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。     

基于扩展Kalman滤波技术汽车状态参数的软测量

提出利用扩展Kalman滤波理论对车辆质心侧偏角与横摆角速度状态变量进行间接测量的新方法。研究了卡尔曼滤波理论及其算法的具体流程,建立了基于GIM轮胎模型的整车2自由度动力学观测器模型。与高精度的整车动力学模型仿真对比,结果表明:借助车辆易测量的纵向、横向加速度等信息,结合扩展Kalman滤波技术,对车辆控制系统所需的状态变量进行实时估计,是一种精度高、成本低的有效方法,对于汽车主动安全控制系统在中低档车辆上的推广使用有重要的意义。      

基于自适应容积卡尔曼滤波的车辆状态参数估计与仿真分析

针对车辆状态参数估计时量测噪音对估计精度的影响,为了提高车辆状态参数估计的可靠性,设计了一种自适应容积卡尔曼滤波的车辆状态估计算法。建立非线性三自由度动力学车辆模型,以车辆方向盘转角与车辆纵向加速度为输入参数,以车辆侧向加速度为观测参数,实现对车辆横摆角速度、质心侧偏角、纵向速度的估计,最后采用CarSim/Simulink联合仿真平台搭建不同工况进行验证。仿真证明,自适应容积卡尔曼滤波算法（ACKF）对车辆状态估计比拓展卡尔曼滤波算法（EKF）有更好的收敛特性和估计精度。     

基于局部线性化的汽车质心侧偏角估计

对于汽车侧偏角估计,现有非线性状态观测器反馈增益的设计大多采用解析法,但其仅适用于表达式较简单的轮胎模型。提出一种基于局部线性化设计状态观测器反馈增益的数值方法,使得采用精度更高、表达式更复杂的轮胎模型成为可能。将非线性系统在状态变量空间中离散化,采用数值计算获得若干个工作点处的反馈增益。为便于实时观测应用,这些离散的反馈增益值被拟合为关于状态变量的函数。在一个高精度的车辆动力学实时仿真环境中验证了所提出侧偏角估计方法的有效性及其对参数变化的鲁棒性。仿真结果表明,所提出估计方法估计精度较高,具有较好的鲁棒性。     

基于扩张状态观测器的路面附着系数实时估计

对车辆动力学控制中的道路路面附着系数实时估计问题进行研究.首先使用魔术公式建立1/4车辆制动模型,即车轮制动动力学模型;然后将其中的附着系数相关项视为制动系统的扩张状态,建立其扩张状态观测器,通过轮速信号和制动力矩信号实时观测制动过程中地面与轮胎间的纵向力,进而计算出路面附着系数;最后在均匀路面和突变路面条件下进行仿真研究.结果表明,所提出的方法对车辆制动系统参数摄动和传感器噪声具有鲁棒性,可以准确地实现道路路面附着系数的实时估计,观测器与控制器设计具有一定独立性.     

模式搜索在轮胎纵向刚度估计中的应用

通过建立轮胎动力模型,利用基于模式搜索的最小二乘法对轮胎的纵向刚度和滚动半径两个参数进行了动态估计.该方法避免了求解模型参数时最优化函数导数的求取,改善了由于初值选取不当,迭代不收敛的困难,MATLAB仿真说明了该算法的可行性.该方法应用于车辆的实际数据,可以实时估计轮胎参数变化,对于间接胎压监测系统的研究具有重要的意义.     

基于滑模观测和模糊推理的车辆侧翻实时预警技术

提出一种实时的车辆侧倾状态观测器和侧翻预警算法.建立一种考虑轮胎力非线性特性的扩展3自由度车辆模型,并使用非线性最小二乘法拟合轮胎模型的参数.在车辆模型的基础上设计了基于超螺旋理论的滑模观测器,实时观测车辆的侧倾状态.侧翻预警算法依据当前车辆状态参数及变化趋势,通过构造模糊推理系统计算车辆侧翻指数,综合评价车辆侧翻的危险程度.使用车辆动力学仿真软件veDYNA进行的虚拟道路试验验证了观测器的观测精度和预警算法的预警效果.     

基于补偿自适应控制算法的车辆状态参数估计

为实现用于车辆动力学稳定性控制的状态参数准确估计,基于自适应控制理论,针对三自由度车辆动力学模型,提出一种补偿更新律自适应控制估计方法,该方法能够实现对纵向车速、车辆质量及转动惯量的估计。通过原地起步直线加速工况和双移线工况的仿真和硬件在环仿真试验,表明该方法能够实现对运动状态的快速跟踪及参数的准确估计,满足车辆在线估计需求。     

基于修正Craig-Bampton方法的轮胎动态子结构模型

以轮胎模态试验获取的模态参数和参数化轮胎有限元模型为基础,通过优化方法使有限元模型的计算模态参数与试验模态参数一致,获得动力学等效的轮胎模型,将该模型视作连接车辆与地面的子结构,基于修正的Craig-Bampton方法和轮胎接地界面特性,得到轮胎子结构的主模态集和约束模态集,使用模态综合方法实现轮胎子结构模型与车辆多体动力学模型的耦合,此模型可广泛应用于车辆平顺性仿真和整车动态优化设计.     

基于模型自适应粒子滤波的汽车状态估计

为准确实时获取汽车行驶过程中的状态变量,提出了一种模型自适应更新粒子滤波方法。建立了非高斯噪声和非线性轮胎的汽车动力学模型,并基于小波变换的方法,采用高频子带估计传感器量测噪声的实时方差,提高了观测似然函数的真实拟合程度,结合自适应自回归模型对整车系统的状态进行自适应更新,较好地克服了粒子权值的退化现象;基于ADAMS/Car的虚拟实验和实车实验验证了所提方法的有效性。实验结果表明该方法在估计精度和克服噪声方面均优于常用方法,满足汽车状态估计器的软件性能要求。     

基于多模型迭代的车辆状态融合估计方法

为了提高车辆行驶状态估计的可靠性,提出一种基于多模型观测器误差补偿与迭代的车辆状态融合估计方法。基于三自由度车辆动力学模型设计了车辆状态强跟踪滤波估计算法;同时,根据四轮轮速耦合关系,考虑到数据扰动和病态矩阵的影响,设计了车辆状态的岭估计算法。为进一步提高估计系统的可靠性,提出了动力学模型观测器与运动学模型观测器补偿与迭代的估计方式,设计了模糊控制器,根据实时的质心侧偏角和滑移率的伪量测值,判断强跟踪滤波器和岭估计器估计结果所占权重,利用闭环估计系统的迭代与融合提高估计性能。仿真和道路实验结果表明,所提出的车辆状态融合估计方法能够兼顾强跟踪滤波算法与岭估计算法的优势,根据车辆纵向滑移和质心侧偏角动态调节强跟踪估计与岭估计结果的权重系数,从而在保证估计精度的同时提高了估计系统的多工况适应能力。     

基于滚动时域的无人水稻直播机运动状态估计

针对农业机械自动驾驶中非线性车辆模型具有未知干扰输入,以及测量输出不确定等问题,提出一种基于滚动时域的车辆运动状态估计方法（MHE）。将状态估计问题转化为固定时域的优化问题并充分考虑约束条件,从而实现对带约束非线性模型状态的估计。为提高MHE的计算效率并且考虑传感器采样频率不同,以及可能出现测量值缺失或异常,设计出一种多线程运行架构,使MHE更适合实际应用。使用Matlab建立水稻直播机自动驾驶仿真系统,仿真结果表明,MHE算法能有效补偿系统干扰和消除测量噪声,MHE估计出的横纵位置和航向角相比扩展卡尔曼滤波（EKF）估计出的更接近系统真值。使用MHE状态估计算法对水稻直播机无人作业过程中测得的横向偏差与航向角偏差进行估计。结果表明,时域窗口N取3～5时,MHE算法对消除状态的稳态误差和抑制测量值的不平稳性具有良好的效果,同时也能较好地反映状态值的真实变化,证明了MHE算法在补偿系统干扰和消除测量误差方面的优异性。     

基于粒子滤波算法的汽车状态估计技术

将粒子滤波（particle filter, PF）算法应用到汽车的状态估计之中,建立了包含定常统计特性噪声和非线性轮胎的汽车动力学模型,根据汽车非线性状态转移函数完成对粒子的预测,基于当前时刻的量测值实现对预测粒子权重的评估,最后通过重采样完成对汽车关键状态量估计。将PF估计器与常见的EKF、UKF估计器进行了比较分析,基于ADAMS/Car的虚拟试验和实车试验验证了PF在汽车状态估计中的可行性。     

基于防抱制动系统控制信息的车辆转向状态识别

为优化防抱制动系统(ABS)在转向和制动联合工况下的控制策略,需要识别车辆转向状态.选取适于ABS应用的转向参数:车速、转向方向和前轮转角,通过对比转向参数的直接与间接测量技术,根据四轮车辆转向运动学原理,结合二自由度车辆模型的稳态转向特性,研究了利用ABS轮速信号和控制信息的转向参数估算算法.运用稳态回转试验和制动转向试验进行了系统测试,结果表明参数估算具有较好的精度.     

NF-752型履带式拖拉机自动驾驶系统

为了提高自动驾驶系统对车身纵向速度和滑移工况等影响因素的自适应能力,提出了一种基于航向预估模型的路径跟踪控制算法。首先对NF-752型履带式拖拉机进行适应性改造,将其手动转向机构和无级变速机构改造为大扭矩舵机控制,通过绝对值编码器测量两侧履带转速,利用RTK-GNSS定位系统测量车辆地理位置和车身速度,结合车载计算机和底层控制器搭建了自动驾驶系统试验平台。然后以车身速度和两侧履带速度为状态变量,考虑履带滑移率建立了航向预估控制模型,进而提出了一种基于航向预估模型的路径跟踪控制方法。最后在沥青路面分别以低速（1 km/h）、中速（5 km/h）和高速（9 km/h）进行了直线路径跟踪试验,结果显示,在不同作业速度条件下,路径跟踪误差无明显差异,最大跟踪误差为-2.00 cm,标准差为0.93 cm。进行了田间曲线路径跟踪试验,结果显示,当拖拉机以6 km/h速度跟踪曲线路径时,跟踪误差优于10 cm,在滑移区域无明显误差增大现象。试验表明,提出的航向预估控制方法对作业速度有较好的适应性,一定程度上克服了滑移现象对控制精度的影响,可满足履带拖拉机耕整地作业精度要求。      

基于扩展卡尔曼滤波的车辆质量与道路坡度估计

针对车辆自动变速器控制系统难以实时测得车辆质量与道路坡度参数这一问题,运用最优估计理论,以车辆纵向动力学模型为基础,建立系统的状态空间模型,运用前向欧拉法将过程方程离散化,进一步对非线性过程方程进行近似线性化,获得过程方程向量函数的Jacobian矩阵,实现了基于扩展卡尔曼滤波(EKF)的车辆质量及道路坡度估计算法。在Matlab/Simulink仿真平台下,进行了实车道路试验数据的离线仿真。仿真结果表明,该算法可有效估计车辆质量及道路坡度,能够满足车辆自动变速器控制系统的要求。