基于GS-EKF滤波方法的车辆状态参数估计.pdf
《基于GS-EKF滤波方法的车辆状态参数估计.pdf》由会员分享,可在线阅读,更多相关《基于GS-EKF滤波方法的车辆状态参数估计.pdf(8页珍藏版)》请在咨信网上搜索。
1、收稿日期:基金项目:国家重点研发计划项目()汽车仿真与控制国家重点实验室开放基金资助项目()山西省基础研究计划(自由探索类)项目()山西省高等学校科技创新计划项目().作者简介:陈 龙()男山西朔州人太原理工大学讲师.第卷第期 年 月东北 大 学 学 报(自 然 科 学 版)().:./.基于 滤波方法的车辆状态参数估计陈 龙 刘巧斌 陶 磊(.太原理工大学 机械与运载工程学院 山西 太原 .吉林大学 汽车仿真与控制国家重点实验室 吉林 长春 .清华大学 车辆与运载学院 北京)摘 要:准确、高效的车辆状态估计是智能汽车实现精准控制的前提因此迫切需要开展又快又准的状态估计算法研究.为此提出一种分
2、级串联型扩展卡尔曼滤波()车辆状态参数估计方法旨在保证估计精度的同时提升算法的计算效率和鲁棒性.首先基于分级串联思想将初级扩展卡尔曼滤波估计的结果作为次级状态估计的可量测控制输入信号实现分级串联状态估计然后建立 自由度非线性动力学车辆状态参数估计模型以方向盘转角及纵向、侧向加速度为输入变量和观测变量最后搭建联合仿真验证平台对比分析 种不同算法的精度、鲁棒性以及效率.结果表明所提出的算法在精度和鲁棒性方面可达到粒子滤波的效果而效率比粒子滤波提升了.关 键 词:智能汽车状态估计分级串联扩展卡尔曼鲁棒性中图分类号:文献标志码:文章编号:()(.:.):.()./.:汽车智能化在提高行驶安全性、减少交
3、通事故、提升交通效率以及促进节能减排等方面都具有很大优势已成为全球汽车产业发展的热点方向.智能汽车运动行驶过程可分为:环境感 知、决策规划和运动控制其中环境感知是智能车辆决策规划和运动控制的基础环节主要包括车辆周围环境感知和车辆自身状态感知.因此车辆自身状态感知的准确性直接影响车辆智能决策规划的准确性以及运动控制稳定性开展车辆运行状态参数感知对提升车辆智能控制运行稳定性具有重要的意义.然而受限于传感测量技术和成本一些车辆关键状态变量无法通过现有传感器直接测量获取或者测量成本太高.为克服该问题采用低成本传感器测量易获取信息利用车辆模型结合状态估计算法来实现对车辆行驶状态的估计已成为车辆行驶状态参
4、数获取的重要手段也是当前的研究热点.车辆行驶状态参数估计的优劣核心是估计算法的设计.针对车辆行驶状态参数估计算法的研究 国 内 外 学 者 目 前 主 要 集 中 在 卡 尔 曼()、扩展卡尔曼滤波()、容积卡尔曼滤波、无迹卡尔曼滤波()和粒子滤波()等算法的研究.文献采用 状态估计算法通过采集方向盘转角、纵向加速度、侧向加速度等信息实现车辆行驶状态最小方差估计但是估计精度以及抗噪鲁棒性较差.文献采用 算法对车辆行驶状态参数进行估计仿真与实车试验结果表明其性能优于传统 算法.文献提出采用 算法进行车辆状态估计仿真与实车试验结果表明该方法具有良好的估计精度但是 算法存在计算量较大的不足.文献 则
5、是针对现有 算法的不足提出多种改进型 状态估计算法.文献针对状态估计过程噪声和量测噪声统计特性不确定的问题采用遗传优化算法对 算法进行优化从而提升状态估计性能.文献采用一种改进的粒子滤波算法 无味粒子滤波算法对轮毂电机电动汽车进行状态估计结果表明在高度非线性状态下无味粒子滤波算法性能优于 和 算法但是依然存在计算量大的问题.本文在现有研究基础上旨在不影响状态估计精度的前提下采用分级串联估计的思想提出了一 种 分 级 串 联 扩 展 卡 尔 曼()状态估计算法使其能够兼具 算法计算量少和 算法精度高、鲁棒性好的优点.建立了 自由度车辆非线性动力学模型和分级串联扩展卡尔曼状态估计算法利用/与 搭建
6、了车辆行驶状态估计算法联合仿真试验验证平台并将本文所提算法与 和 状态估计算法进行了对比以验证所提算法的优越性.车辆动力学模型车辆动力学建模是汽车行驶状态估计的基础本文模型综合考虑了实际车辆纵向车速的变化对横摆、侧偏引入的非线性动力学特性以及车辆转向时横摆、侧偏也会向纵向运动引入的非线性特性建立包括车辆纵向、侧向以及横摆 个方向自由度的车辆非线性动力学模型如图 所示.图 车辆动力学模型 根据车辆动力学模型建立的动力学方程为 ()()().()式中:分别为前、后轴到质心距离分别为前、后轮等效侧偏刚度分别为车辆纵向和侧向车速度分别为车辆纵向和侧向加速度 为横摆角速度 为质心侧偏角 为整车质量为车辆
7、绕 轴的转动惯量 为前轮转角(/为转向盘转角 为转向盘到转向轮的角传动比).根据车辆模型定义状态变量为 .()控制输入为 .()取易于通过车载传感器进行测量的侧向加速度为观测变量则 .()考虑系统的过程噪声和量测噪声系统状态方程可写为 .()第 期 陈 龙等:基于 滤波方法的车辆状态参数估计 式中:为过程噪声是零均值、方差为 的高斯白噪声 为观测噪声也是零均值、方差为 的高斯白噪声且过程噪声与观测噪声相互独立.由于计算机系统只能处理离散信号需要对连续系统方程进行离散化采用差分变换法车辆动力学离散化方程为 .()式中:是 的单位矩阵 为离散化时间步长.状态估计算法 扩展卡尔曼滤波算法扩展卡尔曼滤
8、波算法是在经典卡尔曼滤波算法基础上为解决 仅适用于线性系统状态估计而提出的改进算法.的基本思想是将非线性系统动力学方程在参考点附近进行 展开舍弃二阶及其以上的高阶项保留非线性系统的近似线性项从而得到系统的线性化近似.利用一阶线性化近似的状态方程和测量方程进行状态估计具体步骤如下.)时间更新.状态一步预测方程为 .()状态均方误差一步预测:.()式中:为状态变量的先验估计值 为上一时刻状态变量的最优估计值 为上一时刻误差协方差为系统方程对状态矢量求偏导的雅克比矩阵其计算矩阵为 ().)量测更新.利用传感器实时采集到的 时刻真实测量值对上一步预测值进行修正.卡尔曼滤波增益矩阵为().()式中为系统
9、方程对状态矢量求偏导的雅克比矩阵其计算矩阵为 .状态估计计算:().()状态均方误差估计:().()通过对式()式()进行循环迭代计算即可实时估计出车辆行驶过程中的状态信息.状态估计算法 算法相较于 和 状态估计算法而言具有计算量小的优点但是在状态估计精度和鲁棒性方面存在不足.本文在对 状态估计算法的动态性能及鲁棒性研究中发现在车辆行驶状态估计过程中不同的状态变量对噪声的敏感程度不同.在状态变量横摆角速度、质心侧偏角 和车辆纵向车速 中横摆角速度的估计结果准确性和鲁棒性最好传感器噪声对其估计精度影响较小而质心侧偏角和车辆纵向车速 的估计则不具备上述优点.基于此本文提出 状态估计算法其具体的实现
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 GS EKF 滤波 方法 车辆 状态 参数估计
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。