扫码下载APP

您的位置

资讯详情

本人可编辑资讯

仅支持在APP编辑资讯扫描二维码即可下载APP

山东科技大学:基于自适应无迹卡尔曼滤波器的智能车辆状态参数估计

论论资讯 | 2023-03-01 1热度

Electronics (Switzerland)

Explore content

About the journal

Publish with us

State Parameter Estimation of Intelligent Vehicles Based on an Adaptive Unscented Kalman Filter

Wang Y.; Li Y.; Zhao Z.

Published:2023-03-01
DOI:10.3390/electronics12061500

研究背景

智能汽车是未来汽车发展的趋势,它可以通过传感器收集车辆的运动状态参数,进行智能决策。然而,由于一些参数无法直接通过传感器测量,因此需要使用滤波算法进行估计。当前最常用的滤波算法是卡尔曼滤波器,尤其是标准无香卡尔曼滤波器(UKF),但由于噪声统计量的变化,UKF在复杂和多变的操作条件下存在不足。

研究内容

为了提高车辆状态参数的精确度,本文提出了一种自适应无香卡尔曼滤波器(AUKF)。该算法采用最大后验(MAP)算法动态更新车辆系统的噪声,并将其嵌入到UKF的更新步骤中,以形成AUKF。当噪声统计量未知时,系统将动态更新噪声,通过调整估计噪声的均值和协方差来提高精度,防止滤波器发散。通过CarSim和Matlab/Simulink的联合模拟验证了该方法的效果,结果表明在不同程度的噪声干扰下,AUKF的估计精度和稳定性优于标准UKF,横摆角速度、侧滑角和纵向速度的估计精度分别提高了20.08%,40.98%和89.91%。

研究意义

本文提出的AUKF算法相较于标准UKF算法具有更高的估计精度和稳定性,可以更准确地估计车辆的运动状态参数。这对于智能汽车的安全性和决策具有重要意义,同时也为滤波算法的改进提供了新的思路和方法。

微信扫码即可查看