基于双重扩展自适应卡尔曼滤波的汽车状态和参数估计

摘要：

准确实时地获取行驶过程中的状态信息是汽车动态控制系统研究的关键,为此提出了一种新的汽车状态估计器.建立了包含不准确模型参数和未知时变统计特性噪声的非线性汽车动力学模型,针对该非线性系统提出一种双重扩展自适应卡尔曼滤波算法(DEAKF).该算法采用两个卡尔曼滤波器并行运算,状态估计和参数估计互相更新,同时将带遗忘因子的噪声统计估值器嵌入到状态校正过程和参数校正过程之间,以解决系统的噪声时变问题.基于ADAMS的虚拟试验和实车试验结果表明,该算法的状态估计精度高于EKF方法和DEKF方法的状态估计精度,同时具有良好的模型参数校正能力,对汽车动态控制系统中估计器的设计具有理论指导意义.

关键词：汽车动力学、双重扩展自适应卡尔曼滤波、状态和参数估计、虚拟试验

所属期刊栏目：20

分类号：U461.6(汽车工程)

资助基金：高等学校博士学科点专项科研基金20040287004

在线出版日期：2009-05-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：750-755