基于信息融合的电动车助力控制方法技术

本发明专利技术公开了一种基于信息融合的电动车的助力控制方法，其中控制方法包括：通过踏频传感器获取骑行者踩踏频率；通过姿态检测传感器获取车辆加速度值和车辆姿态；预设初始助力比值和系统周期时间；将车辆当前的加速度和上坡角度进行数据分析，通过卡尔曼滤波姿态解算算法获取当前车辆姿态，计算出对应当前车辆姿态的最优助力比，在检测到踏频信号时，第一个系统周期会更新实时的最优助力比，在以后每个系统周期内根据车辆实时姿态改变一次助力比，实现助力比随骑行路况的改变而做出智能更改，提高了助力车的速度响应，优化了骑行感觉。优化了骑行感觉。优化了骑行感觉。

【技术实现步骤摘要】
基于信息融合的电动车助力控制方法


[0001]本专利技术涉及电动车助力控制
，具体是涉及一种基于信息融合的电动车的助力控制方法。

技术介绍

[0002]近年些年来，电动自行车以绿色、环保、经济、便捷等特点，逐渐成为人们出行必不可少的交通工具。电动助力自行车逐渐进入大众的视线，它是一种“人力为主，电机为辅”的驱动方式，即通过骑行踩踏力矩与电机输出扭矩混合驱动行驶，既满足了健康环保的出行方式，又可以省时省力。
[0003]电动助力自行车作为一种新型的电动两轮车辆，以其“电动助力”的功能，在保持了传统自行车骑行轻便优点的同时，也能在起步、爬坡和顶风情况下达到省力的效果；其中，在遇到上坡路况或者载重变化的情况下，电机需要如何提供助力是一个显而易见的问题，助力比例的控制也就决定了骑行者的骑行舒适度。速度控制式比例助力控制方案将速度信号分析变换为电机控制器的输出控制信号，进而控制电机的输出功率，该方案的助力比例为1:1和1:2.5，通过手动进行分级调节，这种控制方式会出现明显的助力效果过弱或者过强的情况，在复杂路况下无法满足骑行者的助力要求。因此，如何在不同的路况下获得最优的助力比逐渐成为电动助力自行车的研究重点。

技术实现思路

[0004]为解决上述技术问题，本专利技术提供了一种基于信息融合的电动车的助力控制方法，根据路况来计算最优助力比，以解决现有电动助力车在上坡等复杂路况下助力效果不明显，骑行体验差的问题。
[0005]一种基于信息融合的电动车助力控制方法，其步骤为：
[0006]步骤1、预设初始助力比和软件系统周期时间；
[0007]步骤2、通过信息融合硬件系统获取骑行者踩踏频率，车辆加速度值和车辆姿态角；
[0008]步骤3、主控芯片对车辆当前的加速度值和车辆姿态进行数据分析，通过卡尔曼滤波姿态解算算法获取当前车辆姿态角，通过信息融合算法计算出对应当前车辆姿态的最优助力比；即车辆在某一路况下，最优助力比提供的助力效果相比较于其他助力比，有较强的跟随特性和良好的助力效果，该最优助力比由信息融合算法获得，使车辆在不同道路坡度、不同载重情况下可以获得较好的助力效果；
[0009]步骤4、完成一个系统周期后，若此时的实时助力比与上一个系统周期的助力比不同，则在下一个系统周期更新实时的最优助力比参数，若相同，则返回步骤2。
[0010]进一步的，所述步骤1中所述预设助力比值为1:1，所述系统周期时间为10ms。
[0011]进一步的，现有技术中电动车通常是通过速度的变化来估计加速度，准确性较低，本申请采用信息融合硬件系统来获取加速度；步骤2中，所述信息融合硬件系统包括霍尔速
度传感器、三轴加速度仪、三轴陀螺仪，所述霍尔速度传感器、三轴加速度仪、三轴陀螺仪分别与主控芯片连接，通过霍尔速度传感器获取骑行者踩踏频率，通过三轴加速度仪获取车辆加速度值，通过三轴陀螺仪获取车辆姿态角，主控芯片进行数据分析从而判断车辆当前所处路况。
[0012]进一步的，步骤3中，通过卡尔曼滤波姿态解算算法获取当前车辆姿态角具体步骤为：
[0013]步骤3
‑
1、进行初始对准，确定车辆坐标系相对地理坐标系的相对转动角度准确值，初始对准以后得到了初始的三个姿态角，计算初始的四元数，定义四元数误差为线性系统的状态向量，建立系统的状态方程；
[0014]步骤3
‑
2、利用三轴加速度仪和三轴陀螺仪来计算初始姿态矩阵；
[0015]步骤3
‑
3、利用初始姿态矩阵将理论值转换到载体系，分别计算载体系的理论值的分量，进而得到三轴加速度仪和三轴陀螺仪的估计值；
[0016]步骤3
‑
4、查询当地重力和地磁的测量数据，通过三轴加速度仪和三轴陀螺仪的估计值及测量数据定义观测向量，进而建立观测方程，将系统的状态矩阵、观测矩阵、状态转移矩阵代入到卡尔曼滤波姿态解算算法模型中实现对姿态四元数的校准；
[0017]步骤3
‑
5、将系统误差协方差和当前时刻的误差四元数最优估计值代入到卡尔曼滤波模型中，通过不断自归和迭代运算，求解每个时刻的最优估计值，获得当前车辆姿态角。
[0018]进一步的，所述四元数的计算方法为：使用四元数龙格库塔算法，选择状态变量为四元数误差Q
e
，Q
e
对应一组误差姿态角；四元数误差用标量和矢量两部分表示为：Q
e
＝[1，q
e2
，q
e3
，q
e4
]T
；假设四元数的最优估计值为初始对准得到的四元数为Q
b
，表示误差四元数的估计值，那么：
[0019]进一步的，所述系统的状态方程为：
[0020]X
k
＝Φ
k，k
‑1X
k
‑1+Γ
k k
‑1W
k
‑1[0021]其中Φ
k，k
‑1为从k
‑
1时刻到k时刻的状态转移矩阵；X
k
‑1为在k
‑
1时刻系统的状态矩阵；Γ
k，k
‑1为从k
‑
1时刻到k时刻的系统过程噪声的输入矩阵；W
k
‑1为在k
‑
1时刻系统过程噪声序列；
[0022]所述状态矩阵为：
[0023][0024]其中表示陀螺仪三轴估计值的叉乘反对称矩阵，用三轴估计值来表示为：
[0025][0026]进一步的，所述姿态矩阵为：
[0027][0028]其中ψ，θγ，分别为航向角，俯仰角和横滚角，为简化记忆，用C
11
、C
12
、C
13
表示姿态矩阵的元素，即：
[0029][0030]所述姿态角与姿态矩阵之间的公式为：
[0031]进一步的，所述加速度仪和陀螺仪的估计值为：
[0032][0033]其中，为加速度仪估计值，为陀螺仪估计值，[0 0 g]T
为k时刻地理系中重力加速度的三轴分量，[M
X M
Y M
Z
]T
为k时刻当地地磁场在地理坐标系中的三轴分量。
[0034]进一步的，所述系统的观测方程为：
[0035][0036]其中为观测矩阵，a
kb
为加速度仪理论值，m
kb
为陀螺仪理论值，为观测噪声矩阵，V
ka
和V
km
为噪声向量；
[0037]为协方差矩阵，R
k1
为加速度仪的噪声，R
k2
为陀螺仪的噪声；
[0038]设置以上步骤的相关参数，带入模型中由四元数龙格库塔算法解算即可求得k时刻的误差四元数最优估计值：
[0039][0040]其中q
e<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于信息融合的电动车助力控制方法，其特征在于，所述方法的步骤为：步骤1、预设初始助力比和软件系统周期时间；步骤2、通过信息融合硬件系统获取骑行者踩踏频率，车辆加速度值和车辆行驶姿态；步骤3、主控芯片对车辆当前的加速度值和车辆姿态进行数据分析，通过卡尔曼滤波姿态解算算法获取当前车辆姿态角，通过信息融合算法计算出对应当前车辆姿态的最优助力比；步骤4、完成一个系统周期后，若此时的实时助力比与上一个系统周期的助力比不同，则在下一个系统周期更新实时的最优助力比参数，若相同，则返回步骤2。2.根据权利要求1所述的基于信息融合的电动车助力控制方法，其特征在于，步骤2中，所述信息融合硬件系统包括霍尔速度传感器、三轴加速度仪和三轴陀螺仪，所述霍尔速度传感器、三轴加速度仪、三轴陀螺仪分别与主控芯片连接，通过霍尔速度传感器获取骑行者踩踏频率，通过三轴加速度仪获取车辆加速度值，通过三轴陀螺仪获取车辆姿态角，主控芯片进行数据分析从而判断车辆当前所处路况。3.根据权利要求3所述的基于信息融合的电动车助力控制方法，其特征在于，步骤3中，通过卡尔曼滤波姿态解算算法获取当前车辆姿态角具体步骤为：步骤2
‑
1、进行初始对准，确定车辆坐标系相对地理坐标系的相对转动角度准确值，初始对准以后得到了初始的三个姿态角，计算初始的四元数，定义四元数误差为线性系统的状态向量，建立系统的状态方程；步骤2
‑
2、利用三轴加速度仪和三轴陀螺仪来计算初始姿态矩阵；步骤2
‑
3、利用初始姿态矩阵将理论值转换到载体系，分别计算载体系的理论值的分量，进而得到三轴加速度仪和三轴陀螺仪的估计值；步骤2
‑
4、查询当地重力和地磁的测量数据，通过三轴加速度仪和三轴陀螺仪的估计值及测量数据定义观测向量，进而建立观测方程，将系统的状态矩阵、观测矩阵、状态转移矩阵代入到卡尔曼滤波姿态解算算法模型中实现对姿态四元数的校准；步骤2
‑
5、将系统误差协方差和当前时刻的误差四元数最优估计值代入到卡尔曼滤波模型中，通过不断自归和迭代运算，求解每个时刻的最优估计值，获得当前车辆姿态角。4.根据权利要求3所述的基于信息融合的电动车助力控制方法，其特征在于，所述四元数的计算方法为：使用四元数龙格库塔算法，选择状态变量为四元数误差Q
e
，Q
e
对应一组误差姿态角；四元数误差用标量和矢量两部分表示为：Q
e
＝[1,q
e2
,q
e3
,q
e4
]
T
；假设四元数的最优估计值为初始对准得到的四元数为Q
b
，表示误差四元数的估计值，那么：5.根据权...

【专利技术属性】
技术研发人员：陆腾飞，张懿，魏海峰，王浩陈，
申请(专利权)人：江苏科技大学，
类型：发明
国别省市：