基于无迹卡尔曼滤波的汽车状态参数估计

doi:10.3969/j.issn.1000-565X.2016.03.011

华南理工大学学报（自然科学版） ›› 2016, Vol. 44 ›› Issue (3): 76-80,88.doi: 10.3969/j.issn.1000-565X.2016.03.011

基于无迹卡尔曼滤波的汽车状态参数估计

赵万忠^1,2 张寒¹ 王春燕¹

1．南京航空航天大学能源与动力学院，江苏南京210016; 2．上海交通大学机械系统与振动国家重点实验室，上海200240

收稿日期:2015-04-28 修回日期:2015-09-09 出版日期:2016-03-25 发布日期:2016-02-02
通信作者: 赵万忠(1982-)，男，博士，教授，主要从事汽车系统动力学及控制研究． E-mail:zhaowanzhong@126.com
作者简介:赵万忠(1982-)，男，博士，教授，主要从事汽车系统动力学及控制研究．
基金资助:
国家自然科学基金资助项目(51375007);上海交通大学机械系统与振动国家重点实验室开放课题(MSV-2015-07)

Estimation of Vehicle State Parameters Based on Unscented Kalman Filtering

ZHAO Wan-zhong^1,2 ZHANG Han¹ WANG Chun-yan¹

1.College of Energy and Power Engineering,Nanjing University of Aeronautics and Astronautics,Nanjing 210016,Jiangsu,China; 2.State Key Laboratory of Mechanical System and Vibration,Shanghai Jiaotong University,Shanghai 200240,China

Received:2015-04-28 Revised:2015-09-09 Online:2016-03-25 Published:2016-02-02
Contact: 赵万忠(1982-)，男，博士，教授，主要从事汽车系统动力学及控制研究． E-mail:zhaowanzhong@126.com
About author:赵万忠(1982-)，男，博士，教授，主要从事汽车系统动力学及控制研究．
Supported by:
Supported by the National Natural Science Foundation of China(51375007)

摘要/Abstract

摘要： 由于部分汽车状态参数无法直接通过传感器获得，为了提高这些参数的估计精度以准确判断汽车行驶过程中的状态变化，增强控制系统的鲁棒性，文中提出了基于无迹卡尔曼滤波的汽车状态参数估计方法．该方法在传统卡尔曼滤波算法的基础上，采用无迹卡尔曼滤波算法对汽车质心侧偏角、横摆角速度、路面附着系数等状态参数进行估计，并运用 Simulink 与 Carsim 进行联合仿真．结果表明，无迹卡尔曼滤波算法响应快，估计精度较扩展卡尔曼滤波高，能满足车辆高级动力学控制系统的控制需要．

关键词: 无迹卡尔曼滤波, 参数估计, 质心侧偏角, 横摆角速度, 路面附着系数

Abstract: In order to improve the estimation accuracy of some vehicle state parameters that can not be obtained by sensors directly and thus to estimate the state variation of running vehicles accurately,a method on the basis of un- scented Kalman filtering (UKF) is proposed,which helps enhance the robustness of vehicle control system.In this method,an UKF algorithm on the basis of traditional Kalman filtering is developed to estimate such vehicle state parameters as side slip angle,yaw rate and road adhesion coefficient,and a simulation by using both Simulink and Carsim software is carried out.The results indicate that the proposed UKF is superior to the extended Kalman filte- ring for its short response time and high estimation accuracy.Thus，it can meet the requirements of advanced dy- namic control system of vehicles.

Key words: unscented Kalman filtering, parameter estimation, side slip angle, yaw rate, road adhesion coefficient

赵万忠张寒王春燕. 基于无迹卡尔曼滤波的汽车状态参数估计[J]. 华南理工大学学报（自然科学版）, 2016, 44(3): 76-80,88.

[1]	杨小玉, 宋佳昕, 谢里阳, 等. 基于最小二乘迭代威布尔分布的三参数估计[J]. 华南理工大学学报(自然科学版), 2023, 51(2): 20-26.
[2]	张家旭, 王晨, 王欣志, 等. 基于自适应滤波器的无人驾驶汽车速度估计[J]. 华南理工大学学报（自然科学版）, 2021, 49(1): 74-81.
[3]	张小宽, 郑舒予, 赵唯辰, 等. 基于改进 2D-ESPRIT 算法的二维 GTD 模型参数估计[J]. 华南理工大学学报（自然科学版）, 2020, 48(5): 75-81,91.
[4]	张英芝, 翟粉莉, 郑玉彬, 等. 基于累积误差平方和最小的参数估计方法[J]. 华南理工大学学报（自然科学版）, 2020, 48(11): 49-54.
[5]	林棻倪兰青赵又群张华达张会琪王凯正 . 考虑横向稳定性的智能车辆路径跟踪控制[J]. 华南理工大学学报（自然科学版）, 2018, 46(1): 78-84.
[6]	宗长富孙浩陈国迎. 分布式独立转向车辆的转角分配方法[J]. 华南理工大学学报（自然科学版）, 2017, 45(2): 16-22.
[7]	林柏忠李振洋何磊宗长富. 基于功能原理和模糊控制的路面附着系数估计[J]. 华南理工大学学报（自然科学版）, 2016, 44(9): 131-136.
[8]	郭黎利刘湘蒲付江志李清伟. 基于压缩循环谱的 mW 复合序列参数估计[J]. 华南理工大学学报（自然科学版）, 2016, 44(5): 29-35.
[9]	宋佳声胡国清焦亮. 改进的几何活动轮廓演化及其在目标跟踪中的应用[J]. 华南理工大学学报（自然科学版）, 2015, 43(1): 72-78.
[10]	李刚解瑞春李宁宗长富. 基于卡尔曼滤波的车辆状态与路面附着估计[J]. 华南理工大学学报（自然科学版）, 2014, 42(8): 129-135.
[11]	俞礼军王蕾云. MNP 模型参数估计实用方法及其在出行方式预测中的应用[J]. 华南理工大学学报（自然科学版）, 2014, 42(2): 103-108,138.
[12]	罗玉涛李红林小慰来恩铭. 基于双转子电机的电动汽车操纵稳定性[J]. 华南理工大学学报（自然科学版）, 2013, 41(8): 80-86.
[13]	王晓峰申桂香张英芝陈炳锟郑珊刘葳. 可靠性模型参数估计方法的对比[J]. 华南理工大学学报（自然科学版）, 2011, 39(6): 47-52.
[14]	张浩蔡晋辉黄平捷周泽魁. 基于贝叶斯统计推理的复杂场景边缘检测[J]. 华南理工大学学报（自然科学版）, 2007, 35(9): 40-44.

基于无迹卡尔曼滤波的汽车状态参数估计

Estimation of Vehicle State Parameters Based on Unscented Kalman Filtering

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 14

编辑推荐

Metrics

本文评价