亚洲成年人黄色一级片,日本香港三级亚洲三级,黄色成人小视频,国产青草视频,国产一区二区久久精品,91在线免费公开视频,成年轻人网站色直接看

一種基于自適應(yīng)擴(kuò)展卡爾曼濾波的道路坡度估計(jì)方法與流程

文檔序號(hào):12654959閱讀:726來(lái)源:國(guó)知局
一種基于自適應(yīng)擴(kuò)展卡爾曼濾波的道路坡度估計(jì)方法與流程

本發(fā)明涉及智能交通系統(tǒng)技術(shù)領(lǐng)域,特別是一種基于自適應(yīng)擴(kuò)展卡爾曼濾波的動(dòng)態(tài)道路坡度估計(jì)方法。



背景技術(shù):

隨著車輛智能化的發(fā)展,人們對(duì)出行駕駛的安全性、舒適性、經(jīng)濟(jì)性的需求越來(lái)越高。而除了車輛本身的動(dòng)力性能和人為駕駛操作外,道路坡度也是影響車輛駕駛的一個(gè)重要因素。當(dāng)車輛經(jīng)過(guò)坡道時(shí)容易出現(xiàn)不合理的加速、減速、頻繁換擋等不合理的駕駛操作導(dǎo)致安全隱患問(wèn)題,增加車輛的燃油消耗和尾氣排放,同時(shí)影響了駕駛的舒適性。因此,實(shí)時(shí)獲取準(zhǔn)確的道路坡度信息對(duì)于提高車輛安全性和燃油經(jīng)濟(jì)性具有重要意義。

目前關(guān)于道路坡度信息獲取的算法從實(shí)現(xiàn)原理上可以分為三類:基于加速度傳感器的檢測(cè)方法、結(jié)合GPS和GIS的地理信息查詢方法和基于縱向動(dòng)力學(xué)模型的估計(jì)方法?;诩铀俣葌鞲衅鞯姆椒ǜ鶕?jù)加速度傳感器信號(hào)和由車輛速度計(jì)算得到運(yùn)動(dòng)加速度,結(jié)合運(yùn)動(dòng)學(xué)分析即可得到道路坡度角。該算法比較簡(jiǎn)單,但是需要附加安裝傳感器設(shè)備,且容易受到設(shè)備噪聲干擾的影響,因此其應(yīng)用受到限制。結(jié)合GPS和GIS的地理信息查詢方法是根據(jù)GPS的定位技術(shù),通過(guò)與GIS地理信息系統(tǒng)進(jìn)行電子地圖匹配的方法獲得坡度信息。然而該方法的估計(jì)精度依賴于GPS信息,且GPS信息容易因?yàn)槌鞘懈邩呛退淼赖鹊挠绊懚菀讈G失,無(wú)法獲取坡度信息。因此,目前國(guó)內(nèi)基于車輛動(dòng)力學(xué)的估計(jì)方法成為研究熱點(diǎn)。但現(xiàn)有研究主要側(cè)重于坡度估計(jì)的實(shí)時(shí)性,忽略了因駕駛過(guò)程存在的各種不確定干擾和模型誤差,這在實(shí)際應(yīng)用中會(huì)大大降低道路坡度估計(jì)精度。

因此,需要一種基于車載數(shù)據(jù)的考慮非確定性干擾影響下的道路坡度實(shí)時(shí)估計(jì)方法。



技術(shù)實(shí)現(xiàn)要素:

本發(fā)明的目的是提出基于自適應(yīng)擴(kuò)展卡爾曼濾波的動(dòng)態(tài)道路坡度估計(jì)方法;該方法針對(duì)道路坡度估計(jì)誤差及濾波發(fā)散問(wèn)題,將基于車輛縱向動(dòng)力學(xué)模型的常規(guī)擴(kuò)展卡爾曼濾波改進(jìn)為自適應(yīng)濾波估計(jì),基于新息序列和坡度估計(jì)值變化率對(duì)測(cè)量協(xié)方差和過(guò)程協(xié)方差進(jìn)行動(dòng)態(tài)地自適應(yīng)調(diào)整,從而提高坡度估計(jì)精度。

本發(fā)明的目的是通過(guò)以下技術(shù)方案來(lái)實(shí)現(xiàn)的:

本發(fā)明提供的基于自適應(yīng)擴(kuò)展卡爾曼濾波的道路坡度估計(jì)方法,包括以下步驟:

步驟一:通過(guò)數(shù)據(jù)采集裝置獲取車輛狀態(tài)數(shù)據(jù),結(jié)合車輛狀態(tài)數(shù)據(jù)和車輛固有參數(shù),計(jì)算模型相關(guān)參數(shù):所述相關(guān)參數(shù)包括加速度a和變速器傳動(dòng)比ig;

步驟二:基于車輛動(dòng)力學(xué)按照以下公式建立坡度與車輛狀態(tài)數(shù)據(jù)的關(guān)系模型:

其中,F(xiàn)t為車輛驅(qū)動(dòng)力,F(xiàn)f為滾動(dòng)阻力,F(xiàn)i為坡度阻力,F(xiàn)v為空氣阻力,F(xiàn)j為加速阻力;m為汽車質(zhì)量;ig為變速器傳動(dòng)比;i0是傳速器傳動(dòng)比,η為機(jī)械效率,fr為滾動(dòng)阻力,ρ是空氣密度;CD是空氣阻力系數(shù);A為車輛正向迎風(fēng)面積,v為車速;θ為道路坡度;

步驟三:基于坡度與車輛狀態(tài)數(shù)據(jù)的關(guān)系模型,構(gòu)建擴(kuò)展卡爾曼濾波估計(jì)模型;

步驟四:將卡爾曼濾波估計(jì)模型改進(jìn)為自適應(yīng)擴(kuò)展卡爾曼濾波算法模型。

進(jìn)一步,所述自適應(yīng)擴(kuò)展卡爾曼濾波算法模型設(shè)置有自適應(yīng)調(diào)整模塊,所述自適應(yīng)調(diào)整模塊是通過(guò)測(cè)量協(xié)方差和過(guò)程協(xié)方差來(lái)實(shí)現(xiàn)動(dòng)態(tài)自適應(yīng)調(diào)整,形成自適應(yīng)卡爾曼濾波算法。

進(jìn)一步,所述步驟三中的擴(kuò)展卡爾曼濾波估計(jì)模型是通過(guò)以下步驟來(lái)實(shí)現(xiàn)的:

1)按照以下公式將關(guān)系模型轉(zhuǎn)化成離散狀態(tài)空間的形式;

按照以下公式建立常規(guī)下?tīng)顟B(tài)空間:

其中,是指狀態(tài)變量,u∈R是系統(tǒng)輸入,y∈Rm是系統(tǒng)輸出,A∈Rn×n,B∈Rn,C∈Rm×n表示系統(tǒng)參數(shù)矩陣;

按照以下公式建立狀態(tài)方程:

式中,表示車輛行駛里程的微分(變化率);表示速度的微分(變化率);σ表示車輛旋轉(zhuǎn)質(zhì)量系數(shù);表示坡度的微分(變化率);r表示車輪半徑;

按照以下公式將狀態(tài)方程離散化為離散狀態(tài)空間:

其中,

式中,w(k)和v(k)分別為測(cè)量噪聲和狀態(tài)噪聲,R(k)和Q(k)分別為相對(duì)應(yīng)的噪聲協(xié)方差;s(k+1)表示k+1時(shí)刻的行駛里程;s(k)表示k時(shí)刻的行駛里程;v(k+1)表示k+1時(shí)刻的速度;v(k)表示k時(shí)刻的速度;θ(k+1)表示k+1時(shí)刻的坡度值;θ(k)表示k時(shí)刻的坡度值;表示k時(shí)刻的狀態(tài)轉(zhuǎn)移矩陣;G(k)表示k時(shí)刻的系統(tǒng)輸入矩陣;Z(k)表示k時(shí)刻的輸出向量;H(k)表示k時(shí)刻的系統(tǒng)測(cè)量矩陣;U(k)表示k時(shí)刻的輸入矩陣;Δt表示時(shí)間間隔;σ(k)表示k時(shí)刻的車輛旋轉(zhuǎn)質(zhì)量系數(shù)。

進(jìn)一步,所述步驟四中的自適應(yīng)擴(kuò)展卡爾曼濾波算法模型中包括計(jì)算當(dāng)前時(shí)刻的狀態(tài)值和輸出值,所述當(dāng)前時(shí)刻的狀態(tài)值和輸出值是按照以下步驟來(lái)實(shí)現(xiàn)的:

1)利用基于上一時(shí)刻的狀態(tài)值按照以下公式計(jì)算預(yù)測(cè)當(dāng)前時(shí)刻的狀態(tài)值和輸出值:

式中,是k時(shí)刻的狀態(tài)預(yù)測(cè)值;是k時(shí)刻的狀態(tài)估計(jì)值;P(k)是狀態(tài)協(xié)方差;δ(k)為漸消因子;

所述漸消因子δ(k)按照以下公式計(jì)算:

δ(k)=ec(k-1);

其中,定義c(k-1)表示指數(shù)修正因子。

進(jìn)一步,所述步驟四中的自適應(yīng)擴(kuò)展卡爾曼濾波算法模型中包括自適應(yīng)模塊,所述自適應(yīng)模塊包括以下步驟:

1)利用當(dāng)前時(shí)刻的輸出值按照以下公式計(jì)算當(dāng)前時(shí)刻的估計(jì)值:

其中,e(k)是估計(jì)系統(tǒng)輸出值與測(cè)量值的新息值;K(k)為卡爾曼濾波增益,為狀態(tài)協(xié)方差的修正值;

2)基于新息值對(duì)測(cè)量誤差協(xié)方差和狀態(tài)誤差協(xié)方差按照以下公式進(jìn)行在線調(diào)整估計(jì):

NV(k)=R(k)+H(k)P(k)H(k)T;

其中,R(k)為測(cè)量噪聲協(xié)方差;NK(k)定義為新息誤差協(xié)方差,所述新息誤差協(xié)方差按照以下公式進(jìn)行計(jì)算:

其中,N代表新息序列的時(shí)間窗;k表示當(dāng)前k時(shí)刻;i表示在時(shí)間窗內(nèi)的第i個(gè)序列值;

通過(guò)卡爾曼濾波狀態(tài)協(xié)方差按照以下公式計(jì)算狀態(tài)誤差協(xié)方差:

K(k)NV(k)K(k)T=K(k)NV(k)(P(k)H(k)TNV(k)-1)T=K(k)H(k)P(k)T;

式中,表示先驗(yàn)估計(jì)值協(xié)方差,p(k)表示后驗(yàn)估計(jì)值協(xié)方差。

進(jìn)一步,所述狀態(tài)噪聲協(xié)方差按照以下公式進(jìn)行計(jì)算:

由于采用了上述技術(shù)方案,本發(fā)明具有如下的優(yōu)點(diǎn):

本發(fā)明提供的基于自適應(yīng)擴(kuò)展卡爾曼濾波的動(dòng)態(tài)道路坡度估計(jì)方法,利用了能快速收斂和實(shí)時(shí)估計(jì)的自適應(yīng)擴(kuò)展卡爾曼濾波算法,通過(guò)車輛駕駛狀態(tài)數(shù)據(jù)動(dòng)態(tài)、實(shí)時(shí)估計(jì)道路坡度,從而為駕駛員提供實(shí)時(shí)的道路坡度信息,為自動(dòng)駕駛輔助決策、綠色駕駛、及自動(dòng)變速器換擋控制提供重要的依據(jù),從而實(shí)現(xiàn)安全、經(jīng)濟(jì)、舒適駕駛。本方法在不影響坡度估計(jì)實(shí)時(shí)性前提下,不但能克服因模型誤差而導(dǎo)致的估計(jì)發(fā)散問(wèn)題,同時(shí),還能動(dòng)態(tài)地調(diào)整卡爾曼濾波估計(jì)中的測(cè)量噪聲協(xié)方差和過(guò)程噪聲協(xié)方差,進(jìn)而提高在不確定性動(dòng)態(tài)噪聲影響下坡度估計(jì)的精度和適用范圍。

本發(fā)明的其他優(yōu)點(diǎn)、目標(biāo)和特征在某種程度上將在隨后的說(shuō)明書(shū)中進(jìn)行闡述,并且在某種程度上,基于對(duì)下文的考察研究對(duì)本領(lǐng)域技術(shù)人員而言將是顯而易見(jiàn)的,或者可以從本發(fā)明的實(shí)踐中得到教導(dǎo)。本發(fā)明的目標(biāo)和其他優(yōu)點(diǎn)可以通過(guò)下面的說(shuō)明書(shū)來(lái)實(shí)現(xiàn)和獲得。

附圖說(shuō)明

本發(fā)明的附圖說(shuō)明如下。

圖1是本發(fā)明采用的基于OBD-II接口的數(shù)據(jù)采集框架圖。

圖2是車輛縱向動(dòng)力分析圖。

圖3是本發(fā)明采用的自適應(yīng)擴(kuò)展卡爾曼濾波估計(jì)方法流程圖。

具體實(shí)施方式

下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明作進(jìn)一步說(shuō)明。

實(shí)施例1

如圖所示,本實(shí)施例提供的基于自適應(yīng)擴(kuò)展卡爾曼濾波的動(dòng)態(tài)道路坡度估計(jì)方法,包括以下四個(gè)步驟:

步驟一:通過(guò)數(shù)據(jù)采集裝置獲取車輛狀態(tài)數(shù)據(jù),結(jié)合車輛狀態(tài)數(shù)據(jù)和車輛固有參數(shù),計(jì)算模型的其他相關(guān)參數(shù):

1)通過(guò)OBD-II接口獲取實(shí)時(shí)的車輛狀態(tài)數(shù)據(jù),包括動(dòng)機(jī)轉(zhuǎn)矩T、車速v、發(fā)動(dòng)機(jī)轉(zhuǎn)速n、油門(mén)開(kāi)度Th、剎車信號(hào)Br、檔位信息Ge并通過(guò)藍(lán)牙設(shè)備存儲(chǔ)到移動(dòng)設(shè)備終端。

2)基于相應(yīng)的車輛固有參數(shù)(輪胎滾動(dòng)半徑r、主減速器傳動(dòng)比i0、道路滾動(dòng)阻力系數(shù)f、傳動(dòng)系機(jī)械效率η、車輛空氣阻力系數(shù)Cd、車輛正向迎風(fēng)面積A),計(jì)算模型中其他參數(shù)信息。

加速度a可由速度v對(duì)時(shí)間差分獲得,第k時(shí)刻的加速度可表示為:

其中,Δt為數(shù)據(jù)采集軟件模塊的采樣周期;

變速器傳動(dòng)比ig按照如下計(jì)算方式得到:

步驟二:基于車輛動(dòng)力學(xué)建立坡度與車輛狀態(tài)數(shù)據(jù)的關(guān)系模型;

車輛在行駛過(guò)程中受到滾動(dòng)阻力,空氣阻力和坡度阻力的作用,其車輛縱向動(dòng)力與道路坡度i存在的關(guān)系:

其中,F(xiàn)t為車輛驅(qū)動(dòng)力,F(xiàn)f為滾動(dòng)阻力,F(xiàn)i為坡度阻力,F(xiàn)v為空氣阻力,F(xiàn)j為加速阻力;m為汽車質(zhì)量、ig為變速器傳動(dòng)比、i0是傳速器傳動(dòng)比,η為機(jī)械效率,fr為滾動(dòng)阻力,ρ是空氣密度、CD是空氣阻力系數(shù);

步驟三:基于坡度與車輛狀態(tài)數(shù)據(jù)的關(guān)系模型,構(gòu)建擴(kuò)展卡爾曼濾波估計(jì)模型;

1)將關(guān)系模型轉(zhuǎn)化成離散狀態(tài)空間的形式;

2)基于狀態(tài)空間方程建立擴(kuò)展卡爾曼濾波估計(jì)模型;

步驟四:改進(jìn)為自適應(yīng)擴(kuò)展卡爾曼濾波算法模型

在常規(guī)卡爾曼濾波中增加自適應(yīng)調(diào)整部分,包括增加漸消因子來(lái)增強(qiáng)新數(shù)據(jù)的作用而削弱舊數(shù)據(jù)對(duì)估計(jì)的影響、基于新息系列和坡度估計(jì)值變化率對(duì)測(cè)量協(xié)方差和過(guò)程協(xié)方差進(jìn)行動(dòng)態(tài)地自適應(yīng)調(diào)整,形成自適應(yīng)卡爾曼濾波算法,進(jìn)而提高坡度估計(jì)精度。

實(shí)施例2

本實(shí)施例進(jìn)一步的詳細(xì)描述;通過(guò)OpenXC采集車輛狀態(tài),運(yùn)用自適應(yīng)擴(kuò)展卡爾曼濾波算法實(shí)現(xiàn)道路坡度的動(dòng)態(tài)估計(jì);下面對(duì)四個(gè)步驟進(jìn)行詳細(xì)的說(shuō)明:

步驟一:通過(guò)OpenXC數(shù)據(jù)采集裝置獲取車輛狀態(tài)數(shù)據(jù),基結(jié)合車輛狀態(tài)數(shù)據(jù)和車輛固有參數(shù),計(jì)算模型的其他相關(guān)參數(shù):

1)附圖1是車內(nèi)傳感器獲取的車輛狀態(tài)數(shù)據(jù)傳輸及獲取的過(guò)程。為了實(shí)現(xiàn)汽車的智能化控制,目前各大汽車都采用CAN總線連接車內(nèi)部所具有的控制器、執(zhí)行器以及傳感器,并將數(shù)據(jù)統(tǒng)一傳輸?shù)絆BD-II接口。實(shí)施例中采用美國(guó)福特汽車公司提供的OpenXC插入到OBD-II接口,然后開(kāi)發(fā)基于數(shù)據(jù)采集軟件APP,通過(guò)藍(lán)牙設(shè)備接收實(shí)時(shí)的車輛狀態(tài)數(shù)據(jù)(轉(zhuǎn)矩T、車速v、發(fā)動(dòng)機(jī)轉(zhuǎn)速n、油門(mén)開(kāi)度Th、剎車信號(hào)Br、檔位信息Ge),存于手機(jī)移動(dòng)終端。

2)基于相應(yīng)的車輛固有參數(shù)(輪胎滾動(dòng)半徑r、主減速器傳動(dòng)比i0、道路滾動(dòng)阻力系數(shù)f、傳動(dòng)系機(jī)械效率η、車輛空氣阻力系數(shù)Cd、車輛正向迎風(fēng)面積A),計(jì)算模型中其他參數(shù)信息。

加速度a可由速度v對(duì)時(shí)間差分獲得,第k時(shí)刻的加速度可表示為:

其中,Δt為OpenXC數(shù)據(jù)數(shù)據(jù)采集軟件模塊的采樣周期;

變速器傳動(dòng)比ig按照如下計(jì)算方式得到:

步驟二:基于車輛動(dòng)力學(xué)建立坡度與車輛狀態(tài)數(shù)據(jù)的關(guān)系模型,車輛縱向動(dòng)力學(xué)模型如下:

σma=Ft-Ff-Fi-Fv;

其中,F(xiàn)t為車輛驅(qū)動(dòng)力,F(xiàn)f為滾動(dòng)阻力,F(xiàn)i為坡度阻力,F(xiàn)aero為空氣阻力,F(xiàn)j為加速阻力。

驅(qū)動(dòng)力對(duì)應(yīng)的關(guān)系式為:

滾動(dòng)阻力的計(jì)算公式是:

Fr=mgfr cosθ;

由道路設(shè)計(jì)規(guī)范標(biāo)準(zhǔn)可以知道,道路坡度設(shè)計(jì)中一般不超過(guò)10度,因此為了模型簡(jiǎn)化,可以將cosθ近似等于1。坡度阻力的跟重力和坡度大小相關(guān),關(guān)系式為

Fi=mg sinθ;

同理可將sinθ近似為sinθ≈θ??諝庾枇Φ挠?jì)算公式為

其中,m為汽車質(zhì)量、ig為變速器傳動(dòng)比、i0是傳速器傳動(dòng)比,η為機(jī)械效率,fr為滾動(dòng)阻力,ρ是空氣密度、CD是空氣阻力系數(shù);

由以上式子,即可得到車輛狀態(tài)數(shù)據(jù)與坡度的關(guān)系模型:

步驟三:基于坡度與車輛狀態(tài)數(shù)據(jù)的關(guān)系模型,構(gòu)建擴(kuò)展卡爾曼濾波估計(jì)模型。

1)將關(guān)系模型轉(zhuǎn)化成離散狀態(tài)空間的形式;

常規(guī)下?tīng)顟B(tài)空間描述的表達(dá)式為:

其中,是指狀態(tài)變量,u∈R是系統(tǒng)輸入,y∈Rm是系統(tǒng)輸出,A∈Rn×n,B∈Rn,C∈Rm×n表示系統(tǒng)參數(shù)矩陣;

假設(shè)道路坡度沒(méi)有發(fā)生突變,則狀態(tài)方程可以描述為:

為了實(shí)現(xiàn)道路坡度的實(shí)時(shí)遞推估計(jì),將狀態(tài)方程離散化

以上是車輛最后實(shí)現(xiàn)離散狀態(tài)空間描述

其中,

式中,w(k)和v(k)分別為測(cè)量噪聲和狀態(tài)噪聲,其相對(duì)應(yīng)的噪聲協(xié)方差分別為R(k)和Q(k)。

步驟四:

由以上建立的常規(guī)擴(kuò)展卡爾曼濾波算法,是在假設(shè)系統(tǒng)的測(cè)量噪聲和系統(tǒng)噪聲在濾波過(guò)程中是已知的且為定值的基礎(chǔ)上。然而車輛在行駛過(guò)程中的駕駛操作策略及周圍環(huán)境不斷變化的,其噪聲統(tǒng)計(jì)特性也會(huì)變化,同時(shí)構(gòu)建的部分模型參數(shù)不可測(cè)或隨著路況環(huán)境發(fā)生變化,導(dǎo)致估計(jì)結(jié)果誤差變大甚至引起濾波發(fā)散。

為了防止濾波發(fā)散且提高道路坡度估計(jì)精度,附圖3中表示的是自適應(yīng)擴(kuò)展卡爾曼濾波算法的流程圖,卡爾曼濾波算法包括兩個(gè)計(jì)算過(guò)程:時(shí)間更新和測(cè)量更新。時(shí)間更新方程向前推算先驗(yàn)狀態(tài)估計(jì)值和先驗(yàn)誤差協(xié)方差;測(cè)量更新方程將先驗(yàn)狀態(tài)估計(jì)和測(cè)量變量結(jié)合產(chǎn)生狀態(tài)的后驗(yàn)估計(jì)并更新估計(jì)狀態(tài)的后驗(yàn)估計(jì)誤差協(xié)方差。由上一時(shí)刻的狀態(tài)估計(jì)值和當(dāng)前測(cè)量值便可估算下一時(shí)刻的坡度估計(jì)值,如此遞推。本實(shí)施例中的自適應(yīng)是指基于卡爾曼濾波新息在坡度估計(jì)的過(guò)程中動(dòng)態(tài)地調(diào)整量測(cè)噪聲協(xié)方差矩陣及誤差協(xié)方差陣。

1)基于卡爾曼濾波算法獲取時(shí)間更新和測(cè)量更新值;

基于上一時(shí)刻的狀態(tài)值預(yù)測(cè)當(dāng)前時(shí)刻的狀態(tài)值和輸出值,計(jì)算公式為

式中,是k時(shí)刻的狀態(tài)預(yù)測(cè)值;是k時(shí)刻的狀態(tài)估計(jì)值;P(k)是狀態(tài)協(xié)方差。δ(k)為漸消因子;其目的是當(dāng)狀態(tài)估計(jì)變化比較大的情況下,增強(qiáng)新數(shù)據(jù)的作用,弱化老數(shù)據(jù)對(duì)估計(jì)的影響,縮短坡度估計(jì)收斂時(shí)間;其計(jì)算公式為:

δ(k)=ec(k-1);

其中,

由以上公式可知,漸消因子δ(k)的大小取決于上一時(shí)狀態(tài)值變化的大小,當(dāng)上一時(shí)刻坡度估計(jì)值變化率大則漸消因子也增大,以此來(lái)增強(qiáng)新數(shù)據(jù)在估計(jì)中的作用。

獲取時(shí)間更新的狀態(tài)預(yù)測(cè)值后,可以利用當(dāng)前時(shí)刻的輸出值進(jìn)一步的進(jìn)行預(yù)測(cè)值更新,從而獲取當(dāng)前時(shí)刻的估計(jì)值,計(jì)算公式為:

其中,e(k)是估計(jì)系統(tǒng)輸出值與測(cè)量值的差值,又稱新息值;K(k)為卡爾曼濾波增益,為狀態(tài)協(xié)方差的修正值;

2)基于新息值對(duì)測(cè)量誤差協(xié)方差和狀態(tài)誤差協(xié)方差進(jìn)行在線調(diào)整估計(jì);

為了提高坡度估計(jì)的精度,在擴(kuò)展卡爾曼濾波估計(jì)的基礎(chǔ)上增加自適應(yīng)模塊,用于在線修正測(cè)量誤差協(xié)方差和狀態(tài)誤差協(xié)方差,R(k)的計(jì)算公式為:

NV(k)=R(k)+H(k)P(k)H(k)T

其中NK(k)定義為新息誤差協(xié)方差,如下表示:

N代表新息序列時(shí)間窗,起到數(shù)據(jù)平滑的作用。

基于以上公式,可以推導(dǎo)出測(cè)量噪聲協(xié)方差:

R(k)=NV(k)-H(k)P(k)H(k)T

最后通過(guò)卡爾曼濾波狀態(tài)協(xié)方差計(jì)算公式,推導(dǎo)出狀態(tài)誤差協(xié)方差計(jì)算公式

因?yàn)镵(k)NV(k)K(k)T=K(k)NV(k)(P(k)H(k)TNV(k)-1)T=K(k)H(k)P(k)T;

且所以狀態(tài)噪聲協(xié)方差可以轉(zhuǎn)換為:

通過(guò)以上式子對(duì)測(cè)量噪聲協(xié)方差和狀態(tài)噪聲協(xié)方差進(jìn)行自適應(yīng)地調(diào)整,在不影響計(jì)算復(fù)雜度的情況下實(shí)現(xiàn)道路坡度的動(dòng)態(tài)估計(jì)。

綜上所述,本實(shí)施例提出的基于自適應(yīng)卡爾曼濾波方法的道路坡度估計(jì)方法。與現(xiàn)有的方法相比,該方法針對(duì)復(fù)雜工況下存在的不確定性干擾,能夠自適應(yīng)地調(diào)整相關(guān)參數(shù),進(jìn)一步提高坡度估計(jì)的魯棒性和準(zhǔn)確性。

最后說(shuō)明的是,以上實(shí)施例僅用以說(shuō)明本發(fā)明的技術(shù)方案而非限制,盡管參照較佳實(shí)施例對(duì)本發(fā)明進(jìn)行了詳細(xì)說(shuō)明,本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解,可以對(duì)本發(fā)明的技術(shù)方案進(jìn)行修改或者等同替換,而不脫離本技術(shù)方案的宗旨和范圍,其均應(yīng)涵蓋在本發(fā)明的保護(hù)范圍當(dāng)中。

當(dāng)前第1頁(yè)1 2 3 
網(wǎng)友詢問(wèn)留言 已有0條留言
  • 還沒(méi)有人留言評(píng)論。精彩留言會(huì)獲得點(diǎn)贊!
1