CN115503737A - 车辆的质量估算方法、装置、介质、设备及车辆 - Google Patents

Abstract

本公开涉及车辆的质量估算方法、装置、介质、设备及车辆，该方法包括：获取车辆的行驶状态数据；行驶状态数据包括当前档位命令、当前道路坡度、当前加速度、当前车速以及电机的当前驱动扭矩；基于行驶状态数据，判断是否满足质量估算触发条件；判定满足质量估算触发条件时，继续获取道路滚动阻力；基于当前车速、当前加速度、当前道路坡度、道路滚动阻力以及当前驱动扭矩，确定车辆的估算质量。由此，可无需增加额外的传感器，从而无需占用车辆的空间，不会增大车辆的投入成本，便于推广使用；同时，能够结合车辆和道路的实际情况进行质量估算，质量估算的准确性较高，有利于实现车速及时跟随。

Description

车辆的质量估算方法、装置、介质、设备及车辆

技术领域

本公开涉及车辆技术领域，尤其涉及一种车辆的质量估算方法、装置、介质、设备及车辆。

背景技术

车辆，例如电动无人驾驶车，特别是电动无人自动驾驶牵引车，其质量变化是存在较大区间波动的，示例性地，存在仅空车头(仅有牵引车)、挂空车斗(无货物)、挂载货车斗(有货物)等等多种载重情况。

通常，自动驾驶的纵向速度控制受车辆质量的影响较大，当无法得知或无法准确预知车辆的质量时，车辆的纵向速度控制将很难达到理想控制效果，即车辆的实时速度无法很好地跟随期望车速，导致车辆的车速响应慢，尤其是加速及刹车时响应不及时，跟随性差且能量利用率下降。由此，亟需一种合适的质量估算方法，来解决目前所面临的问题。

当前，针对车辆的质量估算识别方法主要分为两类：其中一类方法是通过在车辆上加装传感器，利用该传感器来估算车辆的质量，但该方法中传感器占用车辆空间，且加大了车辆的投入成本，难以推广使用；另一类方法是通过车辆动力学模型来估算车辆质量，该方法虽然具有一定的应用便利性，但也存在识别准确性较低的问题。

发明内容

为了解决上述技术问题或者至少部分地解决上述技术问题，本公开提供了一种车辆的质量估算方法、装置、介质、设备及车辆。

本公开提供了一种车辆的质量估算方法，该方法包括：

获取车辆的行驶状态数据；所述行驶状态数据包括当前档位命令、当前道路坡度、当前加速度、当前车速以及电机的当前驱动扭矩；

基于所述行驶状态数据，判断是否满足质量估算触发条件；

判定满足所述质量估算触发条件时，继续获取道路滚动阻力；

基于所述当前车速、所述当前加速度、所述当前道路坡度、所述道路滚动阻力以及所述当前驱动扭矩，确定车辆的估算质量。

可选地，所述质量估算触发条件包括：

所述行驶状态数据满足以下条件且保持时间等于或大于预设时间阈值：

所述当前档位命令处于前进挡或倒挡；

所述当前道路坡度等于或大于零，且小于或等于预设坡度阈值；

所述当前加速度等于或大于第一加速度阈值，且小于或等于第二加速度阈值；所述第一加速度阈值小于所述第二加速度阈值；

所述当前车速等于或大于第一速度阈值，且小于或等于第二速度阈值；所述第一速度阈值小于所述第二速度阈值，且均小于最大可用车速；

以及，所述当前驱动扭矩等于或大于第一扭矩阈值，且小于或等于第二扭矩阈值；所述第一扭矩阈值小于所述第二扭矩阈值，且均小于最大可用扭矩。

可选地，所述确定车辆的估算质量，包括：

基于所述当前车速、所述当前加速度、所述当前道路坡度、所述道路滚动阻力以及所述当前驱动扭矩，利用车辆纵向动力学模型，确定计算质量；

基于所述计算质量进行限制处理，确定限制质量；其中，限制处理所对应的质量区间的下限值为车辆空载质量，上限值为车辆满载质量；

利用所述限制质量，对所存储的车辆质量进行更新和均值处理，获取更新后的平均质量；

基于所述更新后的平均质量，进行卡尔曼滤波质量估算处理，确定所述估算质量。

可选地，所述利用车辆纵向动力学模型，确定计算质量，包括：

采用下式确定所述计算质量：

其中，m_F代表计算质量；T_mot代表当前驱动扭矩，K代表传动比，η代表传动系机械效率，r代表轮胎有效半径；ρ代表空气密度，为一常数；A代表迎风面积；C_D为空气阻力系数；v为空气相对车辆的运动速度，数值上等于当前车速；f为道路滚动阻力对应的阻力系数，基于实时路面特征确定；g为重力加速度，i代表当前道路坡度；δ代表计入旋转质量惯性力矩后的汽车旋转质量换算系数，a代表车速闭环控制输出的当前加速度。

可选地，利用所述限制质量，对所存储的车辆质量进行更新和均值处理，获取更新后的平均质量，包括初始阶段、交替进行的均值阶段以及更新阶段；

所述初始阶段中，设置质量存储单元组，并设置质量存储单元组中质量存储单元对应的质量均为车辆上次运行后的记忆存储质量；

所述均值阶段中，计算所述质量存储单元组的平均质量，并进行更新触发计时；其中，所述质量存储单元组的平均质量为所述质量存储单元组中各质量存储单元所对应的质量的平均值；所述均值阶段开始于所述初始阶段的保持时长大于单个更新周期的时长时；

所述更新阶段中，利用所述限制质量更新质量存储单元组中第一个或最后一个所述质量存储单元对应的质量，并进行更新退出计时；其中，所述更新阶段开始于满足所述质量估算触发条件以及更新触发计时的时长等于或大于预设更新时长时；

以及在更新退出计时的时长等于或大于预设退出时长，或不满足所述质量估算触发条件时，退出所述更新阶段并进入所述均值阶段，重新计算所述质量存储单元组的平均质量；

其中，所述质量存储单元组的平均质量为更新后的平均质量。

可选地，获取所述当前档位命令，包括：在自动驾驶模式下，获取来自域控制器的档位命令；

获取所述当前道路坡度，包括：基于智能驾驶CAN总线获取域控制器确定的当前道路坡度；其中，所述域控制器基于车辆当前所处位置及先验的道路坡道地图信息，确定车辆当前所处位置的当前道路坡度；和/或，所述域控制器基于车辆装载的坡度传感器采集到的坡度信息确定所述当前道路坡度；

获取所述当前车速，包括：获取电机转速、车轮半径和传动比，计算得到初始车速后进行滤波处理，得到当前车速；

获取所述当前加速度，包括：基于当前车速进行数学处理，确定当前加速度；

获取所述当前驱动扭矩，包括：基于动力CAN总线接收来自电机控制器的当前驱动扭矩；

获取所述道路滚动阻力对应的阻力系数，包括：基于智能驾驶CAN总线获取域控制器确定的阻力系数；其中，所述域控制器基于图像采集传感器识别当前道路路况，并匹配对应的阻力系数。

本公开还提供了一种车辆的质量估算装置，包括：

第一获取模块，用于获取车辆的行驶状态数据；所述行驶状态数据包括当前档位命令、当前道路坡度、当前加速度、当前车速以及电机的当前驱动扭矩；

条件判断模块，用于基于所述行驶状态数据，判断是否满足质量估算触发条件；

第二获取模块，用于判定满足所述质量估算触发条件时，继续获取至少道路滚动阻力；

质量估算模块，用于基于所述当前车速、所述当前加速度、所述当前道路坡度、所述道路滚动阻力以及所述当前驱动扭矩，确定车辆的估算质量。

本公开还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序用于执行上述任一种方法的步骤。

本公开还提供了一种车用设备，包括：处理器；用于存储所述处理器可执行指令的存储器；所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述可执行指令以实现上述任一种方法的步骤。

本公开还提供了一种车辆，包括上述任一种车用设备。

本公开提供的技术方案与现有技术相比具有如下优点：

本公开提供的车辆的质量估算方法包括：获取车辆的行驶状态数据；行驶状态数据包括当前档位命令、当前道路坡度、当前加速度、当前车速以及电机的当前驱动扭矩；基于行驶状态数据，判断是否满足质量估算触发条件；判定满足质量估算触发条件时，继续获取道路滚动阻力；基于当前车速、当前加速度、当前道路坡度、道路滚动阻力以及当前驱动扭矩，确定车辆的估算质量。由此，可无需增加额外的传感器，从而无需占用车辆口空间，不会增大车辆的投入成本，便于推广使用；同时，能够结合车辆和道路的实际情况进行质量估算，质量估算的准确性较高，有利于实现车速及时跟随。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。

为了更清楚地说明本公开实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本公开实施例中的一种车辆的质量估算方法的流程示意图；

图2为本公开实施例中的另一种车辆的质量估算方法的流程示意图；

图3为本公开实施例中的一种车辆的质量估算装置的结构示意图；

图4为本公开实施例中的一种车用设备的结构示意图；

图5为本公开实施例中的一种车辆的结构示意图。

具体实施方式

为了能够更清楚地理解本公开的上述目的、特征和优点，下面将对本公开的方案进行进一步描述。需要说明的是，在不冲突的情况下，本公开的实施例及实施例中的特征可以相互组合。

在下面的描述中阐述了很多具体细节以便于充分理解本公开，但本公开还可以采用其他不同于在此描述的方式来实施；显然，说明书中的实施例只是本公开的一部分实施例，而不是全部的实施例。

本公开实施例提供的车辆的质量估算方法，可用于纯电动无人驾驶车辆的整车控制中，实现对纯电动自动驾驶牵引车的精准质量估算，从而有利于实现车速跟随，提高车速响应速度，进而使车速跟随较好，能量利用率提升。

下面结合附图，对本公开实施例提供的车辆的质量估算方法、装置、介质、设备及车辆进行示例性说明。

示例性地，图1为本公开实施例中的一种车辆的质量估算方法的流程示意图，该方法可由整车控制器(Vehicle control unit，VCU)执行。参照图1，该方法可包括如下步骤：

S110、获取车辆的行驶状态数据。

其中，行驶状态数据为与车辆的行驶状态相关的数据，包括表征车辆当前行驶状态的数据、用于控制车辆行驶状态的数据以及影响车辆行驶状态的数据。示例性地，行驶状态数据可包括当前档位命令、当前道路坡度、当前加速度、当前车速以及电机的当前驱动扭矩。

其中，当前档位命令为用于控制车辆行驶状态，当前道路坡度会影响车辆的行驶状态，当前加速度、当前车速以及电机的当前驱动扭矩可表征车辆的当前行驶状态。

该步骤中，对车辆的行驶状态数据的获取可包括整车控制器接收与之通信的传感组件或控制组件等传输的相关数据。

下面示例性地说明上述各行驶状态数据的获取方式。

在一些实施例中，获取当前档位命令，具体可包括：在自动驾驶模式下，获取来自域控制器的档位命令。

本公开实施例中，基于域控制器实现对档位命令的识别与处理，并传输至整车控制器。

具体的，在自动驾驶模式下，档位命令来自于域控制器(Domain Control Unit，DCU)，该域控制器可为自动驾驶域控制器。如此，可便捷准确地获取档位命令。

在其他实施方式中，在辅助驾驶模式下，还可基于对物理档位的识别和自动驾驶档位命令的识别，并进一步进行综合判别，确定传输至整车控制器的档位命令，在此不限定。

在一些实施例中，获取当前道路坡度，具体可包括：基于智能驾驶CAN总线获取域控制器确定的当前道路坡度。

其中，域控制器基于车辆当前所处位置及先验的道路坡道地图信息，确定车辆当前所处位置的当前道路坡度；和/或，域控制器基于车辆装载的坡度传感器采集到的坡度信息确定当前道路坡度。

本公开实施例中，基于域控制器实现对当前道路坡度(本文中以i代表当前道路坡度)的采集、识别与处理，并传输至整车控制器。

具体地，DCU可基于车辆当前所处位置以及事先测量好(即先验)的道路坡道地图信息，得出车辆当前所在位置的坡度信息，即得出当前道路坡度；该当前道路坡度由DCU通过智能驾驶CAN总线发送给VCU；对应的，VUC获取当前道路坡度。

或者，车辆装载坡度传感器，由坡度传感器对当前道路的坡度信息进行采集，并传输给DCU；DCU基于接收到的当前道路的坡度信息，确定当前道路坡度，并通过智能驾驶CAN总线发送给VCU；对应的，VCU获取当前道路坡度。

如此设置，能够便捷准确地获取当前道路坡度，利于对车辆质量的精准估算。

在一些实施例中，获取当前车速，具体可包括：获取电机转速、车轮半径和传动比(即车辆速比)，计算得到初始车速后进行滤波处理，得到当前车速。

本公开实施例中，整车控制器实现对当前车速的识别与处理。其中，可以v代表当前车速，其物理单位可为米每秒(m/s)、千米每小时(km/h)或其他表征单位，在此不限定。

具体地，VCU通过电机转速、车轮半径、车辆速比，计算得到初始车速，并进行滤波处理后得到当前车速，如此能够便捷准确地获取当前车速，利于对车辆质量的精准估算。

其中，滤波处理是为了滤除过大或过小的初始车速，以避免车速阶跃变化，使得车速在一定范围内平滑变化，从而有利于确保车辆行驶的平顺性较好。

在一些实施例中，获取当前加速度，具体可包括：基于当前车速进行数学处理，确定当前加速度。

本公开实施例中，整车控制器实现对当前加速度(即实时加速度)的识别与处理。其中，可以a代表当前加速度，其物理单位可为米每平方秒(m/s²)。

具体地，整车控制器对所获取的当前车速进行微分及变化处理，识别出车辆的当前加速度。如此能够便捷准确地获取当前加速度，利于实现对车辆质量的精准估算。

在一些实施例中，获取当前驱动扭矩，具体可包括：基于动力CAN总线接收来自电机控制器的当前驱动扭矩。

本公开实施例中，电机控制器(Motor Control Unit，MCU)实现对当前驱动扭矩的识别，并传输至整车控制器。其中，当前驱动扭矩为电机当前真实扭矩，也可称为电机实时扭矩，可以Tmot代表当前驱动扭矩，其物理单位可为牛米(Nm)。

具体地，整车控制器通过动力CAN总线接收来自电机控制器的当前驱动扭矩。

上述示例性地说明了行驶状态数据的获取方式，在其他实施方式中还可采用其他方式获取当前档位命令、当前道路坡度、当前加速度、当前车速以及电机的当前驱动扭矩，在此不限定。

S120、基于行驶状态数据，判断是否满足质量估算触发条件。

其中，质量估算触发条件为触发质量估算步骤执行的条件，当满足质量估算触发条件时，触发执行质量估算步骤。

本公开实施例中，通过结合行驶状态数据对质量估算触发条件进行判断，能够避免频繁地触发质量估算，有利于确保质量稳定性以及车速控制的稳定性。

在一些实施例中，质量估算触发条件包括：

行驶状态数据满足以下条件且保持时间等于或大于预设时间阈值：

当前档位命令处于前进挡或倒挡；

当前道路坡度等于或大于零，且小于或等于预设坡度阈值；

当前加速度等于或大于第一加速度阈值，且小于或等于第二加速度阈值；第一加速度阈值小于第二加速度阈值；

当前车速等于或大于第一速度阈值，且小于或等于第二速度阈值；第一速度阈值小于第二速度阈值，且均小于最大可用车速；

以及，当前驱动扭矩等于或大于第一扭矩阈值，且小于或等于第二扭矩阈值；第一扭矩阈值小于第二扭矩阈值，且均小于最大可用扭矩。

本公开实施例中，质量估算触发，也称为质量估算使能，其可以E_m代表，当E_m＝1时，代表质量估算使能；当E_m＝0时，代表质量估算不使能。结合上文，当行驶状态数据满足质量估算触发条件的情况下，才触发质量估算的步骤，且质量估算触发条件如下：

以下五个条件同时满足且保持的时间等于或大于预设时间阈值：

条件一：当前挡位命令处于驱动挡，例如前进挡(D挡)或倒挡(R挡)，即车辆处于被驱动的状态；

条件二：当前道路坡度小于或等于预设坡度阈值，在自动驾驶可调控的范围内；示例性地，预设坡度阈值可为5％或其他坡度值，不限定；

条件三：当前加速度在由第一加速度阈值和第二加速度阈值限定的加速度阈值范围内；示例性地，第一加速度阈值可为0.1m/s²，第二加速度阈值可为1m/s²，则当前加速度a满足：0.1m/s²≤a≤1m/s²；还可基于方法需求，设置其他加速度阈值范围，不限定；

条件四：当前车速在由第一车速阈值和第二车速阈值限定的车速阈值范围内；示例性地，第一车速阈值为0.1km/h，第二车速阈值为最大可用车速，也可称为最高设计车速，则当前车速v满足：0.1km/h≤v≤最大可用车速；还可基于方法需求，设置其他车速阈值范围，不限定；

条件五：当前驱动扭矩在由第一扭矩阈值和第二扭矩阈值限定的扭矩阈值范围内；示例性地，第一扭矩阈值可为2Nm，第二扭矩阈值可为最大驱动扭矩，则当前驱动扭矩Tmot满足：2Nm≤Tmot≤最大驱动扭矩；还可基于方法需求，设置其他扭矩阈值范围，不限定。

其中，上述五个条件需同时满足，即五个条件之间是“与”的逻辑关系；预设时间阈值在秒级别，例如2秒，在此不限定。

本公开实施例提供的车辆的质量估算方法，不是进行全场景的实时估算，因此需要利用上述条件对质量估算触发条件进行限制；在满足质量估算触发条件的情况下，外界扰动小，可触发进行质量估算和更新，在不满足质量估算触发条件的情况下，表明外界扰动过大，不继续进行质量估算和更新。

能够理解的是，上述阈值可基于方法需求进行调整或修正，本公开实施例对其具体取值并不限定。

S130、判定满足质量估算触发条件时，继续获取道路滚动阻力。

本公开实施例中，在判定满足质量估算触发条件时，触发执行质量估算步骤，为了精准实现质量估算，将路况相关参数，例如该步骤中获取的道路滚动阻力应用到质量估算步骤中，以确保精准估算质量。

在一些实施例中，获取道路滚动阻力对应的阻力系数，具体可包括：基于智能驾驶CAN总线获取域控制器确定的阻力系数。

其中，域控制器基于图像采集传感器识别当前道路路况，并匹配对应的阻力系数。

本公开实施例中，域控制器实现对道路滚动阻力对应的阻力系数(可简称为道路滚动阻力系数)的识别与处理，并传输至整车控制器。

具体地，域控制器可通过图像采集组件，例如摄像头识别道路路况，例如应用图像识别处理技术，识别出当前道路的材质和路面的干湿程度，匹配对应的道路滚动阻力系数；示例性地，当前道路的材质可包括沥青路面、混凝土路面、砂石路面、冰雪路面等等，阻力系数与材质以及干湿程度之间的匹配对应关系可基于试验测得并存储，以供在该步骤中调用。该道路滚动阻力系数由域控制器通过智能驾驶CAN总线发送给整车控制器。

S140、基于当前车速、当前加速度、当前道路坡度、道路滚动阻力以及当前驱动扭矩，确定车辆的估算质量。

其中，当前驱动扭矩、当前车速和当前加速度能够表征当前车况，当前道路坡度和道路滚动阻力能够表征当前路况。该步骤中，将前述步骤中获取的用于表征当前车况和当前路况的数据结合到车辆的质量估算中，实现了针对实际车况和路况的车辆质量的估算，能够使用于多种不同的车况和路况的场景中，实现对车辆质量的精准估算。

本公开实施例提供的车辆的质量估算方法包括获取车辆的行驶状态数据；行驶状态数据包括当前档位命令、当前道路坡度、当前加速度、当前车速以及电机的当前驱动扭矩；基于行驶状态数据，判断是否满足质量估算触发条件；判定满足质量估算触发条件时，继续获取道路滚动阻力；基于当前车速、当前加速度、当前道路坡度、道路滚动阻力以及当前驱动扭矩，确定车辆的估算质量。由此，可无需增加额外的传感器，从而无需占用车辆的空间，不会增大车辆的投入成本，便于推广使用；同时，能够结合车辆和道路的实际情况进行质量估算，质量估算的准确性较高，有利于实现车速及时跟随。

在一些实施例中，在图1的基础上，S140中的确定车辆的估算质量，具体可包括如下步骤：

基于当前车速、当前加速度、当前道路坡度、道路滚动阻力以及当前驱动扭矩，利用车辆纵向动力学模型，确定计算质量；

基于计算质量进行限制处理，确定限制质量；其中，限制处理所对应的质量区间的下限值为车辆空载质量，上限值为车辆满载质量；

利用限制质量，对所存储的车辆质量进行更新和均值处理，获取更新后的平均质量；

基于更新后的平均质量，进行卡尔曼滤波质量估算处理，确定估算质量。

本公开实施例中，首先利用车辆纵向动力学模型，基于前述步骤中获取到的车况和路况对应的数据，确定计算质量；然后利用车辆空载质量和车辆满载质量对计算质量进行限制处理，得到在车辆空载质量和车辆满载质量范围内的限制质量；再后利用限制质量对所存储的车辆质量进行更新和均值处理，得到更新后的平均质量；最后对更新后的平均质量进行卡尔曼滤波质量估算处理，确定估算质量。

由此，本公开实施例提供的车辆的质量估算方法中，结合了车况路况识别、车辆纵向动力学模型计算、计算质量限制处理、结合控制器存储记忆质量和限制质量的更新和均值处理、平均质量卡尔曼滤波等等处理过程，通过上述过程相融合的质量估算方法，能够较为精准地估算车辆的质量，提高车辆质量估算的精准度，尤其有利于实现针对质量变化较大的电动无人自动牵引车的质量的精准估算，为精准车速控制提供参数调整的必要条件，进而利于实现车速及时跟随。

在一些实施例中，利用车辆纵向动力学模型，确定计算质量，包括：

采用下式确定计算质量：

其中，m_F代表计算质量；T_mot代表当前驱动扭矩，K代表传动比，η代表传动系机械效率，r代表轮胎有效半径；ρ代表空气密度，为一常数；A代表迎风面积；C_D为空气阻力系数；v为空气相对车辆的运动速度，数值上等于当前车速；f为道路滚动阻力对应的阻力系数，基于实时路面特征确定；g为重力加速度，i代表当前道路坡度；δ代表计入旋转质量惯性力矩后的汽车旋转质量换算系数，a代表车速闭环控制输出的当前加速度。

本公开实施例中，基于车辆纵向动力学模型对车辆的质量进行计算，得到计算质量(以m_F表示)。具体地，整车控制器以当前车速v、当前加速度a、DCU识别到的当前道路坡度i、DCU识别到的道路滚动阻力对应的阻力系数f、以及当前驱动扭矩Tmot为输入，通过车辆纵向动力学模型对应的方程，得出计算质量m_F。

其中，车辆纵向动力学模型对应的方程可基于如下过程推导得到。

车辆所受的阻力有风阻F_w、滚动阻力F_f、坡度阻力F_i以及加速阻力F_j，车辆行驶平衡方程式为：

F＝F_w+F_f+F_i+F_j (1)

其中，F代表地面作用于车轮驱动轮的切向反作用力，即驱动力。

且，风阻F_w采用下式计算：

其中：ρ代表空气密度，取值可为1.2258Ns²m^-4；A为迎风面积，其物理单位可为平方米(m²)；C_D代表空气阻力系数；v为空气相对车辆的运动速度，数值上等于当前车速。

滚动阻力F_f采用下式计算：

F_f＝f·m_Fg·cos(θ) (3)

其中：f代表道路滚动阻力对应的阻力系数，对应于DCU利用图像采集组件针对路面进行识别分析的结果；m_F代表，计算质量，其物理单位可为千克(kg)，最终由VCU计算得到；g代表重力加速度，其物理单位可为米每平方米(m/s²)；θ代表道路角度，其物理单位为弧度(rad)，且与当前道路坡度i之间的关系为θ＝arctan(i)；基于此，(3)式可变化为：

F_f＝f·m_Fg·cos(arctan(i)) (4)

示例地，在当前车速为0时，滚动阻力F_f为0。

坡度阻力F_i采用下式计算：

F_i＝m_Fg·sin(θ) (5)

结合上文中的道路角度与当前道路坡度的转换，(5)式可变换为：

F_i＝m_Fg·sin(arctan(i)) (6)

加速阻力F_j采用下式计算：

F_j＝δm_Fa (7)

其中：a代表车速闭环控制输出的当前加速度；δ代表计入旋转质量惯性力矩后的汽车旋转质量换算系数。

对以上(1)、(2)、(4)、(6)及(7)式进行代入整理，所得车辆行驶平衡方程式为：

当前驱动扭矩表示为：

其中，T_mot代表当前驱动扭矩，r代表轮胎有效半径，其物理单位可为米(m)；K代表传动比；η代表传动系机械效率。

综合(8)式和(9)式，可得：

进一步地，将(10)式进行变换，可得到通过车辆纵向动力学模型对应的方程确定的车辆的计算质量m_F，如下式：

由此，本公开实施例提供的车辆纵向动力学模型对应的方程中，包括车况和路况对应的数据，结合车况和路况实现对车辆的质量的计算，能够针对不同车况和路况的场景，提高计算精准性。

在一些实施例中，在得到计算质量之后，利用车辆空载质量和车辆满载质量作为上下限，对计算质量进行限制处理，以得到在车辆空载质量和车辆满载质量区间范围内的限制质量，限制质量可以m_L表示。由此，确保了限制质量以及最终得到的估算质量在合理的质量范围内，提升了估算质量的精准性。

在一些实施例中，在得到限制质量之后，结合所存储的车辆质量进行更新和均值处理，获取更新后的平均质量，该过程具体包括：初始阶段、交替进行的均值阶段以及更新阶段；

初始阶段中，设置质量存储单元组，并设置质量存储单元组中质量存储单元对应的质量均为车辆上次运行后的记忆存储质量；

均值阶段中，计算质量存储单元组的平均质量，并进行更新触发计时；其中，质量存储单元组的平均质量为质量存储单元组中各质量存储单元所对应的质量的平均值；均值阶段开始于初始阶段的保持时长大于单个更新周期的时长时；

更新阶段中，利用限制质量更新质量存储单元组中第一个或最后一个质量存储单元对应的质量，并进行更新退出计时；其中，更新阶段开始于满足质量估算触发条件以及更新触发计时的时长等于或大于预设更新时长时；

以及在更新退出计时的时长等于或大于预设退出时长，或不满足质量估算触发条件时，退出更新阶段并进入均值阶段，重新计算质量存储单元组的平均质量；

其中，质量存储单元组的平均质量为更新后的平均质量。

其中，在第一次初始阶段、均值阶段以及更新阶段执行后，均值阶段和更新阶段继续交替进行，直至满足条件时退出；更新阶段中利用限制质量对质量存储单元组中的第一个或最后一个质量存储单元对应的质量进行更新，并继续将各质量存储单元原存储的质量对应向后或向前迁移替换，以实现对质量存储单元组中的各质量存储单元所存储的质量的更新；均值阶段中，基于质量存储单元组中各质量存储单元所存储的质量，计算得到平均质量，并将该平均质量作为更新后的平均质量。如此实现质量更新和均值处理。

本公开实施例中，首先对车辆上次运行后的记忆存储质量进行识别与处理。具体地，整车控制器通过控制存储单元记录存储本上电周期末端车辆的估算质量(即车辆下电便存储更新一次车辆质量)，再次上电后，整车控制器可读取所记忆存储的质量。其后进行含有记忆存储的质量的更新均值处理，得到更新后的平均质量，平均质量可以m_A表示。

具体地，以质量存储单元组包括6个质量存储单元为例，该过程包括的三个阶段可为：

初始阶段：m_A＝m_M，车辆刚上电时处于此阶段，此时行驶状态数据还未满足质量估算触发条件，平均质量为车辆上次运行后的记忆存储质量。示例性地，6个质量存储单元可分别以m₁、m₂、m₃、m₄、m₅以及m₆表示，且m₁＝m_M、m₂＝m_M、m₃＝m_M、m₄＝m_M、m₅＝m_M、m₆＝m_M。示例性地，m_M为1kg，则m₁＝1kg、m₂＝1kg、m₃＝1kg、m₄＝1kg、m₅＝1kg、m₆＝1kg。

均值阶段：车辆上电后，在初始阶段的保持时长大于单个更新周期的时长时，立即进入均值阶段；在均值阶段中，计算平均质量m_A，使得m_A＝(m₁+m₂+m₃+m₄+m₅+m₆)/6，同时进行计时，此计时时长为t_A。

示例性地，结合上文：m_A＝(1kg+1kg+1kg+1kg+1kg+1kg)/6＝1kg。

更新阶段：当质量估算触发条件满足(即Em＝1)且均值阶段的计时时长等于或大于预设更新时长(即t_A≥t_u1，t_u1代表预设更新时长，即设定的进入更新阶段的更新时长)时，更新一次质量存储单元组所存储的质量。示例性地，更新方式可为：m₁＝m₂、m₂＝m₃、m₃＝m₄、m₄＝m₅、m₅＝m₆、m₆＝m_L，或为：m₁＝m_L、m₂＝m₁、m₃＝m₂、m₄＝m₃、m₅＝m₄、m₆＝m₅；更新的同时计时，此计时时长为更新退出计时的时长，可表示为t_U。

示例性地，m_L＝1.6kg，则更新后的质量存储单元组为：m₁＝1.6kg、m₂＝1kg、m₃＝1kg、m₄＝1kg、m₅＝1kg、m₆＝1kg；或者m₁＝1kg、m₂＝1kg、m₃＝1kg、m₄＝1kg、m₅＝1kg、m₆＝1.6kg。

进一步地，当更新退出计时的时长等于或大于预设退出时长(即t_U≥t_u2，t_u2代表预设退出时长，即设定的退出更新阶段的更新时长)或不满足质量估算触发条件(即E_m＝0)时，退出更新阶段并进入均值阶段，重新计算平均质量。

再均值阶段后，平均质量：

m_A＝(1.6kg+1kg+1kg+1kg+1kg+1kg)/6＝1.1kg

或者m_A＝(1kg+1kg+1kg+1kg+1kg+1.6kg)/6＝1.1kg。

再进行更新阶段，m_L＝2.2kg，则更新后的质量存储单元组为：m₁＝2.2kg、m₂＝1.6kg、m₃＝1kg、m₄＝1kg、m₅＝1kg、m₆＝1kg；或者m₁＝1kg、m₂＝1kg、m₃＝1kg、m₄＝1kg、m₅＝1.6kg、m₆＝2.2kg。

再均值阶段后，平均质量：

m_A＝(2.2kg+1.6kg+1kg+1kg+1kg+1kg)/6＝1.2kg

或者m_A＝(1kg+1kg+1kg+1kg+1.6kg+2.2kg)/6＝1.2kg。

如此实现更新和均值处理，得到更新后的平均质量。

在一些实施例中，卡尔曼滤波质量估算处理可包括如下内容：

卡尔曼滤波器模块输入；

卡尔曼滤波器模块状态变量、状态方程、测量方程、系统状态空间表达式处理；

卡尔曼滤波器模块时间更新及测量更新。

具体地，卡尔曼滤波器模块输入可包括：基于数据接口分别输入对应的数据，具体包括：

输入接口1(以u(1)表示)输入当前驱动扭矩，即T_mot＝u(1)；

输入接口2(以u(2)表示)输入当前车速，即v＝u(2)；

输入接口3(以u(3)表示)输入平均质量，即m_A＝u(3)；

输入接口4(以u(4)表示)输入当前道路坡度，即i＝u(4)；

输入接口5(以u(5)表示)输入速度测量噪声协方差值R_v，即R_v＝u(5)；

输入接口6(以u(6)表示)输入质量测量噪声协方差值R_m，即R_m＝u(6)；

输入接口7(以u(7)表示)输入坡度测量噪声协方差值R_i，即R_i＝u(7)；

输入接口8(以u(8)表示)输入记忆存储质量m_M，即m_M＝u(8)。

具体地，卡尔曼滤波器模块状态变量、状态方程、测量方程、系统状态空间表达式处理，可包括：

选定状态变量为当前车速v、车辆质量m、当前道路坡度i，则系统状态向量为：

x(t)＝(v(t)，m(t)，i(t))

系统状态方程为：

其中，

W_k为过程噪声向量，且V_k为测量噪声向量，则过程激励噪声协方差矩阵为：

Q_k＝E[W_k W_k ^T]

测量噪声协方差矩阵为：

系统测量方程为：

由系统状态方程和系统测量方程可组合成系统状态空间表达式：

式中，H为测量矩阵。

具体地，卡尔曼滤波器模块时间更新及测量更新，可包括：

时间更新方程：

时间更新(先验)，根据系统状态方程计算下一状态预测值。

协方差预测：

式中：

为上一时刻状态变量的最优估计值；P_k-1为上一时刻误差协方差；

为状态变量的先验估计值；

为先验误差协方差；J_f过程方程向量函数f()对状态变量求偏导得到的Jacobian矩阵，矩阵表达式如下：

测量更新方程：

测量更新(后验)，根据估计(先验)误差协方差和测量噪声协方差计算卡尔曼增益：

状态更新，计算最优(后验)估计值。

上式中，z_k＝[u(2)；u(3)；u(4)；]。

协方差更新，计算最优估计值和真实值之间的误差协方差矩阵，为下次递推做准备。

式中：K_k为卡尔曼增益；

为状态变量后验估计值；P_k为后验误差协方差；I为单位矩阵。

基于上述，卡尔曼滤波器模块最终输出当前时刻的估算结果，包括估算车速、估算质量以及估算坡度。

其中，估算车速用于修正电机反馈转速计算的当前车速；估算坡度用于修正DCU测量上报的当前道路坡度；估算质量用于自动驾驶模式下VCU的纵向车速控制。

在一些实施例中，图2为本公开实施例中的另一种车辆的质量估算方法的流程示意图。参照图2，该方法可包括：

S210、数据的采集、识别与处理。

结合上文，该步骤中可获取与质量估算的车况、路况相关数据，例如道路滚动阻力或对应的阻力系数、当前档位命令、当前道路坡度、当前加速度、当前车速以及电机的当前驱动扭矩。

S220、质量估算使能。

结合上文，车辆的行驶状态数据在满足质量估算触发条件的情况下，才触发开启(更新)质量估算对应的步骤。如此减少扰动对质量估算的影响，有利于提高估算质量的精准性和可信性。

S230、基于车辆纵向动力学模型的质量估算。

结合上文，基于当前车速、当前加速度、当前道路坡度、道路滚动阻力以及当前驱动扭矩，利用车辆纵向动力学模型，确定计算质量。

S240、质量估算限制处理。

即对基于车辆纵向动力学模型得到的计算质量进行限制处理，得到限制质量，是限制质量在车辆空载质量和车辆满载质量区间范围内，以确保估算质量的可信性和精准性。

S250、含有记忆存储的质量估算更新均值处理。

即结合记忆存储的质量，利用限制处理后得到的限制质量进行更新均值处理，得到平均质量。

S260、步骤六：卡尔曼滤波质量估算处理。

即基于更新后的平均质量，进行卡尔曼滤波质量估算处理，确定估算质量。

本公开实施例提供的车辆的质量估算方法，可实时获取车况、路况相关数据，实现对车辆纵向动力学模型中对应的参数的灵活调整，从而能够适用于多种不同的车况、路况等场景中，提升质量估算的精准性。解决了相关技术中由于相关参数设置为固定值而导致的不能灵活适用于不同道路及质量估算精准性差的问题。

基于同一发明构思，本公开实施例还提供了一种车辆的质量估算装置，用于执行上述实施方式提供的任一种方法的步骤，实现对应的有益效果。

示例性地，图3为本公开实施例中的一种车辆的质量估算装置的结构示意图。参照图3，该装置30可包括：第一获取模块310，用于获取车辆的行驶状态数据；行驶状态数据包括当前档位命令、当前道路坡度、当前加速度、当前车速以及电机的当前驱动扭矩；条件判断模块320，用于基于行驶状态数据，判断是否满足质量估算触发条件；第二获取模块330，用于判定满足质量估算触发条件时，继续获取至少道路滚动阻力；质量估算模块340，用于基于当前车速、当前加速度、当前道路坡度、道路滚动阻力以及当前驱动扭矩，确定车辆的估算质量。

本公开实施例提供的车辆的质量估算装置，通过上述各功能模块的协同作用，能够在无需增加额外的传感器的结构下实现质量估算，从而无需占用车辆口空间，不会增大车辆的投入成本，便于推广使用；同时，能够结合车辆和道路的实际情况进行质量估算，质量估算的准确性较高，有利于实现车速及时跟随。

在一些实施例中，质量估算触发条件包括：

行驶状态数据满足以下条件且保持时间等于或大于预设时间阈值：

当前档位命令处于前进挡或倒挡；

当前道路坡度等于或大于零，且小于或等于预设坡度阈值；

当前加速度等于或大于第一加速度阈值，且小于或等于第二加速度阈值；第一加速度阈值小于第二加速度阈值；

当前车速等于或大于第一速度阈值，且小于或等于第二速度阈值；第一速度阈值小于第二速度阈值，且均小于最大可用车速；

以及，当前驱动扭矩等于或大于第一扭矩阈值，且小于或等于第二扭矩阈值；第一扭矩阈值小于第二扭矩阈值，且均小于最大可用扭矩。

在一些实施例中，质量估算模块340用于确定车辆的估算质量，包括质量估算模块340具体用于：

基于当前车速、当前加速度、当前道路坡度、道路滚动阻力以及当前驱动扭矩，利用车辆纵向动力学模型，确定计算质量；

基于计算质量进行限制处理，确定限制质量；其中，限制处理所对应的质量区间的下限值为车辆空载质量，上限值为车辆满载质量；

利用限制质量，对所存储的车辆质量进行更新和均值处理，获取更新后的平均质量；

基于更新后的平均质量，进行卡尔曼滤波质量估算处理，确定估算质量。

在一些实施例中，质量估算模块340用于利用车辆纵向动力学模型，确定计算质量，包括质量估算模块340具体用于：

采用下式确定计算质量：

其中，m_F代表计算质量；T_mot代表当前驱动扭矩，K代表传动比，η代表传动系机械效率，r代表轮胎有效半径；ρ代表空气密度，为一常数；A代表迎风面积；C_D为空气阻力系数；v为空气相对车辆的运动速度，数值上等于当前车速；f为道路滚动阻力对应的阻力系数，基于实时路面特征确定；g为重力加速度，i代表当前道路坡度；δ代表计入旋转质量惯性力矩后的汽车旋转质量换算系数，a代表车速闭环控制输出的当前加速度。

在一些实施例中，质量估算模块340用于利用限制质量，对所存储的车辆质量进行更新和均值处理，获取更新后的平均质量，包括：质量估算模块340具体用于执行初始阶段、交替进行的均值阶段以及更新阶段；其中，

初始阶段中，设置质量存储单元组，并设置质量存储单元组中质量存储单元对应的质量均为车辆上次运行后的记忆存储质量；

均值阶段中，计算质量存储单元组的平均质量，并进行更新触发计时；其中，质量存储单元组的平均质量为质量存储单元组中各质量存储单元所对应的质量的平均值；均值阶段开始于初始阶段的保持时长大于单个更新周期的时长时；

更新阶段中，利用限制质量更新质量存储单元组中第一个或最后一个质量存储单元对应的质量，并进行更新退出计时；其中，更新阶段开始于满足质量估算触发条件以及更新触发计时的时长等于或大于预设更新时长时；

以及在更新退出计时的时长等于或大于预设退出时长，或不满足质量估算触发条件时，退出更新阶段并进入均值阶段，重新计算质量存储单元组的平均质量；

其中，质量存储单元组的平均质量为更新后的平均质量。

在一些实施例中，第一获取模块310用于获取当前档位命令，包括：在自动驾驶模式下，获取来自域控制器的档位命令；

在一些实施例中，第一获取模块310用于获取当前道路坡度，包括：基于智能驾驶CAN总线获取域控制器确定的当前道路坡度；其中，域控制器基于车辆当前所处位置及先验的道路坡道地图信息，确定车辆当前所处位置的当前道路坡度；和/或，域控制器基于车辆装载的坡度传感器采集到的坡度信息确定当前道路坡度；

在一些实施例中，第一获取模块310用于获取当前车速，包括：获取电机转速、车轮半径和传动比，计算得到初始车速后进行滤波处理，得到当前车速；

在一些实施例中，第一获取模块310用于获取当前加速度，包括：基于当前车速进行数学处理，确定当前加速度；

在一些实施例中，第一获取模块310用于获取当前驱动扭矩，包括：基于动力CAN总线接收来自电机控制器的当前驱动扭矩；

在一些实施例中，第二获取模块330用于获取道路滚动阻力对应的阻力系数，包括：基于智能驾驶CAN总线获取域控制器确定的阻力系数；其中，域控制器基于图像采集传感器识别当前道路路况，并匹配对应的阻力系数。

需要说明的是，图3示出的装置30能够执行上述实施方式提供的任一种方法的步骤，实现对应的有益效果。

本公开实施例还提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序用于执行上述实施方式提供的任一种方法的步骤，实现对应的有益效果。

本公开实施例还提供了一种车用设备，包括：处理器；用于存储处理器可执行指令的存储器；处理器，用于从存储器中读取可执行指令，并执行可执行指令以实现上述实施方式提供的任一种方法的步骤，实现对应的有益效果。

示例性地，图4为本公开实施例中的一种车用设备的结构示意图。参照图4，该车用设备40包括：处理器420；用于存储处理器420可执行指令的存储器410；处理器420，用于从存储器410中读取可执行指令，并执行可执行指令以实现上述实施方式提供的任一种的方法的步骤，具有对应的有益效果，为避免重复描述，在此不再赘述。

其中，处理器420可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元，并且可以控制计算机中的其他组件以执行期望的功能。

存储器410可以包括一个或多个计算机程序产品，所述计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器420可以运行所述程序指令，以实现上文所述的本申请的各个实施例的方法步骤以及/或者其他期望的功能。

除了上述方法和电子设备以外，本申请的实施例还可以是计算机程序产品，其包括计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本申请各种实施例的方法步骤。

所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例操作的程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如Java、C++等，还包括常规的过程式程序设计语言，诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。

此外，本公开实施例还可以是计算机可读存储介质，其上存储有计算机程序指令，计算机程序指令在被处理器420运行时使得所述处理器420执行本申请各种实施例的方法步骤。

计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

在上述实施方式的基础上，本公开实施例还提供了一种车辆，包括上述实施方式提供的任一种车用设备，具有对应的有益效果。

示例性地，图5为本公开实施例中的一种车辆的结构示意图。参照图5，该车辆50可为电动无人自动牵引车系统装置，其具体可包括：驱动电机、减速器、差速器、驱动车轮、动力电池、高压配电盒、DCDC、铅酸电池、整车控制器(VCU)、电池管理系统(BMS)、电机控制器(MCU)、自动驾驶域控制器(DCU)系统、电动助力转向系统(EPS)、电子驻车制动系统(EPB)、电子液压制动系统(EHB)、车身控制系统(BCM)、轮胎压力监测系统(TPMS)、组合仪表系统(ICM)、牵引栓、牵引栓控制器(ATB)以及拖斗等；上述结构之间采用机械连接(图中以加粗实线示出)、电气连接(图中以虚线示出)或总线连接(图中以细实线示出)；示例性地，车用设备可内置于整车控制器中。

在其他实施方式中，车辆还可为其他类型的车辆，对应包括其他结构，在此不赘述也不限定。

需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物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、物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、物品或者设备中还存在另外的相同要素。

以上所述仅是本公开的具体实施方式，使本领域技术人员能够理解或实现本公开。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本公开的精神或范围的情况下，在其它实施例中实现。因此，本公开将不会被限制于本文所述的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种车辆的质量估算方法，其特征在于，包括：

获取车辆的行驶状态数据；所述行驶状态数据包括当前档位命令、当前道路坡度、当前加速度、当前车速以及电机的当前驱动扭矩；

基于所述行驶状态数据，判断是否满足质量估算触发条件；

判定满足所述质量估算触发条件时，继续获取道路滚动阻力；

基于所述当前车速、所述当前加速度、所述当前道路坡度、所述道路滚动阻力以及所述当前驱动扭矩，确定车辆的估算质量。

2.根据权利要求1所述的方法，其特征在于，所述质量估算触发条件包括：

所述行驶状态数据满足以下条件且保持时间等于或大于预设时间阈值：

所述当前档位命令处于前进挡或倒挡；

所述当前道路坡度等于或大于零，且小于或等于预设坡度阈值；

所述当前加速度等于或大于第一加速度阈值，且小于或等于第二加速度阈值；所述第一加速度阈值小于所述第二加速度阈值；

所述当前车速等于或大于第一速度阈值，且小于或等于第二速度阈值；所述第一速度阈值小于所述第二速度阈值，且均小于最大可用车速；

以及，所述当前驱动扭矩等于或大于第一扭矩阈值，且小于或等于第二扭矩阈值；所述第一扭矩阈值小于所述第二扭矩阈值，且均小于最大可用扭矩。

3.根据权利要求1或2所述的方法，其特征在于，所述确定车辆的估算质量，包括：

基于所述当前车速、所述当前加速度、所述当前道路坡度、所述道路滚动阻力以及所述当前驱动扭矩，利用车辆纵向动力学模型，确定计算质量；

基于所述计算质量进行限制处理，确定限制质量；其中，限制处理所对应的质量区间的下限值为车辆空载质量，上限值为车辆满载质量；

利用所述限制质量，对所存储的车辆质量进行更新和均值处理，获取更新后的平均质量；

基于所述更新后的平均质量，进行卡尔曼滤波质量估算处理，确定所述估算质量。

4.根据权利要求3所述的方法，其特征在于，所述利用车辆纵向动力学模型，确定计算质量，包括：

采用下式确定所述计算质量：

其中，m_F代表计算质量；T_mot代表当前驱动扭矩，K代表传动比，η代表传动系机械效率，r代表轮胎有效半径；ρ代表空气密度，为一常数；A代表迎风面积；C_D为空气阻力系数；v为空气相对车辆的运动速度，数值上等于当前车速；f为道路滚动阻力对应的阻力系数，基于实时路面特征确定；g为重力加速度，i代表当前道路坡度；δ代表计入旋转质量惯性力矩后的汽车旋转质量换算系数，a代表车速闭环控制输出的当前加速度。

5.根据权利要求3所述的方法，其特征在于，利用所述限制质量，对所存储的车辆质量进行更新和均值处理，获取更新后的平均质量，包括初始阶段、交替进行的均值阶段以及更新阶段；

所述初始阶段中，设置质量存储单元组，并设置质量存储单元组中质量存储单元对应的质量均为车辆上次运行后的记忆存储质量；

所述均值阶段中，计算所述质量存储单元组的平均质量，并进行更新触发计时；其中，所述质量存储单元组的平均质量为所述质量存储单元组中各质量存储单元所对应的质量的平均值；所述均值阶段开始于所述初始阶段的保持时长大于单个更新周期的时长时；

所述更新阶段中，利用所述限制质量更新质量存储单元组中第一个或最后一个所述质量存储单元对应的质量，并进行更新退出计时；其中，所述更新阶段开始于满足所述质量估算触发条件以及更新触发计时的时长等于或大于预设更新时长时；

以及在更新退出计时的时长等于或大于预设退出时长，或不满足所述质量估算触发条件时，退出所述更新阶段并进入所述均值阶段，重新计算所述质量存储单元组的平均质量；

其中，所述质量存储单元组的平均质量为更新后的平均质量。

6.根据权利要求1或4所述的方法，其特征在于，

获取所述当前档位命令，包括：在自动驾驶模式下，获取来自域控制器的档位命令；

获取所述当前道路坡度，包括：基于智能驾驶CAN总线获取域控制器确定的当前道路坡度；其中，所述域控制器基于车辆当前所处位置及先验的道路坡道地图信息，确定车辆当前所处位置的当前道路坡度；和/或，所述域控制器基于车辆装载的坡度传感器采集到的坡度信息确定所述当前道路坡度；

获取所述当前车速，包括：获取电机转速、车轮半径和传动比，计算得到初始车速后进行滤波处理，得到当前车速；

获取所述当前加速度，包括：基于当前车速进行数学处理，确定当前加速度；

获取所述当前驱动扭矩，包括：基于动力CAN总线接收来自电机控制器的当前驱动扭矩；

获取所述道路滚动阻力对应的阻力系数，包括：基于智能驾驶CAN总线获取域控制器确定的阻力系数；其中，所述域控制器基于图像采集传感器识别当前道路路况，并匹配对应的阻力系数。

7.一种车辆的质量估算装置，其特征在于，包括：

第一获取模块，用于获取车辆的行驶状态数据；所述行驶状态数据包括当前档位命令、当前道路坡度、当前加速度、当前车速以及电机的当前驱动扭矩；

条件判断模块，用于基于所述行驶状态数据，判断是否满足质量估算触发条件；

第二获取模块，用于判定满足所述质量估算触发条件时，继续获取至少道路滚动阻力；

质量估算模块，用于基于所述当前车速、所述当前加速度、所述当前道路坡度、所述道路滚动阻力以及所述当前驱动扭矩，确定车辆的估算质量。

8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序用于执行如权利要求1-6任一项所述方法的步骤。

9.一种车用设备，其特征在于，包括：处理器；用于存储所述处理器可执行指令的存储器；所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述可执行指令以实现如权利要求1-6任一项所述的方法的步骤。

10.一种车辆，其特征在于，包括权利要求9所述的车用设备。

Images