一种车载道路坡度实时估计方法技术

本发明专利技术公开了一种车载道路坡度实时估计方法，利用加速度传感器和角速度传感器分别采集车载纵向加速度和俯仰角速度，旨在解决现有方法直接在时域中处理信号，受到汽车加减速严重干扰的缺点。本方法包括以下步骤：一、时域滤波，对加速度和角速度信号进行时域滤波；二、信号傅里叶变换，将时域信号转换为频域信号；三、信号归一化，将加速度和角速度在处于重叠频域范围的信号进行归一化；四、逆傅立叶变换，将信号从频域到时域内进行转化；五、反归一化处理；六、信号加权融合，得到最终估计道路坡度。

A real-time estimation method of vehicle road slope

【技术实现步骤摘要】
一种车载道路坡度实时估计方法
本专利技术涉及一种坡度识别方法，特别涉及一种结合时域与频域变换技术对道路坡度实时估计的方法。
技术介绍
精准的环境感知技术是构建现代汽车智能运输系统的重要组成部分，在复杂多变的路况下，对道路坡度信息进行快速准确的估计，在汽车稳定性控制、燃油经济性改善、自动变速箱平顺换挡控制等方面都具有重要的现实意义。一般基于运动学的方法是采用IMU传感器采集到的加速度和角速度进行数据融合，但是车载纵向加速度在复杂多变的道路与驾驶员操作情况下变化很大，采集的加速度值往往含有很多噪声和汽车本身的纵向加速度，进而影响坡道的最优估计坡度值。而基于动力学的方法采用汽车纵向平衡方程，设计状态观测器来估计道路坡度，但是这种方法涉及到空气阻力，滚动阻力等参数，估计效果取决于对大量系数的给定。现有的专利中,如中国专利公开号为CN103661393A，公开日为2014年3月26日，专利技术名称为“运动学道路坡度估计”，该专利技术结合纵向加速度和加速度偏移量，基于扩展卡尔曼滤波器对道路坡度进行估计，提供了一种在时域内基于运动学的道路坡度估计方法；中国专利公开号为CN105599768A，公开日为2016年5月25日，专利技术名称为“包括在车辆运行期间的动态车辆质量和道路坡度估计的车辆控件”，该专利技术结合识别到的质量，并利用卡尔曼滤波器对坡度实时估计；综上所述，现有的坡道识别方法大部分都是在时域内通过信号加权融合的方式对道路坡度进行估计的，且大多利用加速度和角速度信号；通过对时域信号变换，在频域内处理对道路坡度估计的方法的，目前尚未发现。因此，有必要提供这样一种车载道路坡度实时估计方法来弥补现有技术的不足。
技术实现思路
本专利技术针对时域内直接对信号进行加权融合的处理方式，即相当于对不同频率信号直接加权等处理不当的问题，提出一种结合时域与频域变换技术对道路坡度实时估计的方法。为解决上述问题，本专利技术采用如下技术方案：一种车载道路坡度实时估计方法，利用加速度传感器和角速度传感器分别采集车载纵向加速度ax和俯仰角速度gy，经过时域与频域变换融合的方法实时估算道路坡度，具体的方法包括以下步骤：步骤一、时域滤波，对传感器采集的ax和gy分别作为IIR的输入量进行滤波处理，按照式(1)进行滤波计算。式中，M和N为IIR滤波器的控制系数ak——IIR滤波器关于y(n-k)的系数bk——IIR滤波器关于x(n-k)的系数x(k)——IIR滤波器的第k输入量y(k)——IIR滤波器的第k输出量步骤二、信号傅里叶变换，将时域信号经傅里叶变换转换成频率信号，即把加速度传感器采集得到的加速度信号和陀螺仪采集得到的角速度信号进行傅里叶变换，取距离当前时刻最近Z个采样信号点组成一个数组，对这个数组进行快速离散傅里叶变换，变换方法按照式(2)计算。式中，x(n)——傅里叶变换的时域信号输入X(k)——傅里叶变换后的频域信号输出Z——进行傅里叶变换的信号点个数k——第k个代表的频率j——单位虚数步骤三、信号归一化，将步骤二中得到的频域信号进行归一化，将加速度和角速度在处于重叠频域范围的信号进行归一化。归一化的方式采用z-score方式进行，归一化权重函数为频率指数，具体按照式(3)计算。式中，v——归一化信号的输入μ——所有需要归一化信号的均值σ——所有需要归一化信号的标准差Y——归一化信号的输出步骤四、反傅立叶变换，将归一化后的信号进行反傅立叶变换，将信号从频域到时域内进行转化，具体按照式(4)计算。式中，x(m)——逆傅里叶变换后的第m个时域数组信号f(k)——逆傅里叶变换后的第k个频域信号N——进行逆傅里叶变换的信号点个数步骤五、反归一化处理，将变换到时域的信号进行反归一化，分别对加速度和角速度进行计算。具体计算公式按照式(5)进行。v＝Yσ+μ(5)式中，v——反归一化信号的输出μ——所有需要归一化信号的均值σ——所有需要归一化信号的标准差Y——反归一化信号的输入步骤六、信号加权融合，将所有经过反归一化后的加速度信号按照式(6)计算，得到一个由加速度信号计算得到道路倾角。za(k)＝arcsin(ax(k))(6)式中，ax(k)——经过逆傅里叶变换后的第k个纵向加速度信号za(k)——仅利用第k个纵向加速度信号得到的道路倾角将所有经过反归一化后的角速度信号按照式(7)计算，得到一个由角速度信号计算得到道路倾角。A(k)＝gy(k)·dT+θ(k-1)(7)式中，A(k)——第k个利用角速度预测的道路倾角θ(k-1)——第k-1个角速度和加速度数据融合输出的道路倾角，初始化为零结合(6)式和(7)式计算的za(k)和A(k)，按照(8)式计算得到加权融合后的最终道路倾角，输出θ(k)数组的最后一个元素为本次估算的道路倾角。θ(k)＝K·za(k)+(1-K)·A(k)(8)式中，θ(k)——第k个角速度和加速度数据融合输出的道路倾角K——加权因数与现有技术相比本专利技术的有益效果是：1.通过时域与频域变换处理的方法，解决了在汽车急加减速时估计结果严重干扰的影响；2.利用加速度和角速度频域内数据融合的思想，解决了陀螺仪由于本身零飘的误差而无法长时间稳定输出道路坡度的问题；附图说明图1为本专利技术所述的一种车载道路坡度实时估计方法整体流程图；图2为本专利技术所述的信号归一化流程；图3为本专利技术所述的信号加权融合流程；具体实施方式下面结合附图对本专利技术作详细的描述：参阅图1，信号依次进行时域处理1、频域处理、时域处理2，所述的时域处理1包括对加速度和角速度信号数字滤波，即对传感器采集的ax和gy分别作为IIR的输入量进行滤波处理，按照式(9)进行滤波计算。式中，M和N为IIR滤波器的控制系数ak——IIR滤波器关于y(n-k)的系数bk——IIR滤波器关于x(n-k)的系数x(k)——IIR滤波器的第k输入量y(k)——IIR滤波器的第k输出量然后从时域处理1转到频域处理，将时域信号经傅里叶变换转换成频率信号，即把加速度传感器采集得到的加速度信号和陀螺仪采集得到的角速度信号进行傅里叶变换，取距离当前时刻最近Z个采样信号点组成一个数组，对这个数组进行快速离散傅里叶变换，变换方法按照式(10)计算。式中，x(n)——傅里叶变换的时域信号输入X(k)——傅里叶变换后的频域信号输出Z——进行傅里叶变换的信号点个数k——第k个代表的频率j——单位虚数将得到的频域信号进行归一化，将加速度和角速度在处于重叠频域范围的信号进行归一化。逆傅本文档来自技高网...

【技术保护点】
1.一种车载道路坡度实时估计方法，其特征在于，包括以下步骤：/n步骤一、时域滤波，对加速度信号和角速度信号分别作为滤波器的输入量进行滤波处理，按照式(1)进行滤波计算；/n

【技术特征摘要】
1.一种车载道路坡度实时估计方法，其特征在于，包括以下步骤：
步骤一、时域滤波，对加速度信号和角速度信号分别作为滤波器的输入量进行滤波处理，按照式(1)进行滤波计算；



式中，M和N为IIR滤波器的控制系数
ak——滤波器关于y(n-k)的系数
bk——滤波器关于x(n-k)的系数
x(k)——滤波器的第k输入量
y(k)——滤波器的第k输出量
步骤二、信号傅里叶变换，把所述的加速度信号和所述的角速度信号进行傅里叶变换，取距离当前时刻最近Z个采样信号点组成一个数组，对所述的数组进行快速离散傅里叶变换，变换方法按照式(2)计算；



式中，x(n)——傅里叶变换的时域信号输入
X(k)——傅里叶变换后的频域信号输出
Z——进行傅里叶变换的信号点个数
k——第k个代表的频率
j——单位虚数
步骤三、信号归一化，找出频域内所述的加速度和所述的角速度的频率重叠区间，在区间范围内的信号按照式(3)进行归一化计算；



式中，v——归一化信号的输入
μ——所有需要归一化信号的均值
σ——所有需要归一化信号的标准差
Y——归一化信号的输出
步骤四、反傅立叶变换，将信号从频域到时域内进行转化，具体按照式(4)计算；



式中，x(m)——逆傅里叶变换后的第m个时...

【专利技术属性】
技术研发人员：苑卫松，谷京哲，刘四海，江进，于洪剑，王占春，于维东，马治，王宇，聂冬琦，
申请(专利权)人：一汽解放汽车有限公司，
类型：发明
国别省市：吉林;22