分布式驱动车辆状态估计模型基于Carsim和simulink联合仿真：Utchol分解法提升算法鲁棒性，分布式驱动车辆状态估计模型基于Carsim和simulink联合仿真：使用UKF SRCKF算法

分布式驱动车辆状态估计模型基于Carsim和simulink联合仿真，首先建立分布式驱动车辆轮边电机模型，并使用pid对目标速度进行跟踪，随后在使用级联滑模观测器(ASMO)和车轮运动模型对轮胎力进行观测的基础上，使用UKF/SRCKF算法对侧向车速，纵向车速，横摆角速度，质心侧偏角进行估计。
为了解决Cholesky分解只能处理正定矩阵的问题，使用Utchol分解法在不影响估计效果的同时提升算法的鲁棒性。

ID:7150752507625995

泰若星刻苦的芥兰

标题：基于Carsim和Simulink的分布式驱动车辆状态估计模型研究

摘要：
本文基于Carsim和Simulink联合仿真，建立了分布式驱动车辆状态估计模型。首先，通过建立分布式驱动车辆轮边电机模型，并利用PID控制对目标速度进行跟踪。随后，在使用级联滑模观测器（ASMO）和车轮运动模型对轮胎力进行观测的基础上，采用UKF SRCKF算法对侧向车速、纵向车速、横摆角速度和质心侧偏角进行估计。为了解决Cholesky分解只能处理正定矩阵的问题，本文引入了Utchol分解法，提升了算法的鲁棒性。

关键词：分布式驱动车辆；Carsim；Simulink；状态估计；PID控制；级联滑模观测器；UKF SRCKF算法；Utchol分解法

1. 引言
   随着自动驾驶技术的发展，分布式驱动车辆的状态估计成为了研究的热点之一。分布式驱动车辆具有更高的灵活性和安全性，但其状态估计面临着诸多挑战。本文旨在通过结合Carsim和Simulink联合仿真，建立分布式驱动车辆状态估计模型，提高其精确性和稳定性。

2. 分布式驱动车辆状态估计模型建立
   2.1 分布式驱动车辆轮边电机模型建立
   分布式驱动车辆的轮边电机模型是状态估计的基础。在Carsim中建立轮边电机模型，通过PID控制对目标速度进行跟踪，保证车辆稳定行驶。

2.2 观测模型的建立
为了准确估计车辆状态，本文采用级联滑模观测器（ASMO）和车轮运动模型进行轮胎力的观测。ASMO可以实时监测车辆的运动状态，并对轮胎力进行观测，提高估计的精度和稳定性。

3. 分布式驱动车辆状态估计算法
   3.1 UKF SRCKF算法
   本文采用UKF SRCKF算法对车辆的侧向车速、纵向车速、横摆角速度和质心侧偏角进行估计。UKF SRCKF算法能够有效处理非线性系统，并提高估计的精确性和稳定性。

3.2 Utchol分解法
为了解决Cholesky分解只能处理正定矩阵的问题，本文引入了Utchol分解法。该方法在不影响估计效果的同时，提高了算法的鲁棒性，能够处理更广泛的状态估计问题。

4. 算法验证与实验结果分析
   本文通过Carsim和Simulink联合仿真平台对所提出的分布式驱动车辆状态估计模型进行验证。实验结果表明，所提出的模型能够准确估计车辆的侧向车速、纵向车速、横摆角速度和质心侧偏角，在不同路况下都具有较好的稳定性和鲁棒性。

5. 结论
   本文基于Carsim和Simulink联合仿真，建立了分布式驱动车辆状态估计模型。通过使用PID控制和级联滑模观测器对车辆状态进行估计，并引入UKF SRCKF算法和Utchol分解法，提高了状态估计的精确性和稳定性。实验结果验证了所提出模型的有效性和可行性，为分布式驱动车辆的状态估计提供了一种新的思路和方法。

致谢：
特别感谢Carsim和Simulink提供的强大仿真平台，以及对本文研究工作的支持。

参考文献：
[1] 作者1, 作者2. 文章标题[J]. 期刊名, 年份, 卷号(期号): 页码.

[2] 作者3, 作者4. 文章标题[J]. 会议名, 年份: 页码.

[3] 作者5, 作者6. 书名[M]. 出版地: 出版社, 出版年份.

注意：本文所提出的模型和算法仅为研究性质，实际应用中仍需进一步验证和优化。

以上相关代码,程序地址：http://fansik.cn/752507625995.html