基于鲁棒无迹卡尔曼滤波的质心侧偏角估计方法及系统.pdf
山梅****ai
亲,该文档总共15页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
基于鲁棒无迹卡尔曼滤波的质心侧偏角估计方法及系统.pdf
本发明公开了一种基于鲁棒无迹卡尔曼滤波的质心侧偏角估计方法及系统,该方法包括建立与质心侧偏角相关的三自由度车辆动力学模型,并根据此模型确定无迹卡尔曼滤波器的状态方程和观测方程,确定输入量、状态量、观测量;输入量包括前轮转角和纵向加速度;状态量包括质心侧偏角、横摆角速度和纵向车速;观测量包括侧向加速度和横摆角速度;采用M估计器算法计算权重因子;结合权重因子、当前时刻状态量、状态方程、观测方程,采用无迹卡尔曼滤波算法对下一时刻的质心侧偏角估计。本发明通过将M估计器算法与无迹卡尔曼滤波算法相结合,抑制离群点带来
基于扩展卡尔曼滤波的汽车质心侧偏角估计.docx
编号:时间:2021年x月x日书山有路勤为径,学海无涯苦作舟页码:第页共NUMPAGES17页第PAGE\*MERGEFORMAT17页共NUMPAGES\*MERGEFORMAT17页目次TOC\o"1-1"\h\z\uHYPERLINK\l"_Toc231975532"基于扩展卡尔曼滤波的汽车质心侧偏角估计(摘要链接)PAGEREF_Toc231975532\h1HYPERLINK\l"_Toc231975533"燃料电池城市客车侧面碰撞有限元分
融合卡尔曼滤波和加速度积分的车轮质心侧偏角观测方法.pdf
本发明涉及一种融合卡尔曼滤波和加速度积分的车轮质心侧偏角观测方法,其包括以下步骤:1)设置一个质心侧偏角观测系统,包括车速传感器、纵向加速度传感器、横向加速度传感器、横摆角速度传感器及控制器,分别得到原始信号:纵向加速度横向加速度横摆角速度2)对分别进行卡尔曼滤波处理,得到处理后的估计值:纵向加速度横向加速度横摆角速度3)分别采用基于卡尔曼滤波和基于信号积分的方式进行质心侧偏角观测:4)对步骤3)两种方法的结果进行加权处理,得到质心侧偏角观测值。基于卡尔曼滤波和加速度积分两种方法进行加权处理,对质心侧偏角
一种基于纵向力观测器的车辆质心侧偏角鲁棒估计方法.pdf
本发明公开一种基于纵向力观测器的车辆质心侧偏角鲁棒估计方法,包括如下步骤:(1)建立二自由度车辆模型和电驱动轮模型;(2)纵向力观测器设计;(3)基于纵向力观测器的车辆质心侧偏角鲁棒估计。本发明针对分布式驱动电动汽车及其驱动特点,提出了一种新的纵向力估计方法,同时,在纵向力估计的基础上,考虑轮胎侧偏刚度的参数摄动带来的车辆模型不确定性,设计了鲁棒卡尔曼滤波来进行车辆质心侧偏角估计。本发明所提出的估计方法能够充分利用分布式驱动电动汽车的优势,有效地降低了纵向力估计成本,同时有助于提高未知扰动和复杂工况下质心
基于无迹卡尔曼滤波的动力锂电池SOC估计与实现的中期报告.docx
基于无迹卡尔曼滤波的动力锂电池SOC估计与实现的中期报告本文基于无迹卡尔曼滤波算法,研究动力锂电池的SOC估计问题,并实现了一个针对该算法的实验平台,在实验室内进行了一定程度的测试。以下是中期报告:1.研究动力锂电池SOC估计问题在动力锂电池SOC估计问题中,由于电池内部存在诸多不确定性因素,如电化学特性、温度变化等,因此实现精确和可靠的SOC估计是具有挑战性的任务。本文通过无迹卡尔曼滤波算法解决了这一问题。无迹卡尔曼滤波算法通过引入无迹变换和σ点采样等方法,可以更好地处理非线性系统,并克服Kalman滤