基于QS分解的多新息自适应抗差UKF的车辆状态估计方法技术

本发明专利技术公开了一种基于QS分解的多新息自适应抗差UKF的车辆状态估计方法，包括：1根据待估计量和车载传感器获得信息构建非线性三自由度车辆动力学模型，构建含有高斯噪声的状态方程和观测方程；2确定初始状态值、初始状态误差协方差矩阵的平方根和各采样点对应的权值；3预测当前时刻待估量值，并运用QR分解得到预测状态估计值和预测状态误差协方差矩阵的平方根；4运用M估计中的等价权函数和历史信息，从而得到新息矩阵和增益矩阵；5计算出当前时刻待估量值。本发明专利技术运用了QS分解和IGGⅢ等价权函数有效保证了车辆状态估计的鲁棒性，同时更加实时准确地修正观测噪声和过程噪声，从而有效提高了车辆状态估计的估计精度。

【技术实现步骤摘要】

本专利技术属于数据处理技术和车辆状态估计领域，涉及一种基于qs分解的多新息自适应抗差ukf的车辆状态估计方法。

技术介绍

1、随着信息技术在汽车领域的不断应用和发展，人们对汽车主动安全系统的要求也越来越高。实施主动安全控制的前提是如何实时获取准确的车辆状态信息。也就是说，不精确和不充分的实时车辆状态信息会严重影响车辆的安全性能。车辆主动安全控制的一些关键参数(质心侧偏角、纵向速度、横摆角速度等)无法通过现有的车载传感器进行准确测量，或者所需设备价格昂贵，使得该技术不适用于量产车型。

2、运用传统扩展卡尔曼滤波对车辆状态估计量进行估计，当噪声的统计特性未知时，扩展卡尔曼算法的估计精度会大大下降且由于要计算雅克比矩阵，其计算量较大。采用传统无迹卡尔曼对车辆状态估计量进行估计时，一方面其并没有对噪声进行实时的修正，另一方面其容易导致滤波发散从而致使整个状态估计算法崩溃。

3、自适应无迹卡尔曼滤波(adaptive unscented kalman filter，aukf)通常用于估计车辆主动安全控制的三个主要参数：横摆角速度、质心侧偏角和本文档来自技高网...

【技术保护点】

1.一种基于QS分解的多新息自适应抗差UKF的车辆状态估计方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种基于QS分解的多新息自适应抗差UKF的车辆状态估计方法，其特征在于，所述步骤1中是利用式(1)-式(4)构建非线性三自由度车辆动力学模型：

3.根据权利要求2所述的一种基于QS分解的多新息自适应抗差UKF的车辆状态估计方法，其特征在于，所述步骤2中利用式(6)确定初始状态估计量均值和初始状态误差协方差矩阵的平方根S0：

4.根据权利要求3所述的一种基于QS分解的多新息自适应抗差UKF的车辆状态估计方法，其特征在于，利用式(8)和式(9...

【技术特征摘要】

1.一种基于qs分解的多新息自适应抗差ukf的车辆状态估计方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种基于qs分解的多新息自适应抗差ukf的车辆状态估计方法，其特征在于，所述步骤1中是利用式(1)-式(4)构建非线性三自由度车辆动力学模型：

3.根据权利要求2所述的一种基于qs分解的多新息自适应抗差ukf的车辆状态估计方法，其特征在于，所述步骤2中利用式(6)确定初始状态估计量均值和初始状态误差协方差矩阵的平方根s0：

4.根据权利要求3所述的一种基于qs分解的多新息自适应抗差ukf的车辆状态估计方法，其特征在于，利用式(8)和式(9)分别得到k+1时刻状态估计量的预测值状态误差协方差矩阵平方根的预测值

5.根据权利要求4所述的一种基于qs分解的多新息自适应抗差ukf的车辆状态估计方法，其特征在于，利用式(10)和式(11)得到k+...

【专利技术属性】
技术研发人员：钱立军，汪健，何云，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：