基于 UPF 算法的汽车多状态量估计

• 作者: 林棻 赵又群 黄超
• 来源期刊: 南京理工大学学报（自然科学版）
• 学科: 交通运输
• 关键词: 汽车动力学 非追踪粒子滤波算法 汽车 多状态量 状态估计 定常统计特性噪声 Pacejka 轮胎模型 非追踪卡尔曼滤波算法 最小均方误差 粒子滤波算法
• 年，卷（期）: 2014,（3）
• 页码范围: 402-408
• 页数: 7页
• 分类号: U461.6
• 字数: 3611字
• 语种: 中文

摘要

针对常用汽车状态估计算法计算复杂、精度低等问题，提出一种新的汽车多状态量估计方法。建立了包含定常统计特性噪声和 Pacejka 轮胎模型的七自由度非线性汽车动力学模型。针对一般粒子滤波(PF)算法存在的缺陷，使用非追踪卡尔曼滤波(UKF)算法产生粒子滤波的重要性概率密度。基于非追踪粒子滤波(UPF)算法实现对汽车多个关键状态量的最小均方误差估计。将基于 UPF 算法、UKF 算法与 PF 算法的估计器进行了比较，揭示了粒子数对汽车状态估计效果的影响。基于 ADAMS / Car 的虚拟实验和实车实验表明基于 UPF 算法的估计器精度高于基于 UKF 算法的估计器，估计值相对于实际值的平均绝对误差均控制在状态幅值的10%以内，且实时性优于基于 PF 算法的估计器。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵又群	南京航空航天大学能源与动力学院	177	1592	21.0	28.0
2	林棻	南京航空航天大学能源与动力学院	44	292	10.0	15.0
3	黄超	南京航空航天大学能源与动力学院	7	73	5.0	7.0