基于无迹粒子滤波的车辆质心侧偏角估计方法

针对轮毂电机驱动车辆行驶状态参数获取困难的问题,提出了一种基于无迹粒子滤波的质心侧偏角估计方法。以采集的低成本普通车载传感器信息和驾驶信号作为输入信息,在构建非线性三自由度车辆模型基础上,建立了车辆行驶状态参数估计方程,设计了质心侧偏角无迹粒子滤波估计器。利用Matlab/Simulink和Adams进行了联合仿真实验。结果表明：该估计方法具有可行性,在不同工况下均具有良好的质心侧偏角估计效果。     

基于非线性观测器的车辆质心侧偏角估计

本文中提出了利用非线性状态空间观测器测量车辆质心侧偏角(VBSSA)的方法。本文首先建立一个非线性双轨模型,并用实验来验证模型的精度。然后通过将这个模型的实时估计的状态矢量进行线性化,推导出一种线性化观测器。结果表明该方法能够比较精确的对车体侧偏角进行估计。     

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。     

基于Dugoff轮胎模型对车辆质心侧偏角估计

为了解决车辆处于非线性状态下质心侧偏角的估计问题,考虑了纵向车速的变化,提出了基于Dugoff轮胎模型的质心侧偏角估计方法.根据二自由度车辆模型,验证了扩展卡尔曼滤波的估计精度高于卡尔曼滤波.根据建立的四轮三自由度车辆模型,对于车辆处于线性区和非线性区的两种运动状态,分别建立了基于扩展卡尔曼滤波算法的线性和非线性质心侧偏角估计模型,其中非线性估计模型基于Dugoff轮胎模型建立.采用CarSim软件搭建整车模型以及双移线道路模型,MATLAB/Simulink中搭建了扩展卡尔曼估计器,两者联合仿真.仿真结果表明:非线性估计模型在线性区域和非线性区域均能实现对质心侧偏角的估计,且估计精度高于线性估计模型.     

基于轮胎侧偏刚度变化率的车辆质心侧偏角融合估计算法

针对车辆在高速紧急避让工况下质心侧偏角难以直接测量的问题,提出一种基于轮胎侧偏刚度变化率的质心侧偏角融合估计算法。在车辆二自由度动力学模型的基础上,提出一种轮胎侧偏刚度估计方法,构建基于改进扩展卡尔曼滤波的质心侧偏角估计算法。根据质心侧偏角和车辆纵向、侧向加速度的关系,构建基于积分法的质心侧偏角估计算法;结合两种估计算法的特点,采用轮胎侧偏刚度的一阶微分表征车辆的非线性程度,设计了一种适用于不同车辆动态特性及路面条件的融合估计算法。Carsim/Simulink联合仿真结果表明,该融合估计算法在不同的车辆动态特性和不同路面条件下具有良好的估计精度和实时性,对传感器信号的噪声、误差鲁棒性强。     

车辆质心侧偏角估计算法设计与对比分析

车辆质心侧偏角是描述车辆侧向运动状态的重要变量之一,同时也很难准确估计.为此设计了基于运动学的直接积分法,基于扩展卡尔曼滤波的质心侧偏角估计算法和基于广义龙贝格观测器的质心侧偏角估计算法.对信号引入一定强度的噪声,通过多种典型工况对质心侧偏角估计算法进行调试与验证,分析不同算法的特点和工况适应性.直接积分法在长时间尺度下无可用性,但在极限工况下能较为快速地描述质心侧偏角变化趋势;卡尔曼滤波算法整体估计效果较好,但在一些动态工况存在估计偏差,且多为高估;龙贝格观测器算法在大部分工况都能获得良好效果,但在某些情况下存在估计偏差,且多为低估.     

汽车质心侧偏角观测器试验验证

提出了一种综合运动学和动力学模型估算车辆质心侧偏角的方法。引入非线性因子表征车辆的非线性状态程度,在此基础上提出了一种简化的非线性轮胎侧向力计算方法,考虑轮胎侧偏刚度补偿,基于单轨模型建立Kalman滤波器实时估计出车辆质心侧偏角。搭建基于轮速传感器、侧向加速度和横摆角速度组合传感器、方向盘转角传感器、MicroAutoBox和GPS系统的试验验证系统,在高附着路面条件下进行蛇形操纵和双移线操纵试验。试验结果表明:所设计的估计算法能在一定程度上反映车辆的实际状态,实时性和估计精度能满足稳定性控制系统的要求。     

基于多信息融合的汽车质心侧偏角估算

车辆稳定性控制系统因为其良好的主动安全性已经在汽车上广泛采用。对于汽车稳定性控制系统而言,横摆角速度和质心侧偏角是判断汽车运行情况的两个主要参考量。其中,车辆的横摆角速度可以通过横摆角速度传感器经过卡尔曼滤波直接得到,而质心侧偏角则必须通过估算得到。基于二自由度汽车动力学模型建立了一种车辆质心侧偏角估算器,该估算器包括基于车辆模型的卡尔曼滤波算法和动力学积分算法。在质心侧偏角较小的情况下,可认为轮胎的侧偏特性处于线性区域,故采用基于车辆模型的卡尔曼滤波算法,当质心侧偏角较大的情况下,切换为动力学积分算法。最后在Vedyna软件下搭建了该估算器的仿真平台,通过多工况的仿真,仿真结果表明该估算器可以准确估算车辆的质心侧偏角。     

极限行驶条件下车辆质心侧偏角观测器设计

用非线性车辆模型线性化方法,设计了基于广义卡尔曼滤波器和广义龙贝格观测器的质心侧偏角估计算法.给出考虑了轮胎非线性特性的扩展二自由度车辆模型,用非线性最小二乘法拟合轮胎模型的参数;分析非线性模型的能观性,并通过局部线性化方法,将非线性模型在当前状态处线性化,并得到近似的线性模型;设计了广义卡尔曼滤波器和线性化龙贝格观测器,并证明观测器的稳定性;最后,通过典型的操纵稳定性试验,验证算法的有效性.极限行驶工况下采用非线性模型线性化的方法,能获得更高的估计精度.     

基于模糊滑模观测器与传感器信号积分可拓融合的车辆质心侧偏角估计

车辆质心侧偏角对于车辆横向稳定状态判断具有重要作用,对质心侧偏角的高估或低估都会对稳定性控制系统产生影响. 针对目前质心侧偏角估计方法仍具有较大误差且实用性不强,提出了以降低观测误差及提高估计系统实用性为目标的方法,构建了鲁棒性较强的模糊二阶滑模观测器计算质心侧偏角观测值,同时采用惯性测量单元信号计算质心侧偏角积分值. 之后分析了两种估计方法的优缺点,对质心侧偏角观测估计值与传感器信号积分估计值进行可拓融合,以实现采用传感器信号估计对观测值进行修正. 最后通过Simulink/TruckSim仿真、硬件在环仿真,进行了质心侧偏角估计方法的验证. 在实车定圆加速测试工况中以控制效果论证了所提出方法的有效性. 研究表明所提出方法能够准确反映实际质心侧偏角状态,并且可靠性、实用性均较佳.      

车身侧偏角实用算法仿真

研究了车辆稳定性控制系统中车身侧偏角的算法,建立了15自由度整车模型,其中包括车身的6个自由度,4个车轮的旋转和垂直运动自由度以及前轮转动自由度.根据方向盘转角、整车侧向加速度、横摆角速度及其变化率求得前、后轴侧向力进而求得前、后轴中心处侧偏角;根据横摆角速度、前、后轴中心处侧偏角求取整车的车身侧偏角.仿真结果表明,该算法能够在不同附着路面上,在较大车身侧偏角范围内准确求得整车车身侧偏角.     

基于改进粒子滤波算法的车速估计

针对基于粒子滤波算法设计的车速估计器因提议分布与实际分布不一致导致粒子退化使估计误差变大的问题,提出了一种通过修正提议分布减弱粒子退化影响的改进粒子滤波车速估计器。首先,基于车辆运动学模型和传感器特性建立系统的状态转移方程和观测方程。然后,利用传感器测量值与粒子状态值的差值设计提议分布修正项对状态转移方程进行修正,并对过程噪声做自适应处理。最后,利用CarSim-Simulink联合仿真平台在双移线工况和正弦转角输入工况下进行仿真验证。与自适应粒子滤波器相比,双移线工况下改进粒子滤波估计器产生的纵向速度估计值和侧向速度估计值的平均绝对误差分别减小了40.25%和55.71%;正弦转角输入工况下,改进粒子滤波估计器产生的纵向速度估计值和侧向速度估计值的平均绝对误差分别减小了47.00%和41.21%。     

基于Kalman—Bucy滤波的车辆横向运动状态估计

研究了车辆横向运动中的状态估计问题。在两自由度车辆横向动力学模型的基础上，考虑了车辆纵向速度对车辆横向运动状态的影响，设计了基于Kalman-Bucy滤波的车辆状态观测器。仿真实验结果显示，该滤波器能够有效的过滤系统的过程噪声和观测噪声，并能够准确地估计出车辆横向运动速度与横摆角速度的实际值。     

基于采样交通量与卡尔曼滤波的增程式电动汽车续航里程估算研究

为了提高增程式电动汽车续驶里程估算精度,消除驾驶员因电动汽车续驶里程估计不准确产生的忧虑心理,提出一种新的基于采样交通量与卡尔曼滤波的增程式电动汽车里程估算方法。依据不同道路等级,通过指数回归模型对增程式电动汽车交通量进行估算。介绍了卡尔曼滤波原理,给出卡尔曼滤波方法状态方程与观测方程,利用最小二乘法对卡尔曼滤波公式进行推导,获取状态向量预测值和状态向量测试方差矩阵。介绍了单位能耗行驶里程计算方法。结合采样交通量和剩余续驶里程计算结果,通过卡尔曼滤波方法获取下一时刻增程式电动汽车的续驶里程,实现对增程式电动汽车续驶里程的估算。经实验验证,所提方法估算准确性高。     

Rayleigh channel estimation based on particle filter with simulated annealing algorithm

In this paper, a particle filter (PF) with simulated annealing algorithm is proposed to estimate and track Rayleigh channel state information (CSI) using decision directed scheme. By iteratively cooling in PF, there are two superiorities in our proposed algorithm. First, there is no degeneration problem in this method. Second, the proposed algorithm converges globally. The proposed algorithm has been implemented in a system on Rayleigh channel with BPSK modulation. Also, the consistency and sensitivity of the algorithm has been tested and the simulation results show that the proposed algorithm is good enough to be applied to wireless communication practice. The relationships between channel estimation and measurement noise, SNR and Doppler frequency have been shown by simulations.      

基于滑模控制理论的车辆横向稳定性控制

针对车辆在极限运动工况下转弯或变道行驶时的横向稳定性控制问题,建立以车辆横向速度、横摆角速度及车身侧倾角为状态变量的3自由度非线性动力学模型.在动力学分析的基础上,探讨依靠施加各车轮不同纵向制动力而产生辅助横摆力矩的方法来提高车辆在极限工况下的操纵稳定性.考虑到作为车辆状态变量之一的质心侧偏角难以测量,设计了基于车辆动力学模型及运动学关系相结合的质心侧偏角估计器.运用滑模控制理论,以车辆横摆角速度和质心侧偏角与相应的理想横摆角速度和质心侧偏角之差,作为车辆稳定性控制系统的两类控制输入变量,以车轮纵向制动力矩和方向盘转角为控制目标建立了联合滑模控制系统,通过计算机仿真表明,该控制方法可以有效改善车辆横向稳定性.     

基于粒子滤波参数估计的混沌保密通信系统

针对混沌参数调制保密通信系统中扩展卡尔曼滤波算法和无味卡尔曼滤波算法对混沌系统的状态和参数估计性能较差的问题,提出了用粒子滤波算法估计混沌系统参数的方法。在系统的发送端,通过待发送的二进制符号调制混沌系统的参数进而产生混沌信号。在接收端,粒子滤波器用接收到的混沌信号估计出相应的混沌系统参数,从而恢复出发送端的二进制符号。仿真结果表明,较扩展卡尔曼滤波和无味卡尔曼滤波,粒子滤波算法在估计混沌系统参数时具有更短的收敛时间和更小的估计误差,能更有效地实现混沌保密通信。     

融合视觉与雷达数据的改进粒子滤波车辆目标跟踪

针对视觉跟踪中由于尺寸变化累积误差导致目标丢失的问题,提出一种融合视觉与毫米波雷达数据的改进粒子滤波车辆跟踪算法。首先,引入遗传算法改善标准粒子滤波中的粒子退化与粒子衰退问题,根据退化程度计算动态自适应的遗传交叉概率,并利用高斯分布替代平均分布计算种群适应度。然后,将图像HSV直方图特征与改进粒子滤波算法结合,实现车辆多目标跟踪。最后,通过雷达目标投影点与视觉跟踪框的位置关系实现关联匹配,利用深度信息修正跟踪框的位置与尺寸。实验结果表明,相对于标准粒子滤波,改进的粒子滤波算法可以使平均跟踪准确率与精度分别提高22.1%与21.1%。相对于仅采用视觉跟踪,融合雷达数据的跟踪算法能够使车辆目标跟踪精度再次提高9.2%。     

改进粒子群算法的电动汽车时空优化分配策略

兼顾待充电汽车的时间分配和空间分配,以每个时段每个充电站的充电电动汽车数量为决策变量,建立了集中充电时段内充电负荷方差和充电站充电汽车数量方差的数学模型.提出时空优化分配策略,使待充电汽车在时空上达到均衡分配,并在基本粒子群算法基础上结合了线性递减权重和异步变化学习因子方法.基于纽约州独立系统交易运行机构(NYISO)的原始负荷数据进行算例仿真.结果表明,文中提出的电动汽车集中充电调度策略在时空上优化分配待充电汽车,达到了降低负荷峰谷差、减小负荷波动的目的.     

基于实车数据和BP-AdaBoost算法的电动汽车动力电池健康状态估计

动力电池健康状态(state of health, SOH)估计是电动汽车领域关注的一个热点,目前的大部分方法都是基于实验室测试数据进行估计,忽略了实际车辆运行情况。使用国家大数据联盟平台采集的实际车辆运行数据进行电池SOH的估计。数据预处理方面,在清洗异常数据时,保留了实车数据中合理的强噪声数据,保证了数据的真实性。特征选择方面,选择容量增量曲线峰值和对应的电压以及基于安时积分得到的小片段充电容量数据。算法方面,针对真实数据的弱时序性问题,利用反向传播-自适应推进(back propagation-adapt boost, BP-AdaBoost)算法进行电池SOH估计的研究。最后,利用同一类型三辆车的数据进行了模型训练、测试和验证,预测结果与长短期记忆-循环神经网络(long short term memory-recurrent neural network, LSTM-RNN)算法对比,BP-AdaBoost算法估计误差更小,平均绝对误差达到0.96%,因此,所提出的方法可以应用于实车电池SOH的高精度估计。