相关向量机在车辆行驶状态估计中的应用
针对车辆运动的非线性特性,利用比支持向量机(SVM)测试时间短、多样本时具有计算量小的相关向量机(RVM)对车辆行驶状态进行估计.为了能够较为准确地估计车辆行驶状态,采集实车试验数据,利用Kalman滤波器对采集到的车速和横摆角速度数据进行滤波,将滤波后的数据作为RVM的输入.依据贝叶斯理论建立最大似然函数,考虑到横摆角速度和车速变化的差异性,依据不同迭代次数下最大似然估计值、伽马值以及值的差异性确定最佳的迭代次数,保证模型具有较短的测试时间和较高的击中概率.有效性验证结果表明:该模型能够较为准确地逼近待估计样本的真值,其中波动性较大的横摆角速度所需要的迭代次数更多,伽马值和值的变化更为迅速,收敛速度较快.
汽车工程、运动状态、估计、RVM、Kalman滤波
33
U461.51;TP206(汽车工程)
国家道路交通安全科技行动计划项目2009BAG13A05
2013-07-11(万方平台首次上网日期,不代表论文的发表时间)
共6页
88-93