基于AEKF的车辆质量与道路坡度实时估计

摘要：

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.

关键词：纵向动力学模型、自适应扩展卡尔曼滤波、汽车质量、道路坡度、遗忘因子

所属期刊栏目：40

分类号：TB934(计量学)

资助基金：国家自然科学基金资助项目;福建省自然科学基金资助项目;河南科技大学国家地方联合工程试验室开放基金资助项目

在线出版日期：2020-09-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：758-764