基于扩展Kalman粒子滤波的汽车行驶状态和参数估计

汽车行驶过程中的某些参数通常需要通过实验室内较为昂贵的试验设备获得,测量成本较高,而获取车辆的行驶状态和参数对于车辆行驶过程中的控制有着重要的意义。通常情况下,需要将车辆行驶状态变量和侧偏刚度等参数进行联合估计。这些参数将会被用于车辆动力学模型来分析汽车的操纵状态。本文建立了包含定常统计特性噪声的汽车动力学模型,利用龙格-库塔方法模拟模型,引入扩展Kalman滤波技术,生成粒子滤波重要性概率密度函数,对状态和参数同时进行估计,仿真结果表明,扩展Kalman粒子滤波技术改善了标准粒子滤波算法的精度,验证了算法的有效性。

基于辅助粒子滤波的汽车轮胎参数和行驶状态估计

单独的轮胎魔术公式参数通常需要通过昂贵的试验设备和大量的试验数据才能够确定,之后这些参数在设计阶段将被应用于车辆模型来模拟车辆的操纵动力学行为。建立了包含定常统计特性噪声的汽车动力学模型,利用龙格-库塔方法模拟模型,引入辅助粒子滤波技术,通过二次加权操作,较好地实现了轮胎参数的估计,并最终代入动力学方程,实现了车辆侧向力等参数的估计。同时进行了场地试验。结果表明,辅助粒子滤波技术改善了标准粒子滤波算法的精度,验证了算法的有效性。

基于辅助粒子滤波算法的车辆行驶状态和参数联合估计方法研究

汽车行驶状态及关键参数的联合估计对于汽车主动控制以及新型结构的验证具有重要意义。介绍了一种应用辅助粒子滤波技术实现车辆行驶状态、参数联合估计的控制算法。该算法以包含定常统计特性噪声的汽车动力学模型为基础,利用龙格—库塔方法模拟汽车动力学模型,同时引入辅助变量,通过二次加权操作使得粒子权重变化趋于稳定,最终实现了行驶状态和关键参数的联合估计,仿真结果表明,辅助粒子滤波可以有效的提高标准粒子滤波算法的精度。

汽车行驶稳定性动力学优化控制仿真研究

汽车行驶稳定动力学优化控制,旨在通过确定汽车行驶状态下纵向车速、横摆角速度、质心侧偏角等重要的状态变量,提前预知汽车未来时刻的可能的行驶状态,并将其输送到汽车底盘主动控制系统,实现动力学优化控制,提高汽车的主动安全性,减少道路交通事故。寻找一种低成本、高精度且能够实时获得车辆重要状态参数的方法,是汽车稳定行驶动力学优化控制的关键技术之一。利用Matlab/Simulink仿真工具,分别建立了汽车动力学仿真模型和车辆行驶状态Kalman滤波估计仿真模型,可以同时实现对车辆行驶状态的仿真和对车辆行驶过程中横摆角速度、侧向加速度和质心侧偏角的估计,并且模型具有可扩展性。最后进行了实车场地试验,完成了阶跃曲线、双移线等操作,通过模型仿真、试验数据和状态估计结果的比较得出,三者一致性较好,同时验证了车辆动力学仿真模型和状态估计算法仿真模型的有效性和通用性。