基于交互式多模型和容积卡尔曼滤波的汽车状态估计∗

张家旭，李 静

基于交互式多模型和容积卡尔曼滤波的汽车状态估计∗

张家旭1，2，李 静1

(1.吉林大学，汽车仿真与控制国家重点实验室，长春 130022； 2.中国第一汽车集团技术中心，长春 130011)

基于UniTire轮胎模型建立了包含时变噪声统计特性的汽车动力学7自由度整车模型。针对系统状态噪声和观测噪声统计特性未知的问题，提出了一种基于交互式多模型和容积卡尔曼滤波(IMM-CKF)车辆状态估计算法。该算法采用包含不同系统状态噪声和观测噪声统计特性的汽车动力学模型作为交互式多模型算法的模型集，用容积卡尔曼滤波器对每个子模型的车辆状态进行估计，并使融合输出结果始终保持跟踪估计误差小的子模型输出。最后利用实车场地环境下多种驾驶工况的测试数据对IMM-CKF算法进行离线验证，并与容积卡尔曼滤波器的估计结果进行对比，结果表明其估计性能优于容积卡尔曼滤波器。

汽车动力学；容积卡尔曼滤波；交互式多模型；汽车状态估计

Keywords:vehicle dynamics； cubature Kalman filter； interactive multiple model； vehicle state estimation

前言

汽车的纵向和侧向速度是车辆主动安全系统中重要的控制变量，对于功能高度集成的电子稳定控制系统(electronic stability program，ESP)，车辆纵向和侧向速度是进一步确定控制逻辑中车轮滑移率、质心侧偏角等控制变量的重要参数，还是车载故障诊断系统中的关键技术之一，因此准确实时获取车辆的纵向和侧向速度是实现车辆主动安全控制的必要前提。由于技术和成本方面的原因，这些信息通常无法直接测量，由此衍生出的基于车载传感器获得的车辆状态信息进行汽车纵向和侧向速度估计成为近年来国内外研究的热点[1-3]。……