基于云端地图的智能网联商用车质量估计算法研究

整车质量是车辆动力学参数中的一个关键状态量。在辅助驾驶系统中,整车质量的准确估计对规划控制算法至关重要。传统的质量估计算法在同时估计车辆质量与道路坡度时面临挑战,尤其是坡度估计的误差可能严重影响质量估计的准确性。当前,云控平台提供了高精度的道路地图信息,为进一步优化质量估计算法提供了全新的思路。本研究基于云控平台的车云协同框架,设计了云控系统下的商用车质量估计系统架构。进而基于扩展卡尔曼滤波理论,并结合云端的道路地图信息,开发了商用车质量估计算法。通过将道路坡度视为已知参数而非变化的状态量对整车质量进行估计,并利用实车试验采集到的行驶数据进行了算法对比验证。试验结果表明,基于云端坡度信息的质量估计算法,在空载与满载工况下均能实现快速收敛,估计质量的绝对百分比误差在3%以内,相较于传统的同步估计车辆质量与道路坡度的算法,能够更快且更准确地收敛到车辆真实质量附近。