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。     

自动变速器控制的道路坡度计算方法研究

对于装有自动变速器的车辆,为避免在坡道上不必要的换挡,我们研究了两种计算道路坡度的算法。一种算法是使用一个纵向加速度传感器,而另一种是采用车辆的输出转矩来计算。通过试验分析比较,发现后一种算法更为实用。     

基于扩展卡尔曼滤波的分布式电驱动汽车状态参数估计

为了实时准确的获取汽车主动安全控制的状态量,基于汽车三自由度动力学模型和扩展卡尔曼滤波理论对质心侧偏角和横摆角速度进行估计。利用分布式驱动电动汽车提供的标准车载信息：轮速、侧向加速度、横摆角速度、前轮转角等测量,结合扩展卡尔曼滤波估计算法来实时估计质心侧偏角和消除横摆角速度误差,在MATLAB环境中开发分布式轮边四驱电动汽车,并建立Simulink-CarSim联合仿真平台,选取高速和低速工况,仿真验证了扩展卡尔曼滤波在车辆动力学系统状态估计中的可行性与适应性。     

基于无迹卡尔曼滤波的车辆状态与参数估计

准确获取车辆运动过程中的状态变量和时变模型参数可以提高动力学控制的鲁棒性.引入了车辆模型时变参数的概念,建立了车辆动力学状态空间模型,应用无迹卡尔曼滤波(UKF)算法对车辆状态变量和参数进行了估计.与车辆动力学软件CarMaker建立的参考模型对比表明,该估计方法具有可行性和准确性.在估计系统中,提出含自适应参数的简化...     

基于扩展卡尔曼滤波的锂离子电池SOC估计

基于一阶等效电路模型,采用扩展卡尔曼滤波方法对锂离子电池SOC进行估计,并通过MATLAB搭建仿真实验,验证扩展卡尔曼滤波估算算法的有效性。结果表明,扩展卡尔曼滤波可以有效地跟踪锂离子电池SOC的变化,且具有较高的精确性。     

基于扩展卡尔曼滤波的车辆状态参数估计

稳定性控制系统因其良好的主动安全性已经在汽车上广泛应用。横摆角速度和质心侧偏角是判断汽车运行情况的两个主要参考量。基于此,以非线性三自由度车辆模型为基础,提出了一种应用扩展Kalman滤波技术估计车辆状态参数的控制算法。并且提出了一种基于Prescan、CarSim、MATLAB(Simulink)平台的驾驶员在环仿真试验来验证算法的准确度。结果表明,扩展Kalman滤波算法结果的准确性能够满足稳定控制的要求。     

基于扩展卡尔曼滤波的汽车横摆角速度预测

对分布式电动汽车,利用扩展卡尔曼滤波(EKF)对汽车的横摆角速度进行预测。建立7自由度整车非线性仿真模型,模型可以依据方向盘的转角输入和目标速度的跟随控制,模拟极限工况下的车辆状况。其次,建立具有二个输入和三输出横摆角速度预测模型。最后模拟瞬时急转弯工况和连续转弯工况下进行仿真分析,并且将结果与利用无迹卡尔曼滤波（UKF）算法预测结果进行对比。结果表明,该预测模型能够准确预测出汽车在极限工况中的横摆角速度。     

基于扩展卡尔曼滤波的汽车质心侧向速度观测器

基于HSRI轮胎模型,建立了一种简化的、适用于实时运算的非线性轮胎力估计方法.推导了四轮两自由度汽车模型动力学方程.运用扩展卡尔曼滤波方法建立了汽车质心侧向速度观测器.汽车动力学综合仿真平台的仿真结果显示,采用非线性轮胎力估计方法能显著提高估计的精度.实车试验结果表明,该观测器估计结果的准确性和运算效率能满足DSC控制的要求.     

基于支持向量机的道路坡度实时预测方法试验

道路坡度预测是汽车ABS、AMT、混合动力汽车扭矩分配等实时控制的关键技术。提出一种基于支持向量机(SVM)的道路坡度实时预测方法,输入参数为发动机转速、输出扭矩、纵向车速和纵向加速度,均从控制器CAN网络中实时提取。分别构建实车道路试验系统和Car Sim仿真平台,通过系统试验分别得到的样本对SVM模型进行学习和泛化能力测试。结果表明:Car Sim试验数据建立的SVM模型预测平方相关系数达到0.99,实车试验数据建立的SVM模型预测平方相关系数在0.9左右,二者差异的主要原因是实车试验GPS方法获取道路坡度信息时叠加了不易消除的车体俯仰角的影响。基于Lab VIEW编程将实车试验SVM模型导入虚拟仪器PXIe实时控制器中,其预测一个点的耗时等效到汽车电控ECU单片机为1.33 ms,完全满足实时控制要求。证明所提出道路坡度预测方法是有效、可行的。     

基于Kalman滤波农用车辆导航定位方法

因RTD-GPS定位精度不能满足农田导航作业的需要,研究了一种提高农用车辆自动导航定位精度的方法.建立天线补偿模型,对GPS天线晃动引起的误差进行了补偿;建立基于Kalman滤波模型,融合多传感器信息;使用自主开发的基于VRS的GPS接收机,作为RTD-GPS.将RTD-GPS、电子罗盘以及速度传感器获得信息进行Kalman滤波,其结果和高精度GPS数据进行了比较.实验证明,直线跟踪中,平均偏差由1.6019m减小到0.597m;曲线跟踪中,平均偏差由1.2085m减小到0.4861m.     

基于EnKF和随机森林回归的玉米单产估测

为了提高玉米的估产精度,以河北省中部平原为研究区域,采用CERES-Maize模型模拟2013—2018年8个典型样点玉米整个生育期的叶面积指数(LAI),将遥感反演的LAI与CERES-Maize模型模拟的LAI相结合,通过集合卡尔曼滤波(En KF)同化算法实现2013—2018年玉米主要生育时期旬尺度LAI的同化,运用随机森林回归法计算同化和未同化的LAI权重,进而建立玉米单产估测模型,对2015年53个县(区)的玉米进行单产估测和精度评价,并分析2013—2018年玉米的单产时空分布特征。结果表明,采用En KF算法对8个研究样点进行单点同化,同化LAI更符合玉米实际生长情况;将样点LAI同化值从单点尺度扩展到区域尺度,同化LAI图像减少了相邻像素间LAI陡升陡降的现象,其效果优于遥感反演的LAI;与未同化LAI构建的估测模型相比,应用同化的LAI所建的估测模型精度明显提高,R2提高了0.024 5;在2015年河北中部平原53个县(区)估产结果中,总体平均相对误差为12.11%,RMSE为371 kg/hm2,NRMSE为6.18%;河北中部平原玉米单产估测结果呈现个别年份波动、总体呈先减少后增加的年际变化特点,并呈现西部地区最高、北部和南部地区次之、东部地区最低的空间分布特征。     

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。     

车辆电动转向系统的卡尔曼滤波模糊PID控制

通过对车辆动力转向系统的动力学分析,建立了动态数学模型。为了克服单独使用PID控制和模糊控制时的问题,提高控制系统的响应速度,减小超调量,减小稳态误差,设计了模糊控制和PID控制相结合的多模态控制器,实现了分段控制;并由卡尔曼滤波对控制信号进行滤波处理,减小路面随机干扰和传感器测量噪声的影响,从而进一步提高了控制效果。仿真和试验结果表明,该控制方法能够明显改善控制性能。     

基于车轮力传感器信息的全轮驱动车辆状态估计

提出一种基于车轮侧向力和纵向力传感器信息的车辆状态观测器.建立3自由度车辆动力学模型,并构建扩展卡尔曼滤波器,结合纵向加速度传感器和横摆角速度传感器的校正信息,实时估计车辆的纵向车速和质心侧偏角.在复杂附着条件下,该车辆状态观测器对车轮滑移和路面附着条件有很好的鲁棒性.通过veDYNA车辆动力学仿真软件,对该观测器进行了仿真验证.在分离附着系数路面条件下的仿真结果显示,传统的基于2自由度和非线性轮胎模型估计方法的纵向车速最大估计误差为25 km/h,质心侧偏角最大估计误差为3°,相同工况下,提出的基于车轮力传感器信息的全轮驱动车辆状态观测器对车辆的纵向车速和质心侧偏角估计结果具有更好的精确度,最大估计误差分别不超过0.6 km/h和0.2°,对车轮滑移和复杂路面附着条件具有更强的自适应能力.     

基于卡尔曼滤波的自动引导车串级轨迹跟踪控制

针对三轮AGV具有不完整约束特性的运动学模型,提出一种串级轨迹跟踪算法,把模型转换为两个非线性时变系统,通过运用串级控制及状态微分反馈控制实现系统全局渐进稳定,最后再利用卡尔曼滤波算法对带有噪声干扰的状态进行估计,提高AGV自定位精度,从而进一步提高该控制器的输出精度.该控制策略具有一般性,对所有AGV及其他轮式移动机器人的运动学模型都适用,且设计方法简单、鲁棒性强.计算机仿真结果表明,该系统能在较短时间内实现全局渐进稳定,验证了该控制策略的有效性.     

基于双指数模型的纵向附着系数计算模型

提出了一种含有3个参数的双指数形式的纵向道路附着系数计算模型。与目前应用的一些经验模型相比，该模型具有结构形式简单、需拟合参数少、计算量小的特点，能够较好地描述纵向附着系数随车轮滑移率及其他因素非线性变化的规律。通过仿真计算与试验结果以及与魔术公式拟合结果的比较，验证了该模型的有效性。     

基于卡尔曼滤波器的半主动悬架仿真和试验

设计了Kalman滤波器来估计悬架的相对速度和绝对速度,采用天棚控制算法,建立了基于观测器的1/4车辆半主动悬架天棚控制器。仿真结果表明,所设计的Kalman滤波器能较好地估计被控悬架的绝对速度和相对速度。建立了1/4车辆半主动悬架测控试验系统,对基于观测器的半主动悬架天棚阻尼控制进行了试验验证。试验表明,观测器可以较好地估计悬架的状态,对比被动悬架,基于观测器的磁流变半主动悬架天棚控制器提高了行驶的平顺性。     

基于HSRI模型的汽车质心侧向速度估计

建立了二自由度（2DOF）四轮车辆动力学模型,并选用HSRI非线性轮胎模型,利用扩展卡尔曼滤波理论设计了汽车质心侧向速度观测器。应用Simulink与Trucksim软件进行了双移线等工况的联合仿真,结果显示估计值与Trucksim运行结果吻合。表明所建模型及观测器准确有效,可以用于后续的研究。     

基于Kalman滤波的田间导航车辆定位校正方法研究

以装载了RTK-DGPS导航系统的KUBOTASPU-68水田插秧机为试验平台,以姿态测量系统提供载体姿态信息,研究农业机械导航的姿态校正方法。在分析车载GPS倾斜误差产生原因基础上,提出了采用多传感器联合测量载体姿态角以提供校正信息。采用MEMS传感器集成模块ADIS16355作为惯性测量单元,卡尔曼滤波实现传感器信息融合以计算姿态角,设计了姿态测量系统。阐述了两种传感器融合测量实时姿态角的算法,基于ARM7Cotex-M3微处理器设计了姿态测量系统硬件。