排序方式: 共有5条查询结果,搜索用时 312 毫秒
1
1.
2.
为了获取轮毂电机驱动车辆的纵向速度,设计了基于轮速信号和车身加速度信号的扩展卡尔曼滤波的估计算法,建立了研究对象的离散状态方程和测量方程,并采取不同的扩展卡尔曼滤波器对测量信号进行滤波去噪处理和车辆纵向速度估算.通过模糊控制器,对车速估计滤波器的估算参数进行实时动态调节,实现了估计算法的自适应性.研究结果表明,在路面附着系数为1.00的良好路面上,估算得到的车速和动力学模型输出的实际车速误差小于2%;在路面附着系数为0.25的路面上,最大估算误差小于10%. 相似文献
3.
4.
针对自动驾驶车辆行驶轨迹的横向跟踪问题,设计了线性时变模型预测控制器。以车辆3自由度动力学模型为预测模型,以横向位置偏差最小为主要控制目标,考虑车辆状态约束、控制约束和轮胎侧偏角约束,优化了自动驾驶车辆轨迹跟踪安全性、转向稳定性和操作可行性等多目标性能。搭建MATLAB/Simulink和CarSim联合仿真模型,并将所设计的控制器控制效果与熟练驾驶员操纵结果、线性二次规划控制器控制效果进行了比较分析,结果表明,所设计的控制器可以有效解决多约束条件下自动驾驶车辆行驶轨迹的横向跟踪问题,且在安全性、转向稳定性和操作可行性方面具有显著的优势。 相似文献
5.
为准确实时地获取车辆运动状态信息,满足车辆主动安全控制系统的需求,基于模糊控制器和扩展卡尔曼滤波(EKF)算法,采用非线性3自由度车辆动力学模型,提出一种基于自适应模糊扩展卡尔曼滤波(AFEKF)的车辆运动状态联合估计策略。首先利用EKF算法对待测量噪声的输入量联合估计得到所需的状态量,然后建立模糊控制器对其进行自适应调节,最后应用MATLAB/Simulink仿真平台建立14自由度车辆动力学模型对估计算法进行仿真和实车试验验证。结果表明:AFEKF算法能够准确有效地估计车辆的行驶状态,且与EKF算法相比,准确性和鲁棒性更好。 相似文献
1