典型文献
基于P-NAEKF算法的汽车行驶状态估计
文献摘要：
针对传统的卡尔曼滤波算法在进行汽车行驶状态估计时噪声协方差不准确的问题,构建了基于车辆纵向车速、质心侧偏角和横摆角速度的3自由度模型,以扩展卡尔曼滤波(EKF)为例,分析不准确噪声协方差对滤波估计性能的影响,提出一种基于粒子群算法的噪声自适应扩展卡尔曼滤波(P-NAEKF)算法对车辆关键状态进行估计.基于粒子群算法的估计器可对噪声协方差进行准确估计,并将结果嵌入到标准的扩展Kalman滤波算法中实现自适应估计.通过Car-sim与Matlab/Simulink联合仿真验证P-NAEKF算法在车辆状态估计时进行估计效果,仿真结果表明:P-NAEKF算法在汽车动态参数估计方面具有优越性.
文献关键词：
汽车动态参数;噪声自适应扩展卡尔曼滤波;粒子群优化;状态估计
中图分类号：
作者姓名：
戴凌宇;冯张棋;马成宇;胡子添
作者机构：
南通大学电气工程学院,江苏南通 216000;江苏大学汽车与交通工程学院,江苏镇江 212013;江苏大学汽车工程研究院,江苏镇江 212013
文献出处：
引用格式：
[1]戴凌宇;冯张棋;马成宇;胡子添-.基于P-NAEKF算法的汽车行驶状态估计)[J].重庆理工大学学报,2022(04):75-83
A类：
NAEKF,噪声自适应扩展卡尔曼滤波,汽车动态参数
B类：
汽车行驶,行驶状态,卡尔曼滤波算法,协方差,车速,质心侧偏角,横摆角速度,自由度模型,滤波估计,粒子群算法,估计器,Kalman,自适应估计,Car,sim,Matlab,Simulink,联合仿真,仿真验证,车辆状态估计,动态参数估计,粒子群优化
AB值：
0.210162
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
