车辆质量的虚拟观测与异构滤波自适应辨识方法及系统

本发明涉及汽车电子控制，具体的说是一种车辆质量的虚拟观测与异构滤波自适应辨识方法及系统。

背景技术：

1、在汽车工业向电气化、智能化发展的背景下，整车质量的精确在线辨识已成为高级驾驶辅助系统（adas）、自动换挡策略、自适应巡航控制（acc）、能量管理优化等先进控制功能的核心基础和关键前提；商用车因其载荷变化大、工况复杂，对质量估计的精度、实时性和鲁棒性提出了更高的要求。

2、目前，常见的车辆质量辨识方法主要包括基于物理模型的状态观测方法和基于数据驱动的滤波方法两大类，但在实际工程应用中，尤其是面对商用车复杂的行驶工况时，这些方法仍面临诸多挑战：

3、1、质量与道路坡度强耦合、无法稳定解耦车辆纵向动力学方程中，车辆质量（m）和道路坡度（θ）表现为乘积或加性耦合关系，二者在观测方程中数学形式高度相似，呈现强耦合、互为因果的逻辑困境。仅依靠常规观测信息，单一尺度滤波更新极易导致估计结果在质量与坡度两个参数间反复摆动，无法稳定收敛。传统无迹卡尔曼滤波（ukf）在碎片化激励下收敛时间超过90s，稳态误差大于100kg，无外部高精度传感器辅助时根本无法有效区分。

4、2、碎片化短时激励下收敛极慢、无法满足实时性城市拥堵、高速公路巡航等典型工况下，车辆缺乏传统辨识所需的持续剧烈加速过程，仅存在短促、微弱的碎片化激励。现有递推滤波算法过程噪声固定，自适应策略多为线性或经验调节，受计算步长与噪声模型限制，无法兼顾收敛速度与估计精度，弱激励阶段系统可观测性显著下降，滤波器增益调整迟钝，质量参数收敛极慢甚至无法收敛。

5、3、信号同步与预处理不充分、放大系统误差车载总线信号存在时滞、噪声与不同步问题，直接降低动力学方程匹配精度；道路坡度获取依赖高成本惯导（imu）或gps高程信息，现有方法缺少低成本、高鲁棒性的初始坡度标定手段，也缺乏对车速等原始信号的针对性预处理，进一步放大系统误差。

6、综上所述，现有滤波框架在强耦合与弱激励并存的商用车工况下，仍难以同时兼顾质量与坡度解耦、碎片化激励下快速收敛、估计精度和计算效率，因而有必要提出一种适用于低成本车载传感配置的车辆质量在线辨识方法。

技术实现思路

1、针对现有技术的不足，本发明的目的是提供一种车辆质量的虚拟观测与异构滤波自适应辨识方法及系统，通过对观测新息、自适应过程噪声、质量与坡度虚拟观测以及异构滤波先验传递进行协同设计，提高强耦合、弱激励工况下车辆质量估计的收敛速度、稳定性和工程适用性。

2、本发明解决其技术问题所采用的技术方案是：

3、一种车辆质量的虚拟观测与异构滤波自适应辨识方法，包括如下步骤，

4、步骤s1，多尺度信号预处理：对车辆纵向动力学状态空间模型进行初始化，并对从车载总线和惯性测量单元获取的车速、驱动扭矩及加速度计的分量信号进行预处理；

5、步骤s2，基于虚拟观测注入的自适应更新：基于自适应无迹卡尔曼滤波算法，对车辆纵向动力学状态空间模型进行状态估计，得到包含整车质量、车速、道路坡度估计值的第一状态向量及其协方差；

6、其中，步骤s2包括：

7、步骤s21：计算当前时刻的观测新息及其能量，并基于非线性s-curve膨胀函数动态调节过程噪声协方差矩阵中质量分量的方差，以提升在碎片化激励下的收敛速度；

8、步骤s22：利用无迹变换sigma点传播与更新，执行基于实际车速观测的卡尔曼滤波更新，得到物理观测更新后的中间状态向量；

9、步骤s23：基于动力学微扰灵敏度分析与正则化方法，构造质量与坡度参数的虚拟观测值及其协方差，并注入自适应无迹卡尔曼滤波算法进行二次更新，以解耦质量与坡度的强耦合效应；

10、步骤s3，基于概率密度传递的限制性热启动：当步骤s2中的自适应无迹卡尔曼滤波算法估计结果满足预设收敛判据时，将自适应无迹卡尔曼滤波算法输出的质量参数后验高斯分布映射为粒子滤波算法的先验建议分布；

11、步骤s4，同源粒子滤波精细估计：基于先验建议分布对粒子滤波进行限制性热启动初始化，并复用步骤s2的动力学数据流，执行粒子滤波的递推、重采样与状态估计，输出最终整车质量估计值。

12、作为优选，本发明更进一步的技术方案是：

13、优选的，步骤s1中，对车速、驱动扭矩及加速度计的分量信号进行预处理具体包括，

14、步骤s11，静止坡度标定：当监测到车速信号在连续时间内为零时，判定车辆处于静止状态，基于加速度计的分量信号的纵向加速度计分量和垂向加速度计分量，计算初始道路坡度；

15、步骤s12，零相位滤波：对获取的车速信号进行零相位滤波或卷积滤波，解析计算无滞后的车辆纵向加速度估计值，以保证车辆纵向动力学方程在时域上对齐。

16、优选的，步骤s21中基于非线性s-curve膨胀函数动态调节过程噪声协方差，具体包括,

17、定义观测新息能量指标，其计算满足,

18、；

19、；

20、其中，为实际观测值，为预测观测值，为加权因子，0<<1；

21、定义s-curve膨胀函数,

22、;

23、其中，为过程噪声放大倍数的最大值，为s-curve膨胀函数的陡峭度参数，为激活阈值；

24、基于s-curve膨胀函数对过程噪声协方差矩阵中对应于质量分量的基础方差进行放大，得到调节后的质量过程噪声方差，具体公式为，

25、；

26、。

27、优选的，激活阈值的计算方式为，

28、；

29、其中，为车辆稳态运行段观测新息能量的均值，为车辆稳态运行段观测新息能量的标准差，。

30、优选的，步骤s23中构造质量与坡度参数的虚拟观测值，具体包括，

31、步骤s231，在当前估计点处，参数子向量取，处对加速度模型做一阶泰勒展开，

32、；

33、其中，为在滑动时间窗口内，构造的加速度对质量和坡度的灵敏度矩阵；滑动时间窗口长度为n，窗口内，敏度矩阵按时间顺序构造，第i行定义为，

34、；

35、其中，；

36、对质量m与坡度θ的偏导近似为：

37、；

38、；

39、其中，，为驱动力，为滚动阻力，为空气阻力，为坡度阻力；

40、步骤s232，在滑动窗口w内收集n个时刻的预测与测量加速度差，构成残差向量；

41、；

42、；

43、步骤s233，采用tikhonov正则化方法求解参数修正量，计算公式为，

44、；

45、其中，为＞0的正则化参数，为单位矩阵；

46、步骤s234，基于残差向量的协方差，通过误差传播计算参数修正量的协方差矩阵，

47、；

48、步骤s235，构造虚拟观测值，，其虚拟观测噪声协方差矩阵。

49、优选的，步骤s3具体包括，

50、步骤s31，收敛判断：当自适应无迹卡尔曼滤波算法估计的质量参数值，在连续m个采样周期内的变化量小于预设阈值时，判定为收敛；

51、步骤s32，分布提取：在收敛时提取自适应无迹卡尔曼滤波算法输出的状态后验概率分布，分布为以估计值为均值、以协方差矩阵为方差的高斯分布；

52、步骤s33，分布映射：将高斯分布映射为粒子滤波算法的先验建议分布，。

53、优选的，步骤s33中，将高斯分布映射为粒子滤波算法的先验建议分布，具体包括，

54、从高斯分布中进行采样，生成粒子滤波算法的初始粒子集，其中，每个粒子的采样空间被限制在所述高斯分布的预设置信区间内。

55、优选的，每个粒子的采样空间限制在后验高斯分布的3σ置信区间内，3σ置信区间为。

56、优选的，步骤s4中执行粒子滤波的递推、重采样与状态估计，具体包括：

57、步骤s41，基于先验建议分布生成初始粒子集；

58、步骤s42，基于车辆纵向动力学状态空间模型进行状态转移，预测每个粒子在下一时刻的状态；

59、步骤s43，基于当前时刻的实际车速观测值计算每个粒子的似然概率，并更新粒子权重；

60、步骤s44，判断有效粒子数是否低于预设阈值，若低于则执行系统重采样，以防止粒子贫化；

61、步骤s45，基于加权平均粒子集的状态，输出最终的整车质量估计值。

62、本发明还公开了一种车辆质量的虚拟观测与异构滤波自适应辨识系统，用以实现车辆质量的虚拟观测与异构滤波自适应辨识方法，包括，

63、通信接口单元，用于从车载总线获取车速、驱动扭矩信号，并从惯性测量单元获取加速度计分量信号；

64、存储单元，用于存储车辆纵向动力学状态空间模型及相关参数；

65、处理单元，处理单元与通信接口单元、存储单元相连；

66、处理单元包括观测新息能量计算模块、虚拟观测构造模块、限制性热启动粒子滤波执行模块；

67、观测新息能量计算模块，用于计算观测新息及其能量，基于非线性s-curve膨胀函数动态调节过程噪声协方差；

68、虚拟观测构造模块，用于基于动力学灵敏度分析与正则化构造质量与坡度虚拟观测值，完成虚拟观测二次更新以解耦质量与坡度强耦合；

69、限制性热启动粒子滤波执行模块，用于在自适应无迹卡尔曼滤波收敛时，将质量参数后验高斯分布映射为粒子滤波先验建议分布，进行限制性热启动初始化，并复用动力学数据流执行粒子滤波递推、重采样与状态估计；

70、处理单元被配置为，对获取的信号进行多尺度预处理；基于自适应无迹卡尔曼滤波完成状态估计、物理观测更新与虚拟观测二次更新；在自适应无迹卡尔曼滤波满足收敛判据时启动限制性热启动粒子滤波；最终输出整车质量估计值。

71、采用上述技术方案的本发明，与现有技术相比，其突出的特点是：

72、本发明构建了一套针对商用车质量辨识的完整解决方案；其以算法为核心，作为“虚拟传感器”模块低成本集成于现有车载控制器，实现了工程实用性与先进性的统一，具体的：

73、1、通过“动力学微扰灵敏度分析”与“tikhonov正则化”方法，本发明不依赖额外传感器，而是基于历史加速度信息，在自适应无迹卡尔曼滤波（aukf）内部构造出关于质量与坡度的、带有可信度评估的“伪”直接观测；这种虚拟观测的二次更新，为滤波器提供了额外的、明确的参数约束，打破了二者在动力学方程中的强耦合关系，显著提升了质量估计的低偏差和精度，尤其是在复杂坡道路况下。

74、2.针对城市工况中加速脉冲碎片化的问题，本发明通过监测“观测新息能量”，利用s形曲线函数动态、非线性地放大aukf中质量参数的过程噪声；当检测到有效激励时，能瞬间提高滤波器对质量参数的更新灵敏度，使其快速响应并收敛；在稳态时则恢复常规噪声水平，保证了估计稳定性；这使算法在缺乏传统长时、剧烈加速的条件下，仍能实现快速收敛。

75、3.通过“限制性热启动”机制，将前期快速收敛的aukf输出的后验高斯分布，精确映射为后续高精度粒子滤波的先验建议分布；为粒子滤波提供了高度优化的初始搜索空间（如3σ置信区间），改善了粒子滤波（pf）对初始值敏感、易粒子贫化、计算量大的固有缺点；使aukf的“快”与pf的“准”优势互补，在保证最终高精度的同时，大幅降低了纯pf方案的计算开销。本发明提出虚拟观测注入+异构滤波级联核心架构，通过多尺度信号预处理、s-curve动态噪声放大自适应无迹卡尔曼滤波、虚拟观测解耦、限制性热启动粒子滤波四级联动，有效缓解强耦合与弱激励难题。