基于扩展卡尔曼滤波信息融合技术在车辆状态估计中应用23777.pdfVIP

第45卷第 10期 机 械 工 程 学 报 VO1．45 NO．10 2009年 10月 JOURNALOFMECHANICALENGINEERNI G 0ct． 2009 Dol：10．3901／JME．2009．10．272 基于扩展卡尔曼滤波的信息融合技术 在车辆状态估计中的应用水 宗长富 潘 钊 ·胡 丹 郑宏宇 徐 颖 董益亮2 (1．吉林大学汽车动态模拟国家重点试验室 长春 130025； 2．长安股份有限公司汽车工程研究院 重庆 401120) 摘要：车辆行驶中某些状态参量不易准确测得或测量成本较高，而这些变量的准确获取对车辆底盘控制有着重要的意义。 为以较低成本获取重要的车辆运动状态，建立包括横摆、侧向和纵向 3 自由度的非线性车辆模型，利用扩展 Kalman滤波 fExtendedKalmanfiltering，EKF)~论建立了信息融合算法，给出车辆状态变量最小方差意义下的融合结果，利用少量的易测 车辆状态信息(转 向盘转角、车辆纵 、侧 向加速度)融合得出所需的难测车辆状态 (横摆角速度、质心侧偏角)。并在 Matlab／Simulink环境下利用实车场地试验数据进行了离线仿真。多种工况下的场地试验结果表明，该算法在估计汽车横摆角 速度、质心侧偏角、纵向速度时具有一定的准确性，特别是对横摆角速度的估计，即使在车辆非线性区也表现出良好性能。 同时该融合算法简单、稳定及所需融合输入较少的特点使该算法在实际中的应用成为可能。 关键词：汽车动力学 车辆状态估计 信息融合 扩展Kalman滤波 中图分类号：U463．4 InformationFusionAlgorithm forVehicleStateEstimationBasedon ExtendedKalmanFiltering ZONG Changfu PAN Zhao HU Dan ZHENGHongyu XU Ying DONGYiliang (1．StateKeyLaboratoryofAutomobileDynamicSimulation，JilinUniversity,Changchun130025； 2．AutomobileEngineeringResearchInstitute，ChanganAutomobileCompanyLimited，Chongqing401120) Abstract：SomestatevariablesofavehicleinrunningarenoteasytOmeasureaccuratelyorcheaply，howeverthesevariablesareof greatsignificancetochassiscontro1．A nonlinear3degree—of-freedom vehiclemodelincludingyaw motion，longitudinalmotionand sidemotionissetup，andaninformationfusionalgorithmbasedonextendedKalmanfiltering(EKF)theoryisestablished，which givesoutaufsionresultofvehiclestatevraiablesatminimum squraeerror．Fusingafewstatevraiablesofvehicles(steeringwheel nagle，longitudinalaccelerationandlateralacceleration)，theneededvariablesofthevehicle(yawrateandsideslipangle)areprocured． Off linesimulationiscarriedoutinMatlab／simulinkenvironmentbyusingrealvehiclefieldtestdata．Thealgorithm isaccuratein estimatinglongiutdinalrate，sideslipangle，andespeciallyyaw rate，an