【摘要】汽车质量和道路坡度是设计高性能汽车决策和控制算法所需的基本参数。但是,微小加速度行驶工况下,汽车纵向惯性力较小,汽车质量和道路坡度难解耦,且现有估计算法的准确性和收敛速度有待进一步提高。该文提出了一种基于车辆纵向动力学原理的自适应无迹Kalman滤波(adaptive unscented Kalman filter,AUKF)算法,通过加大质量预测模型初始噪声,并设计自适应收缩系数对预测误差协方差矩阵进行动态调整,实现了微小加速度工况下汽车质量和道路坡度的快速准确联合估计。其中,自适应收缩系数与质量预测模型噪声和质量估计值有关。不同初始条件下的仿真与实车试验结果表明,AUKF算法能准确估计汽车质量和道路坡度,且质量估计误差均小于3%,道路坡度估计均方根误差均小于0.4°。此外,在纵向加速度小于0.3 m/s~2行驶工况下,相比经典UKF算法,AUKF算法极大加快了汽车质量和道路坡度估计的收敛速度,在质量初始误差小于40%条件下,质量误差收敛至3%以内只需约10 s。