机械工程学报

作者：高林, 吴青, 贺宜

单位：1. 武汉理工大学交通与物流工程学院 武汉 430063;2. 武汉理工大学智能交通系统研究中心 武汉 430063

关键词：货运车辆,异常误差,最小模型误差准则,M估计,自适应多模型融合策略,鲁棒容积卡尔曼滤波；

基金：国家自然科学基金资助项目(52072292)。

准确估计车辆质量和道路坡度，是实现车辆控制和节能的关键。针对现有道路坡度估计研究大多焦距纵向坡度，对于纵向道路坡度和连续转弯上下坡相耦合场景下的坡度估计研究较为缺乏。为此，首先针对货运车辆加速过程中的质量估计稳定性问题，探究了不同加速类型对质量估计的影响，提出了M估计和基于遗忘因子的递归最小二乘法(Forgetting factor recursive least square, FFRLS)联合估计方法，实现了货运车辆质量的鲁棒估计。进而，基于质量估计结果对复杂工况道路坡度估计问题进行分析，考虑连续转弯上下坡、纵向上下坡等耦合复杂工况，提出了一种自适应多模型融合框架，通过设计基于货车纵向动力学模型的最小模型误差(Minimum model error, MME)准则来构建货车误差补偿模型，解决连续转弯上下坡工况下货运车辆横向轮胎力和大纵向坡度下模型误差问题。通过提出基于卡方分布多分位点数据分类检测的鲁棒容积卡尔曼滤波(Robust cubature Kalman filter, RCKF)估计方法，解决道路坡度估计过程传感器异常误差干扰问题，实现道路坡度估计算法的鲁棒性。结果表明，所提方法具有辨识精度高且鲁棒性好，可以实现复杂工况下的车辆质量和道路坡度鲁棒估计。

来源：2025年第2期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2025年第2期