三轴牵引车滑移率的误差消除方法、装置及电子设备

技术领域

本发明涉及技术牵引车信号处理领域，具体涉及一种三轴牵引车滑移率的误差消除方法、装置及电子设备。

背景技术

随着数字和信息技术的发展，无人驾驶汽车控制技术渐渐的有了更深层次的发展。辅助驾驶功能中感知模块是重要的一环，感知模块采集车辆行驶道路上的路面信息、空气状况、天气情况等信息。路面附着力是路面信息中的一个重要信息，不同路面有不同的附着力系数，能提供的最大附着力也不相同，当路面附着力较小时，车辆轮胎很容易失去抓地力出现打滑，此时车辆会失去转向和制动能力，这极有可能会导致交通事故的发生。对于车辆所行驶道路的路面附着力系数的快速识别有其重要的意义，而对于三轴牵引车，这个问题更为重要。

基于效应的识别方法是一种随着牵引力控制系统和制动防抱死系统等车辆控制系统的发展而产生的技术，它使用车辆自身的动力学特征和建立的模型对车辆所处路面的状况进行快速识别。在现有的基于效应的路面识别方法中，一般是基于轮胎噪声的识别方法，其中，轮胎噪声的产生原因比较复杂，且和光学传感器受到的限制一样，它受环境影响较大，比如当温度不同时轮胎的刚度是不同的，这会影响轮胎的振动特征，从而影响产生的噪声，很难排除不确定性因素，只对轮胎噪声中与路面相关的部分做定性定量的筛选和检测，也就很难通过这种方法得到准确的路面信息，对于计算滑移率会产生较大误差。而基于轮胎形变的识别方法由于无法高效简洁的间接得到轮胎的形变信息，所以都选择了在轮胎上安装额外的传感器来获取轮胎的形变特征，这同样也增加了硬件成本。

因此，需要提供一种方法在不增加硬件成本的基础上，能够消除三轴牵引车的滑移率计算误差，计算得到准确性更高的滑移率。

发明内容

有鉴于此，有必要提供一种三轴牵引车滑移率的误差消除方法、装置及电子设备，用以在不增加硬件成本的基础上，能够消除三轴牵引车的滑移率计算误差，计算得到准确性更高的滑移率。

为了实现上述目的，本发明提供了一种三轴牵引车滑移率的误差消除方法，包括：

确定三轴牵引车不同牵引力样本点的牵引力和滑移率；

基于所述三轴牵引车不同牵引力样本点的牵引力，将所述三轴牵引力不同牵引力样本点划分为多个区域；

基于所述三轴牵引车不同牵引力样本点的牵引力和滑移率，确定每个区域内牵引力样本点的牵引力平均值和滑移率平均值；

基于加权最小二乘法对所述牵引力平均值和所述滑移率平均值进行拟合，基于拟合结果确定所述三轴牵引车的滚动半径所述引起的滑移率误差，并基于所述滑移率误差对所述滚动半径进行修正，以消除所述滑移率误差。

进一步地，所述确定三轴牵引车不同牵引力样本点的牵引力和滑移率，包括：

获取所述三轴牵引车的CAN信号，对所述CAN信号中与路面间附着力系数相关联的信号进行筛选，得到原始数据集；

对所述原始数据集中目标工况下的误差数据进行筛除，以及对所述原始数据集中的高斯白噪声进行消除，得到目标数据集；

基于所述目标数据集，计算得到所述三轴牵引车不同牵引力样本点的牵引力和滑移率。

进一步地，所述对所述CAN信号中与路面间附着力系数相关联的信号进行筛选，得到原始数据集，包括：

对所述CAN信号中与路面间附着力系数相关联的信号进行筛选，并对筛选所得到的信号中不同步离散信号进行时间同步和插值处理，构建所述原始数据集。

进一步地，所述CAN信号中与路面间附着力系数相关联的信号，包括引擎扭矩信号、引擎转速信号、传动轴转速信号、车轮角速度信号以及车辆速度信号。

进一步地，所述对所述原始数据集中的高斯白噪声进行消除，包括：

基于滑动窗口均值对所述原始数据集中的高斯白噪声进行消除。

进一步地，三轴牵引车滑移率的误差消除方法，还包括：

在对所述CAN信号中与路面间附着力系数相关联的信号进行筛选之前，构建所述三轴牵引车对应的轮胎动力学模型，以基于所述轮胎动力学模型确定所述CAN信号中与路面间附着力系数相关联的信号。

进一步地，所述轮胎动力学模型包括无挂车整车对应的轮胎动力学模型，以及有挂车对应的轮胎动力学模型。

本发明还提供一种三轴牵引车滑移率的误差消除装置，包括：

第一确定模块，用于确定三轴牵引车不同牵引力样本点的牵引力和滑移率；

划分模块，用于基于所述三轴牵引车不同牵引力样本点的牵引力，将所述三轴牵引力不同牵引力样本点划分为多个区域；

第二确定模块，用于基于所述三轴牵引车不同牵引力样本点的牵引力和滑移率，确定每个区域内牵引力样本点的牵引力平均值和滑移率平均值；

修正模块，用于基于加权最小二乘法对所述牵引力平均值和所述滑移率平均值进行拟合，基于拟合结果确定所述三轴牵引车的滚动半径所述引起的滑移率误差，并基于所述滑移率误差对所述滚动半径进行修正，以消除所述滑移率误差。

本发明还提供一种电子设备，包括存储器和处理器，其中，

所述存储器，用于存储程序；

所述处理器，与所述存储器耦合，用于执行所述存储器中存储的所述程序，以实现上述任意一项所述的三轴牵引车滑移率的误差消除方法中的步骤。

本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一项所述的三轴牵引车滑移率的误差消除方法。

采用上述实现方式的有益效果是：本发明提供的三轴牵引车滑移率的误差消除方法、装置及电子设备，通过三轴牵引车不同牵引力样本点的牵引力和滑移率，确定每个区域内牵引力样本点的牵引力平均值和滑移率平均值；基于加权最小二乘法对牵引力平均值和滑移率平均值进行拟合，基于拟合结果确定所述三轴牵引车的滚动半径引起的滑移率误差，并基于滑移率误差对所述滚动半径进行修正。本发明引入了加权最小二乘算法对数据进行处理，得到由于车轮滚动半径不同而对滑移率计算造成的偏差，并对车辆滑移率进行修正，最终消除了滑移率计算中出现的误差。在不增加硬件成本的基础上，能够消除三轴牵引车的滑移率计算误差，消除后的滑移率信号不再有车轮滚动半径误差，提高了数据的利用率，为后续的路面识别提供了优质高效的数据集。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明提供的三轴牵引车滑移率的误差消除方法的一实施例的流程示意图；

图2为本发明提供的消除滚动半径造成的滑移率固有偏差前的滑移率示意图；

图3为本发明提供的消除滚动半径造成的滑移率固有偏差后的滑移率示意图；

图4为本发明提供的对目标工况的样本点处理后得到的滑移率与牵引力关系示意图一；

图5为本发明提供的对目标工况的样本点处理后得到的滑移率与牵引力关系示意图二；

图6为本发明提供的对原始数据集进行时间同步和数据插值处理后构建的目标数据集示意图；

图7为本发明提供的滑动窗口均值滤波前的牵引力和滑移率分布对比图；

图8为本发明提供的滑动窗口均值滤波后的牵引力和滑移率分布对比图；

图9为本发明提供的轮胎动力学模型的受力分析图；

图10为本发明提供的从动轮非刚体模型示意图；

图11为本发明提供的三轴牵引车滑移率的误差消除方法的另一实施例的流程示意图；

图12为本发明提供的三轴牵引车滑移率的误差消除装置的一实施例的结构示意图；

图13为本发明提供的电子设备的一个实施例结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域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，都属于本发明保护的范围。

在本申请实施例的描述中，除非另有说明，“多个”的含义是两个或两个以上。

本发明实施例中术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或模块的过程、方法、装置、产品或设备不必限于清楚地列出的那些步骤或模块，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块。

在本发明实施例中出现的对步骤进行的命名或者编号，并不意味着必须按照命名或者编号所指示的时间/逻辑先后顺序执行方法流程中的步骤，已经命名或者编号的流程步骤可以根据要实现的技术目的变更执行次序，只要能达到相同或者相类似的技术效果即可。

在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

本发明提供了一种三轴牵引车滑移率的误差消除方法、装置及电子设备，以下分别进行说明。

如图1所示，本发明提供一种三轴牵引车滑移率的误差消除方法，包括：

步骤110、确定三轴牵引车不同牵引力样本点的牵引力和滑移率。

可以理解的是，三轴牵引车与普通乘用车在动力总成的区别主要在于传动结构上，一般单轴驱动的燃油车的传动方向为发动机、离合器、变速箱、传动轴、差速器、车轮。对于车辆的性能参数，可以直接或间接地从性能参数表中获取。建模中不考虑任何动力在传输过程中受摩擦力造成的损耗和传递过程中的机械损耗，将车辆的传动系统设为无损耗的理想模型。

普通乘用车在后轴会有一个差速器，差速器的作用是使左右两侧车轮可以在不同的转速下旋转，防止没有转向能力的后轴在车辆转弯时出现机械损伤。这也造成了车辆在某一侧驱动轮陷入淤泥或其它低附着力路面时，这一侧车轮出现严重打滑现象，但另一侧驱动轮并不会转动的原因。解决上述问题的方案是在差速器中安装差速锁，差速锁是一种可以控制两侧相对转速的装置，该装置可以将左右两侧转轴硬性连接，使左右两侧的车轮始终保持同样的转速，即有同样的扭矩分配，这样在一侧驱动轮发生打滑现象时，另一侧的驱动轮也可以驱动车辆走出困境，所以差速器通常出现在对通过和越野能力有需求的越野车、军用车辆和三轴牵引车上。

同样的，轴间差速器的作用类似，不同的是应用在驱动轴之间而不是左右两侧车轮之间。这里分别使用FL、FR、RLf、RLr、RRf和RRr来表示左前轮，右前轮，中轴左轮，后轴左轮，中轴右轮和后轴右轮，要注意中轴和后轴都有两个轮胎，但由于两个轮胎之间通过传动轴硬性连接，因此转速相同，无需分开表示。当轮间差速器和轴间差速器都激活时，设中轴传动轴的扭矩和转速分别为T

/>

对于路面激励对三轴牵引车悬架以及车身的影响，可以建立了车身和车辆悬挂的多自由度模型，对车辆悬架建立了刚度和阻尼系数模型，分析了车身重量对于轮胎所受的正压力、路面对轮胎的支撑力，路面激励与悬架阻尼之间的关系，从而分析了重型卡车稳定性。F

F

上式中的M

牵引车负载是一个三轴车箱式半挂车，是一个无动力的运货车厢，通过牵引销连接在牵引车上，由牵引车提供半挂车部分的支撑力和全部牵引力使得半挂车运动。当把牵引车和半挂车连接在一起时，对于牵引车而言，其中后轴上有了沿轴方向的下压力，这意味着此时z轴方向上向下的力由单独的牵引车重力变成了牵引车重力和部分半挂车重力的合力，所以牵引车中轴和后轴轮胎对地面的压力也会变大，相对应的附着力和滚动阻力都会发生变化。

把车轮看作刚体时，可以忽略轮胎的形变，此时可以将路面对车轮的所有激励看作作用在轮胎胎面的一条横截线上，在此前提下我们可以对从动轮和驱动轮进行动力学分析。驱动轮与从动轮不同的地方在于牵引车轮向前滚动的里不再是向前的牵引力，而是传动轴的向前的扭矩T

由于轮胎在于地面接触后的弹滞特性，橡胶有恢复原有形状的趋势，所以轮胎真实的形变并不是左右对称的形变，而是分成两部分，以车轮垂直中线为分界线，在车轮滚动前进方向上的一侧受到载荷的挤压作用，在经过中间线之后逐渐恢复成原有形状。由于轮胎的挤压和恢复并不对称，所以路面对轮胎的法向支撑力并不是沿着垂直中心线，而是与轮胎垂直中心线偏离一个距离d，因此在车轮转动的时候，路面对轮胎的支撑力F

T

a

当忽略了空气阻力和路面梯度后，从动轮受到的阻力主要有滚动阻力和摩擦阻力两部分，定义滚动阻力系数如下式：

数值上为路面对车轮的法向支撑力与轮胎中心线的偏移距离d与车轮半径r的比值，滚动阻力系数可以表征轮胎与路面作用之间的形变特性。

结合上三式和受力平衡有：

J是车轮的转动惯量。滚动阻力等于滚动阻力系数λ与轮胎垂直载荷F

与从动轮不同的是驱动轮的车轴会受到阻碍驱动轮滚动的阻力，所以此时F

此外在轮胎受到挤压随后恢复的过程中，部分能量会转化为内能损耗，这也是轮胎在滚动时的轮胎温度会迅速上升的原因，这部分能量损耗并没有在上述公式中列出。而且轮胎的不同胎压也会影响轮胎形变的程度，一般的胎压越高轮胎越不容易发生形变，与地面间的滚动阻力也就越小；胎压越低轮胎也就越容易形变从而导致车轮的滚动阻力增大。

在车辆正常行驶中应有：

定义驱动轮与整车之间的滑移率S

对于驱动轮而言，除提供维持车轮自身滚动的力之外还要提供整车其他部分所需的牵引力，所以S

步骤120、基于所述三轴牵引车不同牵引力样本点的牵引力，将所述三轴牵引力不同牵引力样本点划分为多个区域。

可以理解的是，将牵引力从最小值到最大值等间距分为m个区域，当区域分的越多，即m越大，有更多样本点的权值会被统一。在实际的数据中在0至最大的牵引力范围内并不是每一个牵引力的值都会有样本点，且考虑到对计算资源的损耗，所以本发明所用算法中并没有将相同牵引力的样本点作为一个区域，而是将一个牵引力范围内的样本点作为一个区域，如果某一个区域内没有样本点则忽略这个区域，而不是按照0来计算。此外考虑到样本的可信度，如果某一个区域内样本点数量过少，则认为这个区域不具备可信度，将这个区域的也舍去。k、b为最小二乘拟合直线的斜率和截距。

步骤130、基于所述三轴牵引车不同牵引力样本点的牵引力和滑移率，确定每个区域内牵引力样本点的牵引力平均值和滑移率平均值。

可以理解的是，将牵引力从最小值到最大值等间距分为m个区域，则可以分别计算出落于这m个区域内样本点的牵引力平均值和滑移率平均值，

步骤140、基于加权最小二乘法对所述牵引力平均值和所述滑移率平均值进行拟合，基于拟合结果确定所述三轴牵引车的滚动半径所述引起的滑移率误差，并基于所述滑移率误差对所述滚动半径进行修正，以消除所述滑移率误差。

可以理解的是，在实际工况中，三轴牵引车每一个轮胎的滚动半径都会有所区别，造成这样现象的原因有：轮胎生产误差、轮胎磨损程度、轮胎胎压等。所以在车辆沿直线行驶时，左右两侧的轮胎角速度也会因为滚动半径的不同而出现一些差别。由于安装在车辆上的车轮滚动半径并不好测量，且每辆车、每个车轮都不相同，精准的测量滚动半径费时费力，所以采用数学方法将其消除是较为经济的方法。

由于在高附着力系数路面和中附着力系数路面上车辆通常运行在线性区，所以最朴素的想法是将计算出的牵引力与滑移率使用最小二乘法进行线性拟合，从而得到拟合出的直线与滑移率所在轴的交点，这个交点即为滚动半径不同引起的固有偏差。

本实施例提出了加权最小二乘法，由于这一算法是为了统一不同牵引力样本点的权值，所以根据牵引力将样本点分为多个部分，分别计算每一个部分内牵引力和滑移率的平均值，再将每一个部分计算出的点作为样本点进行最小二乘法拟合，这样就实现了权值的统一。

将牵引力从最小值到最大值等间距分为m个区域，则可以分别计算出落于这m个区域内样本点的牵引力平均值和滑移率平均值：

上式中n

将各个区域的牵引力和滑移率的平均值作为样本点进行最小二乘法拟合：

当区域分的越多，即m越大，有更多样本点的权值会被统一。在实际的数据中在0至最大的牵引力范围内并不是每一个牵引力的值都会有样本点，且考虑到对计算资源的损耗，所以本发明所用算法中并没有将相同牵引力的样本点作为一个区域，而是将一个牵引力范围内的样本点作为一个区域，如果某一个区域内没有样本点则忽略这个区域，而不是按照0来计算。此外考虑到样本的可信度，如果某一个区域内样本点数量过少，则认为这个区域不具备可信度，将这个区域的也舍去。通过最小二乘法可以实现对三轴牵引车的原始信号的误差消除。

消除滚动半径造成的滑移率固有偏差前后的对比图如图2和图3所示，当得到截距b后，将所有样本点的滑移率均减去b就可以将不同滚动半径带来的误差消去。这里取两辆不同车辆采集到的数据为例，其中数据1是一辆空载的车辆在高附着力路面以50km/h左右速度行驶时采集的数据，数据2是另一辆满载车辆在高附着力路面以50km/h左右速度行驶时采集的数据。在左图中，两个数据的样本点除由车重不同引起路面附着力系数不同导致额率不同外还有因为滚动半径不同导致车辆自由滑行时滑移率不为0的偏移，其中数据1的偏移量为负，数据2的偏移量为正。在右图中，消除过滚动半径后，数据1和数据2之前的数据中只有由于车重不同引起的斜率不同而无滚动半径不同引起的滑移率偏移量不同，这样就实现了消除滚动半径造成的滑移率固有偏差。

在一些实施例中，所述确定三轴牵引车不同牵引力样本点的牵引力和滑移率，包括：

获取所述三轴牵引车的CAN(Controller Area Network,控制器域网)信号，对所述CAN信号中与路面间附着力系数相关联的信号进行筛选，得到原始数据集；

对所述原始数据集中目标工况下的误差数据进行筛除，以及对所述原始数据集中的高斯白噪声进行消除，得到目标数据集；

基于所述目标数据集，计算得到所述三轴牵引车不同牵引力样本点的牵引力和滑移率。

可以理解的是，对CAN信号中与路面间附着力系数相关联的信号进行筛选，得到原始数据集后，有很多的情况并没有被考虑进去，比如刹车时的牵引力损耗，车辆在大角度转弯时产生的横向打滑等，这些特殊工况通常是随机发生，不可预料的，只能通过理论分析这些工况下造成的影响，而无法通过实际拥有的信息计算其造成的影响，并进行修正，所以对于这部分特殊工况(即目标工况)，需要额外进行分析，将这些工况下的误差数据进行筛除。

当转弯角度过大时会对附着力系数识别造成影响，因此实施例中根据车辆偏航率对数据集进行筛选，将偏航率过大(即大于阈值的偏航率)的样本去除，而判断的阈值可以根据三轴牵引车主要的行驶工况计算得出。在车辆的行驶过程中，如果是有人驾驶，那么驾驶员踩下刹车说明已经发现前方出现道路问题，此时不需要在对路面附着力系数进行识别；如果是无人驾驶，踩下刹车说明系统已经检测到了路面的切换并采取了措施，此时也不需要再进行识别，只需在识别出前方道路安全或达成某种条件之后恢复识别即可。因此本发明将数据集中含有刹车制动的样本点剔除。当车辆处于发动机制动时车辆传感器计算出的扭矩为负，此时发动机并没有在实质上为驱动轮提供动力，反而是阻力，所以本发明将车辆扭矩为负值时的样本点去除。

滑移率是直接根据车辆轮速传感器采集到的车轮滚动角速度计算得出，没有经过降噪处理，所以在信号中存在白噪声，这些噪声会将信号特征淹没在其中，对后续算法中的处理和识别造成干扰。使用滑动窗口均值滤波算法消除高斯白噪声。算法如下：

上式中S

对目标工况的样本点处理后得到的滑移率与牵引力关系示例图如图4和图5所示，处理后的滑移率和牵引力的关系有很明显的线性关系。由于此时车辆行驶在高附着力路面，极难突破路面所能提供的最大附着力，所以在高附着力系数路面上行驶时，滑移率与牵引力的关系通常是线性的。

在一些实施例中，所述对所述CAN信号中与路面间附着力系数相关联的信号进行筛选，得到原始数据集，包括：

对所述CAN信号中与路面间附着力系数相关联的信号进行筛选，并对筛选所得到的信号中不同步离散信号进行时间同步和插值处理，构建所述原始数据集。

可以理解的是，如图6所示，实际采集到的报文(即CAN信号)会有一个时间戳来表示接收到该报文的具体时间，所以所有的报文信息是沿时间顺序采集得到的，但这并不表示每一帧报文内包含的信息是与接收到该报文的时间同步的，通常汽车上的传感器是并行的接受信息，由车辆ECU并行计算，只是由于CAN网络特性需要按照报文优先级的不同对不同的报文前后先后发送，当CAN网络在某些时候负载过重时，甚至可能出现丢失部分报文的现象。在处理过程中应该将各个报文所包含的信息还原至实际发生的时间，即时间同步。

对同一周期不同顺序报文的时间同步办法是以优先级最高且周期最短的报文为基准报文，以两帧相邻的基准报文的时间戳为间隔，对其他报文进行分组，当其他报文的接收时间在这两帧相邻的基准报文之间时，将该报文的发生时间与前一帧基准报文同步，这样就实现了相同周期报文之间的时间同步。

对于不同周期报文的时间同步方法，需要找到该长周期报文前最接近的一帧基准报文，将这帧周期更长的报文与这一帧基准报文的时间同步，这样就完成了时间上的同步。但是长周期报文意味着以基准报文周期进行采样时会出现无样本的情况，所以需要对长周期报文进行数值上的插值以满足采样频率的需要。插值方式是将两帧同步后的长周期报文数据以基准报文的采样频率进行线性插值。

采用线性插值的原因是本发明中所有报文周期最长的也只有20ms，而且是实际车辆采集到的数据，由于车辆无法在20ms的时间内进行极大幅度动态变化，所以在报文得到的数据中也几乎不会出现数值极大的跳变，简单的线性插值即可满足需求且占用计算资源极低。

设图6中时刻0和时刻10ms处的两帧10ms周期报文的值分别为Value

在一些实施例中，所述CAN信号中与路面间附着力系数相关联的信号，包括引擎扭矩信号、引擎转速信号、传动轴转速信号、车轮角速度信号以及车辆速度信号。

可以理解的是，对三轴牵引车与路面间附着力系数的识别需要的信号有引擎扭矩、引擎转速、传动轴转速、车轮角速度、车辆速度、车辆横向加速度、车辆纵向加速度、车辆偏航率、离合器状态、刹车气缸压力、车重等信号，这些信号部分可以由车身CAN网络提供。

三轴牵引车的CAN总线中各报文(即CAN信号)的发送周期是不相同的，常见的发送周期有5ms、10ms、20ms、50ms、100ms等，这里的周期是指同一序号报文的两帧报文之间的间隔。而由于物理层的原因，尽管同样是5ms周期的报文，在发送上也会存在时间上的先后关系。

在一些实施例中，所述对所述原始数据集中的高斯白噪声进行消除，包括：

基于滑动窗口均值对所述原始数据集中的高斯白噪声进行消除。

可以理解的是，如图7和图8所示，可以看到经过滑动窗口均值滤波后，将信号中存在的高斯白噪声消除，从滤波前后的牵引力和滑移率分布对比可以看出，滤波后样本点的分布相较于滤波前变“瘦”了，这是由于去除高斯白噪声之后，滑移率波动范围更小，方差更小，样本点分布更加紧凑。如果不对白噪声进行抑制或消除，在后续的识别中，不同路面数据的样本分布会有大部分的重叠部分，而样本点分布变“瘦”，意味着特征区分更明显，不同数据中重叠部分会更少，更有利于后续的处理。

在一些实施例中，三轴牵引车滑移率的误差消除方法，还包括：

在对所述CAN信号中与路面间附着力系数相关联的信号进行筛选之前，构建所述三轴牵引车对应的轮胎动力学模型，以基于所述轮胎动力学模型确定所述CAN信号中与路面间附着力系数相关联的信号。

可以理解的是，三轴牵引车对应的轮胎动力学模型的受力分析图如图9所示，牵引车负载是一个三轴车箱式半挂车，是一个无动力的运货车厢，通过牵引销连接在牵引车上，由牵引车提供半挂车部分的支撑力和全部牵引力使得半挂车运动。虽然半挂车本身并无牵引力，所有动力来源都是牵引车提供的，但半挂车是配有刹车系统的，通过与牵引车的连接装置，可以将驾驶员的制动请求传递至半挂车，实现牵引车和半挂车的同步制动。建模中忽略了如刹车时的制动等其他作用力，只考虑了半挂车匀速或加速行驶的工况。

如图1所示，当把牵引车和半挂车连接在一起时，对于牵引车而言，其中后轴上有了沿z轴方向的下压力，这意味着此时z轴方向上向下的力由单独的牵引车重力变成了牵引车重力和部分半挂车重力的合力，所以牵引车中轴和后轴轮胎对地面的压力也会变大，相对应的附着力和滚动阻力都会发生变化，但当将牵引车和半挂车作为一个整体看待时，二者之间的相互作用可以不考虑。

三轴牵引车对应的轮胎动力学模型还可以包括三轴牵引车从动轮非刚体模型，该模型示意图如图10所示，考虑到三轴牵引车的工况多是省道、国道、城市道路、高速公路，所以只对车辆行驶在硬路面的情况进行分析。为了简化模型，对于车轮非刚体模型，不考虑路面与水平面的夹角并忽略了空气阻力，也不考虑刹车情况。由于轮胎在于地面接触后的弹滞特性，橡胶有恢复原有形状的趋势，所以轮胎真实的形变并不是图10中左右对称的形变，而是分成两部分，以车轮垂直中线为分界线，在车轮滚动前进方向上的一侧受到载荷的挤压作用，在经过中间线之后逐渐恢复成原有形状。由于轮胎的挤压和恢复并不对称，所以路面对轮胎的法向支撑力并不是沿着垂直中心线，而是与轮胎垂直中心线偏离一个距离，因此在车轮转动的时候，路面对轮胎的支撑力绕车轮的中心会有一个滚动力矩产生。

在一些实施例中，所述轮胎动力学模型包括无挂车整车对应的轮胎动力学模型，以及有挂车对应的轮胎动力学模型。

可以理解的是，三轴牵引车的行驶状况通常分为无挂车和有挂车两种，挂车的存在造成的主要影响是驱动轮所受到的垂直载荷会发生较大变化，致使车辆与路面的附着力和摩擦力发生变化，并且随着挂车中货物质量的不同会造成不同程度的影响。

在另一些实施例中，本发明提供的三轴牵引车滑移率的误差消除方法如图12所示，构建动力学模型，整体分析自身内力和与路面之间的激励；轮胎动力学模型构建，分析路面附着力相关的信号；通过时间同步和插值算法对三轴牵引车CAN总线中采集到的原始信号进行数据筛选，得到三轴牵引车的原始数据集；分析特殊行驶工况下原始数据集的误差来源以及进行筛除；使用滑动窗口均值滤波消除滑移率中的高斯白噪声；根据加权最小二乘算法来对车轮滚动半径进行修正，对其造成的系统误差进行补偿，消除其对三轴牵引车路面附着力识别造成的影响。

牵引车和半挂车的质量M

在上述算法中，按照时间先后顺序排列的不同步离散信号进行时间同步和插值，对三轴牵引车CAN总线中采集到的原始报文信息进行重构，为三轴牵引车附着力系数识别提供数据支撑。一些特殊的行驶工况会对车辆的运动状态造成干扰，对这些特殊工况进行分析，通过筛除这些特殊工况消除其影响。

针对滑移率信号中存在的大量噪声，此算法使用滑动窗口均值滤波算法来消除噪声。而由于车辆的轮胎滚动半径存在差别，这意味着在计算滑移率时会引入系统误差，此算法乘算法来对车轮滚动半径进行修正，对其造成的系统误差进行补偿，消除其对三轴牵引车路面附着力识别造成的影响。

综上所述，本发明提供的三轴牵引车滑移率的误差消除方法，包括：确定三轴牵引车不同牵引力样本点的牵引力和滑移率；基于所述三轴牵引车不同牵引力样本点的牵引力，将所述三轴牵引力不同牵引力样本点划分为多个区域；基于所述三轴牵引车不同牵引力样本点的牵引力和滑移率，确定每个区域内牵引力样本点的牵引力平均值和滑移率平均值；基于加权最小二乘法对所述牵引力平均值和所述滑移率平均值进行拟合，基于拟合结果确定所述三轴牵引车的滚动半径所述引起的滑移率误差，并基于所述滑移率误差对所述滚动半径进行修正，以消除所述滑移率误差。

在本发明提供的三轴牵引车滑移率的误差消除方法中，通过三轴牵引车不同牵引力样本点的牵引力和滑移率，确定每个区域内牵引力样本点的牵引力平均值和滑移率平均值；基于加权最小二乘法对牵引力平均值和滑移率平均值进行拟合，基于拟合结果确定所述三轴牵引车的滚动半径引起的滑移率误差，并基于滑移率误差对所述滚动半径进行修正。本发明引入了加权最小二乘算法对数据进行处理，得到由于车轮滚动半径不同而对滑移率计算造成的偏差，并对车辆滑移率进行修正，最终消除了滑移率计算中出现的误差。在不增加硬件成本的基础上，能够消除三轴牵引车的滑移率计算误差，消除后的滑移率信号不再有车轮滚动半径误差，提高了数据的利用率，为后续的路面识别提供了优质高效的数据集。

如图12所示，本发明还提供一种三轴牵引车滑移率的误差消除装置1200，包括：

第一确定模块1210，用于确定三轴牵引车不同牵引力样本点的牵引力和滑移率；

划分模块1220，用于基于所述三轴牵引车不同牵引力样本点的牵引力，将所述三轴牵引力不同牵引力样本点划分为多个区域；

第二确定模块1230，用于基于所述三轴牵引车不同牵引力样本点的牵引力和滑移率，确定每个区域内牵引力样本点的牵引力平均值和滑移率平均值；

修正模块1240，用于基于加权最小二乘法对所述牵引力平均值和所述滑移率平均值进行拟合，基于拟合结果确定所述三轴牵引车的滚动半径所述引起的滑移率误差，并基于所述滑移率误差对所述滚动半径进行修正，以消除所述滑移率误差。

上述实施例提供的三轴牵引车滑移率的误差消除装置可实现上述三轴牵引车滑移率的误差消除方法实施例中描述的技术方案，上述各模块或单元具体实现的原理可参见上述三轴牵引车滑移率的误差消除方法实施例中的相应内容，此处不再赘述。

如图13所示，本发明还相应提供了一种电子设备1300。该电子设备1300包括处理器1301、存储器1302及显示器1303。图13仅示出了电子设备1300的部分组件，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。

存储器1302在一些实施例中可以是电子设备1300的内部存储单元，例如电子设备1300的硬盘或内存。存储器1302在另一些实施例中也可以是电子设备1300的外部存储设备，例如电子设备1300上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。

进一步地，存储器1302还可既包括电子设备1300的内部储存单元也包括外部存储设备。存储器1302用于存储安装电子设备1300的应用软件及各类数据。

处理器1301在一些实施例中可以是一中央处理器(Central Processing Unit，CPU)，微处理器或其他数据处理芯片，用于运行存储器1302中存储的程序代码或处理数据，例如本发明中的三轴牵引车滑移率的误差消除方法。

显示器1303在一些实施例中可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。显示器1303用于显示在电子设备1300的信息以及用于显示可视化的用户界面。电子设备1300的部件1301-1303通过系统总线相互通信。

在本发明的一些实施例中，当处理器1301执行存储器1302中的三轴牵引车滑移率的误差消除程序时，可实现以下步骤：

确定三轴牵引车不同牵引力样本点的牵引力和滑移率；

基于所述三轴牵引车不同牵引力样本点的牵引力，将所述三轴牵引力不同牵引力样本点划分为多个区域；

基于所述三轴牵引车不同牵引力样本点的牵引力和滑移率，确定每个区域内牵引力样本点的牵引力平均值和滑移率平均值；

基于加权最小二乘法对所述牵引力平均值和所述滑移率平均值进行拟合，基于拟合结果确定所述三轴牵引车的滚动半径所述引起的滑移率误差，并基于所述滑移率误差对所述滚动半径进行修正，以消除所述滑移率误差。

应当理解的是：处理器1301在执行存储器1302中的三轴牵引车滑移率的误差消除程序时，除了上面的功能之外，还可实现其它功能，具体可参见前面相应方法实施例的描述。

进一步地，本发明实施例对提及的电子设备1300的类型不做具体限定，电子设备1300可以为手机、平板电脑、个人数字助理(personal digitalassistant，PDA)、可穿戴设备、膝上型计算机(laptop)等便携式电子设备。便携式电子设备的示例性实施例包括但不限于搭载IOS、android、microsoft或者其他操作系统的便携式电子设备。上述便携式电子设备也可以是其他便携式电子设备，诸如具有触敏表面(例如触控面板)的膝上型计算机(laptop)等。还应当理解的是，在本发明其他一些实施例中，电子设备1300也可以不是便携式电子设备，而是具有触敏表面(例如触控面板)的台式计算机。

又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的三轴牵引车滑移率的误差消除方法，该方法包括：

确定三轴牵引车不同牵引力样本点的牵引力和滑移率；

基于所述三轴牵引车不同牵引力样本点的牵引力，将所述三轴牵引力不同牵引力样本点划分为多个区域；

基于所述三轴牵引车不同牵引力样本点的牵引力和滑移率，确定每个区域内牵引力样本点的牵引力平均值和滑移率平均值；

基于加权最小二乘法对所述牵引力平均值和所述滑移率平均值进行拟合，基于拟合结果确定所述三轴牵引车的滚动半径所述引起的滑移率误差，并基于所述滑移率误差对所述滚动半径进行修正，以消除所述滑移率误差。

本领域技术人员可以理解，实现上述实施例方法的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，程序可存储于计算机可读存储介质中。其中，计算机可读存储介质为磁盘、光盘、只读存储记忆体或随机存储记忆体等。

以上对本发明所提供的三轴牵引车滑移率的误差消除方法、装置及电子设备进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。