典型文献
基于EKF和RBF的路面附着系数估计
文献摘要：
针对车辆行驶下的路面附着系数估计问题,提出了扩展卡尔曼滤波算法(EKF,extended kalman filter)与径向基神经网络(RBF,radial basis function neural network)相融合.通过扩展卡尔曼滤波算法得出路面附着系数估计所需要的车辆状态参数,结合轮速等直接数据采用径向基神经网络对路面附着系数进行估计.神经网络的训练样本通过Carsim/Simulink收集不同行驶工况,并采用差值寻优的方法对径向基神经网络算法中的决定系数进行优化.基于双移线工况验证了该算法在路面附着系数估计上具有较高的精准度.
文献关键词：
路面附着系数;算法融合;扩展卡尔曼滤波;径向基神经网络;决定系数优化
中图分类号：
作者姓名：
查云飞;刘鑫烨;马芳武;吕小龙
作者机构：
福建工程学院 福建省汽车电子与电驱动技术重点实验室,福建 福州350118;吉林大学 汽车仿真与控制国家重点实验室,吉林 长春130025
文献出处：
引用格式：
[1]查云飞;刘鑫烨;马芳武;吕小龙-.基于EKF和RBF的路面附着系数估计)[J].福建工程学院学报,2022(01):1-6,34
A类：
差值寻优,决定系数优化
B类：
EKF,RBF,路面附着系数估计,车辆行驶,扩展卡尔曼滤波算法,extended,kalman,filter,radial,basis,function,neural,network,车辆状态参数,训练样本,Carsim,Simulink,行驶工况,对径,径向基神经网络算法,算法融合
AB值：
0.199195
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。
