基于二分法的车辆状态参数融合估计

为提高车辆状态参数估计的精度和可靠性，提出一种基于二分法的车辆状态参数融合估计方法。首先，设计了基于车辆3自由度动力学模型的扩展卡尔曼滤波算法和由数据驱动的径向基神经网络车辆状态参数估计算法。然后，为了进一步提高估计算法的可靠性和减小单一算法的估计误差，提出将模型驱动的估计算法和数据驱动的估计算法相补偿的融合估计方法，基于二分法设置扩展卡尔曼滤波和径向基神经网络估计结果的权重，利用估计算法的融合提高估计精度。最后通过MATLAB/Simulink与CarSim的联合仿真和实车在环试验对该融合方法的有效性进行了验证。结果表明，估计结果变化趋势与实际相符，所提出的融合算法的估计精度比单一扩展卡尔曼滤波算法和径向基神经网络算法有明显的提升。