基于支持向量机的道路坡度实时预测方法试验

道路坡度预测是汽车ABS、AMT、混合动力汽车扭矩分配等实时控制的关键技术。提出一种基于支持向量机（SVM）的道路坡度实时预测方法，输入参数为发动机转速、输出扭矩、纵向车速和纵向加速度，均从控制器CAN网络中实时提取。分别构建实车道路试验系统和CarSim仿真平台，通过系统试验分别得到的样本对SVM模型进行学习和泛化能力测试。结果表明：CarSim试验数据建立的SVM模型预测平方相关系数达到0.99，实车试验数据建立的SVM模型预测平方相关系数在0.9左右，二者差异的主要原因是实车试验GPS方法获取道路坡度信息时叠加了不易消除的车体俯仰角的影响。基于LabVIEW编程将实车试验SVM模型导入虚拟仪器PXIe实时控制器中，其预测一个点的耗时等效到汽车电控ECU单片机为1.33ms，完全满足实时控制要求。证明所提出道路坡度预测方法是有效、可行的。