【技术实现步骤摘要】
本专利技术涉及一种针对模型失配及观测器性能欠缺的车辆状态估计方法，具体涉及一种考虑噪声扰动和质量参数失配的车辆状态估计方法，属于无人驾驶与主动安全控制中的必要环节。
技术介绍
1、随着汽车车智能网联化的不断推进、人工智能的不断发展，汽车的智能驾驶受到广泛关注，为了减少交通事故的发生以及推动无人驾驶车辆的发展，adas(高级辅助驾驶系统)的应用正在变得越来越普遍。而车辆状态的精确获取不仅是实现adas的前提，更是主动安全系统有效运行的重要保障。现如今，质心侧偏角、横摆角速度等关键车辆状态信息难以被车载传感器直接测量，而利用价格较高的传感器获取又面临着无法量产的问题。因此，许多将低成本车载传感器与先进算法相结合的车辆状态估计方法应运而生。大部分车辆状态估计算法通常需要准确的车辆动力学模型以保证估计精度，但是由于车辆作为运输工具的属性，整车质量往往发生变化，目前考虑到整车质量参数失配所引起的扰动的状态估计算法较少。因此，需要提出一种考虑噪声扰动与质量参数失配的车辆状态估计方法，用以准确估计运载车辆状态。
技术实现思
<本文档来自技高网...【技术保护点】
1.一种考虑噪声扰动和质量参数失配的车辆状态估计方法，其特征在于，包括步骤：
2.根据权利要求1所述的考虑噪声扰动和质量参数失配的车辆状态估计方法，其特征在于，基于获取的车辆的纵向加速度、前轮转向角以及横向加速度，建立车辆纵向、横向、横摆的非线性三自由度车辆动力学模型步骤中，建立的非线性三自由度车辆动力学模型为：
3.根据权利要求2所述的考虑噪声扰动和质量参数失配的车辆状态估计方法，其特征在于，对建立的非线性三自由度车辆动力学模型进行离散化，并采用无迹变换来处理均值和协方差的非线性传递问题，包括：
4.根据权利要求3所述的考虑噪声扰...
【技术特征摘要】
1.一种考虑噪声扰动和质量参数失配的车辆状态估计方法，其特征在于，包括步骤：
2.根据权利要求1所述的考虑噪声扰动和质量参数失配的车辆状态估计方法，其特征在于，基于获取的车辆的纵向加速度、前轮转向角以及横向加速度，建立车辆纵向、横向、横摆的非线性三自由度车辆动力学模型步骤中，建立的非线性三自由度车辆动力学模型为：
3.根据权利要求2所述的考虑噪声扰动和质量参数失配的车辆状态估计方法，其特征在于，对建立的非线性三自由度车辆动力学模型进行离散化，并采用无迹变换来处理均值和协方差的非线性传递问题，包括：
4.根据权利要求3所述的考虑噪声扰动和质量参数失配的车辆状态估计方法，其特征在于，将自适应滤波引入无迹卡尔曼滤波器，以此应对噪声扰动不确定性，基于极大后验估计准则构建自适应无迹卡尔曼滤波器步骤中，对量测噪声协方差阵进行实时更新，以此对量测噪声进行实时估计修正，对噪声方差阵处...
【专利技术属性】
技术研发人员：魏文鹏，吴钟涛，殷国栋，沈利霖，方睿祺，庄伟超，
申请(专利权)人：东南大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。