基于改进双重无迹卡尔曼滤波算法的车辆状态估计

针对车辆行驶过程中的状态和参数估计问题,基于软件MATLAB中车辆三自由度动力学模型,分别采用无迹卡尔曼滤波(unscented Kalman filter,UKF)算法、双重无迹卡尔曼滤波(dual unscented Kalman filter,DUKF)算法及采用奇异值分解的改进双重无迹卡尔曼滤波(singular value decomposition-dual unscented Kalman filter,SVD-DUKF)算法,估计车辆在同一工况下的状态及参数。结果表明:UKF算法能保证一定的估计精度,但需时刻输入准确的车身质量等参数,在车辆行驶过程中难以实现;DUKF算法与SVD-DUKF算法有相近的估计精度,但DUKF算法采用Cholesky分解,在车辆运行过程中难以保证误差协方差矩阵为正定矩阵;SVD-DUKF算法更适合估计车辆行驶状态及参数,估计精度较高,适用性较强。