大侧偏姿态下汽车姿态变量的估计.pdfVIP

． 设计．计算．研究 · 大侧偏姿态下汽车姿态变量的估计 王国林 方 超 高涵文 (江苏大学) 摘【要】结合状态估计、卡尔曼滤波理论，建立了自适应卡尔曼滤波器对汽车质心侧偏角、横摆角速度进行估计， 并采用双线性模型简化 了轮胎 的非线性 问题 。在 Adams／car与 Matlab／Simulink联合仿真状况下，对魔术公式与双线 性简化模型的估计值进行了对 比，结果表明两者具有 良好的一致性 ．证明了双线性简化轮胎模型的自适应卡尔曼滤 波器的有效性 主题词：轮胎 双线性模型 质心侧偏角 横摆角速度 卡尔曼滤波器 中图分类号：U463．5 文献标识码：A 文章编号：1000—3703(2009)12—0005—03 EstimationofVehicleAttitudeVariablesunderLargeSlipAngle WangGuolin，FangChao，GaoHanwen (JiangsuUniversity) A【bstract]InthispaperanadaptiveKalmanFilterisestablishedbasedonthetheoryofKalmanFilterTheoryand stateestimationtoestimatemasscenterslipangleandyaw rateofvehicle，andbilineartiremodelisusedtosimplifythe nonlinearproblem oftires．ThesimulationenvironmentwiththecombinedsimulationofAdams／carandMatlab／Simulinkis builttocomparethe M‘agicFormula’withthesimplifiedbilineartiremodel，theresuhsshow goodconsistencybetween them，verifyingvalidityoftheadaptiveKalmanFilterofthesimplifiedbilineartiremode1． Keywords：Tire，Bilineartiremodel，M asscenterslipangle，Yaw rate，KalmanFilter 目前．国内外学者大多利用线性估计法来估计 1 前言 常规工况下汽车的状态参数 ．而且取得了较好 的效 汽车参数一般通过车载传感器直接测量 ．但是 果．但对非线性估计方法在大侧偏角工况下的研究 在汽车行驶过程 中，某些重要 的过程变量 (如汽车的 还很不充分 为此 。建立了 自适应卡尔曼滤波器。克 质心侧偏角、横摆角速度等)目前无法测得或难 以通 服了由于模型及噪声统计的不准确性而引起的估计 过价格合适的传感器测得 。而在使用传感器直接测 误差．同时结合轮胎的双线性模型．对汽车在大侧偏 量时．不但存在测量误差 ．同时还受到随机因素的干 角工况下的非线性状态进行预估和比较 扰．这些变量信息的不完全性给实现汽车的主动安 2 自适应卡尔曼滤波器 全控制带来 了困难 ，因此对汽车行驶时状态参数的 估计显得尤为重要 1【习。 卡尔曼滤波器要求 已知系统模型、测量模型及 汽车状态估计的方法包括积分算法、卡尔曼滤 系统噪声统计特性 (量测噪声方差矩阵R．系统过程 波法和基于神经网络估计法。积分算法因计算简单 噪声方差矩阵Q)。由卡尔曼滤波器的算法可知．如 而被广泛应用．但进行传感器信号积分时很难剔除