基于多传感器信息融合的汽车行驶状态估计-汽车工程.pdfVIP

汽　 车　 工　 程 ２０１９年(第４１卷)第 １期 Ａｕｔｏｍｏｔｉｖｅ Ｅｎｇｉｎｅｅｒｉｎｇ ２０１９(Ｖｏｌ.４１)Ｎｏ.１ ｄｏｉ:１０.１９５６２/ ｊ.ｃｈｉｎａｓａｅ.ｑｃｇｃ.２０１９.０１.００２ 基于多传感器信息融合的汽车行驶状态估计∗ 周卫琪ꎬ齐　 翔 (１ 江苏大学汽车工程研究院ꎬ镇江　 ２１２０１３ꎻ　 ２ 江苏大学汽车与交通工程学院ꎬ镇江　 ２１２０１３) [摘要]　 为了保证汽车的主动安全控制ꎬ需要准确地估计车辆行驶状态信息ꎮ 针对目前汽车状态估计中由于 技术条件限制和成本过高造成的部分参数无法测量或不易测量的问题ꎬ本文中利用低成本传感器ꎬ基于信息融合技 术进行汽车行驶状态估计ꎮ 建立了包括横摆、横向和纵向的３ 自由度非线性汽车动力学模型ꎬ同时为降低噪声对系 统影响ꎬ建立了自适应无迹卡尔曼滤波(ＡＵＫＦ)的信息融合算法ꎬ给出车辆状态最小方差意义下的融合结果ꎮ 利用 纵向加速度、侧向加速度和转向盘转角等低成本传感器信号融合得到所需的难以测量的质心侧偏角、横摆角速度和 纵向车速ꎮ 通过Ｍａｔｌａｂ/ Ｓｉｍｕｌｉｎｋ￣ＣａｒＳｉｍ联合仿真和实车试验对所研究的估计算法进行了试验验证ꎮ 试验结果表 明:该算法能够准确地估计汽车质心侧偏角、横摆角速度和纵向车速ꎬ且相比于无迹卡尔曼滤波(ＵＫＦ)ꎬ本算法提高 了估计精度和实时性ꎮ 关键词:车辆动力学ꎻ车辆状态估计ꎻ信息融合ꎻ自适应无迹卡尔曼滤波 Ｓｔａｔｅ Ｅｓｔｉｍａｔｉｏｎ ｏｆ Ｖｅｈｉｃｌｅ Ｂａｓｅｄ ｏｎ Ｍｕｌｔｉ￣ｓｅｎｓｏｒｓ Ｉｎｆｏｒｍａｔｉｏｎ Ｆｕｓｉｏｎ １ ２ Ｚｈｏｕ Ｗｅｉｑｉ ＆ Ｑｉ Ｘｉａｎｇ １Ａｕｔｏｍｏｔｉｖｅ Ｅｎｇｉｎｅｅｒｉｎｇ Ｒｅｓｅａｒｃｈ ＩｎｓｔｉｔｕｔｅꎬＪｉａｎｇｓｕ ＵｎｉｖｅｒｓｉｔｙꎬＺｈｅｎｊｉａｎｇ　 ２１２０１３ꎻ ２Ｓｃｈｏｏｌ ｏｆ Ａｕｔｏｍｏｔｉｖｅ ａｎｄ Ｔｒａｆｆｉｃ ＥｎｇｉｎｅｅｒｉｎｇꎬＪｉａｎｇｓｕ ＵｎｉｖｅｒｓｉｔｙꎬＺｈｅｎｊｉａｎｇ　 ２１２０１３ [Ａｂｓｔｒａｃｔ]　 Ｔｏ ｅｎｓｕｒｅ ｖｅｈｉｃｌｅ ａｄａｐｔｉｖｅ ｓａｆｅｔｙ ｃｏｎｔｒｏｌꎬｉｔ ｉｓｎｅｃｅｓｓａｒｙ ｔｏ ａｃｃｕｒａｔｅｌｙ ｅｓｔｉｍａｔｅ ｔｈｅ ｖｅｈｉｃｌｅ ｄｒｉｖ￣ ｉｎｇ ｓｔａｔｅｉｎｆｏｒｍａｔｉｏｎ.Ｆｏｒ ｓｏｍｅｐａｒａｍｅｔｅｒｓꎬｉｔｉｓｄｉｆｆｉｃｕｌｔｔｏｍｅａｓｕｒｅｄｉｒｅｃｔｌｙｆｏｒｂｏｔｈｔｅｃｈｎｉｃａｌａｎｄｅｃｏｎｏｍｉｃｒｅａｓｏｎｓ. Ｔｈｉｓ ｐａｐｅｒ ｐｒｏｐｏｓｅｓ ａｎｉｎｆｏｒｍａｔｉｏｎｆｕｓｉｏｎ ｅｓｔｉｍａｔｉｏｎ ｓｔｒａｔｅｇｙ ｕｓｉｎｇｌｏｗ￣ｃｏｓｔ ｓｅｎｓｏｒｓｔｏ ｅｓｔｉｍａｔｅｖｅｈｉｃｌｅｄｒｉｖｉｎｇ ｓｔａｔｅ. Ａ ３ＤＯＦｎｏｎｌｉｎｅａｒｖｅｈｉｃｌｅｄｙｎａｍｉｃｓｍｏｄｅｌｉｎｃｌｕｄｉｎｇｙａｗꎬｌａｔｅｒａｌａｎｄｌｏｎｇｉｔｕｄｉｎａｌｄｉｒｅｃｔｉｏｎｓｉｓｅｓｔａｂｌｉｓｈｅｄ.Ｉｎｏｒｄｅｒ ｔｏ ｒｅｄｕｃｅ ｔｈｅ ｉｍｐａｃｔ ｏｆ ｎｏｉｓｅ ｏｎ ｔｈｅ ｓｙｓｔｅｍꎬａｎ ａｄａｐｔｉｖｅ ｕｎｓｃｅｎｔｅｄ Ｋａｌｍａｎ ｆｉｌｔｅｒ (ＡＵＫＦ) ｉｎｆｏｒｍａｔｉｏｎ ｆｕｓｉｏｎ ａｌｇｏ￣ ｒｉｔｈｍ ｉｓ ｅｓｔａｂｌｉｓｈｅｄꎬａｎｄ ｔｈｅ ｆｕｓｉｏｎ ｒｅｓｕｌｔ ｉｎ ｔｈｅ ｓｅｎｓｅ ｏｆ ｍｉｎｉｍｕｍ ｖａｒｉａｎｃｅ ｏｆ ｖｅｈｉｃｌｅ ｓｔａｔｅ ｉｓｇｉｖｅｎ. Ｌｏｗ￣ｃｏｓｔ ｓｅｎ￣ ｓｏｒｓ ｓｉｇｎａｌ ｓｕｃｈ ａｓ ｌｏｎｇｉｔｕｄｉｎａｌ ａｃｃｅｌｅｒａｔｉｏｎꎬｌａｔｅｒａｌ ａｃｃｅｌｅｒ