基于辅助粒子滤波算法的车辆行驶状态和参数联合估计方法研究.pdf

《基于辅助粒子滤波算法的车辆行驶状态和参数联合估计方法研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、机械设计与制造第⋯期26MachineryDesign&Manufacture2()l5年10月基于辅助粒子滤波算法的车辆行驶状态和参数联合估计方法研究包瑞新1,2EdoardoSabbioni(1．辽宁石油化工大学机械工程学院，辽宁抚顺113001；2．米兰理工大学机械T程学院，意大利米20156，意人利)摘要：汽车行驶状态及关键参数的联合估计对于汽车主动控制以及新型结构的验证具有重要意义介绍了一种应用辅助粒子滤波技术实现车辆行驶状态、参数联合估计的控制算法，该算法以包含定常统计特性噪声的汽车动力学模型为基础，利用龙格一库塔方法模拟汽车动力学模型，同时引入辅助变量，通过二次

2、加权操作使得粒子权妻变化趋于稳定，最终实现了行驶状态和关键参数的联合估计，仿真结果表明，辅助粒子滤波可以有效的提高标准粒子滤波算法的精度。关键词：辅助粒子滤波；车辆动力学模型；二次加权；龙格一库塔方法中图分类号：TH16：U461．6文献标识码：A文章编号：1001—3997(2015)10—0026—05TheResearchofStateandParameterEstimationUnderDrivingSituationBasedonAuxiliaryParticleFilterMethodBAORui—xinr-．EdoardoSabbioni(1．SchoolofM

3、echanicalEngineering，LiaoningSHIHUAUniversity，LiaoningFushunI13001，China2．DepartmentofMechanicalEngineering，PolitecnicodiMilano，Milai3020156，halY)Abstract：Theestimationofvehiclestateandkeyparametersestimation}timportantsignific(Izlce“rthPvehicleactivefl，

4、Ycontrolandnewstructuredesign．Acontr

5、olalgorithmusingauxiliaryparticlefiltertoestimatethevehicledrivingstateandparametersWaSsuggested．Thealgorithmwnsbasedonvehicledynamicssystemcontainingconstantnoiseand1101"1一(Hmode1．andRunge-Kutttamethodwasusedtosimulatethemode1．Anc~ssignedvariablebroughtintothealgorithm．Withtworoundsweighte

6、dprocesses．theweightsofthesampleschangedmoresmoothly．Thelocal~tateandp(walneto"rs，IH，identifiedtogether．ThecomparL~onresultsdemor~tratedthattheproposedalgorithmCanestimatevehiclestateandkeyparametersaccuratelyandimprovetheaccuracyofstandm'dparticlefilter．KeyWords：AuxiliaryParticleFilter；Veh

7、icleDynamicsSystem；TwoRoundsWeightedProcesses；Rungt~KuttaMet_hod1引言目前较为常朋的汽年状念仆汁方法绝人多数邵址卜Kalman滤波算法。普通Kalman滤波只能够埘线性汽动力学模汽车行驶过程中的状态估计，是近年来研究的热点，其目的型进行状态估计。扩展Kalman滤波(EKF)硬}{=改进算法[31141，能在于确定作业车辆行驶状态下纵、横向车速、横摆角速度等重要够实现对包含非线性l夭I素的汽乍操纵动力学模的状态估汁，f[1的状态变量以及和汽车运行相关的其他关键参数如侧偏刚度等l_I是估计的精度无法保证以及轮胎魔术

8、公式中的参数等。这些待估计的关键参数和状态量，虽然部分可以通过传感器直接测量获取，但要依靠价格昂贵无迹Kalman滤波(UKF)以Ur变换为钏，I_『以状念的特殊试验设备，不适用于在量产车上广泛使用，只适合于新车的概率密度函数的近似，运算精度高于EKF算法，但是UKF的型的开发试验阶段，同时有些参数如侧偏刚度等不能够直接获高斯逼近方法在强非线性问题时则不能够满足汽车动态榨制器得，需要借助其他测量量间接获取，测量过程繁琐，测量精度得不的精度要求l粒子滤波(PF)算法能够摆脱Kali'ilan滤波对_f系到