基于扩展卡尔曼滤波的车辆行驶状态参数估计算法研究

针对车辆行驶状态参数估计问题,论文基于扩展卡尔曼滤波(EKF)理论设计了对车辆横摆角速度、质心侧偏角和纵向车速参数的估计算法。建立了估算用车辆非线性三自由度模型,根据纵向加速度、侧向加速度和方向盘转角低成本传感器信号,估计算法实现了对车辆行驶状态参数的准确估计,并通过CarSim与Matlab/Simulink联合仿真对算法进行了仿真实验验证。结果表明:算法能够准确估计车辆的纵向车速、横摆角速度和质心侧偏角。     

基于扩展卡尔曼的线控转向系统转角传感器故障诊断

车轮转向角度传感器是汽车动力系统中重要的器件之一,其可靠性直接影响车辆的安全。针对线控转向系统转角传感器的可靠性问题,首先,分析线控转向系统的结构特点,建立三自由度的非线性车辆模型,以及传感器故障种类模型;其次,基于扩展卡尔曼滤波（extended Kalman filter, EKF）算法,利用传感器输入的转角信息,通过车辆模型估计出汽车状态,例如横摆角速度、质心侧偏角等,再与汽车状态传感器测得的实际值生成残差,构建故障诊断向量并提出诊断策略来实现转角传感器的故障诊断;最后,搭建Carsim/Simulink仿真平台进行联合仿真。结果表明该算法可以准确地识别出转角传感器发生的故障。     

高速公路汽车追尾碰撞预警关键参数估计

为准确、可靠获取高速公路汽车追尾预警算法的关键参数,提出一种基于车辆相对运动典型工况的估计方法。根据高速公路车辆不同的相对运动典型工况建立多个卡尔曼滤波系统状态模型,以全球定位系统与车车通信信息结合雷达信息作为观测量,并在运行过程中检测、容忍传感器信息的不准确甚至失效,利用交互多模型算法,实时、准确、可靠的获取两车相对距离、速度、加速度以及碰撞时间等关键参数。仿真及实车试验结果表明,估计方法具有精度高、鲁棒性和适应性好的优点,且在传感器失效的情况下依然能取得较好的估计效果。     

四轮独立驱动车辆纵向车速与坡度的联合估计

针对四轮独立驱动电动汽车控制系统难以实时测得纵向车速和道路坡道信息这一问题,结合四轮独立驱动车辆纵向驱动力矩可实时准确获取的特点,运用最优状态参数估计理论,提出一种渐消记忆无迹卡尔曼滤波算法,该算法融合了运动学和动力学两种方法,仅根据纵向加速度传感器的测量值即可实现对纵向车速和道路坡度的联合估计。仿真和实车试验结果均表明,所提算法估计精度较高,收敛速度快,且具有较强的稳定性。     

基于线控转向系统的路面参数估计

针对路面信息对于汽车主动安全系统的重要性,提出一种基于先进汽车线控转向系统的轮胎与路面附着系数估计方法。通过建立整车模型和基于卡尔曼滤波算法设计估计器,实现了不依赖于制动系统的前、后车轮路面附着系数估计。通过中心区转向和角阶跃试验工况验证表明,提出的估计算法可以很好地实现对路面附着系数的估计,验证了算法的有效性。     

一种基于模糊逻辑的主/被动雷达数据融合算法

提出一种基于模糊逻辑的主/被动雷达传感器数据融合算法。首先将单个雷达的测量值通过时间校准后,将它们作为卡尔曼滤波器的输入分别滤波,然后再对滤波后的目标状态估计进行融合。融合算法是基于卡尔曼滤波的协方差匹配关系,采用模糊推理得到数据融合的权值。最后将各传感器的卡尔曼滤波状态估计进行加权融合得到所需要的目标状态信息。采用该融合算法可以有效提高目标跟踪系统的抗干扰能力。仿真结果表明该算法有效。     

基于非线性观测器和无迹卡尔曼滤波的车辆状态估计对比

针对车辆主动安全控制系统中控制变量难以实时准确获取的问题,分别提出了基于非线性全维观测器和无损卡尔曼滤波(UKF)的车辆状态估计方法。首先,基于非线性七自由度整车模型,结合车辆传感器设计非线性观测器和UKF观测器。其次,利用稳定性理论对设计的车辆状态估计方法进行了稳定性分析。最后,采用E级轿车的车辆参数应用CarSim对几种典型工况进行了离线仿真和对比分析。结果表明,设计的两种车辆状态估计方法都具有实时性好、估计精度高的优点。     

基于多模交互的车载传感器定位算法

集成全球定位系统(GPS）和车载传感器信息,提出了一种多模交互滤波算法,使车辆可以适应多种驾驶工况。搭建了纵、侧向运动模型对车辆预期行驶位置进行全覆盖预测性描述;通过数据驱动的神经网络和车辆运动模型实现对GPS信号的可信性评价;利用车辆运动模型之间的交互滤波、概率更新等方式实现对过程误差和测量误差的精准估计。最后,在实车测试环境下进行定位融合算法的验证,结果表明,本文算法能够提升多传感器定位系统的定位精度,并在信号不稳定的情况下持续提供较为准确的位置估计结果。     

基于IMM-UKF的协同式车辆运动状态跟踪算法

为了提高车辆运动状态的跟踪精度,在路侧传感网信息融合的基础上,提出了一种改进的车辆运动状态估计方法.采用匀速直线运动模型和匀速转向运动模型建立了多模型的汽车行驶状态方程,利用马尔科夫链进行模型切换.同时引入无迹卡尔曼滤波算法,根据前一时刻的运动状态和当前观测值,对车辆行驶的运动状态参数进行估计.结果表明,改进的多模型数据融合算法与单模型相比,轨迹和速度跟踪误差分别降低了86.8%和78.6%,有效地提高了车辆运动状态跟踪的精度.     

极限工况下的车辆转向避撞风险指数

转向避撞风险指数通常根据路面附着限制以稳态侧向加速度进行车辆转向避撞能力评估，忽略了车辆特性对车辆转向能力的影响以及高速转向过程的非线性和瞬态特性，对此，提出通过前轮转角阶跃实验模拟转向避撞过程直接获得车辆最大可达侧向位移作为转向风险指数.分析轮胎侧偏特性曲线和车辆特性，确定车辆的临界稳定侧向加速度；根据前馈控制算法建立“侧向加速度-纵向速度-前轮转角”MAP；提出考虑横向载荷转移的转向前馈控制方法，以提高车辆进行阶跃转向实验时的前馈前轮转角精度；根据MAP建立车辆临界稳定的角阶跃转向工况，采用非线性二自由度车辆模型进行阶跃转向仿真，得到车辆的最大可达侧向位移图.通过蒙特卡洛法对提出的风险指数和转向风险指数（STN）进行对比、验证.仿真结果表明，相比STN，所提转向风险指数在车辆极限工况可以更准确地判断车辆能否通过转向完成避撞.     

基于IMM-UKF的协同式车辆运动状态跟踪算法

为了提高车辆运动状态的跟踪精度,在路侧传感网信息融合的基础上,提出了一种改进的车辆运动状态估计方法.采用匀速直线运动模型和匀速转向运动模型建立了多模型的汽车行驶状态方程,利用马尔科夫链进行模型切换.同时引入无迹卡尔曼滤波算法,根据前一时刻的运动状态和当前观测值,对车辆行驶的运动状态参数进行估计.结果表明,改进的多模型数据融合算法与单模型相比,轨迹和速度跟踪误差分别降低了86. 8%和78. 6%,有效地提高了车辆运动状态跟踪的精度.     

基于Kalman滤波算法角度测量信号融合技术研究

针对车载激光通信转台姿态角控制中陀螺仪传感器存在漂移误差等问题,提出了以陀螺仪传感器和加速度传感器作为测量元件对车载转台的姿态角进行测量的方法,并在MATLAB软件平台上建立卡尔曼滤波器将传感器采集的信号进行融合,以加速度传感器输出的姿态角信息对陀螺仪测量的姿态角进行修正、补偿,以提高姿态角测量的精度。通过建立试验系统完成测试,结果表明：应用Kalman滤波算法对陀螺仪和加速度传感器信号进行融合后,有效地减小姿态角的测量误差,为准确获得转台姿态角信息提供了理论依据。     

带网络攻击识别机制的传感器网络分布式滤波算法

研究了面向网络攻击的无线传感器网络的分布式目标估计问题.由于测量范围有限,网络中只有部分传感器能测量到目标,而且节点受到随机的攻击从而使得测量值被注入虚假信息.在此背景下,本文提出了基于攻击检测识别策略的改进分布式卡尔曼滤波算法.在该算法中,节点首先基于设计给出的攻击识别阈值来判断其是否受到攻击,生成识别因子;然后以估计误差协方差的迹最小为信息融合原则来设计一致性卡尔曼滤波算法,对处于监测域内的运动目标进行分布式状态估计.同时,分析了算法的收敛性,明确给出了网络估计误差均方有界的随机攻击概率的充分条件.最后用数值仿真验证了算法的有效性和优越性.     

一种车辆机动目标跟踪的多传感器信息融合估计算法

为了保证自动高速公路系统对车辆机动目标的实时、精确跟踪,提出了一种车辆机动目标状态的多传感器信息融合估计算法.建立了车辆运动状态的离散时间多模式非线性动态系统模型,利用当前时刻的各个传感器量测数据,结合交互式多模型和扩展卡尔曼滤波器得到各个局部状态估计值和滤波误差协方差阵,并采用动态加权信息融合准则获得更为精确的车辆融合航迹估计值.通过仿真验证表明这种多传感器信息融合估计算法能实时有效地提高车辆机动目标跟踪精度.     

提高车辆转向稳定性的车身主动侧倾控制研究

车辆高速转向时，车身向弯道外侧倾斜，严重时会导致侧翻事故.针对此问题，开展了提高车辆转向稳定性的车身主动侧倾控制研究.首先建立了考虑横摆和侧倾运动的六自由度车辆动力学模型；然后确定了车辆在转向运动时的期望侧倾角，并以此为控制目标设计主动侧倾控制器，使车身实际侧倾角逼近期望侧倾角.在不同行驶工况下，仿真研究了车身侧倾角、乘员感知加速度和横向载荷转移率，并考察了实现主动侧倾控制所需的主动悬架功耗和由主动侧倾引起的悬架动挠度变化.研究结果表明：主动侧倾控制能实现车辆转向时实际侧倾角迅速逼近期望侧倾角，且在复杂行驶工况下依然能使车辆具有良好的行驶稳定性；主动侧倾控制减小了悬架的动挠度峰值，使乘员感知侧向加速度和横向载荷转移率都能快速接近零值，且实现主动侧倾的主动悬架功耗较小，保证了车辆的经济性能.     

线控转向汽车传感器的容错控制

以基于最优滤波理论的自适应渐消Kalman滤波技术的状态估计器为基础,提出了一种新的线控转向汽车主要传感器的容错控制方法,并进行了硬件在环仿真验证。结果表明:该方法可以应用于线控转向汽车传感器的容错控制,能够有效提高线控转向汽车传感器的可靠性和安全性。     

并联混合动力汽车工况识别与参数优化

针对现有混合动力汽车能量管理策略存在的局限性,以某型并联混合动力汽车为研究对象,基于ADVISOR车辆仿真软件中24种标准工况构建组合工况,选定车辆行驶过程中的平均速度、平均绝对加速度以及怠速时间比3个参数为工况识别特征量,利用K均值聚类算法得到4种典型行驶工况,建立整车能耗优化目标函数,采用粒子群算法对电量消耗-电量维持型(CD-CS)规则控制策略主要参数离线寻优,得到4种典型行驶工况下的功率分配权重,且在MATLAB/Simulink平台上建立整车仿真模型验证。仿真结果表明,所采用控制策略能够准确识别行驶工况,与未采用工况识别的能量管理策略相比,电机与发动机间的能量分配更加合理,车辆综合油耗下降5.45%,电池荷电状态变化更加平稳。     

基于PRLS的坡度估计及轮毂电机车辆转矩分配研究

针对电驱动车辆各个参数互相耦合,参数估计难度大,车辆驱动转矩分配不合理问题。利用四轮轮毂电机驱动电动汽车可以实时获取轮毂电机扭矩、转速及易于实现对各个车轮转矩精准控制的特点,根据整车纵向动力学模型,提出了一种整车质量及路面坡度实时估计递进RLS(PRLS)估计算法。根据整车纵向加速度与估计算法得到的路面坡度作为前、后轴驱动转矩分配的参量,设计了一种前、后轴转矩动态补偿分配控制策略。通过Carsim与Matlab/Simulink联合仿真以及实车试验,验证了文中提出的估计算法的有效性及驱动转矩实时分配控制策略的合理性。     

基于联合概率数据融合的多目标车辆安全跟随

为了实现密集杂波环境下多目标车辆安全跟随，提出多源传感器数据融合的多目标车辆跟踪算法与纵向避撞预警策略.针对多源传感器观测序列因采样周期、采样起始时刻、通信时延差异等引起的时间异步，以及空间上存在不同维度、不同坐标系的问题，给出时间配准与空间融合的软同步方法.采用基于改进的联合概率数据关联(JPDA)的单一传感器多目标状态估计算法对目标轨迹进行滤波估计，能够在保证有效关联的同时，在一定程度上降低计算复杂度.基于多源传感器联合概率数据融合(MSJPDA)序贯滤波算法对目标的运动状态进行序贯更新，将最后一级的输出作为融合中心的最终状态估计，再根据威胁估计模型对追尾危险的发展态势进行评估与分级.实车试验与仿真结果验证了该算法的可行性与有效性.     

高速无人驾驶车辆轨迹跟踪和稳定性控制

针对高速无人驾驶车辆运动控制过程中轨迹跟踪精度和稳定性难以同时保障的问题,提出综合前馈-反馈及自抗扰控制(ADRC)补偿相结合的横向控制算法. 通过车速和道路曲率信息计算前馈稳态前轮转向角,将质心侧偏角引入航向偏差,以车辆航向角偏差和侧向偏差作为参考量进行反馈控制,通过前馈-反馈控制提升瞬态轨迹跟踪性能. 设计自抗扰控制器,通过扩张状态观测器对未建模动态和内外界干扰进行估计,通过将后轮侧偏角控制在参考值附近来补偿前轮转角,提升无人驾驶车辆的转向稳定性和控制器的鲁棒性. 不同工况下的仿真结果表明,利用该方法可以保证高速无人驾驶车辆稳定地跟踪期望路径行驶,轨迹跟踪偏差较小,对车辆参数变化和外界干扰具有较强的鲁棒性.