本文將基于汽車的三自由度模型，借助擴(kuò)展卡爾曼檢測(cè)，通過(guò)汽車的橫向加速度來(lái)確定汽車的橫擺角速度、側(cè)滑角三個(gè)參數(shù)。質(zhì)心、縱向速率，并通過(guò)實(shí)際模擬案例。 具體介紹一下擴(kuò)展卡爾曼混合的使用。

通常，卡爾曼檢測(cè)會(huì)選擇較容易獲取的參數(shù)，避免不易檢測(cè)的參數(shù)。

在這里，作者將卡爾曼參數(shù)或模擬分為四個(gè)步驟：

1）汽車模型制作；

2）擴(kuò)展卡爾曼檢測(cè)算法的構(gòu)建；

3）模型集成及模擬工況設(shè)置；

4）仿真及結(jié)果分析。

汽車模型制作

本例中可以使用汽車的三自由度模型（如右圖）來(lái)制作參數(shù)。 需要知道汽車的輸入信號(hào)（車輪轉(zhuǎn)角、縱向加速度）和輸出信號(hào)（橫向加速度），因此需要建立汽車模型來(lái)創(chuàng)建此類數(shù)據(jù)。 即向汽車模型輸入方向盤(pán)轉(zhuǎn)角和橫向加速度，即可得到橫向加速度。

在真車中，這一步可以忽略，因?yàn)槲覀兛梢酝ㄟ^(guò)傳感器直接檢測(cè)卡爾曼混合所需的信號(hào)。

車主暫時(shí)選擇更簡(jiǎn)單的方式，利用車內(nèi)的汽車模型來(lái)完成這項(xiàng)工作。 只需要設(shè)置我們關(guān)心的基本汽車參數(shù)和信號(hào)插座即可。

右側(cè)顯示了剛體到前后軸的距離、沿 Z 軸的轉(zhuǎn)動(dòng)力矩以及質(zhì)量設(shè)置位置。

前后輪側(cè)偏設(shè)定位置如右圖所示。

從方向盤(pán)角到車輪角的變速比設(shè)定位置如右圖所示。

選擇輸出插座輸出橫擺角速度、質(zhì)心側(cè)滑角、縱向速度、方向盤(pán)轉(zhuǎn)角、縱向加速度和橫向加速度。 前三個(gè)是用于與仿真結(jié)果進(jìn)行比較的參數(shù)； 最后三個(gè)是小車的輸入和輸出信號(hào)，將作為卡爾曼混合算法的輸入。

用別人的車模還是不合適的。 以前的車主會(huì)自己搭建汽車模型，這樣就避免了聯(lián)合仿真的麻煩，而且仿真都可以在. 更重要的是，自己搭建汽車模型可以加深對(duì)汽車的理解，這是商業(yè)軟件無(wú)法替代的。

擴(kuò)展卡爾曼檢測(cè)算法構(gòu)建

擴(kuò)展卡爾曼混合算法就是表達(dá)上述五個(gè)核心公式。 再次指出：需要用非線性函數(shù)f和h來(lái)表示狀態(tài)多項(xiàng)式和輸出多項(xiàng)式； 系統(tǒng)矩陣A和輸出矩陣H需要用f和h函數(shù)偏導(dǎo)后的雅可比矩陣來(lái)表示。

樓主這里使用了之前構(gòu)建的卡爾曼混合算法，稍加改動(dòng)就得到了如右圖所示的擴(kuò)展卡爾曼混合算法。

雖然用5個(gè)公式來(lái)表達(dá)卡爾曼混合算法比較繁瑣，但是可以更好的表達(dá)5個(gè)公式之間的時(shí)序關(guān)系，讓初學(xué)者能夠理解。

模型集成及模擬工況設(shè)置

將以上兩部分結(jié)合起來(lái)就是基于擴(kuò)展卡爾曼混合的整個(gè)參數(shù)或者仿真模型，如右圖所示。 基本思想是模型輸出混頻算法所需的信號(hào)，然后進(jìn)行參數(shù)估計(jì)，輸出估計(jì)結(jié)果，最后將估計(jì)結(jié)果與汽車實(shí)際信號(hào)進(jìn)行比較基于kalman濾波的目標(biāo)跟蹤，驗(yàn)證算法的有效性。

為了驗(yàn)證算法，還需要在 中設(shè)置模擬工作條件。

1）滑行初始速度為30km/h。

2）方向盤(pán)轉(zhuǎn)角按右圖曲線進(jìn)行。

仿真與結(jié)果分析

運(yùn)行模型基于kalman濾波的目標(biāo)跟蹤，得到可能的橫擺角速度、質(zhì)心側(cè)滑角、縱向速度以及汽車的實(shí)際狀態(tài)，如右圖。

偏航率可能導(dǎo)致：

剛體滑移角可能會(huì)導(dǎo)致：

橫向速度大概是這樣的結(jié)果：

從圖中可以看出，橫擺率、側(cè)滑角、縱向速度的估計(jì)值與實(shí)際值基本一致，算法可靠有效。

上面介紹了擴(kuò)展卡爾曼混合算法的參數(shù)示例，僅供大家參考。

186信息網(wǎng)原創(chuàng)文章，轉(zhuǎn)載請(qǐng)注明本文來(lái)自：m.xt88.cn