定值的形式写入到算法程序中，动态数据通过整车can网络实时获取。
42.静态参数包括：
43.1)车辆轮胎动态半径r；
44.2)车辆迎风面积a；
45.3)空气密度ρ；
46.4)空气阻力系数cd；
47.5)各档位的动力传动效率η；
48.6)路面滚动摩擦系数f。
49.动态数据包括：
50.1)发动机扭矩t；
51.2)发动机转速n；
52.3)车辆速度v；
53.4)重力加速度计在车辆行驶方向的加速度分量g
ax
。
54.在获得以上静态参数和动态数据后，将数据传入步骤s2中，进行车辆的重量估计。
55.在步骤s2中，基于扩展式卡尔曼滤波对所述静态参数和动态数据进行计算，输出车辆的估计重量。根据车辆纵向动力学方程：
[0056][0057]
为车辆轮端驱动力，
[0058]ff
＝mgfcosθ,为车辆滚动阻力，
[0059]
为车辆空气阻力，
[0060]fs
＝mgsinθ,为车辆坡道阻力。
[0061]
式中，m为车辆重量，a为车辆纵向加速度，v为车辆纵向速度，为车辆纵向速度变化率，t为发动机输出至变速箱端的实际扭矩，n为发动机转速，r为车辆轮胎动态半径,化率，t为发动机输出至变速箱端的实际扭矩，n为发动机转速，r为车辆轮胎动态半径,为传动系的总速比，η为传动效率系数，g为重力加速度常量，f为路面滚动摩擦系数，θ为坡道角度值，cd为空气阻力系数，a为车辆迎风面积，ρ为空气密度。其中，坡道角度值θ为未知量。
[0062]
可得
[0063][0064]
为使用车辆纵向动力学方程，此处须求得坡道角度值θ。此值可通过车辆在坡道上行驶的纵向加速度分析求得，车辆位于坡道上的示意图如图2所示。在坡道上，重力加速度计测得的纵向加速度为重力加速度在车辆行驶方向的分量加上车辆的真实纵向加速度，即g
ax
＝g
x
+a，其中g
x
＝gsinθ为重力加速度在车辆行驶方向的分量,a为车辆的真实纵向加速度。根据此加速度关系，可得到坡道角度值为：
[0065][0066]
本发明中使用扩展式卡尔曼滤波进行车辆的重量估计，需建立系统的状态空间模型，选定自车速度v、自车重量m、道路坡度值θ为状态变量，以自车速度v为观测量，则整个系统的状态向量可表示为：
[0067][0068]
由于车辆重量在计算周期里可看作常量，公路路线设计规范里道路坡道值变化较缓慢，因此两者对时间的导数可近似为0。从而，系统的状态空间模型可写作为：
[0069][0070]
扩展式卡尔曼滤波算法是基于离散状态空间的，此处对状态空间模型进行离散化：
[0071][0072]
可简记为：
[0073]
系统的测量方程为：
[0074][0075]
考虑每一步预测时系统必然存在的预测过程噪音，用过程噪音协方差矩阵描述产生的不确定性，因此扩展式卡尔曼滤波状态预测方程可表示为：
[0076][0077]
其中，表示状态变量的先验估计，表示上一时刻状态变量的后验估计，表示先验估计的误差协方差，jf表示状态向量函数f对状态变量的雅可比矩阵，p
k-1
表示上一时刻后验估计的误差协方差，qk表示过程噪音协方差。
[0078]
系统的状态更新方程为：
[0079][0080][0081][0082]
其中，kk表示卡尔曼增益，rk表示测量噪音协方差，表示状态变量的后验估计，pk表示后验估计的误差协方差。
[0083]
根据公式(7)-(11)，不断滚动滤波估计，即可得到车辆预估重量。
[0084]
如图3，在输出车辆的估计重量之前，对所述静态参数、所述动态数据和所述计算进行预判断，仅当所述预判断不通过时，输出车辆的估计重量为假，否则，则输出车辆的估计重量为真。具体地，结合车辆纵向动力学方程的扩展式卡尔曼滤波，在应用时受部分自车
system，os)中的软件功能模块。车辆重量估计单元12用于执行储存模块中储存的可执行模块，例如车辆质量估算装置所包括的软件功能模块及计算机程序模块等。
[0100]
如图5，装置包括依次通讯连接的车辆行驶数据获取单元11、车辆重量估计单元12和车辆超重提醒单元13，各单元具有的功能可以如下：
[0101]
车辆行驶数据获取单元11，获取车辆的静态参数和动态数据；
[0102]
车辆重量估计单元12，基于扩展式卡尔曼滤波对所述静态参数和动态数据进行计算，输出车辆的估计重量；
[0103]
车辆超重提醒单元13，基于所述估计重量和预设约束值，判断车辆是否超重并输出提醒信息。
[0104]
在本实施例中，存储模块可以是，但不限于，随机存取存储器，只读存储器，可编程只读存储器，可擦除可编程只读存储器，电可擦除可编程只读存储器等。在本实施例中，存储模块可以用于储存计算单元的计算参数等。当然，存储模块还可以用于存储程序，车辆重量估计单元12在接收到执行指令后，执行该程序。
[0105]
可以理解的是，图5中所示的车辆重量估算装置仅为一种结构示意图，车辆重量估算识别装置还可以包括比图1所示更多的组件。例如采集车辆发动机转速、扭矩等的传感器和输出提醒信息用的仪表盘等。图1中所示的各组件可以采用硬件、软件或其组合实现。
[0106]
本技术实施例提供一种车辆。所述车辆包括车辆本体如上所述的车辆重量估计装置，所述车辆重量估计装置设置在所述车辆本体上。
[0107]
本技术实施例还提供一种计算机可读存储介质。计算机可读存储介质中存储有计算机程序，当计算机程序在计算机上运行时，使得计算机执行如上述实施例中所述的车辆重量估算方法。
[0108]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本技术可以通过硬件实现，也可以借助软件加必要的通用硬件平台的方式来实现，基于这样的理解，本技术的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是cd-rom，u盘，移动硬盘等)中，包括若干指令用以使得一台计算机设备(可以是个人计算机，电子设备，或者网络设备等)执行本技术各个实施场景所述的方法。
[0109]
综上所述，本技术实施例提供一种车辆重量估计方法、装置、车辆及储存介质。本发明实现在不布置载重传感器的情况下以较小的算力要求获取车辆载重。其次，基于扩展式卡尔曼滤波的重量估计，其主要通过使用车辆纵向动力学方程结合扩展式卡尔曼滤波方法进行车辆的重量估计，滤波估计过程中以自车速度、自车重量、道路坡度值为状态变量，以自车速度为观测量，进行状态估计。进一步地，本发明基于重量估计的车辆超重提醒，根据中国道路交通法设定不同的告警等级，并根据告警等级向仪表发出不同的提醒方法，达到提示驾驶员注意行车安全的目的。
[0110]
在本技术所提供的实施例中，应该理解到，所揭露的装置、系统和方法，也可以通过其它的方式实现。以上所描述的装置、系统和方法实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本技术的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流
程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。另外，在本技术各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
[0111]
以上对本发明提供的一种车辆重量估计方法、装置、车辆及储存介质进行了详细介绍。具体实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。

技术特征：
1.一种车辆重量估计方法，其特征在于，所述方法包括以下步骤：s1：获取车辆的静态参数和动态数据；s2：基于扩展式卡尔曼滤波对所述静态参数和动态数据进行计算，输出车辆的估计重量；s3：基于所述估计重量和预设约束值，判断车辆是否超重并输出提醒信息。2.根据权利要求1所述的车辆重量估计方法，其特征在于，所述静态参数为预设固定值，所述静态参数至少包括：车辆轮胎动态半径、车辆迎风面积、空气密度、空气阻力系数、车辆挡位的动力传动效率和路面滚动摩擦系数；所述动态数据通过车辆can网络实时获取，所述动态数据至少包括：发动机扭矩、发动机转速、车辆速度和重力加速度计在车辆行驶方向上的加速度分量。3.根据权利要求1或2所述的车辆重量估计方法，其特征在于，在基于扩展式卡尔曼滤波对所述静态参数和动态数据进行计算包括以下步骤：基于车辆在坡道上行驶的纵向加速度获取所述坡道的坡道角度值，并基于过程噪音协方差矩阵描述处理过程中产生的不确定性。4.根据权利要求3所述的车辆重量估计方法，其特征在于，在输出车辆的估计重量之前，对所述静态参数、所述动态数据和所述计算进行预判断，仅当所述预判断不通过时，输出车辆的估计重量为假，否则，则输出车辆的估计重量为真。5.根据权利要求4所述的车辆重量估计方法，其特征在于，所述预判断不通过包括：车辆速度低于速度阈值、或车辆挡位为空挡或驻车档、或开始基于扩展式卡尔曼滤波对所述静态参数和动态数据进行计算的持续计算过程不超过时间阈值。6.根据权利要求1所述的车辆重量估计方法，其特征在于，所述步骤还包括：当判断车辆是否超重结果为是时：基于所述估计重量和预设约束值计算车辆超载比例，基于所述车辆超载比例的数值分级地输出匹配的提醒信息。7.一种车辆重量估计装置，其特征在于，所述装置包括依次电连接的车辆行驶数据获取单元(11)、车辆重量估计单元(12)和车辆超重提醒单元(13)，其中，车辆行驶数据获取单元(11)，获取车辆的静态参数和动态数据；车辆重量估计单元(12)，基于扩展式卡尔曼滤波对所述静态参数和动态数据进行计算，输出车辆的估计重量；车辆超重提醒单元(13)，基于所述估计重量和预设约束值，判断车辆是否超重并输出提醒信息。8.一种车辆，其特征在于，所述车辆包括车辆本体和如权利要求7所述的车辆重量估计装置，所述车辆重量估计装置设置在所述车辆本体上。9.一种计算机储存介质，其特征在于，所述计算机储存介质内储存有计算机程序，当所述计算机程序在计算机上运行时，执行如权利要求1-6中任一项所述的方法。

技术总结
本发明涉及检测要统计或要控制的交通运动技术领域，具体提供一种车辆重量估计方法、装置、车辆及储存介质，方法包括以下步骤：获取车辆的静态参数和动态数据；基于扩展式卡尔曼滤波对所述静态参数和动态数据进行计算，输出车辆的估计重量；基于所述估计重量和预设约束值，判断车辆是否超重并输出提醒信息。本发明通过使用车辆纵向动力学方程结合扩展式卡尔曼滤波方法进行车辆的估计重量，且滤波估计过程中以自车速度、自车重量、道路坡度值为状态变量，以自车速度为观测量，进行状态估计，实现在不布置载重传感器的情况下以较小的算力要求获取车辆载重。求获取车辆载重。求获取车辆载重。


技术研发人员：钟飞 李小凯 彭元铎 邓绮慧
受保护的技术使用者：重庆长安汽车股份有限公司
技术研发日：2022.11.28
技术公布日：2023/6/27