简易瞬态工况法排放测试中车速信号的卡尔曼滤波研究

针对采用简易瞬态工况法(VMAS)进行排放测试时,速度信号受干扰导致加速度计算误差大的问题,提出了用卡尔曼滤波进行降噪处理的方法.用仿真算例分析了该滤波方法的滤波效果,并与传统的FIR滤波法的滤波效果进行了比较,证明了卡尔曼滤波法的有效性.同时还建立了VMAS测试中速度滤波的状态空间模型.基于这一模型,用卡尔曼滤波方法进行了等速和加速工况的实测信号验证,结果表明方法正确有效.     

48V重型商用车坡度传感器滤波算法研究

本文针对重型商用车48V混合动力系统坡度传感器信号易被干扰、随机噪声复杂的问题，对坡度传感器信号的随机漂移模型及自适应Kalman滤波算法进行研究，通过采集数据信息，利用赤池信息量准则（AIC）确定自回归AR模型阶数，考虑所建立的模型具有模型参数和噪声统计特性存在误差的特点，研究一种含有强跟踪滤波渐消因子的Sagu-Husa自适应Kalman滤波算法。经与标准Kalman滤波算法进行对比仿真，表明改进后的滤波算法对模型参数和噪声统计特性不敏感，故该滤波算法能够有效提高48V混动坡度传感器信号精度。     

一种基于模型的最佳滑移率计算方法

基于滑移率控制的防抱制动系统(ABS)实现的难点在于确定各种路况下的最佳滑移率。本文基于μ λ曲线的参数模型,应用Kalman滤波理论实时计算了不同路面下的最佳滑移率。根据Kalman滤波新息序列特性,设计了路面跃变监视器,解决了Kalman滤波算法在检测跃变路面时响应滞后的问题。最后通过计算机仿真,验证了基于模型的最佳滑移率估计算法在车辆防抱制动系统中的可行性和有效性。     

基于模糊Kalman算法的电动汽车驱动控制策略的研究

介绍基于Kalman滤波和模糊控制算法的驱动防滑控制策略。利用Kalman滤波算法估算车辆的滑转率,再通过模糊控制算法识别路面附着系数,以换转率为控制变量,选用PID控制算法控制电动汽车的电机。在MATLAB／Simulink平台上验证,验证了此联合算法能很好地防止车辆的驱动防滑,提高车辆的安全稳定性。     

Kalman算法在纯电动汽车SOC估算中的应用误差分析

针对纯电动汽车电池组的工作状态和输出特性,分析了模型参数的变化对Kalman算法估算精度的影响.指出了纯电动汽车应用Kalman滤波算法估算SOC应考虑的因素,并结合电池模型参数的变化提出了Kal-man方程修正方案.最后通过电池的城市工况模拟试验,验证了分析的正确和可行性.     

基于Novozhilov-柔度理论的连续弯箱梁桥位移参数Kalman滤波识别

为了有效评估和预测弯箱梁桥位移场、应力场,进行了连续弯箱梁桥位移参数的识别,推导了连续弯箱梁桥位移参数的Kalman滤波方程,同时基于Novozhilov-柔度理论,给出了弯箱梁桥位移参数Kalman滤波识别的具体步骤。研究结果表明:连续弯箱梁桥位移参数的Kalman滤波识别对位移参数滤波初始值的选取有较强的依赖性,位移参数滤波初始值选取恰当时,位移参数的Kalman滤波识别过程稳定收敛,且收敛于参数真值;滤波初始值选取不合理时,滤波过程易发散。     

高铁变形分析中自适应Kalman滤波算法应用研究

针对Kalman滤波由于模型误差引起发散的问题,介绍了一种新的基于指数加权衰减记忆自适应Kalman滤波。基于MATLAB编程实现模型的建立并运用该模型对高速铁路沉降变形进行分析与预测,通过工程实例验证了自适应Kalman滤波抑制滤波发散的有效性。     

采用Elman神经网络与支持向量机预测路基沉降

为提高高速公路路基沉降预测的可靠性,构建了一种基于小波Kalman滤波的Elman神经网络与支持向量机的路基变形预测组合模型。该方法既融合了小波多尺度特性体现的优异信噪分离性能和Kalman滤波能提炼出测量信息最优估计值的严密递推算法,又涵括了Elman神经网络与支持向量机对非线性数据的强大泛化能力和拟合功能。结果表明:在高速公路路基工程实例中,该模型预测的沉降值误差控制在1%以下,验证了其在中长期路基沉降预测中的效用。     

考虑参数估计的MPC算法的商用车车道保持控制

设计了一种考虑参数估计的模型预测控制（MPC）算法的、智能辅助驾驶的商用车的车道保持算法,对于难以直接测量的质量和横向速度进行估计。建立车辆动力学模型和状态误差方程,通过扩展Kalman滤波（EKF）和递推最小二乘法（RLS）分别对车辆的横向速度、质量进行估计。基于估计得到的车辆参数,设计MPC车道保持控制器。构建硬件在环（HIL）仿真平台,设置不同的测试工况对车道保持算法进行了验证。结果表明：与普通MPC相比,在偏移回正工况中,车辆纠偏消耗的时间减少28.6%,并且超调量更小;高速路工况的横向位置偏差的均方根误差减小了4.2 cm。该方法提升了纠偏能力和跟踪精度,降低了传感器成本。     

基于Kalman滤波的路面附着系数估计算法综述

实时、准确地获取车辆行驶时的路面附着系数信息对车辆主动安全控制具有重大影响,尤其智能汽车控制策略的设计对获取路面附着系数信息的精准度和实时性提出更高要求.本文基于Kalman滤波原理,针对国内外学者采用此算法的研究现状进行了梳理,总结了路面附着系数估计算法的未来发展趋势,为车辆主动安全控制系统研究提供理论参考.     

汽车主动避撞系统中的报警方法及其关键技术

在分析现代汽车主动避撞系统特性的基础上设计了汽车主动避撞报警系统，对系统报警方法，雷达信号的Kalman滤波处理，雷达目标物有效性识别算法等关键技术进行了研究，给出了系统合理性及实用性验证的仿真及初步试验结果。     

一种基于加速度及轮速信息的参考车速估计方法

以两轮驱动轿车为研究对象,提出了一种基于加速度及轮速信息的参考车速估计方法。以Kalman滤波为基本算法,结合试验分析,通过估计系统噪声特征和修正量测方程,改进了算法对加速度量测信号静态偏差变化的跟踪能力,提高了参考车速的估计精度。利用该方法估计参考车速具有不依赖大量试验、计算量小的特点,适于实车应用。     

在用汽油车瞬态工况排放测试方法研究

通过对15辆车采用相同的底盘测功机,分别用汽车排放总量分析系统(VMAS)和定容采样系统(CVS)进行瞬态采样测试,并对测试结果进行了分析。阐述了VMAS由于系统测量精度、系统响应时间、工况变化等因素的影响,使得对HC、CO、CO2和NOx的测量与CVS有不同程度的偏差。但VMAS仍有较好的测试准确性和较低的成本,适用于在用汽油车检测。     

基于自适应Kalman滤波的交通流量监测算法

提出一种基于车载无线通信模块的交通流监测原型系统,该系统将行驶中载有无线通信模块的车辆视为移动检测节点,以很小的代价实现对交通信息的获取.在此基础上提出一个具体应用:利用基站对道路上载有通信模块车辆的检测,结合设计的基于结果反馈的自适应Kalman滤波算法,及时准确地完成对路段上交通流量的检测.此外,还基于元胞自动机理论搭建了仿真平台,并验证了算法的有效性.     

基于SVM和Kalman滤波的公交车到站时间预测模型

提出一种基于支持向量机(SVM)和Kalman滤波的公交车辆到站时间预测模型.在该模型中,SVM基于历史数据,按照时间段、天气和路段3个输入特性,预测各路段车辆运行时间的基线;然后通过Kalman滤波利用最新的车辆运行信息,结合SVM输出的基线时间来动态预测车辆到达各时间点的实际时间;最后,应用大连市经济技术开发区7路公交线的数据对该模型进行了校验.实例验证结果表明:该模型具有较高的预测精度.     

车速和路面附着系数的滚动时域估计

基于Dugoff轮胎模型建立了车辆的非线性动力学方程,并给出了路面附着系数的约束条件.针对车速和路面附着系数约束的非线性估计,提出了一种基于滚动优化原理的滚动时域估计法(MHE),并给出了MHE法的具体步骤.在不同路面上对MHE法进行了多种工况的实验验证,并在同样条件下与扩展Kalman滤波法进行了比较.实验结果表明,MHE法的估计性能优于扩展Kalman滤波法.     

基于观测器的半主动悬架仿真和实车控制

基于Kalman滤波算法设计了一个状态观测器,利用测得的簧载和非簧载质量加速度信号估计半主动悬架的簧载质量绝对速度以及簧载和非簧载质量之间的相对速度,并且基于这两个速度构建了天棚控制策略.仿真和实车试验表明,该状态观测器能较准确地估计这两个速度信号;与被动悬架相比,天棚控制有效提高了悬架的平顺性.     

基于角点检测估算车辆间即碰时间

车辆间即碰时间(TTC)是驾驶辅助系统控制策略的基础,也是分析驾驶员驾驶行为的主要依据。为分析行车记录仪视频危险工况中驾驶员紧急制动时的TTC,提出了一种基于单目视觉估算算法。该算法先检测及跟踪车辆,判断前方有无车辆及其具体方位;再检测并匹配车辆角点,计算不同帧之间车辆图像的尺寸变化率,进而估算TTC。用最小二乘法、Kalman滤波方法处理数据;用多层金字塔图像来处理图像,实现了大运动的角点匹配。结果表明:该算法丰富了视频危险工况参数的分析方法,拓展了单目视觉的应用场景,为低成本驾驶辅助系统,提供了新的解决方案。     

公路隧道监控系统自适应滤波算法比较研究

通过分析公路隧道监控系统的构成,探讨监控数据传输过程中干扰的来源。综合考虑监控数据的特征,选用LMS算法和RLS算法研究对隧道监控数据的自适应滤波,并采用MATLAB平台实现对含有噪声数据的滤波处理。比较这2种滤波算法的性能,得出RLS自适应滤波法更适合于隧道监测数据的滤波处理。     

改进粒子滤波算法在组合导航中的应用

为了提高组合导航定位系统的定位精度和可靠性,分别对扩展卡尔曼滤波(EKF)、粒子滤波(PF)和U卡尔曼滤波(UKF)3种算法进行了分析。通过分析3种算法各自的特点,将PF算法和UKF算法的优点相结合,提出了一种新的粒子滤波算法——U粒子滤波(UPF)算法,并将其应用于GPS/DR组合导航系统中。通过对UPF算法与PF算法在GPS/DR组合导航系统中的仿真研究比较,进一步证实了UPF算法的可行性及计算的精确性。