(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111331039.8 (22)申请日 2021.11.11 (71)申请人 苏州智慧车芯科技有限公司 地址 215000 江苏省苏州市相城区高铁新 城太阳路2266号苏州百事吉汽 车服务 用房4号厂房三层北区A0 01区域 (72)发明人 杨瑜　王迎斌　 (74)专利代理 机构 无锡永乐唯勤专利代理事务 所(普通合伙) 32369 代理人 章陆一 (51)Int.Cl. G06F 30/27(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06F 119/14(2020.01) (54)发明名称 一种整车重量识别系统及方法 (57)摘要 本发明提供一种整车重量识别系统及方法， 涉及整车重量识别技术领域。 该整车重量识别系 统， 所述系统包括远程车载 终端、 移动终端、 ECU、 云计算平台， 所述远程车载 终端通过TCP/IP与移 动终端通讯， 所述 云计算平台通过TCP/IP与远程 车载终端通讯， 所述远程车载 终端与ECU进行CAN 通讯， 所述远程车载终端中加载有加速度传感器 与坡度传感器。 本发明， 在T ‑BOX中集成加速度和 坡度传感器， 通过边缘高频计算来估算整车质 量， 提高了整车质量估算模型的识别速度及收敛 速度， 提高了模型的泛化能力。 权利要求书1页 说明书4页 附图2页 CN 113935248 A 2022.01.14 CN 113935248 A 1.一种整车重量识别系统， 其特征在于： 所述系统包括远程车载终端、 移动终端、 ECU、 云计算平 台， 所述远程车载终端通过TCP/IP与移动终端通讯， 所述云计算平台通过TCP/IP 与远程车载终端通讯， 所述远程车载终端与ECU进行CAN通讯， 所述远程车载终端中加载有 加速度传感器与坡度传感器。 2.根据权利要求1所述的一种 整车重量识别系统， 其特征在于： 所述云计算平台用于进 行扩展卡尔曼滤波的质量估算、 基于长短时记忆神经网络LSTM的质量估算、 天气信息获取 以及用于超载 过度报警、 运载量统计与能量优化。 3.一种整车重量识别方法， 其特 征在于： 所述方法包括以下 具体内容： 1)构建整车纵向动力学模型： 其中， Ft、 Ff、 Fw、 Fi、 Fj分别是总驱动力、 道路滚动阻力、 空气阻力、 坡度阻力、 加 速阻力， Ttq是发动机有效扭矩， i0是主减速器速比； ig是各档位变速器速比； ηT是总的传动效率； r是 轮胎的滚动半径； g是重力加速度； CD是风阻系数； A是迎风面积； α 是道路坡度； δ是旋转质量 换算系数； 2)基于递推最小二乘的估算， T ‑BOX中估算的周期是3min， 每读取3min数据， 提取其中 有效的匀速和加速片段， 再识别档位进 行速比匹配， 然后进 行质量、 道路阻力系数和风阻系 数的辨识， 最后基于加权对质量估算结果进行计算， 其权值的确定就基于道路阻力系 数和 风阻系数识别的结果和其经验范围的对比， 如果没有提取到有效的片段和有效的结果， 就 不输出结果； 3)同时在云平台上每4mi n基于扩展卡尔曼 滤波计算 一次整车质量； 4)如果司机有上报可信的准确质量， 会基于司机上报的质量建立LSTM的质量估算模 型， 同时修 正T‑BOX的模型， 主 要是基于天气情况来设定修 正。 4.根据权利要求3所述的一种 整车重量识别方法， 其特征在于： 所述基于扩展卡尔曼滤 波计算流程如下： S1、 每4mi n读取和处 理一次数据片段； S2、 提取其中有效匀速和 加速片段； S3、 档位识别， 速比计算； S4、 相关参数的经验设定； S5、 基于扩展卡尔曼 滤波算法估算匀速段的整车质量； S6、 基于扩展卡尔曼 滤波算法估算加速段的整车质量； S7、 基于匀速和 加速估算结果统计和输出； S8、 结合T‑BOX发送过来的质量估算结果， 基于模型加权给 出最终结果。权　利　要　求　书 1/1 页 2 CN 113935248 A 2一种整车重量识别系统及方 法 技术领域 [0001]本发明涉及整车重量识别技 术领域， 具体为 一种整车重量识别系统及方法。 背景技术 [0002]精确的整车载荷(质量)估算是下一代动力总成(的关键技术， 也是整车ABS、 AEB、 EPB和HAS(Hill  assist control system)等的控制计算 关键参数， 也是将科学解决超载问 题的关键技 术， 更是国家科 学统计货车 单位运输周转 量能耗的关键参数。 [0003]整车载荷识别通常有两种方法： (1)基于传感器直接或间接测量的， 优点是精度 高， 缺点是成本高、 可靠性差， 安装不容易(不便大规模推广)， (2)  基于整车动力学模型来 估算， 优点是成本低， 缺点是精度不算太高。 基于整 车动力学模型来估算整车质量的算法有 最小二乘、 递推最小二乘、 带遗忘因子的递推最小二乘、 扩展卡尔曼滤波、 SVM、 前馈神经网 络等， 其中大部 分都不借助加速度和坡度传感器， 甚至有的同时识别道路坡度。 虽然发动机 的扭矩标定较准确， 但由于基于纵向动力学模型 的影响因素 的确很多， 整车质量误差鱼骨 头如图1所示。 所以， 纯基于纵向动力学模型来估算整车质量都会有一定的误差， 而且模型 的泛化能力很差， 模型在多辆车或多种车上的表现一致性很差。 还有计算的频率不高 (1Hz)， 有时收敛速度较慢， 不能较快速的给 出估算结果。 发明内容 [0004](一)解决的技 术问题 [0005]针对现有技术的不足， 本发明提供了一种整车重量识别系统及方法， 解决了现有 技术中存在的缺陷与不足。 [0006](二)技术方案 [0007]为实现以上目的， 本 发明通过以下技术方案予以实现： 一种整车重量识别系统， 所 述系统包括远程车载终端、 移动终端、 ECU、 云计算平台， 所述远程车载终端通过TCP /IP与移 动终端通讯， 所述云计算平台通过TCP/IP与远程车载终端通讯， 所述远程车载终端与ECU进 行CAN通讯， 所述远程车 载终端中加载有加速度传感器与坡度传感器。 [0008]优选的， 所述云计算平台用于进行扩展卡尔曼滤波的质量估算、 基于长短时记忆 神经网络LSTM的质量估算、 天气信息获取以及用于超载 过度报警、 运载量统计与能量优化。 [0009]一种整车重量识别方法， 所述方法包括以下 具体内容： [0010]1)构建整车纵向动力学模型： [0011] [0012]其中， Ft、 Ff、 Fw、 Fi、 Fj分别是总驱动力、 道路滚动阻力、 空气阻力、 坡度阻力、 加速阻 力， Ttq是发动机有效扭矩， i0是主减速器速比； ig是各档位变速器速比； ηT是总的传动效率； r 是轮胎的滚动半径； g是重力加速度； CD是风阻系数； A是迎风面积； α 是道 路坡度； δ是旋转质 量换算系数；说　明　书 1/4 页 3 CN 113935248 A 3