重庆理工大学学报2023，Vol.37Issue(23) ：58-66.DOI:10.3969/j.issn.1674-8425(z).2023.12.007

基于最大相关熵SCKF的分布式电动汽车状态估计

Distributed state estimation for electric vehicles based on MCSKF

高伟 杨涛 邓召文 王保华 吴华伟 朱远志
重庆理工大学学报2023，Vol.37Issue(23) ：58-66.DOI:10.3969/j.issn.1674-8425(z).2023.12.007
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据

基于最大相关熵SCKF的分布式电动汽车状态估计

Distributed state estimation for electric vehicles based on MCSKF

高伟 1杨涛 2邓召文 1王保华 3吴华伟 4朱远志5
扫码查看

作者信息

  • 1. 湖北汽车工业学院 汽车工程学院,湖北 十堰 442002;南京航空航天大学 能源与动力学院,南京 210016
  • 2. 湖北汽车工业学院 汽车工程学院,湖北 十堰 442002
  • 3. 湖北汽车工业学院 汽车工程学院,湖北 十堰 442002;湖北隆中实验室,湖北 襄阳 441000
  • 4. 湖北隆中实验室,湖北 襄阳 441000;湖北文理学院 汽车与交通工程学院,湖北 襄阳 441000
  • 5. 北方工业大学 机械与材料工程学院,北京 100144
  • 折叠

摘要

车辆状态的精确估计,对车辆横、纵向稳定性控制至关重要.在车辆状态估计中,容积卡尔曼滤波(cubature Kalman fifilter,CKF)和平方根容积卡尔曼滤波(SCKF,square-root cubature Kalman fifilter)易受重尾非高斯噪声的影响,估计精度差.为了解决该问题,提出了一种基于最大相关熵准则的新型滤波算法,即最大相关熵平方根容积卡尔曼滤波器MCSCKF(maximum correntropy square-root cubature Kalman fifilter),通过近似状态预测值和测量值重新构造测量噪声协方差矩阵.建立了非线性7 DOF车辆模型、Dugoff轮胎模型和Carsim分布式电驱动车辆模型,在正弦工况和双移线工况下,对车辆的纵向速度、侧向速度和横摆角速度3个状态变量进行估计.通过Carsim和Matlab/Simulink联合仿真验证,结果表明:MCSCKF算法可以适应复杂工况,对车辆状态估计的准确性优于CKF和SCKF算法.

关键词

分布式电驱动汽车/状态估计/平方根容积卡尔曼滤波/最大相关熵

Key words

distributed electric drive vehicles/state estimation/square-root Cubature Kalman Filter/maximum correntropy

引用本文复制引用

基金项目

国家自然科学基金(52072116)

湖北省自然科学基金(2023AFB985)

襄阳市科技计划湖北隆中实验室专项()

出版年

2023
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11
段落导航相关论文