基于扩展卡尔曼滤波的汽车行驶状态估计

在车辆行驶中,某些状态参量的准确获取对线控转向系统有着重要的作用,但状态参量测量成本高或难准确测量.因此,针对汽车线控转向系统,为了以较低成本获取准确的车辆运动状态,先建立一个三自由度的非线性车辆模型,搭建多传感器网络(转角传感器、加速度计)采集车辆行驶状态;应用扩展卡尔曼滤波理论建立信息融合算法,通过易测的车辆状态信息(转向盘转角、纵向加速度、侧向加速度)融合得出所需的难测车辆状态(横摆角速度、纵向车速);最后搭建仿真平台在双移线工况和角正弦工况下进行仿真验证,并且与无迹卡尔曼滤波算法估计结果进行对比.结果表明,该估计算法能够准确的估计出车辆行驶过程中的状态参数.