針對(duì)車輛在實(shí)際行駛過程中外界噪聲的統(tǒng)計(jì)特性無法已知的問題,以車輛縱向動(dòng)力學(xué)模型為基礎(chǔ),提出了自適應(yīng)擴(kuò)展卡爾曼濾波(adaptive extended Kalman filter,簡(jiǎn)稱AEKF)的車輛質(zhì)量及道路坡度估計(jì)算法。以動(dòng)態(tài)估計(jì)車輛系統(tǒng)中的質(zhì)量與坡度為研究對(duì)象,引入了旋轉(zhuǎn)質(zhì)量換算系數(shù),建立車輛縱向動(dòng)力學(xué)系統(tǒng)的狀態(tài)空間模型,考慮了不同時(shí)刻的檔位匹配與行駛特殊工況的處理。對(duì)系統(tǒng)狀態(tài)方程進(jìn)行離散化處理,得到系統(tǒng)狀態(tài)方程與系統(tǒng)測(cè)量方程,在擴(kuò)展卡爾曼濾波(extended Kalman filter,簡(jiǎn)稱EKF)的基礎(chǔ)上引入帶遺忘因子的噪聲統(tǒng)計(jì)估計(jì)器,通過AEKF對(duì)狀態(tài)方程與測(cè)量方程實(shí)時(shí)更新,進(jìn)行在線估計(jì)和校正噪聲統(tǒng)計(jì)值,從而解決系統(tǒng)的噪聲時(shí)變問題。本研究算法與EKF算法估計(jì)及實(shí)測(cè)結(jié)果的對(duì)比分析表明,本研究算法能夠很好地對(duì)車輛質(zhì)量和坡度信號(hào)進(jìn)行有效濾波和估計(jì),在短時(shí)間內(nèi)逐漸收斂并逼近實(shí)測(cè)值,從而能夠合理有效地檢測(cè)車輛在行駛過程中的狀態(tài)信息。

【文章頁數(shù)】：8 頁

【文章目錄】：
引言
1 車輛縱向動(dòng)力學(xué)模型
    1.1 模型的建立
    1.2 變速器傳動(dòng)比的判斷
2 AEKF算法
    2.1 AEKF算法的實(shí)現(xiàn)
    2.2 特殊工況的選擇
    2.3 算法流程
3 試驗(yàn)與仿真驗(yàn)證
    3.1 試驗(yàn)方案
    3.2 實(shí)車試驗(yàn)部分?jǐn)?shù)據(jù)
    3.3 仿真與試驗(yàn)結(jié)果分析
4 結(jié)論



本文編號(hào)：3760281