張 威

(武漢交通職業(yè)學院 湖北 武漢：430065)

隨著汽車電子技術的不斷發(fā)展，汽車組合儀表已由簡單部件發(fā)展成為復雜且精度要求越來越高的部件[1]。在實踐中，主機廠及4S店經(jīng)常接到客戶有關儀表油量指示異常問題的投訴與抱怨[2]，因此，設計出更優(yōu)的油量信號處理方法、硬件電路及軟件指示策略對于一款汽車儀表產(chǎn)品來說尤為重要。

目前，油量指示系統(tǒng)主要存在油量信號處理方法窗口參數(shù)選擇隨意性較大，濾波效果不理想且實時性不高；油量指示策略大多采用通用算法，對油量指示的準確性、穩(wěn)定性影響較大且無法適應復雜車況等問題。國內外學者對液晶儀表油量指示模塊的研究主要集中在油量數(shù)據(jù)濾波處理方法、油量指示控制策略、組合儀表系統(tǒng)搭建等方面，而對油量信號濾波算法優(yōu)化、系統(tǒng)硬件模塊、軟件指示模塊及驗證方案的研究較少。

由于汽車油量指示系統(tǒng)復雜，油量指示的準確性和穩(wěn)定性受不同車況及行駛路況的影響。要保證油量準確、平穩(wěn)地指示，必須從油量信號濾波算法、系統(tǒng)硬件模塊、軟件指示策略等方面進行研究，本文僅對油量信號濾波算法展開重點研究。

1 油量指示系統(tǒng)信號濾波處理

車輛行駛工況復雜，當遇到急加速、急減速、急轉彎及顛簸等情況時，油液面高度會發(fā)生急劇變化，從而導致浮子式油量傳感器采集到的數(shù)據(jù)中包含大量的噪聲信號，因此在使用該采集信號之前，必須通過濾波算法對其中的干擾信號進行濾波處理，否則將嚴重影響到油量指示的準確性和穩(wěn)定性[3]。信號濾波是提高數(shù)據(jù)準確性和穩(wěn)定性的關鍵[4]，也是信號處理中最重要的方法之一。濾波算法是現(xiàn)代數(shù)字信號分析處理的重要內容，在信號分析處理、圖像處理、自動控制等領域均得到廣泛應用[5]，通過濾波算法來實現(xiàn)信號處理具有穩(wěn)定性高、成本低等優(yōu)點。

1.1 油量指示系統(tǒng)工作原理

油量表工作原理如圖1所示，整車油量信號通過安裝在油泵上的浮子式油量傳感器采集，油量傳感器通過線束直接連接到油量表采樣輸入端口，通過向油量傳感器提供上拉電壓，將采集到的油量電阻信號轉換成電壓信號，便于油量表采樣電路對該電壓信號進行采樣。由于汽車儀表只能識別數(shù)字信號，因此首先需要將采樣后的模擬信號輸入到主芯片A/D轉化成數(shù)字信號，然后通過微處理器對該信號進行相應地濾波及軟件策略處理，最后輸出PWM脈沖以實現(xiàn)步進電機準確及平穩(wěn)地指示。

圖1 油量表工作原理圖

1.2 油量信號噪聲源分析

汽車運行時產(chǎn)生的振動傳遞到油箱，會導致油箱內液面高度出現(xiàn)一定幅度的波動，從而使得傳感器采集到的數(shù)據(jù)與真實值之間存在一定誤差，油箱液面振動簡圖如圖2所示。

圖2 油箱液面振動簡圖

由于車輛行駛路況的復雜性以及油箱形狀的差異性，要想準確分析出行駛路況對油箱的干擾特性需建立復雜路面干擾模型，本文僅作簡要分析。其中路面干擾包括受路面質量影響的時域和頻域上的確定性干擾，以及受路面障礙物、坑洼、多彎道因素影響的隨機性干擾。另外，駕駛員的不良駕駛習慣(如急加速、急減速等)也會對油量信號采集造成較大干擾。此時，油箱液面將出現(xiàn)如圖3所示較大角度的傾斜，油量信號將呈現(xiàn)一個相對較大的波峰或波谷，從而使傳感器采樣信號存在較大誤差，顯然這種情況是不能滿足實際采樣要求的。

圖3 汽車在急減速情況下油液面高度變化

為了更準確地反映油箱液面的真實情況，通常需要對采樣信號進行濾波處理。

1.3 常用的濾波方法

常見的濾波方法有限幅濾波法、遞推平均濾波法、中值濾波法、均值濾波法、遞推中值濾波法、卡爾曼濾波法[6]等。各種濾波算法的優(yōu)缺點如表1所示。

由表1可知，各種濾波算法雖具有各自的優(yōu)點，但也存在明顯的不足，無法滿足油量指示系統(tǒng)對油量數(shù)據(jù)的準確性、平穩(wěn)性和實時性較高的要求，不宜單獨作為油量指示系統(tǒng)數(shù)據(jù)處理的方法。本文將分別對限幅遞推平均濾波、限幅遞推中值濾波及有色噪聲條件下的限幅卡爾曼濾波三種濾波算法進行仿真，以確定最適合油量指示系統(tǒng)數(shù)據(jù)處理的方法。

表1 各種濾波方法的優(yōu)缺點比較

2 汽車油量信號濾波處理與分析

通過如圖4所示的滑動變阻器來模擬油量傳感器采集的油量電阻信號，同時通過如圖5所示的BUSMASTER軟件及如圖6所示的KVASER Leaf工具來發(fā)送車速、發(fā)動機轉速報文，實現(xiàn)對復雜車況的模擬。

群山歷歷，蓮花一般迎向朝陽。懸崖絕壁環(huán)圍之下，疊石鑄峰一般立起由抱日、摘月、登云三臺組成的云錦臺。臺外林木四合，藤蔓蒙絡，離離青草爬滿巖間階下，草木峰巒間，山花如火，清露如珠，清霧如乳，縹緲如絲，與冰天雪地的黃梁驛比較，萬花谷仿佛停留在陽春三月。

圖4 油量表指示策略模擬過程圖

圖5 BUSMASTER軟件界面

圖6 KVASER Leaf工具

在通過KVASER Leaf工具記錄車輛行駛時的油量數(shù)據(jù)時，考慮數(shù)據(jù)濾波處理的需要，從大量數(shù)據(jù)中選取270個數(shù)據(jù)進行分析處理，數(shù)據(jù)發(fā)送間隔為200ms，實車采集油量數(shù)據(jù)如圖7所示。

圖7 實車采樣原始油量數(shù)據(jù)

由圖7可知，原始油量數(shù)據(jù)中存在較多對油量指示產(chǎn)生較大影響的尖峰脈沖干擾信號。為此，本文采用限幅濾波法對原始數(shù)據(jù)進行濾波處理。其中設定限幅濾波閥值為12%油箱體積，通過MATLAB仿真所得結果如圖8所示。實驗結果表明，限幅濾波能有效濾除尖峰脈沖干擾信號。

圖8 限幅濾波法處理后的數(shù)據(jù)

2.1 限幅遞推平均濾波法信號處理

由上文可知，限幅濾波能有效克服因偶然因素引起的尖峰脈沖干擾，但對周期性干擾信號的抑制作用較差。而遞推平均濾波對周期性干擾信號的抑制作用較好，因此本文選擇將限幅濾波與遞推平均濾波相結合。但鑒于遞推平均濾波的參數(shù)選取具有較大的隨意性，對濾波效果影響較大，針對此問題本文結合濾波參數(shù)尋優(yōu)算法以確定最優(yōu)的濾波參數(shù)。

通過MATLAB運行如圖9所示遞推平均參數(shù)尋優(yōu)算法程序可知，當濾波參數(shù)N為69時，所定義的濾波效果評價總指標E的最小值為0.2072，采用該濾波參數(shù)可以兼顧濾波后數(shù)據(jù)的準確性和平滑性。其中，遞推平均濾波法窗口參數(shù)指標E、Ex、Ey窗口大小與濾波參數(shù)N的關系如圖10所示。

圖9 遞推平均濾波參數(shù)尋優(yōu)算法

圖10 遞推平均濾波法E、Ex、Ey與濾波參數(shù)N的關系

由圖11可知，限幅濾波和遞推平均濾波相結合的濾波法對油量信號的濾波處理效果明顯，有效濾除了油量信號中的尖峰脈沖干擾信號和周期性干擾信號，且采用最優(yōu)濾波參數(shù)的限幅遞推平均濾波法的濾波曲線與經(jīng)過6次多項式擬合出的油量數(shù)據(jù)曲線吻合度較好，在一定程度上保證了油量數(shù)據(jù)的準確性和平滑性。但是該濾波算法在初次濾波存在接近14s的延時，因此不能作為對實時性要求較高的燃油指示系統(tǒng)的最優(yōu)濾波方案。

圖11 最優(yōu)濾波參數(shù)條件下限幅遞推平均濾波效果

2.2 限幅遞推中值濾波法信號處理

通過運行限幅遞推中值濾波尋優(yōu)算法程序可知，限幅遞推中值濾波算法的最優(yōu)濾波參數(shù)為64，此時濾波后的數(shù)據(jù)總指標為0.3628，窗口參數(shù)指標E、Ex、Ey大小與N的關系及運算結果如圖12所示。同時，將該最優(yōu)遞推中值濾波參數(shù)代入限幅遞推中值濾波算法中，通過MATLAB運行程序后所得結果如圖12所示。

圖12 遞推中值濾波法E、Ex、Ey濾波參數(shù)N的關系

由圖13可知，在最優(yōu)濾波參數(shù)條件下，采用限幅遞推中值濾波對干擾信號的抑制作用較好，但濾波效果不及限幅遞推平均濾波。同時，該濾波法與限幅遞推平均濾波法一樣，初始濾波存在13秒的延時，因此不能作為對實時性要求較高的油量指示系統(tǒng)的最優(yōu)濾波方案。

圖13 最優(yōu)濾波參數(shù)條件下的限幅遞推中值濾波效果

2.3 限幅卡爾曼濾波法信號處理

首先通過限幅濾波法濾除原始采樣數(shù)據(jù)中的偶然性脈沖干擾信號，然后再通過卡爾曼濾波法對限幅濾波后的數(shù)據(jù)進行濾波處理。由于卡爾曼濾波法的前提是信號噪聲必須為白噪聲，而實際采集到的觀測信號中存在大量有色噪聲信號，若直接處理對濾波后的數(shù)據(jù)精度有很大影響，甚至可能造成濾波后的數(shù)據(jù)失真[7]。因此，本文通過相鄰時間組差法對觀測噪聲中的有色噪聲進行白化處理。同時，在建立油量卡爾曼濾波模型時，最少要輸入油量水平及油量消耗水平兩個信號[8]。具體處理步驟如下文所示：

若系統(tǒng)數(shù)學模型如下：

X(k)=A*X(k-1)+B*ω(k-1)-

L*μ(k-1)

(1)

Z(k)=H*X(k)+V(k)

(2)

V(k)=σ*V(k-1)+ζ(k-1)+H*L*μ(k-1)

(3)

式中(1)為系統(tǒng)狀態(tài)方程，(2)為系統(tǒng)量測方程，其中ω(k)、ζ(k)為互不相關的零均值白噪聲，μ(k)為車速，L為油量消耗與車速之間的常數(shù)。則有：

Z(k+1)=H*X(k+1)+V(k+1)

(4)

將(1)(2)(3)代入(4)中，可得

Z(k+1)=H*(A-σ)*X(k)+

H*B*ω(k)+ζ(k)+σ*Z(k)

(5)

若：

Z*(k)=Z(k+1)-σ*Z(k)

(6)

C*=H*(A-σ)

(7)

V(k)=H*B*ω(k)+ζ(k)

(8)

分別將(6)(7)(8)代入(5)中，可變換為如下(9)所示的標準量測方程形式

Z*(k)=C**X(k)+V*(k)

(9)

油量信號中k時刻的值與k-1時刻的值為線性關系，在式(1)中，當狀態(tài)轉移系數(shù)A為1，過程噪聲系數(shù)B為1，W(k)為均值為零的高斯白噪聲信號，油耗與車速系數(shù)值為0.56×105，u(k)為穩(wěn)定車速值60km/h。如上式(8)為該系統(tǒng)的量測方程，其中V*為經(jīng)處理后的高斯白噪聲信號。由此可得新的偽量測方程：

Z*(k)=0.8X(k)+V*(k)

(10)

通過對原始采樣數(shù)據(jù)分析可得出系統(tǒng)的過程噪聲與量測噪聲的方差值分別為0.01和1，P(1|0)為初始誤差，該值為0.24，X(1|0)初始值為35.8。將以上所得數(shù)值代入計算并利用MATLAB對限幅卡爾曼濾波算法進行仿真，仿真結果如圖14所示。

圖14 油量信號限幅卡爾曼濾波效果圖

由圖14可知，限幅卡爾曼濾波法能有效克服尖峰脈沖干擾信號，同時對非平穩(wěn)信號中的抖動噪聲也有較好的抑制作用。由于原始油量觀測數(shù)據(jù)中存在大量有色噪聲，本文通過采用相鄰時間組差法對原始量測方程進行線性組合變換，從而將時間有關的有色噪聲轉化為滿足傳統(tǒng)卡爾曼濾波法的高斯白噪聲信號。

結果表明：采用該方法濾波后的數(shù)據(jù)準確性和平滑性均較高，且數(shù)據(jù)的整體變化趨勢明顯，最為重要的是該濾波算法在處理數(shù)據(jù)過程中不存在延時問題，相比于限幅遞推平均濾波與限幅遞推中值濾波算法更優(yōu)，因此本文所提出的限幅卡爾曼濾波算法更適合運用于對數(shù)據(jù)處理實時性要求較高的燃油指示系統(tǒng)。

3 小結

本文針對汽車液晶儀表油量指示系統(tǒng)，從油量信號處理部分進行重點研究，分別采用限幅遞推平均濾波法、限幅遞推中值濾波法及有色噪聲條件下的限幅卡爾曼濾波法三種算法進行MATLAB仿真，以確定最適合油量指示系統(tǒng)數(shù)據(jù)處理的方法。

經(jīng)過研究得出如下結論：針對油量傳感器噪聲特性及實時性要求，限幅卡爾曼濾波能有效抑制油量信號中的尖峰脈沖信號及非平穩(wěn)信號中的抖動噪聲信號，濾波后數(shù)據(jù)的準確性、平穩(wěn)性相比原始采樣數(shù)據(jù)大幅提升，且該濾波算法不存在任何的延時，實時性更高，對提高油量指示的準確性和穩(wěn)定性具有重要意義。