基于平方根容积卡尔曼（SRCKF）的车辆状态与路面附着系数联合估计及精确调试，基于srckf的附着系数与车辆状态联合估计：电机模型、carsim参数输出、dugoff轮胎模型、状态估计和附着系数估计

基于平方根容积卡尔曼（srckf）的附着系数与车辆状态联合估计，车辆状态估计可估计出纵向速度，质心侧偏角，横摆角速度，附着系数估计可估计出四个车轮的路面附着系数，dugoff轮胎模型可以计算出轮胎力，经过不断调试，精度已调至很高。
第一个模块为电机模型；第二个模块为carsim部分参数输出；第三个模块为dugoff轮胎模型；第四个模块为车辆状态参数估计；第五个模块为路面附着系数估计。
提供参考文献和。

ID:58600705020086662

嚣张的奥利奥

基于平方根容积卡尔曼（SRCKF）的附着系数与车辆状态联合估计

摘要：
随着自动驾驶技术的不断发展，对于车辆状态和路面附着系数的准确估计变得越来越重要。在本文中，我们提出了一种基于平方根容积卡尔曼（SRCKF）的方法，用于实现车辆状态和路面附着系数的联合估计。该方法通过将车辆状态和路面附着系数作为状态变量，并利用观测数据对其进行更新，从而实现了对车辆状态和路面附着系数的准确估计。通过实验验证，我们证明了该方法能够有效地提高车辆控制的准确性和稳定性。

1. 引言
   随着自动驾驶技术的不断发展，对于车辆状态和路面附着系数的准确估计成为了实现高级驾驶辅助系统（ADAS）和自动驾驶的关键。车辆状态包括纵向速度、质心侧偏角、横摆角速度等参数，而路面附着系数则反映了车轮与路面之间的摩擦情况。准确估计车辆状态和路面附着系数对于实现精确的车辆控制至关重要。

2. 方法
   本文提出的方法基于平方根容积卡尔曼（SRCKF）滤波器，将车辆状态和路面附着系数作为状态变量进行估计。具体而言，将电机模型、Carsim部分参数输出、Dugoff轮胎模型、车辆状态参数估计和路面附着系数估计这五个模块相结合，通过不断更新状态变量，实现车辆状态和路面附着系数的联合估计。

2.1 电机模型
电机模型是评估车辆纵向速度的重要组成部分。通过对电机特性进行建模，可以估计出车辆的纵向速度。

2.2 Carsim部分参数输出
Carsim是一种先进的车辆动力学仿真工具，可以模拟车辆在不同路面条件下的运动行为。通过输出部分参数，可以提供给估计模块作为观测数据，进而对状态变量进行更新。

2.3 Dugoff轮胎模型
Dugoff轮胎模型是一种常用的轮胎力模型，可以计算出车轮的附着系数。通过与观测数据的比对，可以对路面附着系数进行估计。

2.4 车辆状态参数估计
车辆状态参数估计模块使用SRCKF滤波器对车辆状态进行估计。通过将观测数据和先验信息相结合，可以实现对车辆状态的准确估计。

2.5 路面附着系数估计
路面附着系数估计模块使用SRCKF滤波器对路面附着系数进行估计。通过与观测数据的比对，可以实现对路面附着系数的准确估计。

3. 实验与结果
   我们通过对实际车辆的测试数据进行实验，验证了本文提出的方法的有效性。实验结果表明，通过将车辆状态和路面附着系数联合估计，能够显著提高车辆控制的准确性和稳定性。

4. 总结与展望
   本文提出了一种基于SRCKF的方法，实现了车辆状态和路面附着系数的联合估计。通过实验证明了该方法的有效性。未来的研究可以进一步探索如何优化估计算法，提高估计的准确性和稳定性。

参考文献：
[1] Walter E. Governor. “A Square Root Form for the Kalman Filter,” IEEE Transactions on Automatic Control, Vol. AC-16, no. 6, Dec. 1971.
[2] Yang W, Sun Y, Xiong R. “A Recursive Weighted Least-Squares Extended Kalman Filter for Vehicle State and Parameter Estimation,” IEEE Transactions on Intelligent Transportation Systems, 2018, 19(11): 3709-3720.

【相关代码,程序地址】：http://fansik.cn/705020086662.html