非充分激励条件下路面附着系数估计算法
U469.72; 针对路面条件和车辆状态激励程度的不确定性导致的路面附着系数算法收敛速度和估计精度下降的问题,提出了一种基于模糊工况自适应强跟踪卡尔曼滤波的路面附着系数估计算法.利用模糊推理方法评估当前车辆运动状态的激励程度并输出协方差调整系数,引入强跟踪因子对标准卡尔曼滤波算法进行实时修正,通过及时调整路面附着系数的协方差的方式提高估计算法收敛速度,同时强跟踪因子保证算法对来自路面不确定的扰动具有鲁棒性.采用控制器硬件在环试验台的方式对所提算法的估计效果进行了验证,实验结果表明:所提出估计方法能够在车辆状态大激励程度条件时快速收敛到真值附近,小激励程度时降低估计值波动幅值,比强跟踪卡尔曼滤波...
Gespeichert in:
| Veröffentlicht in: | 重庆理工大学学报 2023, Vol.37 (19), p.98-106 |
|---|---|
| Hauptverfasser: | , , , , , |
| Format: | Artikel |
| Sprache: | chi |
| Online-Zugang: | Volltext |
| Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
| Zusammenfassung: | U469.72; 针对路面条件和车辆状态激励程度的不确定性导致的路面附着系数算法收敛速度和估计精度下降的问题,提出了一种基于模糊工况自适应强跟踪卡尔曼滤波的路面附着系数估计算法.利用模糊推理方法评估当前车辆运动状态的激励程度并输出协方差调整系数,引入强跟踪因子对标准卡尔曼滤波算法进行实时修正,通过及时调整路面附着系数的协方差的方式提高估计算法收敛速度,同时强跟踪因子保证算法对来自路面不确定的扰动具有鲁棒性.采用控制器硬件在环试验台的方式对所提算法的估计效果进行了验证,实验结果表明:所提出估计方法能够在车辆状态大激励程度条件时快速收敛到真值附近,小激励程度时降低估计值波动幅值,比强跟踪卡尔曼滤波算法和标准卡尔曼滤波算法在算法收敛速度和估计精度方面有明显提升. |
|---|---|
| ISSN: | 1674-8425 |
| DOI: | 10.3969/j.issn.1674-8425(z).2023.10.012 |