基于多传感器信息融合的车速估计方法

准确地测量计算车辆的纵横向速度是现代汽车控制系统的关键,在横摆角速度传感器、加速度计和车轮角速度传感器等多种汽车传感器所测得的信号基础上建立估计系统的状态方程和测量方程,通过汽车动力学模型计算出车辆的纵横向参考速度,最后用卡尔曼滤波技术对车速进行估计.并对参考车速误差的影响进行分析.仿真结果表明该方法估计效果好,误差小,具有可靠性和有效性.     

基于自适应Kalman滤波的汽车横摆角速度软测量算法

利用参数软测量技术,提出了基于自适应Kalman滤波和汽车两自由度动力学模型的横摆角速度软测量算法．该算法实现了横摆角速度的线性最小均方误差估计,且可对汽车行驶过程中的系统噪声和观测噪声统计特性进行在线估计．仿真与场地试验结果对比验证了该算法的有效性,同时软测量技术的采用也为汽车状态参数测量提供了一条可行的、准确且低成本的研究思路。     

基于自适应无迹卡尔曼滤波的分布式驱动电动汽车车辆状态参数估计

以精确估计车辆状态参数为目标,提出了一种基于自适应无迹卡尔曼滤波的车辆状态参数估计算法,采用非线性三自由度车辆模型,将模糊控制与无迹卡尔曼滤波算法相结合,实现对系统测量噪声的自适应调整,通过对方向盘转角,纵向加速度和横向加速度等低成本传感器信息融合实现对质心侧偏角和横摆角速度的状态估计.应用CarSim与Matlab/Simulink建立分布式驱动电动汽车整车模型并且联合仿真对估计算法的有效性进行验证.结果表明自适应无迹卡尔曼滤波比无迹卡尔曼滤波更能有效准确地进行车辆状态参数估计,在双移线工况中,质心侧偏角估计精度提高了6.7%,横摆角速度估计精度提高了4.8%.      

基于意图辨识的线控汽车紧急转向控制方法

针对线控转向汽车在紧急转向时,按理想转向传动比控制得到的横摆角速度动态响应慢、超调量大、稳定时间长的问题,提出了一种基于驾驶员转向意图辨识的横摆角速度反馈控制方法.该方法在正常转向时,车辆按照理想转向传动比控制;在紧急转向时,在理想转向传动比控制基础上,叠加横摆角速度反馈控制.车辆紧急转向引入驾驶员转向意图辨识环节,以判定何时叠加横摆角速度反馈控制.转向意图辨识利用多维高斯隐马尔可夫模型建模,通过离线训练参数、在线辨识识别的方式实现.实验验证结果表明:该方法能够有效降低线控汽车瞬态转向响应的超调量、减少稳定时间.     

基于扩展卡尔曼滤波的车辆状态可靠估计

为实现高机动工况下车辆状态的可靠估计,提出了一种基于改进的扩展卡尔曼滤波的车辆运行状态估计方法.首先建立基于非线性车辆动力学的系统状态模型,该模型分别以低成本的车载轮速和方向盘转角传感器信息作为系统的观测量和外部输入量;然后通过改进的卡尔曼滤波递推算法高精度地推算出汽车的关键运行状态.仿真试验表明,所提出的方法既可适应一般机动环境也可适应较高机动环境.此外,该方法可显著提高直测量的精度,并可实现对质心侧偏角、侧向速度等难以直测量的准确估计,质心侧偏角估计误差小于3×10-3rad,速度估计精度小于0.1 m/s.     

基于BP神经网络的汽车横摆角速度估计

为估计汽车横摆角速度并提高估计器精度, 采用BP(Back Propagation)神经网络的方法对汽车转向过程的横摆角速度进行估计。现实情况通常存在4 种路面: 干燥路面、沥青路面、积水路面和冰雪路面, 若单纯训练一个网络难以涵盖4 种不同的路面情况。为解决上述问题, 提高网络估计器的精度, 分别在4 种路面工况下训练4 个网络, 构成一个网络组, 再加入网络选择机制, 根据路面情况选择对应的网络的输出值作为横摆角速度的估计值。通过AMESim 与Matlab 联合仿真, 获得网络估计器残差并对估计情况进行分析和评价。该基于数据的方法与基于解析模型的估计方法相比, 不依赖精确的模型, 就能准确估计汽车横摆角速度。仿真结果表明, 基于BP 神经网络的方法对横摆角速度估计是可行的且偏差小, 成本低, 精度高。     

基于无迹卡尔曼滤波的汽车状态参数估计

由于部分汽车状态参数无法直接通过传感器获得,为了提高这些参数的估计精度以准确判断汽车行驶过程中的状态变化,增强控制系统的鲁棒性,文中提出了基于无迹卡尔曼滤波的汽车状态参数估计方法.该方法在传统卡尔曼滤波算法的基础上,采用无迹卡尔曼滤波算法对汽车质心侧偏角、横摆角速度、路面附着系数等状态参数进行估计,并运用Simulink与Carsim进行联合仿真.结果表明,无迹卡尔曼滤波算法响应快,估计精度较扩展卡尔曼滤波高,能满足车辆高级动力学控制系统的控制需要.     

基于支持向量机的车辆质心侧偏角估计

针对动力学建模方法对车辆质心侧偏角进行估计所面临的路面附着系数和车辆参数无法准确获取等缺点,基于统计学理论中的支持向量机对车辆质心侧偏角估计展开研究。选择方向盘转角、车辆速度、横摆角速度和侧向加速度作为支持向量机的特征向量。在Carsim仿真平台设计了20组典型车辆操纵试验作为训练样本得到预测模型,通过2组变附着系数路面上的操稳性试验对模型进行了验证。研究结果表明:支持向量机可以有效实现对不同附着路面上车辆质心侧偏角的估计,达到了较高的估计精度,即使车辆发生大侧偏现象使轮胎进入侧偏角-侧偏力曲线的非线性域,该方法仍能够实现质心侧偏角的准确估计,估计的绝对误差不超过1.42°,从而为车辆主动安全控制提供了参考。     

利用七自由度车辆模型估计汽车状态参数

针对汽车主动悬架控制系统中难以测得的侧倾角速率俯仰角速率等状态参数,提出一种利用七自由度车辆模型,并采用滑模观测器估计汽车姿态的方法.提出的方法在未知道路状况的情况下可以降低模型不确定因素的影响.仿真计算与场地实验的结果验证了该方法的有效性,同时也为汽车控制系统的状态参数测量提供了一个可行的低成本策略.     

非线性半参数模型最小二乘核估计的迭代算法

基于非线性半参数模型最小二乘核估计,给出了核估计参数分量和非参数分量估计的构造式.导出了利用高斯一牛顿迭代法的计算公式.实测数据的模拟表示该算法具有较好的拟合精度.     

q -对称熵损失函数下Pareto分布参数估计

Pareto分布作为一种收入分布有着很重要的现实意义,其形状参数的大小直接影响收入分布的均衡程度,因此在经济中有着广泛的应用价值.主要研究了q-对称熵损失函数下Pareto分布形状参数的最小风险同变估计和Bayes估计.通过证明得到,在适当的Γ-先验分布下,α的Bayes估计都具有统一的形式[cT＋d]-1.并且,针对c和d的各种不同取值情况,讨论了[cT＋d]-1的可容许性和不可容许性,给出了q-对称熵损失函数下参数的最小最大估计.     

论统计调查中的域估计及其实证研究

抽样调查是获得统计数据的一项重要途径，而时需要进行研究的层次作为子总体进行分层抽样实际上就是域估计问题。首先介绍了域估计的两种方法，包括直接估计和间接估计，然后对域估计进行了案例分析，最后对间接估计和直接估计的特点进行了对比分析，发现在一般情况下，如果样本量很充足，也无缺失数据，则使用传统的直接估计方法最为便利。当直接估计方法不能很好地满足我们的需求时，使用模型来进行间接估计就是一种必要的选择。     

二项分布参数的线性组合的Γ—极小极大估计

本文对二项分布的参数的线性组合在参数的一阶矩和二阶矩的某些限制条件下的Γ-极小极大估计进行了讨论。     

约束线性回归模型的一种新的可容许估计

目的对于带约束的线性回归模型,y=Xβ+e,E(e)=0,cov(e)=σ2V,V>0,Rβ=0,给出了回归系数的有偏估计βR*(K)=(KM+I)-1βR*其中K=diag(k1,k2,…,kp)。方法应用比较的方法。结果与结论求出了在均方误差意义下βR*(K)优于β*R的条件,并讨论了其可容许性。     

三阶Erlang分布参数的Bayes估计及检验

首先给出了三阶Erlang分布在定数截尾场合下参数的极大似然估计;其次给出了在“平均剩余寿命”下的三阶Erlang分布参数的拟矩估计;然后再利用共轭先验分布得到了参数的经验Bayes估计、区间估计和假设检验;最后通过模拟得到一组随机样本并给出了不同截尾样本下参数的点估计和区间估计。     

均匀分布U[θ-a,θ+a]中参数θ的估计简

首先给出了均匀分布U[θ-a,θ＋a]中参数θ的四种点估计量;然后引入了矩估计、最大似然估计,分别计算其期望、方差,来判断四种估计量的无偏性、相合性及有效性;最后,给出了参数θ的区间估计.     

线性回归模型中K-d型估计研究

考虑线性回归模型Y=Xβ＋ε,E（ε）=0,Cov（ε）=σ2 I,当设计矩阵X的列存在共线性时,最小二乘估计β=（X′X）-1 X′Y的性质变坏,为此给出了有偏估计β（K,d）=（X′X＋K）-1（X′Y＋dβ）,其中K〉0为对角矩阵,ki〉0,-∞〈d〈∞为参数,讨论了这种有偏估计对Liu估计、最小二乘估计的优越性,并证明了其可容许性估计。     

高校学生综合测评科学化的进一步探讨

给出了层用次分析与模糊评判解决高校学生综合测评的科学化的方法，在试用收到了良好的效果。     

二项分布参数的经典估计与Bayes估计相等的关系

证明了二项分布中未知参数的经典估计(最大似然估计和矩估计),一定存在一个先验分布,使其贝叶斯估计就是该经典估计的结论.     

Panel数据模型中两步估计的改进

研究只含一个随机效应的Panel数据模型中未知参数的估计问题.在均方误差矩阵意义下,给出了两步估计优于Within估计的一个简单的充分条件.在此基础上改进了两步估计,并给出了改进后估计的协方差矩阵.