典型文献
微小加速度下汽车质量-道路坡度自适应估计
文献摘要：
汽车质量和道路坡度是设计高性能汽车决策和控制算法所需的基本参数.但是,微小加速度行驶工况下,汽车纵向惯性力较小,汽车质量和道路坡度难解耦,且现有估计算法的准确性和收敛速度有待进一步提高.该文提出了一种基于车辆纵向动力学原理的自适应无迹Kalman滤波(adaptive unscented Kalman filter,AUKF)算法,通过加大质量预测模型初始噪声,并设计自适应收缩系数对预测误差协方差矩阵进行动态调整,实现了微小加速度工况下汽车质量和道路坡度的快速准确联合估计.其中,自适应收缩系数与质量预测模型噪声和质量估计值有关.不同初始条件下的仿真与实车试验结果表明,AUKF算法能准确估计汽车质量和道路坡度,且质量估计误差均小于3％,道路坡度估计均方根误差均小于0.46.此外,在纵向加速度小于0.3 m/s2行驶工况下,相比经典UKF算法,AUKF算法极大加快了汽车质量和道路坡度估计的收敛速度,在质量初始误差小于40％条件下,质量误差收敛至3％以内只需约10 S.
文献关键词：
汽车质量;道路坡度;无迹Kalman滤波;自适应滤波
中图分类号：
作者姓名：
孙恩鑫;殷玉明;辛喆;李升波;何举刚;孔周维;刘秀鹏
作者机构：
中国农业大学工学院,北京100083;浙江工业大学机械工程学院,杭州310023;清华大学汽车工程系,北京100084;重庆长安汽车股份有限公司,重庆400023
文献出处：
引用格式：
[1]孙恩鑫;殷玉明;辛喆;李升波;何举刚;孔周维;刘秀鹏-.微小加速度下汽车质量-道路坡度自适应估计)[J].清华大学学报（自然科学版）,2022(01):125-132
A类：
B类：
汽车质量,自适应估计,控制算法,基本参数,行驶工况,惯性力,难解,解耦,估计算法,收敛速度,车辆纵向动力学,力学原理,Kalman,adaptive,unscented,filter,AUKF,质量预测,应收,收缩系数,预测误差,协方差矩阵,快速准确,联合估计,质量估计,估计值,初始条件,实车试验,估计误差,道路坡度估计,纵向加速度,s2,大加,初始误差,质量误差,误差收敛,自适应滤波
AB值：
0.331173
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。
