具体实施方式

为使本说明书一个或多个实施例的目的、技术方案和优点更加清楚，下面将结合本说明书具体实施例及相应的附图对本说明书一个或多个实施例的技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本说明书的一部分实施例，而不是全部的实施例。基于本说明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本说明书一个或多个实施例保护的范围。

以下结合附图，详细说明本说明书各实施例提供的技术方案。

现有技术中，整车质量和道路坡度是智能驾驶、自动驾驶控制中的两个重要的参数，对智能驾驶的控制算法的影响很大。需要提高纵向速度控制器对于干扰的自适应能力来提高自动驾驶、智能驾驶的安全性。

本发明实施例中，可以针对没有配置整车质量、道路坡度所对应的测量传感器的智能驾驶电动汽车的自动驾驶控制部分，向智能驾驶控制器提供实时的整车质量和道路坡度值，进而根据整车质量和道路坡度值得到控制参数，提高车辆纵向控制算法的鲁棒性，提高自动驾驶的安全性。

通过本发明实施例的方法，智能驾驶控制器可以通过输入车辆的纵向加速度和纵向驱动力来估算得到实时的整车质量和道路坡度，进而提高车辆纵向控制算法的鲁棒性，进而提高自动驾驶的安全性。

为了解决现有技术中的缺陷，本方案给出了以下实施例：

图1为本说明书实施例中一种智能驾驶电动汽车的控制方法的流程示意图。

如图1所示，本发明实施例公开了一种智能驾驶电动汽车的控制方法，应用于智能驾驶控制器。所述方法包括：

步骤100、获取车辆的纵向加速度和纵向驱动力；

本发明实施例中，纵向加速度可以通过惯性测量单元IMU实时采集获得，纵向驱动力可以通过点击控制器MCU实时提供。

其中，IMU可以用于测量物体三轴姿态角、角速度和加速度，可以测量车辆的纵向加速度。MCU可以提供车辆的纵向驱动力。

步骤200、根据所述纵向加速度、所述纵向驱动力计算所述车辆的目标整车质量；

所述根据所述纵向加速度、所述纵向驱动力计算所述车辆的目标整车质量包括：

至少依据所述纵向加速度、所述纵向驱动力以及当前的空气阻力以及滚动阻力构建车辆在纵向上受力的动力学模型；

解析所述动力学模型中的所述空气阻力和所述滚动阻力后进行微分处理得到所述车辆的车辆质量与所述纵向加速度以及所述纵向驱动力的关联关系；

对所述关联关系中的所述纵向加速度以及所述纵向驱动力进行滤波处理筛取所述纵向加速度以及所述纵向驱动力的高频部分并根据递归最小二乘算法消除信号噪声得到目标整车质量。

本发明实施例中，预先构建有动力学模型，参见图2所示，图2是本发明实施例中整车受力分析图，其中，其中F为纵向驱动力，F_air为空气阻力，F_roll为滚动阻力，mg为车辆重力，θ为路面坡度。

根据该受力分析图，建立车辆在纵向上的动力学模型：

上式【1】中，m为车辆总质量，为纵向加速度，F为纵向驱动力，F_air为空气阻力，F_roll为滚动阻力，g为重力加速度，θ为路面坡度。

然后解析空气阻力和滚动阻力：

F_roll＝fmgcosθ 【3】

上式中【2】、【3】中，ρ为空气密度，C_d为风阻系数，A为迎风面积，v为纵向速度，f为路面滚阻系数。

然后，将式子【2】和【3】带入式子【1】中，可以得到公式4：

对上式的加速度进行微分处理，将得到下面的式子：

本发明实施例中，由于驱动电机的驱动扭矩变化率一般较高，而在驱动力变化率较大时，行驶加速度的变化率要远大于速度的变化率。可以认为，与行驶加速度的微分相比，速度的微分是很小的量，因此得到：

本发明实施例中，在进行坡度估计时，假设坡度变化一般较小，与车辆行驶加速度并不直接相关，且坡度的变化是随机的，因此坡度对加速度的微分为：

由此，在驱动力变化频率较高时，可得出：

即在驱动力变化率较高时，可以忽略滚阻、风阻和路面坡度对车辆质量估算的影响。采用式子【8】可以得到车辆在行驶过程中实时的整车质量，近似等于驱动力信息对加速度信息求微分。

进一步的，纵向驱动力对行驶加速度的微分可以近似为纵向驱动力和行驶加速度的高频信息之比，因此可通过对二者使用高通滤波得到高频信息，进而得到所求微分。

本发明实施例中通过高通滤波滤除滚动阻力、风阻和路面坡度的低频部分的影响，得到了行驶加速度的高频部分和驱动力的高频部分F^*。并得到如下式子：

然后通过递归最小二乘法消除信号噪声对公式9中m的影响。

因此，根据递归最小二乘法，令x＝F^* 时，将得到式子：

其中，为整车质量的估计值。然后采用最小二乘法进行求解。

在线性系统中，该求解过程相当于找到参数使得函数取得极小值。其中，t为当前的采样时刻。因此，可以通过如下公式求解：

给公式【11】取极小值时，

从【12】式可以得知，随着t的增加，的计算量将不断增加。由于对车辆的整车质量的估计运算是实时进行的，因此在本发明实施例中采用了递归最小二乘法(RecursiveLeast Squares，RLS)估计质量，也就是利用当前采样时刻的测量值对上一采样时刻的估值进行修正。RLS算法如下公式所示：

L(t)＝P(t-1)δ(t)(1+δ(t)P(t-1)δ(t))^-1 【14】

P(t)＝(1-L(t)δ(t))P(t-1) 【15】

通过式子【13】可以估计各时刻的整车质量，式子【14】计算的是最小二乘增益L，式子【15】是对误差协方差P进行更新。

基于此，可以根据纵向加速度和纵向驱动力实时估计目标整车质量。

步骤300、依据所述目标整车质量以及当前路况计算第一道路坡度。

步骤400、依据所述纵向加速度以及当前车辆加速度得到第二道路坡度。

步骤500、根据当前坡度变化率、所述第一道路坡度、所述第二道路坡度计算目标道路坡度；所述坡度变化率用于表征预定时段内坡度的变化频率。

步骤600、依据所述目标整车质量以及所述目标道路坡度，确定控制参数。

步骤700、基于所述控制参数控制所述车辆在坡道上行驶。

本发明实施例中，采用动力学方法估算出第一道路坡度，采用运动学方法估算出第二道路坡度，然后通过预设规则基于坡度变化率来得出适用于智能驾驶汽车纵向车速控制的目标道路坡度。

其中，第一道路坡度的估算过程中，利用公式【4】来进行计算。并采用带有遗忘因子的最小二乘算法估算出结果。

令x＝F，b＝mg(sinθ+fcosθ)，带入公式【4】，则得到式子【16】，如下所示：

x＝μ+b 【16】

其中，x为纵向驱动力，μ为质量速度函数，b为质量坡度函数。

本发明实施例中采取带有遗忘因子的最小二乘法估计b。在线性系统中，相当于找到参数取得极小值：

其中，λ为遗忘因子。λ越大，辨识精度越高，但是会导致收敛速度变慢；λ越小，辨识精度越低，识别精度降低，但是收敛速度会提高。所以λ需要综合考量后进行取值。

当式子取得最小值时，得到：

通过RLS估计方法可得到：

通过式子【19】可以估计不同时刻的b值。基于动力学方法，可以得到路面第一道路坡度θ_d：

其中，所述θ_d为所述第一道路坡度，所述b为质量坡度函数，所述f为路面滚阻系数。

根据运动学理论，加速度的测量值与道路坡度和车辆本身的加速度相关：

从而可以得到基于运动学的道路坡度估计值θ_k:

其中，所述θ_k为第二道路坡度，所述a为当前测量的车辆加速度。

由此，可以实时得到基于动力学方法估算得到的第一道路坡度和基于运动学方法估算得到的第二道路坡度。

之后，对第一道路坡度和第二道路坡度进行融合。

通过动力学方法估算的坡度值θ_d受高频噪声影响大，对其采用低通滤波处理，滤除高频噪声部分，保留低频部分。通过运动学估算的坡度值θ_k受传感器信号静态偏差影响大，而IMU的静态偏差属于低频噪声，所以使用高通滤波，滤除其低频噪声部分，保留高频部分。最后将滤波后的结果综合处理得到道路坡度估算值θ。

所述将所述第一道路坡度以及所述第二道路坡度进行融合得到目标道路坡度包括：

根据第二预设公式得到所述目标道路坡度；其中，所述τ为时间常数，所述s为时长，所述为所述所述第一道路坡度θ_d通过低通滤波处理后的部分，所述为所述第二道路坡度θ_k通过高通滤波处理后的部分。

在路面坡度变化频率较高时，第一道路坡度所占权重高，可以准确快速估计瞬态坡度值；在路面坡度变化频率较低时，第二道路坡度所占权重更高，可以准确估计稳态坡度值。因此，本发明实施例中，根据不同的路面坡度变化频率确定所述以及所述所占权重。

本发明实施例中，可以根据预定时段内坡度的变化频率来预先标定权重的不同，来提高所得到的目标道路坡度的准确性。预定时间段可以根据实际需要进行标定，在此进行限定。

基于所述控制参数控制所述车辆在坡道上行驶。即将目标整车质量以及目标道路坡度提供给智能驾驶电动汽车的纵向车速控制系统，来实现对智能驾驶电动汽车的控制，提高车辆控制系统的鲁棒性，进而提高自动驾驶的安全性。

本发明实施例中，控制参数可以表征控制车辆在坡道上行驶所需的参数，例如：发动机期望扭矩、油门踏板开度、期望的纵向加速度、期望的纵向减速度等等。

由此可见，本发明实施例中，通过实时获取的车辆纵向加速度、纵向驱动力可以输出实时的目标整车质量、实时的目标道路坡度。通过分析车辆在纵向的动力学可以得到驱动力与整车质量、整车纵向加速度、空气阻力、滚动阻力的关系式，利用电机驱动力准确性高的特点，将整车质量和坡度解耦，筛取纵向加速度信号和驱动力信号的高频部分，用递归最小二乘法得到整车质量估算值。并在此基础上，采用运动学和动力学方法对道路坡度对道路坡度进行估算，最后通过两种方法的估算值基于坡度变化率得到准确的道路坡度值。

基于同样的思路，本说明书实施例还提供了上述方法对应的装置。图3为本说明书实施例提供的对应于图1的一种智能驾驶电动汽车的控制装置的结构示意图。如图3所示，该装置应用于智能驾驶控制器，可以包括：

采集单元301，用于获取车辆的纵向加速度和纵向驱动力；

提取单元302，用于根据所述纵向加速度、所述纵向驱动力计算所述车辆的目标整车质量；

第一计算单元303，用于依据所述目标整车质量以及当前路况计算第一道路坡度；

第二计算单元304，用于依据所述纵向加速度以及当前车辆加速度得到第二道路坡度；

融合单元305，用于根据当前坡度变化率、所述第一道路坡度、所述第二道路坡度计算目标道路坡度；所述坡度变化率用于表征所述车辆所在坡道预定时段内坡度的变化频率；

参数计算单元306，用于依据所述目标整车质量以及所述目标道路坡度，确定控制参数；

控制单元307，用于控制所述车辆在坡道上行驶。

所述提取单元302包括：

模型建立子单元，用于至少依据所述纵向加速度、所述纵向驱动力以及实时获取的空气阻力以及滚动阻力构建车辆在纵向上受力的动力学模型；

解析子单元，用于解析所述动力学模型中的所述空气阻力和所述滚动阻力后进行微分处理得到所述车辆的车辆质量与所述纵向加速度以及所述纵向驱动力的关联关系；

运算子单元，用于对所述关联关系中的所述纵向加速度以及所述纵向驱动力进行滤波处理筛取所述纵向加速度以及所述纵向驱动力的高频部分并根据递归最小二乘算法消除信号噪声得到目标整车质量。

所述动力学模型包括：

其中，所述m为车辆总质量，所述为纵向加速度，所述F为纵向驱动力，所述F_air为空气阻力，所述F_roll为滚动阻力，所述g为重力加速度，所述θ为路面坡度。

所述第一计算单元具体用于：

根据所述关联关系得到纵向驱动力与质量速度函数以及质量坡度函数的关系式；其中，所述质量速度函数用于表征车辆的质量与加速度的关系，所述质量坡度函数用于表征车辆的质量与坡度的关系；

基于所述关系式采用带有遗忘因子的最小二乘法估算所述第一道路坡度；

所述关系式包括：

其中，所述θ_d为所述第一道路坡度，所述b为质量坡度函数，所述f为路面滚阻系数。

所述第二计算单元具体用于：

根据第一预设公式计算所述第二道路坡度，其中，所述θ_k为第二道路坡度，所述为纵向加速度，所述a为当前时刻测量的车辆加速度。

所述将所述第一道路坡度以及所述第二道路坡度进行融合得到目标道路坡度包括：

根据第二预设公式得到所述目标道路坡度；其中，所述τ为时间常数，所述s为时长，所述为所述所述第一道路坡度θ_d通过低通滤波处理后的部分，所述为所述第二道路坡度θ_k通过高通滤波处理后的部分。

根据不同的路面坡度变化频率确定所述以及所述所占权重。

所述纵向加速度为通过惯性测量单元IMU测量得到的。

所述纵向驱动力为通过电机控制器MCU测量得到的。

可以理解的是，本发明实施例中一种电动汽车的控制装置中各个单元的执行过程可以参照前述实施例中电动汽车的控制方法中的各个步骤，在此不进行赘述。

本发明实施例中，通过采集单元实时获取的车辆纵向加速度、纵向驱动力可以由提取单元以及融合单元输出实时的目标整车质量、实时的目标道路坡度。通过提取单元分析车辆在纵向的动力学可以得到驱动力与整车质量、整车纵向加速度、空气阻力、滚动阻力的关系式，利用电机驱动力准确性高的特点，将整车质量和坡度解耦，筛取纵向加速度信号和驱动力信号的高频部分，用递归最小二乘法得到整车质量估算值。并在此基础上，第一计算单元和第二计算单元采用运动学和动力学方法对道路坡度对道路坡度进行估算，最后通过两种方法的估算值在融合单元进行融合基于坡道变化率得到准确的道路坡度值。提高了车辆纵向控制算法的鲁棒性，提升了智能驾驶电动汽车的安全性。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。由于装置实施例基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字符系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。

控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字符助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字符多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带式磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。