基于IEKFAPF算法的汽车状态估计

《基于IEKFAPF算法的汽车状态估计》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、学兔兔www.xuetutu.com第50卷第22期机械工程学报Vlo1．50NO．222014年11月JOURNALOFMECHANICALENGINEERINGNOV．2014DoI：1O．3901／JME．2014．22．136基于IEK‘F．APF算法的汽车状态估计冰沈法鹏，2赵又群孙秋云2林菜汪伟(1．南京航空航天大学车辆工程系南京210016；2．山东交通职业学院科研处潍坊261206)摘要：行驶汽车状态变量质心侧偏角和横摆角速度是汽车稳定性控制系统中重要控制变量，准确获取行驶过程中的状态信息是汽车控制系统研究的关键问题。应用估计理论由传感器测出易测变

2、量来估计难以测量的关键状态变量是一种常用的估计方法。提出一种新的粒子滤波算法通过所建立的包含定常平稳随机噪声和非线性轮胎的汽车动力学7自由度整车模型对汽车状态进行估计。针对粒子滤波过程中出现的退化问题，应用迭代扩展卡尔曼滤波融入最新观测信息产生更加接近真实状态的重要性密度函数，辅助粒子滤波算法通过所产生的重要性密度函数结合观测量进行重采样，结合这两种算法提出迭代扩展卡尔曼．辅助粒子滤波算法(IterativeextendedKalmanfiltering．auxiliaryparticlefilteringalgorithm，IEKF．APF)以改善粒子采样和估计

3、精度的提高。为验证所提出的IEKF．APF算法估计性能，将其结果与实车试验结果和无迹卡尔曼滤波算法(UnscentedKalmanfiltering，tn~r)估计结果进行比较，结果表明其估计性能优于UKF，更接近于试验结果。关键词：车辆动力学；状态估计；粒子滤波；质心侧偏角；横摆角速度中图分类号：U461VehicleStateEstimationBasedonIEK．APFSHENFapengLZHAOYouqunSUNQiuyun2LINFenWANGWei(1．DepartmentofAutomotiveEngineering，NanjingUnivers

4、ityofAeronauticsandAstronautics，Nanjing210016；2．DepartmentofScientificResearch，ShandongTransportVocationalCollege，Weifang261206)Abstract：Sideslipangleandyawratearetheimportantcontrolparametersofvehiclestabilitycontrolsystem，andgettingaccuratestateinformationofdrivingprocessisthekeyiss

5、ueofcontrolsystemresearch．Acommonestimationmethodbasedontheestimationtheoryisthatusingsensorstogeteasilymeasuredvariables，andthenestimatingthekeystatevariableswhicharedificulttomeasure．Anewparticlefilteringalgorithmisproposedtoestimatevehiclekeystateswitha7-DOFnonlinearvehicledynamicm

6、odelwhichcontainedconstantnoiseandnonlineartiremode1．Forparticledegradationduringparticlefilteringprocess，theiterativeextendedKalmanfilteringalgorithmisusedtoproduceimportancedensityfunctionwhichismoreclosetothetruestate，andauxiliaryparticlefilteringalgorithmwiththelatestobservationin

7、formationisusedtoresampleparticlewiththeobservation．TheiterativeextendedKalmanfiltering—·auxiliaryparticlefilteringalgorithm(IEKF-·APE)combinesoftheabovetwoalgorithmstoimprovetheparticleresamplingandestimationprecision．TovalidatetheestimationperformanceofIEKF·APF．comparetheestimationr

8、esult