【技术实现步骤摘要】
本专利技术涉及车辆测试，具体涉及一种车辆载荷与道路坡度测试方法、系统、存储介质及计算机。
技术介绍
1、车辆载荷是影响车辆控制性能和驾驶员感受的重要参数，而道路坡度也会影响汽车的运动状态，异常的载荷对道路、车辆和环境都会产生不良影响，准确测试估算车辆载荷对于道路交通管理、安全性、燃油经济性和维护至关重要。
2、目前，传统的车辆载荷估算通常需要使用专用传感器或设备进行直接测量，这导致成本昂贵、使用复杂，且难以在实时情况下应用；而仅基于车辆动力学模型进行估算会因采集数据噪声、传感器误差、非线性系统而导致估算结果存在较大误差；通过神经网络训练消除噪声干扰的方法需要大量gpu算力，且无法对传感器间的非线性噪声精准降噪；测试效果均不大理想
技术实现思路
1、基于此，本专利技术的目的是提供一种车辆载荷与道路坡度测试方法、系统、存储介质及计算机，以解决现有技术中存在的技术问题。
2、本专利技术提出一种车辆载荷与道路坡度测试方法，包括：
3、获取携带can设备待测车辆的基础参数以及反映所述待测车辆行使信息的can数据；
4、对所述can数据进行预处理，根据所述待测车辆的基础参数和预处理后的所述can数据确定所述待测车辆的当前档位；
5、根据所述待测车辆的当前档位构建车辆纵向动力学模型，并对所述车辆纵向动力学模型进行离散化处理；
6、根据离散化处理后的所述车辆纵向动力学模型分别对所述待测车辆中的若干传感器进行处理，获取若干所述传
7、将各个传感器的状态特性进行加权平均，输出所述待测车辆整体的状态特性，根据所述待测车辆整体的状态特性获取所述待测车辆的载荷和所述待测车辆行使的道路坡度。
8、优选地，所述基础参数至少包括：所述待测车辆的车型、发动机各档速比、车轮半径、车辆尺寸信息；
9、所述can数据至少包括：车辆id信息、车辆经纬度、当前时间戳，车辆瞬时速度、发动机转速、发动机输出扭矩。
10、优选地，所述对所述can数据进行预处理，根据所述待测车辆的基础参数和预处理后的所述can数据确定所述待测车辆的当前档位的步骤包括：
11、将车辆id信息相同的数据进行匹配，将当前的经纬度统一至wgs-84坐标系；
12、根据测试的时间划分计算时间窗粒度，根据所述计算时间窗粒度划分不同的数据集合并清洗异常数据；
13、根据清洗后的can数据和所述发动机各档速比确定所述待测车辆的当前档位。
14、优选地，所述车辆纵向动力学模型的表达式为：
15、
16、式中，δ为旋转质量换算系数；v为车辆速度；t为时间；t为发动机输出扭矩；ig为主减速比；it为变速器档速比；η为传动效率；r为轮胎滚动半径；m为车辆载荷；ρ为空气密度；c为空气阻力系数；a为车辆迎风面积；μ为滚动阻力系数；g为重力加速度；α为道路坡度角。
17、优选地，所述离散化处理的表达式为：
18、
19、式中，k表示数据集合清洗后的第k条数据，ts为步长，ωt、ωv、ωm、ωα分别为t、v、m、α的扰动噪声。
20、优选地，所述根据离散化处理后的所述车辆纵向动力学模型分别对所述待测车辆中的若干传感器进行处理，获取若干所述传感器对应的状态特性的步骤包括：
21、选取某一传感器作为待测传感器，并进行更新处理操作，所述更新处理操作包括：
22、设置所述待测传感器的初始状态初始控制变量u(0)＝t(0)、初始观测向量z(0)、初始状态估计协方差矩阵p0、初始过程噪声协方差矩阵q0；
23、选取k时刻所述待测传感器的状态向量x(k)，根据所述离散化处理的表达式预测k+1时刻的状态向量
24、根据预测的所述状态向量更新k+1时刻的观测向量z(k+1)，根据所述观测向量z(k+1)求解k+1时刻的状态转移雅可比矩阵ak+1和过程噪声雅可比矩阵wk+1；
25、根据所述状态转移雅可比矩阵ak+1和所述过程噪声雅可比矩阵wk+1预测k+1时刻的状态估计协方差矩阵根据预测的所述状态估计协方差矩阵求解k+1时刻的卡尔曼增益kk+1；
26、根据所述卡尔曼增益kk+1更新所述待测传感器k+1时刻的状态向量x(k+1)和协方差矩阵pk+1；
27、分别选取其他传感器作为所述待测传感器，依次进行所述更新处理操作，获得若干所述传感器对应的状态特性。
28、优选地，k+1时刻的观测向量z(k+1)的表达式为：
29、
30、h＝[1,0,0]
31、v＝[1]
32、
33、k+1时刻的状态转移雅可比矩阵ak+1的表达式为：
34、
35、k+1时刻的过程噪声雅可比矩阵wk+1的表达式为：
36、
37、预测的k+1时刻的状态估计协方差矩阵的表达式为：
38、
39、k+1时刻的卡尔曼增益kk+1的表达式为：
40、
41、k+1时刻的状态向量x(k+1)的表达式为：
42、
43、k+1时刻的协方差矩阵pk+1的表达式为：
44、
45、本专利技术还提出一种车辆载荷与道路坡度测试系统，包括：
46、获取模块，用于获取携带can设备待测车辆的基础参数以及反映所述待测车辆行使信息的can数据；
47、确定模块，用于对所述can数据进行预处理，根据所述待测车辆的基础参数和预处理后的所述can数据确定所述待测车辆的当前档位；
48、构建模块，用于根据所述待测车辆的当前档位构建车辆纵向动力学模型，并对所述车辆纵向动力学模型进行离散化处理；
49、处理模块，用于根据离散化处理后的所述车辆纵向动力学模型分别对所述待测车辆中的若干传感器进行处理，获取若干所述传感器对应的状态特性；
50、加权模块，用于将各个传感器的状态特性进行加权平均，输出所述待测车辆整体的状态特性，根据所述待测车辆整体的状态特性获取所述待测车辆的载荷和所述待测车辆行使的道路坡度。
51、本专利技术还提出一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述车辆载荷与道路坡度测试方法。
52、本专利技术还提出一种计算机，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述车辆载荷与道路坡度测试方法。
53、本专利技术相比于现有技术的有益效果为：综上，本申请提供的车辆载荷与道路坡度测试方法，通过在待测车辆上安装can设备，获取待测车辆的基础参数和反映待测车辆行使信息的can数据，根据基础参数和can数据获取待测车辆的当前档位，根据当前档位信息构建车辆纵向动力学模型，考虑待测车辆上传感本文档来自技高网...
【技术保护点】
1.一种车辆载荷与道路坡度测试方法，其特征在于，包括：
2.根据权利要求1所述的车辆载荷与道路坡度测试方法，其特征在于，
3.根据权利要求2所述的车辆载荷与道路坡度测试方法，其特征在于，所述对所述CAN数据进行预处理，根据所述待测车辆的基础参数和预处理后的所述CAN数据确定所述待测车辆的当前档位的步骤包括：
4.根据权利要求3所述的车辆载荷与道路坡度测试方法，其特征在于，所述车辆纵向动力学模型的表达式为：
5.根据权利要求4所述的车辆载荷与道路坡度测试方法，其特征在于，所述离散化处理的表达式为：
6.根据权利要求5所述的车辆载荷与道路坡度测试方法，其特征在于，所述根据离散化处理后的所述车辆纵向动力学模型分别对所述待测车辆中的若干传感器进行处理，获取若干所述传感器对应的状态特性的步骤包括：
7.根据权利要求6所述的车辆载荷与道路坡度测试方法，其特征在于，
8.一种车辆载荷与道路坡度测试系统，其特征在于，包括：
9.一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如
10.一种计算机，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一所述的车辆载荷与道路坡度测试方法。
...【技术特征摘要】
1.一种车辆载荷与道路坡度测试方法，其特征在于，包括：
2.根据权利要求1所述的车辆载荷与道路坡度测试方法，其特征在于，
3.根据权利要求2所述的车辆载荷与道路坡度测试方法，其特征在于，所述对所述can数据进行预处理，根据所述待测车辆的基础参数和预处理后的所述can数据确定所述待测车辆的当前档位的步骤包括：
4.根据权利要求3所述的车辆载荷与道路坡度测试方法，其特征在于，所述车辆纵向动力学模型的表达式为：
5.根据权利要求4所述的车辆载荷与道路坡度测试方法，其特征在于，所述离散化处理的表达式为：
6.根据权利要求5所述的车辆载荷与道路坡度测试方法，其特征在于，所...
【专利技术属性】
技术研发人员：王宁，聂辽栋，林小刚，胡一明，曾德全，许钧奇，尚凯，
申请(专利权)人：南昌智能新能源汽车研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。