王 成，张财志

(重庆大学 汽车工程学院，重庆 400044)

道路坡度的估计方法主要有两类。第一类是基于传感器的估计方法，主要在车辆上安装额外的传感器来直接或间接地测量道路坡度值。文献[6]将角位移传感器安装在车辆上，直接测量汽车倾角，但动态误差较大；文献[7]结合全球定位系统(GPS)和其他传感器来间接测量道路坡度；文献[8]通过地理信息系统(GIS)读取道路坡度信息。但当GPS/GIS信号较差时，此类方法并不适用。第二类是基于汽车动力学模型的估计方法，主要通过各类算法对汽车纵向或横向动力学模型进行解耦，同时估计汽车质量和道路坡度。例如，文献[9]使用了卡尔曼滤波算法进行解耦；文献[10-11]使用了最小二乘法进行解耦；文献[12-13]使用了状态观测法进行解耦。由于需要对复杂的动力学模型进行解耦，此类方法计算复杂度较高。同时，建模的准确度严重影响了估计算法的性能。

综上所述，目前的道路坡度估计方法有着各种制约，需要使用额外的传感器或需要对动力学模型进行复杂的解耦。因此，笔者根据道路坡度的时变特性，提出了一种基于智能算法(长短期神经网络)的道路坡度估计方法，该方法不需要安装额外的传感器，只从CAN总线读取汽车行驶的相关数据，并通过实车实验验证了该方法的有效性。

1 燃料电池汽车配置

研究基于一辆由双座电动车改装的燃料电池混合动力汽车(FCHV)，如图1所示。表1列出了该车的基本参数。动力系统由燃料电池系统、单向DC/DC变换器、电池包、DC/AC逆变器和交流电机组成，如图2所示。……