基于simulink的拓展卡尔曼滤波的估计路面附着系数估算,ekf算法基于matlab
内含道夫轮胎模型,七自由度车辆模型,非carsim联合仿真,运行结果如下各个输出收敛,效果不错
YID:13149691140480178
先实时蒋解再支付
基于Simulink的拓展卡尔曼滤波的估计路面附着系数估算,EKF算法基于MATLAB
内含道夫轮胎模型,七自由度车辆模型,非CarSim联合仿真,运行结果如下各个输出收敛,效果不错
摘要:
本文基于Simulink平台,提出了一种基于拓展卡尔曼滤波(EKF)的路面附着系数估算方法,以实现对车辆运动过程中路面附着系数的实时估计。方法采用MATLAB实现,包括道夫轮胎模型和七自由度车辆模型,并与非CarSim联合仿真验证。实验结果显示,各个输出参数均收敛,表明所提方法能够有效估算路面附着系数,并获得了良好的估计效果。
-
引言
在汽车控制系统中,准确估计车辆所行驶路面的附着系数对提高车辆的稳定性和安全性至关重要。而针对路面附着系数的估算方法中,卡尔曼滤波被广泛应用且具有较好的效果。本文旨在通过拓展卡尔曼滤波算法,实现对路面附着系数的实时估算。 -
理论基础
2.1 拓展卡尔曼滤波
拓展卡尔曼滤波是一种在非线性系统中应用的卡尔曼滤波扩展方法。其核心思想是通过线性近似和状态误差协方差矩阵的更新,对非线性系统进行状态估计。在本文中,我们将利用拓展卡尔曼滤波来估计车辆行驶过程中的路面附着系数。
2.2 道夫轮胎模型
道夫轮胎模型是一种用于描述轮胎行为的模型,它考虑了轮胎与路面之间的力学相互作用。本文中,我们将在拓展卡尔曼滤波框架下,应用道夫轮胎模型来建立车辆的状态方程。
2.3 七自由度车辆模型
七自由度车辆模型是一种常用的描述车辆运动的模型,它包括车辆的坐标系、质心位置、车辆速度、陀螺仪测量等关键参数。本文中,我们将基于七自由度车辆模型,建立车辆的观测方程。
-
实验设计
为验证所提方法的有效性,我们在MATLAB中搭建了Simulink模型,并进行非CarSim联合仿真。实验设置包括车辆行驶过程中的路面附着系数变化、传感器测量误差等。 -
实验结果与讨论
通过实验,我们得到了车辆行驶过程中路面附着系数的估计结果,并与真值进行对比。实验结果显示,各个输出参数均收敛,并且与真值非常接近,表明所提方法在实际应用中具有良好的估计效果。 -
总结与展望
本文基于Simulink平台,提出了一种基于拓展卡尔曼滤波的路面附着系数估算方法。通过与非CarSim联合仿真的实验结果验证,表明所提方法能够有效估算路面附着系数,并获得了良好的估计效果。未来的研究可以进一步优化算法,提高估计的精度和稳定性。
关键词:拓展卡尔曼滤波,路面附着系数,Simulink,MATLAB,道夫轮胎模型,七自由度车辆模型,非CarSim联合仿真。
【相关代码,程序地址】:http://lanzoup.cn/691140480178.html