針對車輛在實際行駛過程中外界噪聲的統(tǒng)計特性無法已知的問題,以車輛縱向動力學模型為基礎,提出了自適應擴展卡爾曼濾波(adaptive extended Kalman filter,簡稱AEKF)的車輛質(zhì)量及道路坡度估計算法。以動態(tài)估計車輛系統(tǒng)中的質(zhì)量與坡度為研究對象,引入了旋轉(zhuǎn)質(zhì)量換算系數(shù),建立車輛縱向動力學系統(tǒng)的狀態(tài)空間模型,考慮了不同時刻的檔位匹配與行駛特殊工況的處理。對系統(tǒng)狀態(tài)方程進行離散化處理,得到系統(tǒng)狀態(tài)方程與系統(tǒng)測量方程,在擴展卡爾曼濾波(extended Kalman filter,簡稱EKF)的基礎上引入帶遺忘因子的噪聲統(tǒng)計估計器,通過AEKF對狀態(tài)方程與測量方程實時更新,進行在線估計和校正噪聲統(tǒng)計值,從而解決系統(tǒng)的噪聲時變問題。本研究算法與EKF算法估計及實測結果的對比分析表明,本研究算法能夠很好地對車輛質(zhì)量和坡度信號進行有效濾波和估計,在短時間內(nèi)逐漸收斂并逼近實測值,從而能夠合理有效地檢測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 車輛縱向動力學模型
    1.1 模型的建立
    1.2 變速器傳動比的判斷
2 AEKF算法
    2.1 AEKF算法的實現(xiàn)
    2.2 特殊工況的選擇
    2.3 算法流程
3 試驗與仿真驗證
    3.1 試驗方案
    3.2 實車試驗部分數(shù)據(jù)
    3.3 仿真與試驗結果分析
4 結論



本文編號：3760281