基于自適應(yīng)濾波的汽車穩(wěn)定性控制系統(tǒng)狀態(tài)估計(jì).pdf

1、汽車電子穩(wěn)定程序（Electronic Stability Program，ESP）中，需要更多的車輛狀態(tài)信息，如輪胎力、縱側(cè)向速度、橫擺角速度和質(zhì)心側(cè)偏角等。然而，由于物理原因或成本問題，有些狀態(tài)信息無法找到非常有效適用的傳感器來直接進(jìn)行測(cè)量。為此，國內(nèi)外學(xué)者提出了基于狀態(tài)估計(jì)模型和狀態(tài)估計(jì)方法實(shí)現(xiàn)車輛狀態(tài)信息估計(jì)來解決這種狀態(tài)信息不完全性問題。
　　根據(jù)ESP控制中所需要考慮的自由度，選取了七自由度車輛動(dòng)力學(xué)模型，并利用Car

2、Sim仿真軟件對(duì)選取的七自由度車輛動(dòng)力學(xué)模型進(jìn)行模型驗(yàn)證。結(jié)合狀態(tài)參數(shù)估計(jì)的思想將該模型的動(dòng)力學(xué)方程寫為狀態(tài)方程；根據(jù)ESP應(yīng)用中實(shí)際可用的傳感器，建立了量測(cè)方程；車輛狀態(tài)方程和量測(cè)方程各式中用到的輪胎力均需通過輪胎模型求取，本文從控制科學(xué)的角度將隨機(jī)走動(dòng)模型選為輪胎模型將輪胎力作為待估計(jì)的未知參數(shù)進(jìn)行狀態(tài)擴(kuò)維，將擴(kuò)維后的車輛狀態(tài)空間模型作為汽車穩(wěn)定性控制系統(tǒng)狀態(tài)估計(jì)模型。
　　介紹經(jīng)典卡爾曼濾波（Kalman Filter，KF

3、）理論的優(yōu)點(diǎn)，由于KF只適用于線性系統(tǒng)，但汽車動(dòng)力學(xué)模型是非線性的，應(yīng)該采用適用于非線性系統(tǒng)的卡爾曼濾波，因此在理解了KF理論的基礎(chǔ)上，本文深入探究了擴(kuò)展卡爾曼濾波（Extended Kalman Filter，EKF）、無跡卡爾曼濾波（Unscented Kalman Filter，UKF）和自適應(yīng)無跡卡爾曼濾波（Adaptive Unscented Kalman Filter，AUKF），這些濾波算法都是基于KF的擴(kuò)展且都能對(duì)非線性

4、系統(tǒng)的狀態(tài)進(jìn)行估計(jì)。EKF濾波算法通過對(duì)非線性函數(shù)的Taylor展開，將非線性問題轉(zhuǎn)化為線性問題時(shí)存在高階項(xiàng)截?cái)嗾`差，且非線性函數(shù)的雅可比矩陣的求解計(jì)算量也比較大。
　　針對(duì)EKF濾波的不足，引出了UKF濾波算法，該濾波算法使用采樣方法近似非線性分布來解決非線性問題，UKF以UT變換為基礎(chǔ)，卡爾曼濾波為框架，通過確定性采用策略直接逼近狀態(tài)的后驗(yàn)分布，整個(gè)濾波過程不需要求導(dǎo)計(jì)算雅克比矩陣，計(jì)算時(shí)間和估計(jì)精度比EKF高。EKF和UKF

5、以準(zhǔn)確的數(shù)學(xué)模型和噪聲的統(tǒng)計(jì)特性已知為基礎(chǔ)，而當(dāng)汽車行駛的周圍環(huán)境發(fā)生變化或者運(yùn)動(dòng)狀態(tài)劇烈變化時(shí)，將會(huì)對(duì)噪聲的統(tǒng)計(jì)特性產(chǎn)生比較大的影響，大大降低了EKF和UKF濾波精度和穩(wěn)定性。
　　針對(duì)汽車在行駛過程中遇到一定的干擾，對(duì)車載傳感器造成一定的影響，導(dǎo)致傳感器的統(tǒng)計(jì)特性難以準(zhǔn)確獲得，即量測(cè)噪聲的統(tǒng)計(jì)特性時(shí)變或未知這個(gè)問題，設(shè)計(jì)了自適應(yīng)無跡卡爾曼濾波（AUKF）算法，AUKF通過信息序列實(shí)現(xiàn)了對(duì)量測(cè)噪聲協(xié)方差陣的在線估計(jì)，提高了UKF