基于IEKF-APF算法的汽车状态估计.pdfVIP

第 50卷第22期 机 械 工 程 学 报 Vol1．50 NO．22 2014年 11月 JOURNALOFMECHANICALENGINEERING NOV． 20 14 DoI：1O．3901／JM E．2014．22．136 基于 IEKF‘．APF算法的汽车状态估计冰 沈法鹏 ，2 赵又群 孙秋云2 林 菜 汪 伟 (1．南京航空航天大学车辆工程系 南京 210016； 2．山东交通职业学院科研处 潍坊 261206) 摘要：行驶汽车状态变量质心侧偏角和横摆角速度是汽车稳定性控制系统中重要控制变量，准确获取行驶过程中的状态信息 是汽车控制系统研究的关键问题。应用估计理论由传感器测出易测变量来估计难以测量的关键状态变量是一种常用的估计方 法。提出一种新的粒子滤波算法通过所建立的包含定常平稳随机噪声和非线性轮胎的汽车动力学7自由度整车模型对汽车状 态进行估计。针对粒子滤波过程中出现的退化问题，应用迭代扩展卡尔曼滤波融入最新观测信息产生更加接近真实状态的重 要性密度函数，辅助粒子滤波算法通过所产生的重要性密度函数结合观测量进行重采样，结合这两种算法提出迭代扩展卡尔 曼．辅助粒子滤波算法(IterativeextendedKalmanfiltering．auxiliaryparticlefilteringalgorithm，IEKF．APF)以改善粒子采样和估 计精度的提高。为验证所提出的IEKF．APF算法估计性能，将其结果与实车试验结果和无迹卡尔曼滤波算法(UnscentedKalman filtering，tn~r)估计结果进行比较，结果表明其估计性能优于UKF，更接近于试验结果。 关键词：车辆动力学；状态估计；粒子滤波；质心侧偏角；横摆角速度 中图分类号：U461 VehicleStateEstimationBasedonIEK ．APF SHENFapengL ZHAOYouqun SUNQiuyun2 LINFen WANGWei (1．DepartmentofAutomotiveEngineering，NanjingUniversityofAeronauticsandAstronautics，Nanjing210016； 2．DepartmentofScientificResearch，ShandongTransportVocationalCollege，Weifang261206) Abstract：Sideslipangleandyawratearetheimportnatcontrolpraametersofvehiclestabilityconrtolsystem ，andgettingaccurate stateinformationofdrivingprocessishtekeyissueofcontrolsystemreserach．Acommonestimationmethodbasedonhteestimation theory ishtatusingsensorstogeteasilymeasuredvariables，nadthenestimatinghtekeystatevariableswhicharedifficulttomeasure． A new particlefilteringalgorithm isproposedtoestimatevehiclekeystateswitha7-DOFnonlinera vehicledynamicmodelwhich conatinedconstantnoiseandnonlinera tiremode1．Forparticledegradationduringparticlefilteringprocess，hteiterativeextended Kalmanfilteringalgoritmh isusedtoproduceimportancedensiyt functionwhichismoreclosetothetruestate，andauxiliaryparticle filteringalgoritmh wiht htelatestobservat