基于CKF的大型拖拉机状态参数估计研究

拖拉机运行状态的准确识别与估计是其安全行驶和平稳控制的重要依据。针对大型拖拉机状态参数的估计复杂、精确度不高等问题,建立大型拖拉机整车三自由度仿真模型,其中包含Dugoff轮胎模型,提出基于容积卡尔曼滤波理论的大型拖拉机状态参数估计算法,并对大型拖拉机的行驶参数进行估计,包含纵向速度、侧向速度、质心侧偏角、横摆角速度。利用Matlab软件仿真验证,在双移线路面附着系数为0.8和0.6的工况下,对比仿真的状态参数和算法估计的数值。结果表明,拖拉机横摆角速度、质心侧偏角和纵向速度仿真值与真实值的误差分别为0.1、0.2、0.4,验证基于容积卡尔曼滤波算法对大型拖拉机状态参数估计的可行性和准确性,为大型拖拉机的稳定性控制等提供借鉴和参考。

基于Dugoff轮胎模型对车辆质心侧偏角估计

为了解决车辆处于非线性状态下质心侧偏角的估计问题,考虑了纵向车速的变化,提出了基于Dugoff轮胎模型的质心侧偏角估计方法。根据二自由度车辆模型,验证了扩展卡尔曼滤波的估计精度高于卡尔曼滤波。根据建立的四轮三自由度车辆模型,对于车辆处于线性区和非线性区的两种运动状态,分别建立了基于扩展卡尔曼滤波算法的线性和非线性质心侧偏角估计模型,其中非线性估计模型基于Dugoff轮胎模型建立。采用CarSim软件搭建整车模型以及双移线道路模型,MATLAB/Simulink中搭建了扩展卡尔曼估计器,两者联合仿真。仿真结果表明:非线性估计模型在线性区域和非线性区域均能实现对质心侧偏角的估计,且估计精度高于线性估计模型。

基于扩展卡尔曼滤波算法的车辆参数估计

为解决智能汽车传感器测量质心侧偏角成本高昂的问题,文章提出了通过扩展卡尔曼滤波(EKF)算法降低测量成本的方法。基于Dugoff轮胎模型在MATLAB/Simulink软件中构建车辆非线性二自由度仿真模型,利用EKF算法设计车辆参数和轮胎侧偏力的状态观测器,设计了一种适应多工况条件的自适应协方差矩阵。对设计的算法进行多种典型工况实验仿真验证,与汽车动力学软件CarSim同工况下进行曲线对比,仿真值与估计值基本吻合。结果表明,所设计的车辆参数估计算法具有良好的多工况适应能力,具有一定的实用性。

基于平方根容积卡尔曼滤波的路面附着系数估计

针对车辆主动安全系统中路面附着系数这一关键参数的估计问题,建立了融合Dugoff轮胎模型的三自由度车辆动力学模型,基于平方根容积卡尔曼滤波(SCKF)思想设计了路面附着系数估计器,该方法将正交三角分解法引入容积卡尔曼滤波(CKF)算法,避免了CKF中对协方差矩阵的开方操作,提高了算法的稳定性。利用MATLAB与CarSim联合仿真平台在不同路面条件下进行了多工况仿真验证,并将所提出算法与CKF算法进行对比,结果表明,SCKF算法的鲁棒性较高,估计精度高于CKF算法的估计精度,可以满足车辆主动安全系统的要求。

基于改进的Sage-Husa自适应扩展卡尔曼滤波的车辆状态估计

本文中提出了一种基于改进的Sage-Husa自适应扩展卡尔曼滤波的车辆行驶状态估计算法。首先建立了非线性3自由度车辆估算模型和Dugoff轮胎模型。接着通过对纵向加速度、侧向加速度、横摆角速度和转向盘转角等低成本传感器信号的信息融合,实现对车辆行驶状态的准确估计。最后应用CarSim和Matlab/Simulink联合仿真对算法进行验证。结果表明:基于改进的Sage-Husa自适应扩展卡尔曼滤波的估计算法能比扩展卡尔曼滤波算法更准确、稳定地估计车辆行驶状态。

基于卡尔曼滤波的车辆状态与路面附着估计

建立了采用Dugoff轮胎模型的三自由度车辆估算模型,设计了基于联邦卡尔曼滤波理论的车辆行驶状态估计算法与基于扩展卡尔曼滤波理论的路面附着系数估计算法,使车辆状态估计与路面附着估计相互联系、闭环反馈、同时进行.选择典型工况,应用Car Sim与Matlab/Simulink联合仿真实验对车辆状态算法和路面附着估计算法进行了验证.结果表明:文中算法能够实现对车辆状态及路面附着系数的准确估计.

四轮轮毂电机电动汽车行驶状态估计

针对四轮轮毂电机电动汽车行驶过程中的状态估计和在数据测量过程中由于偶然因素使观测序列中存在野值的问题,本文中提出了一种基于抗野值鲁棒容积卡尔曼滤波的车辆行驶状态估计算法。首先利用四轮轮毂电机电动汽车的每个车轮的电机驱动力矩容易测得的优势计算轮胎的纵向力,采用Dugoff轮胎模型计算轮胎的侧向力,建立了汽车非线性3自由度车辆模型。接着通过对简单易测低成本传感器信号的信息融合实现电动汽车在行驶过程中的纵向速度、侧向速度和质心侧偏角的准确估计。最后应用Car Sim和Matlab/Simulink联合仿真对估计算法进行验证。结果表明,基于抗野值鲁棒容积卡尔曼滤波的估计算法比扩展卡尔曼滤波估计算法更能较准确地对车辆行驶状态进行估计,且具有较好的实时性。

一种车辆状态的非线性估计方法研究

应用Dugoff轮胎模型建立了车辆的非线性动力学方程。在此基础上,提出了一种纵向车速、横向车速和横摆角速度的非线性估计器设计方法,并基于Lyapunov稳定性理论给出了保证估计器收敛的充分条件。最后,在一个高精度的车辆动力学实时仿真环境中,将本方法与其它估计方法在不同路面条件下进行了多种驾驶工况的对比研究,并检验了本方法在车辆参数不准确或车载传感器信号丢失时的估计效果。仿真结果表明,本方法具有较好的估计性能。

基于强跟踪容积卡尔曼滤波的车辆行驶状态估计

针对车辆行驶过程中的状态估计问题,提出了基于强跟踪容积卡尔曼滤波的车辆行驶状态估计算法。建立了采用Dugoff轮胎模型非线性3自由度车辆估算模型,通过对纵向加速度、侧向加速度、横摆角速度、转向盘转角和车轮轮速低成本传感器信号的信息融合以实现对车辆行驶状态的准确估计。应用驾驶员模拟器进行在环试验结果表明,基于强跟踪容积卡尔曼滤波的估计算法能够较准确地对车辆行驶状态进行估计。

纵横向运动耦合时车辆状态估计算法研究

考虑到车辆纵向运动和横向运动的主要耦合因素,提出了一种利用扩展卡尔曼滤波理论间接测量车辆行驶状态参数的方法。首先,研究了卡尔曼滤波理论及其算法的具体流程,建立了基于Dugoff轮胎模型的耦合三自由度动力学模型,结合基于横向加速度反馈的预瞄最优曲率驾驶员模型,建立了"人-车"闭环整车系统;其次,搭建了基于扩展卡尔曼滤波理论的车辆行驶状态估计器仿真平台;最后,对某车型给定蛇形路径行驶工况进行了仿真。结果表明:该驾驶员模型能很好地跟踪车辆的横向轨迹,且前轮转向适当,易于实现;借助车辆易测得的纵向、横向加速度信息,结合扩展卡尔曼滤波算法能准确地估计运动耦合条件下车辆的纵向速度、横向速度和横摆角速度,且误差控制在5%以内。

车辆行驶状态无迹卡尔曼软测量

为了有效解决电动汽车在行驶过程中的车速、质心侧偏角和横摆角速度等参数低成本测量的问题,采用无迹卡尔曼搭建了软测量算法,该算法充分考虑了电动汽车非线性的车辆运动状态估计,对于轮胎侧向力的估计采用非线性的魔术轮胎模型。最终,通过联合仿真实验方法验证了所建立的软测量算法能够准确、实时地估计出电动汽车的运动参数。

无人驾驶重型汽车AEB控制算法及仿真

AEB系统是一种通过自动制动来避免或减轻碰撞的主动安全技术,是生命安全和生产安全的重要保障,但AEB系统在无人驾驶的重型汽车的应用研究不充分,具有制动距离计算与此时刻路面信息无关、制动策略不分级和不考虑重型汽车轮胎刚度变化等问题。为提高无人驾驶重型底盘汽车AEB系统的安全性,以Duffgo轮胎模型为基础,通过计算实时的地面附着系数,从而准确计算制动距离,结合马自达安全距离模型建立分级的安全距离模型。建立TruckSim和Simulink联合仿真,将仿真结果与无迹卡尔曼滤波估计仿真结果进行比较,以制动结束时两车距离评价算法的纵向避撞性能,得出本文算法与无迹卡尔曼滤波估计算法相比在相同工况下更加平稳、介入时机更及时和准确的结论。本文提供了一种算法精简、安全距离可根据附着系数实时计算的AEB策略算法,促进了无人驾驶重型底盘汽车主动安全技术的发展。

基于无迹卡尔曼滤波的路面附着系数估计

稳定性和安全性作为汽车设计和规划的两大要素,与车辆的状态参数估算密切相关,其中最直接的就是关于如何精确估算行驶过程中的路面附着系数。在Kalman滤波算法基础之上,本文针对汽车的强非线性特性运用无迹卡尔曼(UKF)滤波算法在Matlab中搭建状态观测器、三自由度车辆模型、Duglff轮胎归一化模型对路面附着系数进行估计,将整体模型与Carsim进行整体测试和对比。结果证明,通过运用UKF算法建立的状态观测器能满足对附着系数估计值的准确性要求。

汽车行驶状态无迹卡尔曼软测量

为了有效解决电动汽车在行驶过程中的车速、质心侧偏角和横摆角速度等参数低成本测量的问题,采用无迹卡尔曼滤波(UKF)搭建了软测量算法.该算法充分考虑了电动汽车非线性的车辆运动状态估计,对于轮胎侧向力的估计采用非线性的魔术轮胎模型.通过联合仿真实验方法,验证了所建立的软测量算法能够准确、实时地估计出电动汽车的运动参数.

基于非线性车辆模型的行驶状态与路面附着系数估计

路面状况和行驶状态的准确识别是车辆安全行驶和主动控制的重要依据。为了验证车辆行驶状态和路面附着系数估计的有效性,建立了包含Dugoff轮胎模型的四轮三自由度整车仿真模型,提出了基于扩展Kalman滤波理论的车辆行驶状态与路面附着系数估计算法。车辆在设定的双移线路面附着系数分别为0.8、0.7、0.6的工况下进行仿真,对比车辆的运动状态和车辆转向输入激励的趋势的一致性,验证了该模型的合理性。结合该模型计算出的Dugoff轮胎模型纵向和侧向归一化力,通过Matlab编程实现扩展卡尔曼算法估计,算法估算得到的汽车行驶状态参量和路面附着系数与仿真值进行对比。通过结果对比表明,车辆行驶状态估计值与Simulink数值解的均方根误差(RMSE)指标最大值不大于0.03,由于轮胎与路面是动态接触,路面附着系数呈上下波动状,实现了对车辆行驶状态参量和路面附着系数的实时估计,为重型车辆稳定性控制提供了理论基础。