考虑噪声扰动和质量参数失配的车辆状态估计

为了降低不确定噪声干扰和质量参数失配对车辆状态估计性能的影响,提出了一种STSHAEKF算法.首先,引入多重渐消因子,将强跟踪思想融入EKF算法,构成STEKF算法;其次,将Sage-Husa滤波嵌入到EKF算法中,构成SHAEKF算法;最后,构建滤波发散准则,将STEKF算法与SHAEKF算法相融合.基于搭建的CarSim/Simulink联合仿真平台,进行低附着工况下车辆不同载重的仿真分析.结果表明,在大质量失配工况下,相比EKF算法、STEKF算法和SHAEKF算法,基于STSHAEKF算法估计得到的质心侧偏角均方根误差分别降低41.77%、31.57%和29.79%.STSHAEKF算法能够有效解决质量参数失配和噪声扰动所引起的车辆状态估计精度下降问题.