申请/专利权人：南京航空航天大学

申请日：2019-07-12

公开（公告）日：2019-12-03

公开（公告）号：CN110532590A

主分类号：G06F17/50(20060101)

分类号：G06F17/50(20060101);G06F17/16(20060101);G06F17/15(20060101);G06F17/11(20060101)

优先权：

专利状态码：有效-授权

法律状态：2023.06.13#授权;2019.12.27#实质审查的生效;2019.12.03#公开

摘要：本发明公开了一种基于自适应容积粒子滤波ACPF的车辆状态估计方法，包括：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动力学模型；其次利用自适应容积卡尔曼滤波算法更新基本粒子滤波算法的重要性密度函数，以此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。最后搭建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UPF算法，且算法运算效率高于UPF算法。

主权项：1.一种基于自适应容积粒子滤波的车辆状态估计方法，其特征在于，包括下述步骤：步骤1根据待估计状态变量和通过车载传感器获得的信息建立车辆动力学模型，并转换成状态方程和量测方程的形式；步骤2算法初始化：根据球面径向准则确定容积点和对应的权值，从初始状态概率密度分布函数抽取粒子和协方差矩阵；步骤3采用ACKF设计粒子滤波重要性密度采样函数，导入传感器最新观测数据，产生预测粒子集合和对应的方差；步骤4重新产生粒子、计算重要性权值并权值归一化；步骤5根据权值归一化结果，对粒子集合进行重采样；步骤6计算当前时刻粒子滤波的状态估计值和误差协方差矩阵；步骤7判断状态估计是否结束，如果结束则输出估计结果并退出状态估计，否则输出估计结果，并将估计结果和最新观测数据输入到步骤3中，继续进行状态估计。

全文数据：

权利要求：

百度查询： 南京航空航天大学 一种基于自适应容积粒子滤波的车辆状态估计方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD