电源滤波器车辆状态估计,扩展卡尔曼滤波EKF,无迹卡尔曼滤波UKF
角阶跃输入+整车7自由度模型+UKF状态估计模型+附送EKF状态估计模型,针对于轮毂电机分布式驱动车辆,进行车速,质心侧偏角,横摆角速度估计。
模型输入:方向盘转角delta,车辆纵向加速度ax
模型输出:横摆角速度wz,纵向车速vx,质心侧偏角β
ID:3682670420964399
西南害羞的贝母
电源滤波器在电子设备中起着至关重要的作用,它能够有效滤除电源中的噪声和干扰信号,确保设备的正常运行和稳定性。而对于车辆领域来说,实时准确地估计车辆状态是至关重要的,可以为智能驾驶、车辆控制等技术提供重要支持。本文将讨论扩展卡尔曼滤波(EKF)和无迹卡尔曼滤波(UKF)等状态估计模型在轮毂电机分布式驱动车辆中的应用,并以角阶跃输入+整车7自由度模型为基础,进行车速、质心侧偏角和横摆角速度的估计。
首先,我们来介绍一下扩展卡尔曼滤波(EKF)和无迹卡尔曼滤波(UKF)这两种常用的状态估计模型。EKF是一种根据线性系统模型和高斯误差分布的假设,在非线性系统中通过线性化来进行状态估计的方法。而UKF则是一种基于采样点来逼近非线性函数的方法,通过一系列采样点来近似表示概率分布。
接下来ÿ