基于AEKF的车辆质量与道路坡度实时估计

发布时间：2023-03-11 21:28

　　针对车辆在实际行驶过程中外界噪声的统计特性无法已知的问题,以车辆纵向动力学模型为基础,提出了自适应扩展卡尔曼滤波(adaptive extended Kalman filter,简称AEKF)的车辆质量及道路坡度估计算法。以动态估计车辆系统中的质量与坡度为研究对象,引入了旋转质量换算系数,建立车辆纵向动力学系统的状态空间模型,考虑了不同时刻的档位匹配与行驶特殊工况的处理。对系统状态方程进行离散化处理,得到系统状态方程与系统测量方程,在扩展卡尔曼滤波(extended Kalman filter,简称EKF)的基础上引入带遗忘因子的噪声统计估计器,通过AEKF对状态方程与测量方程实时更新,进行在线估计和校正噪声统计值,从而解决系统的噪声时变问题。本研究算法与EKF算法估计及实测结果的对比分析表明,本研究算法能够很好地对车辆质量和坡度信号进行有效滤波和估计,在短时间内逐渐收敛并逼近实测值,从而能够合理有效地检测车辆在行驶过程中的状态信息。

【文章页数】：8 页

【文章目录】：
引言
1 车辆纵向动力学模型
    1.1 模型的建立
    1.2 变速器传动比的判断
2 AEKF算法
    2.1 AEKF算法的实现
    2.2 特殊工况的选择
    2.3 算法流程
3 试验与仿真验证
    3.1 试验方案
    3.2 实车试验部分数据
    3.3 仿真与试验结果分析
4 结论



本文编号：3760281