重庆理工大学学报2022，Vol.36Issue(4) ：75-83.DOI:10.3969/j.issn.1674-8425(z).2022.04.010

基于P-NAEKF算法的汽车行驶状态估计

Research on the vehicle driving state estimation based on P-NAEKF algorithm

戴凌宇 冯张棋 马成宇 胡子添
重庆理工大学学报2022，Vol.36Issue(4) ：75-83.DOI:10.3969/j.issn.1674-8425(z).2022.04.010
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据

基于P-NAEKF算法的汽车行驶状态估计

Research on the vehicle driving state estimation based on P-NAEKF algorithm

戴凌宇 1冯张棋 2马成宇 1胡子添3
扫码查看

作者信息

  • 1. 南通大学电气工程学院,江苏南通 216000
  • 2. 江苏大学汽车与交通工程学院,江苏镇江 212013
  • 3. 江苏大学汽车工程研究院,江苏镇江 212013
  • 折叠

摘要

针对传统的卡尔曼滤波算法在进行汽车行驶状态估计时噪声协方差不准确的问题,构建了基于车辆纵向车速、质心侧偏角和横摆角速度的3自由度模型,以扩展卡尔曼滤波(EKF)为例,分析不准确噪声协方差对滤波估计性能的影响,提出一种基于粒子群算法的噪声自适应扩展卡尔曼滤波(P-NAEKF)算法对车辆关键状态进行估计.基于粒子群算法的估计器可对噪声协方差进行准确估计,并将结果嵌入到标准的扩展Kalman滤波算法中实现自适应估计.通过Car-sim与Matlab/Simulink联合仿真验证P-NAEKF算法在车辆状态估计时进行估计效果,仿真结果表明:P-NAEKF算法在汽车动态参数估计方面具有优越性.

关键词

汽车动态参数/噪声自适应扩展卡尔曼滤波/粒子群优化/状态估计

引用本文复制引用

基金项目

国家自然科学基金(51675235)

出版年

2022
重庆理工大学学报
重庆理工大学

重庆理工大学学报

CSTPCD北大核心
影响因子：0.567
ISSN：1674-8425
参考文献量13
段落导航相关论文