多采样率卡尔曼滤波提升汽车状态估计精度

本文探讨了"多采样率卡尔曼滤波器在汽车状态估计中的应用"这一主题，发表于2012年10月的《西南交通大学学报》第47卷第5期。作者周聪、肖建和王嵩针对复杂系统中单一采样率控制策略的局限性，深入研究了多采样率数字控制系统和卡尔曼滤波算法，并提出了输入多采样率的卡尔曼滤波方法。这种方法被应用于汽车主动前轮转向系统，用于精确估计横摆角速度、质心侧偏角和纵向车速。 文章的关键技术包括多采样率数字控制系统、无迹卡尔曼滤波（一种先进的滤波算法，通过无迹搜索减少计算量，提高滤波精度）和状态估计。在实际应用中，通过Carsim与Simulink的联合仿真以及蒙特卡洛试验，验证了新算法的有效性和优越性。研究结果显示，相较于传统的单采样率卡尔曼滤波，输入多采样率的卡尔曼滤波器能够更有效地融合多传感器数据，从而提升状态估计器的性能，表现出更高的稳定性。此外，实验数据表明，使用该算法能够显著降低估计误差，具体表现为4.0%至48.7%的减小。 本文的研究对于提升汽车电子和控制系统的实时性和准确性具有重要意义，特别是在主动前轮转向这类对车辆动态性能要求高的领域。同时，其采用的多采样率卡尔曼滤波算法也为其他实时高精度状态估计问题提供了新的解决方案和技术参考。整个研究得到了国家自然科学基金和中央高校基本科研业务费专项资金的资助，反映出其学术价值和实际应用价值的双重认可。