基于自适应容积粒子滤波的车辆状态估计

作者：邢德鑫; 魏民祥^*; 赵万忠; 汪; 吴树凡

来源：南京航空航天大学学报, 2020, 52(03): 445-453.

DOI：10.16356/j.1005-2615.2020.03.013

• 高维非线性车辆模型
• 非高斯分布滤波
• 车辆状态估计
• 自适应容积粒子滤波

针对车辆状态估计中由模型的强非线性、噪声的非高斯分布等相关因素导致估计精度下降甚至发散的问题,本文提出了基于自适应容积粒子滤波(Adaptive cubature particle filter,ACPF)的车辆状态估计器。首先基于非稳态动态轮胎模型,构建高维度非线性八自由度车辆模型。其次利用自适应容积卡尔曼滤波(Adaptive cubature Kalman filter,ACKF)算法更新基本粒子滤波(Particle filter,PF)算法的重要性密度函数,以完成自适应容积粒子滤波算法设计。利用车载传感器信息,运用ACPF算法实现对车辆的侧倾角、质心侧偏角等关键状态变量高精度在线观测。搭建Simulink-Carsim联合仿真平台进行了算法的验证,结果表明该算法状态估计精度高于传统无迹粒子滤波(Unscented particle filter,UPF)算法,且算法运算效率高于UPF算法,而传统PF估计值发散。研究结果为实现车辆动力学精准控制提供了理论支持。

• 单位
  东南大学; 南京航空航天大学