改进强跟踪滤波算法及其在汽车状态估计中的应用
准确实时地获取汽车行驶过程中的状态变量,对汽车底盘控制有着重要的意义,而这些关键状态往往难以直接测量或者成本较高.结合纵向、侧向和横摆三自由度非线性汽车模型,将改进强跟踪滤波(Improved strong track filter,ISTF)算法应用到汽车的状态估计中,并改进了算法的稳定性.与扩展卡尔曼滤波(Extended Kalman filter,EKF)算法进行比较分析.通过Carsim和Matlab/Simulink联合仿真和实车双移线实验验证算法,结果表明,该算法在估计精度、跟踪速度、抑制噪声等方面均优于扩展卡尔曼滤波算法,满足汽车状态估计器的软件性能要求.
汽车动力学、状态估计、卡尔曼滤波器、强跟踪滤波器
38
TP(自动化技术、计算机技术)
国家自然科学基金51177137;61134001;中央高校基本科研业务费专项资金SWJTU11CX034
2012-12-27(万方平台首次上网日期,不代表论文的发表时间)
1520-1527