自动驾驶汽车状态估计的矩阵加权自适应扩展卡尔曼滤波方法

针对自动驾驶汽车状态和故障估计问题,基于自适应扩展卡尔曼滤波（AEKF）理论提出了一种矩阵加权多传感器信息融合估计方法。首先,将自动驾驶汽车运动学模型进行离散化处理;然后,以极小化多传感器量测估计误差向量均方和为目标,采用拉格朗日极值求解方法设计了矩阵加权多传感器信息融合方法;最后,在低精度传感器、高精度传感器、融合估计3种条件下仿真验证该方法的正确性。结果表明,与单个传感器情形相比较,所提出的方法能较好地估计自动驾驶汽车的位置、航向角、速度信息以及执行机构故障信息,为自动避障、自动泊车等精准测控任务提供参考。     

基于K-CAN Bus信号电平检测数据帧异常传输的试验研究

针对总线数据帧传输异常问题,利用IBIM综合测试盒实时测定车辆BMW F18的K-CAN信号电压突变值,识别和判断出数据帧传输异常原因。试验分析了K-CAN网数据帧稳态传输、CAN-H对地加载、CAN-H对电源加载、CAN-L对地加载、CAN-L对电源加载、CAN-H与CAN-L之间加载不同电阻、CAN-H或CAN-L断路和CAN-H与CAN-L互换波形变化。结果表明,总线数据帧传输异常将导致K-CAN网数据波形异常,不同原因引起的K-CAN网数据信号杂波其形态有一定区别,采用波形分析方法可实现K-CAN总线数据帧传输异常状况的甄别。