基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为实时准确获取汽车参数及状态信息以提高汽车主动安全性能,提出了一种多算法结合的自适应估计算法.该算法将递推最小二乘算法、蚁群优化算法及容积卡尔曼滤波算法进行有效结合,同时将含有不准确模型参数及未知时变噪声的三自由度非线性整车模型作为标称模型.采用递推最小二乘算法实时估计汽车参数,引入蚁群优化算法实时跟踪容积卡尔曼滤波器的过程噪声及量测噪声,根据目标函数对噪声协方差进行寻优,以解决系统的噪声时变问题,从而获取汽车状态的准确估计.基于CarSim/Simulink的仿真实验结果表明,该算法的状态估计精度高,且具备汽车模型参数校正能力,可以满足系统的控制需要.
推荐文章
多尺度粒子滤波算法对目标状态估计的研究
多尺度粒子滤波
目标状态信息
最大后验分布函数
重要采样
马尔可夫链
基于信息滤波的分布式多传感器状态估计算法
信息滤波
Kalman滤波
多传感器
分布式
状态估计
基于 UPF 算法的汽车多状态量估计
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
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 多算法结合的汽车参数和状态估计方法研究
来源期刊 测控技术 学科 交通运输
关键词 递推最小二乘法 蚁群优化算法 容积卡尔曼滤波算法 参数估计 状态估计
年,卷(期) 2019,(7) 所属期刊栏目 数据采集与处理
研究方向 页码范围 67-73
页数 7页 分类号 U461.1|TP312
字数 4528字 语种 中文
DOI 10.19708/j.ckjs.2019.07.015
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 胡均平 中南大学机电工程学院 115 507 12.0 16.0
2 李勇成 中南大学机电工程学院 5 1 1.0 1.0
3 李科军 中南林业科技大学物流与交通学院 4 3 1.0 1.0
4 朱万霞 中南大学机电工程学院 1 0 0.0 0.0
5 任常吉 中南大学机电工程学院 3 7 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (90)
共引文献  (39)
参考文献  (12)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1995(3)
  • 参考文献(0)
  • 二级参考文献(3)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(4)
  • 参考文献(1)
  • 二级参考文献(3)
2005(5)
  • 参考文献(0)
  • 二级参考文献(5)
2006(5)
  • 参考文献(0)
  • 二级参考文献(5)
2007(8)
  • 参考文献(0)
  • 二级参考文献(8)
2008(7)
  • 参考文献(0)
  • 二级参考文献(7)
2009(10)
  • 参考文献(0)
  • 二级参考文献(10)
2010(6)
  • 参考文献(0)
  • 二级参考文献(6)
2011(9)
  • 参考文献(1)
  • 二级参考文献(8)
2012(5)
  • 参考文献(0)
  • 二级参考文献(5)
2013(12)
  • 参考文献(3)
  • 二级参考文献(9)
2014(4)
  • 参考文献(1)
  • 二级参考文献(3)
2015(5)
  • 参考文献(1)
  • 二级参考文献(4)
2016(4)
  • 参考文献(2)
  • 二级参考文献(2)
2017(3)
  • 参考文献(1)
  • 二级参考文献(2)
2018(2)
  • 参考文献(2)
  • 二级参考文献(0)
2019(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
递推最小二乘法
蚁群优化算法
容积卡尔曼滤波算法
参数估计
状态估计
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
测控技术
月刊
1000-8829
11-1764/TB
大16开
北京2351信箱《测控技术》杂志社
82-533
1980
chi
出版文献量(篇)
8430
总下载数(次)
24
总被引数(次)
55628
论文1v1指导