基于模糊自适应无迹Kalman滤波的车辆状态参数估计

为了精确估计车辆行驶状态参数,提出了一种基于模糊自适应无迹卡尔曼(Kalman)滤波的车辆状态参数估计方法,将模糊控制引入到无迹卡尔曼滤波算法中,通过模糊控制动态调整系统测量噪声,实现滤波的自适应调节。采用非线性三自由度汽车模型作为车辆状态参数估计模型,以前轮转角和纵向加速度为系统输入向量,以横摆角速度、质心侧偏角及纵向车速为状态向量,以侧向加速度为输出向量。应用Carsim软件和Matlab/Simulink软件进行联合仿真,验证该算法的有效性,结果表明:模糊自适应无迹卡尔曼滤波算法比无迹卡尔曼滤波和扩展卡尔曼滤波估计精度高、效果好。     

半主动悬架的无迹卡尔曼状态观测器设计

卡尔曼滤波器是线性动态系统中应用最广泛的一种状态估计方法。在非线性系统中,扩展卡尔曼滤波(EKF)和无迹卡尔曼滤波(UKF)被广泛应用,相比扩展卡尔曼滤波器,无迹卡尔曼滤波器准确度更高、更易于实现。在车辆动力学这种强的非线性系统中,无迹卡尔曼滤波器应用广泛。设计了一种基于无迹卡尔曼滤波器的半主动悬架系统状态观测器,讨论了不准确的过程噪声协方差Q和测量噪声协方差R、及测量信号组合的选择和不准确的模型参数对状态观测精度的影响,仿真结果表明不准确的过程噪声和测量噪声协方差、不合适的测量信号选择和模型参数不准确的干扰在不同程度上降低了状态估计精度。     

基于NACKF的分布式驱动电动汽车轮胎侧向力与质心侧偏角估计

针对传统容积卡尔曼滤波算法在进行车辆关键状态估计时要求噪声统计特性已知的问题,提出一种噪声自适应容积卡尔曼滤波（Noise adaptive cubature Kalman filter, NACKF）算法来进行车辆关键状态的估计。基于次优无偏极大后验估计器对量测噪声协方差进行实时更新并将其嵌入到标准容积卡尔曼算法中实现自适应容积卡尔曼滤波。针对车辆不同子系统间耦合特性对滤波精度的影响,构建双重自适应容积卡尔曼滤波器分别进行侧向力与质心侧偏角的估计,两者在估计过程中互为输入构成闭环反馈,利用分布式模块化结构弱化系统耦合特性对估计精度的影响,实现轮胎侧向力与质心侧偏角的实时准确估计。利用Simulink-Carsim联合仿真平台进行仿真验证和实车试验验证。结果表明,基于双重自适应容积卡尔曼滤波的估计算法相对标准容积卡尔曼滤波估计精度更高,较好地改善了传统容积卡尔曼滤波器在噪声先验统计特性未知条件下非线性滤波精度下降的问题。     

汽车行驶状态无迹卡尔曼软测量

为了有效解决电动汽车在行驶过程中的车速、质心侧偏角和横摆角速度等参数低成本测量的问题,采用无迹卡尔曼滤波(UKF)搭建了软测量算法.该算法充分考虑了电动汽车非线性的车辆运动状态估计,对于轮胎侧向力的估计采用非线性的魔术轮胎模型.通过联合仿真实验方法,验证了所建立的软测量算法能够准确、实时地估计出电动汽车的运动参数.     

独立驱动电动汽车质心侧偏角融合估计方法

针对传统质心侧偏角估计精度低、实时性差等问题,把四轮独立驱动电动汽车作为研究对象,提出一种基于强跟踪卡尔曼滤波及无迹卡尔曼滤波融合估计的质心侧偏角估计方法。由于汽车在侧向加速度较小时车辆动力学特性基本呈线性变化,此时通过强跟踪卡尔曼滤波快速估计,当汽车侧向加速度较大时车辆动力学特性趋于非线性变化,通过无迹卡尔曼滤波准确估计。最后将两种估计方法的数据融合,完成不同车速不同工况下对车辆质心侧偏角的估计。搭建Simulink-Carsim联合仿真平台对提出的方法进行验证,结果表明该方法在保证估计精度的同时具有较好的实时跟踪效果及鲁棒性。     

采用卡尔曼滤波的电子稳定性程序分析

汽车的横摆加速度过大会引起过度转向和过多不足转向等危险工况。采用线性二自由度车辆模型计算目标横摆角速度和目标质心侧偏角,运用卡尔曼滤波理论实时估算汽车的质心侧偏角并结合横摆角速度传感器对车辆稳定状态进行监测,提出了基于横摆角速度和质心侧偏角的ESP控制方法,着重介绍了ESP逻辑判断准则,应用Matlab/Simulink软件实现相应的电子稳定控制策略,同时利用AMESim软件中的15自由度整车模型建立AMESim-Simulink联合仿真模型,仿真结果验证了所提出的质心侧偏角估算的可行性及稳定性控制策略的有效性。     

汽车巡航系统前方关键目标识别研究

针对巡航系统在弯道行驶路段常出现目标车混乱或丢失的现象,应用扩展卡尔曼滤波理论进行巡航系统前方弯道关键目标识别研究。建立纵向、侧向与横摆的非线性三自由度车辆模型,设计了横摆角速度的扩展卡尔曼滤波器,实现了道路曲率的在线实时估计。建立了弯道关键目标识别模型并给定了关键目标判定依据。采用模糊控制理论,设计了多目标车换道模糊逻辑控制器,预判危险换道车辆,确定了直道行驶的关键目标车。利用MATLAB/Simulink搭建立了三自由度车辆模型的扩展卡尔曼滤波器仿真模块,采用双移线输入实现了车辆横摆角速度与质心侧偏角估计的验证。在Carsim中构建车辆模型、传感器模型及道路模型等仿真环境,实现了与Simulink控制模块的联合仿真,验证了弯道多目标行驶及直道行驶工况下关键目标的准确识别,结果表明:采用扩展卡尔曼滤波理论的弯道目标识别方法能够准确判定弯道关键目标,有效避免系统在弯道路段因目标混乱或丢失而造成的追尾事故。基于模糊控制理论的关键目标模糊判别方法可预判直道行驶危险换道车辆并准确识别关键目标。     

4WD电动车的稳定性控制

针对车辆质心侧偏角难以测量的问题,采用无迹卡尔曼滤波算法设计了质心侧偏角状态观测器,针对分布式电驱动汽车在加速转向工况下车轮驱动力的优化分配问题,提出一种具有分层结构的控制策略。上层控制策略,以提高控制器对参数不确定和模型误差的鲁棒性,基于滑模鲁棒控制计算期望的主动横摆力矩;下层控制策略,以提高车辆操纵稳定性及轮胎利用率,采用拉格朗日乘子法对轮胎力进行优化分配。在MATLAB/Simulink环境下进行仿真分析,仿真结果验证了该控制方法能够有效地提高车辆操纵稳定性和轮胎的利用率。     

基于扩张观测理论的车辆质心侧偏角估计方法研究

为了实现对车辆行驶状态参数的估算,建立了车辆单轨二自由度数学模型,并以扩张观测理论为基础,设计了一种能够实时追踪车辆行驶状态参数的线性扩张观测器,利用可以直接获取的横摆角速度,车轮转角和纵向车速对质心侧偏角进行估计,并应用李雅普诺夫函数法对所设计的扩张观测器参数进行优化。在Matlab中在不同的车速下对设计的质心侧偏角观测器进行实验验证.实验结果表明:所设计的线性扩张观测器不仅能够对车身质心侧偏角进行很好的估算,而且具有很好的抗干扰性,纵向车速的改变,没有影响观测的精度。     

基于降维观测器的4WS车辆滑模变结构控制

考虑车辆在极限运动工况下转向时的横摆运动、侧向运动以及侧倾运动的影响,建立以质心侧偏角、横摆角速度、侧倾角和侧倾角速度为状态变量的三自由度线性车辆模型。为了实现车辆线传操纵(steer by wire),以车辆实际质心侧偏角和横摆角速度与理想模型的质心侧偏角和横摆角速度之间的误差作为控制器输入,建立滑模跟踪控制器。考虑到状态变量之一的质心侧偏角难以直接测量,设计了降维观测器以重构车辆状态。仿真结果表明,降维观测器跟踪性能良好,准确的重构了车辆状态;与不受控制的前轮转向车辆相比,所设计的控制系统使车辆的动态特性和操纵性能有效提高。     

基于IEKF-APF算法的汽车状态估计

行驶汽车状态变量质心侧偏角和横摆角速度是汽车稳定性控制系统中重要控制变量,准确获取行驶过程中的状态信息是汽车控制系统研究的关键问题。应用估计理论由传感器测出易测变量来估计难以测量的关键状态变量是一种常用的估计方法。提出一种新的粒子滤波算法通过所建立的包含定常平稳随机噪声和非线性轮胎的汽车动力学7自由度整车模型对汽车状态进行估计。针对粒子滤波过程中出现的退化问题,应用迭代扩展卡尔曼滤波融入最新观测信息产生更加接近真实状态的重要性密度函数,辅助粒子滤波算法通过所产生的重要性密度函数结合观测量进行重采样,结合这两种算法提出迭代扩展卡尔曼-辅助粒子滤波算法(Iterative extended Kalman filtering-auxiliary particle filtering algorithm, IEKF-APF)以改善粒子采样和估计精度的提高。为验证所提出的IEKF-APF算法估计性能,将其结果与实车试验结果和无迹卡尔曼滤波算法(Unscented Kalman filtering, UKF)估计结果进行比较,结果表明其估计性能优于UKF,更接近于试验结果。     

四轮独立驱动汽车多工况路面附着系数识别研究

四轮独立驱动（Four-wheel independent drive, 4WID）电动汽车具有较好的动力学稳定性协调控制潜力,轮胎-路面附着系数的识别是汽车操纵性能控制的基础。基于视觉传感器的路面识别方案成本高,传统卡尔曼滤波算法观测精度低且难以适应含有时变结构的非线性系统。众多研究已详细介绍均一路面附着系数的估计方法,尚未充分考虑对接和对开路面的观测方案。本研究将强跟踪理论（Strong tracking theory, STT）引入无迹卡尔曼滤波（Unscented Kalman filter, UKF）算法,构造强跟踪无迹卡尔曼滤波（Strong tracking unscented Kalman filter, STUKF）观测器,提高识别算法的识别精度,以及对时变附着系数的适应能力。考虑多重渐消因子计算过程的复杂性,本研究降低四轮路面识别模型的维数,构造两个含单重渐消因子矩阵的二维观测器,实时观测四个轮胎-路面附着系数。仿真和试验结果表明,与传统四维UKF算法相比,改进的并联STUKF算法能够更加有效地追踪转向或直行工况下均一路面、对接路面和对开路面的四轮附着系数。     

分布式电驱动车辆的无味粒子滤波状态参数联合观测

针对目前分布式电驱动车辆动力学领域中存在的状态参数观测体系不完善、观测精度低的问题,利用分布式电驱动车辆多信息源的特点,提出无味粒子滤波状态参数联合观测方法。基于非线性车辆动力学模型对分布式电驱动车辆的纵向速度、质心侧偏角、横摆角速度及各轮侧向力进行联合观测。同时,为提高侧向力的观测精度,采用非线性动态轮胎模型。在完成模型搭建的基础上,考虑到所搭建的车辆动力学模型具有强非线性,设计适用于强非线性模型的无味粒子滤波器对多个状态变量进行联合观测。而为进一步提高状态观测精度,进行量测噪声协方差的自适应调节。仿真和试验结果表明,所提出的状态观测方法能够提高分布式电驱动车辆状态参数观测精度和鲁棒性。     

A hybrid unscented filtering and particle swarm optimization technique for harmonic analysis of nonstationary signals

This paper presents a modified unscented Kalman filter for accurate estimation of frequency and harmonic components of a time-varying signal embedded in noise with low signal-to-noise ratio. Further, the model and measurement error covariances along with the unscented Kalman filter parameters are selected using a modified particle swarm optimization algorithm. To circumvent the problem of premature convergence and local minima, a dynamically varying inertia weight based on the variance of the population fitness is used. This results in a better local and global searching ability of the particles, which improves the convergence of the velocity and better accuracy of the unscented Kalman filter parameters. Various simulation results for nonstationary sinusoidal signals with time varying amplitude, phase and harmonic content corrupted with noise, reveal significant improvement in noise rejection and speed of convergence and accuracy in comparison to the well known extended Kalman filter.     

四轮独立驱动汽车驱动系统故障诊断与容错控制

针对四轮独立驱动电动汽车驱动系统故障的危险工况,给出一种基于车载传感器信号和无迹卡尔曼滤波器的故障诊断方法。进而,针对在车辆驱动系统部分电机故障情况下,在低附着系数路面上横摆稳定控制中,仍采用跟踪期望横摆率和侧向速度的横摆控制方法会导致车辆失稳的问题,设计出一种基于障碍李雅普诺夫函数的容错控制方法,该方法通过选取障碍李雅普诺夫函数约束车辆横摆率和侧向速度,以解决现有通过跟踪横摆率和侧向速度的横摆容错控制方法仍存在失稳风险的问题。给出的故障诊断和容错控制方法,能够实时诊断车辆驱动系统电机故障,通过车轮转矩的重新分配,可使车辆较快回到稳定状态,提高汽车行驶稳定性。通过不同车轮电机故障工况的仿真,验证了所提出故障诊断与容错控制方法的有效性。     

移动机器人自适应抗差无迹粒子滤波定位算法

针对机器人定位过程中传感器感知信息存在野值,加剧粒子退化,导致机器人状态参数滤波值失真,甚至出现定位失败的问题,提出一种机器人自适应抗差无迹粒子滤波定位算法。在重要性采样阶段利用无迹卡尔曼滤波产生优选的建议分布函数,降低系统估计误差,同时有效提升系统的抗噪声能力。同时利用抗差估计原理构造抗差方差分量统计量,并由该统计量引入的自适应因子调节增益矩阵,减弱野值对滤波的影响。实验结果表明,当观测数据中存在野值时,该算法能够有效地控制观测异常误差的影响,定位精度得到了很大提高,并在不同系统噪声和观测噪声方差下,具有较强的鲁棒性和实时性。     

NONLINEAR ESTIMATION METHODS FOR AUTONOMOUS TRACKED VEHICLE WITH SLIP

In order to achieve precise,robust autonomous guidance and control of a tracked vehicle,a kinematic model with longitudinal and lateral slip is established,Four different nonlinear filters are used to estimate both state vector and time-varying parameter vector of the created model jointly.The first filter is the well-known extended Kalman filter.The second filter is an unscented version of the Kalman filter.The third one is a particle filter using the unscented Kalman filter to generate the importance proposal distribution.The last one is a novel and guaranteed filter that uses a linear set-membership estimator and can give an ellipsoid set in which the true state lies.The four different approaches have different complexities,behavior and advantages that are surveyed and compared.     

磁传感器偏航角诊断滤波方法研究

在磁干扰环境中,磁传感器解算的飞行器偏航角会出现偏差。针对磁干扰导致的估计误差问题,面向模型不确定性飞行器系统,提出了基于非线性扩张状态观测器的磁传感器偏航角诊断滤波方法。该方法首先设计了一种双参数型非线性扩张状态观测器,降低了参数复杂性;然后基于该观测器设计改进型观测器残差法,对磁干扰数据进行诊断过滤;最后,设计了基于误差预测的改进型互补滤波器,通过融合滤波进一步抑制磁干扰。静态仿真实验结果表明,本文所设计的诊断过滤方法数据匹配率超过94%,融合滤波结果相位超前且更为平滑;动态飞行实验结果表明,该诊断滤波方法有效抑制了磁干扰对四旋翼飞行器偏航角估计的影响,增强了飞行器的稳定性和抗磁扰能力。     

基于UKF算法的汽车状态估计

准确实时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问题。将unscented卡尔曼滤波(UKF)算法应用到汽车的状态估计之中,建立了包含时不变统计特性噪声和非线性轮胎的汽车动力学模型,采用具有对称采样策略和比例修正的UKF算法对汽车估计了多个关键状态量。将UKF估计器与常见的EKF估计器进行了比较分析,基于ADAMS/Car的虚拟试验和实车试验验证了UKF在汽车状态估计中的可行性。