Kalman-Bucy滤波器在车辆横向状态估计中的应用

3 下载量 164 浏览量 更新于2024-08-29 收藏 1.63MB PDF 举报
"车辆横向状态估计使用卡尔曼-布西滤波器" 在现代汽车工程领域,精确地估计车辆的动态状态对于车辆控制系统的性能至关重要,尤其是对于自动驾驶和高级驾驶辅助系统(ADAS)。本文主要关注的是车辆的横向状态估计问题,这是一个在汽车动力学研究中的关键议题。车辆横向状态主要包括侧滑速度和横摆角速度,它们对车辆的稳定性、操控性和安全性有直接影响。 基于两自由度的车辆模型,作者考虑了车辆纵向速度对横向状态的影响。这种模型简化了车辆复杂的动态行为,但仍然能够捕捉到关键的动力学特性。考虑到这些因素,他们提出了一种利用卡尔曼-布西滤波器(Kalman-Bucy Filter)的车辆横向状态观测器。卡尔曼-布西滤波是一种连续时间的线性时变系统(LTV系统)滤波算法,它结合了系统的动态模型和来自传感器的测量数据,以最优的方式估计系统的状态。 在设计过程中,滤波器的更新方程会根据车辆模型和实际的运动学方程进行调整,以适应车辆速度变化对横向状态的影响。通过这种方式,滤波器可以实时地跟踪和预测车辆的横向动态,从而提供准确的侧滑速度和横摆角速度估计。 在模拟实验中,该方法的性能得到了验证。实验结果表明,提出的观测器能有效地提供车辆横向速度和横摆角速度的精确估计,这在处理快速变化的行驶条件和不确定性时尤其重要。滤波器的性能优于其他常见的估计方法,如简单的卡尔曼滤波器,因为它能够更好地处理时变系统,对系统状态的变化更加敏感。 此外,该工作还强调了在实际应用中,如何将这个滤波器与车辆的控制系统集成,以实现更高级别的驾驶性能,例如改善车辆的稳定性、增强防侧滑控制等。这种技术的应用不仅限于自动驾驶,还可以用于改进传统车辆的电子稳定程序(ESP)等安全系统。 这篇研究为车辆横向状态的实时估计提供了一个有效的解决方案,它利用了先进的滤波理论并考虑了实际驾驶条件中的重要因素。这一方法有助于提升车辆的安全性和操控性,对于未来智能交通系统的发展具有重要的理论和实践意义。