基于自適應濾波的汽車穩(wěn)定性控制系統(tǒng)狀態(tài)估計.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、縱側向速度、橫擺角速度和質心側偏角等。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行測量。為此，國內外學者提出了基于狀態(tài)估計模型和狀態(tài)估計方法實現車輛狀態(tài)信息估計來解決這種狀態(tài)信息不完全性問題。
　　根據ESP控制中所需要考慮的自由度，選取了七自由度車輛動力學模型，并利用Car

2、Sim仿真軟件對選取的七自由度車輛動力學模型進行模型驗證。結合狀態(tài)參數估計的思想將該模型的動力學方程寫為狀態(tài)方程；根據ESP應用中實際可用的傳感器，建立了量測方程；車輛狀態(tài)方程和量測方程各式中用到的輪胎力均需通過輪胎模型求取，本文從控制科學的角度將隨機走動模型選為輪胎模型將輪胎力作為待估計的未知參數進行狀態(tài)擴維，將擴維后的車輛狀態(tài)空間模型作為汽車穩(wěn)定性控制系統(tǒng)狀態(tài)估計模型。
　　介紹經典卡爾曼濾波（Kalman Filter，KF

3、）理論的優(yōu)點，由于KF只適用于線性系統(tǒng)，但汽車動力學模型是非線性的，應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理論的基礎上，本文深入探究了擴展卡爾曼濾波（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的擴展且都能對非線性

4、系統(tǒng)的狀態(tài)進行估計。EKF濾波算法通過對非線性函數的Taylor展開，將非線性問題轉化為線性問題時存在高階項截斷誤差，且非線性函數的雅可比矩陣的求解計算量也比較大。
　　針對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，卡爾曼濾波為框架，通過確定性采用策略直接逼近狀態(tài)的后驗分布，整個濾波過程不需要求導計算雅克比矩陣，計算時間和估計精度比EKF高。EKF和UKF

5、以準確的數學模型和噪聲的統(tǒng)計特性已知為基礎，而當汽車行駛的周圍環(huán)境發(fā)生變化或者運動狀態(tài)劇烈變化時，將會對噪聲的統(tǒng)計特性產生比較大的影響，大大降低了EKF和UKF濾波精度和穩(wěn)定性。
　　針對汽車在行駛過程中遇到一定的干擾，對車載傳感器造成一定的影響，導致傳感器的統(tǒng)計特性難以準確獲得，即量測噪聲的統(tǒng)計特性時變或未知這個問題，設計了自適應無跡卡爾曼濾波（AUKF）算法，AUKF通過信息序列實現了對量測噪聲協方差陣的在線估計，提高了UKF