在重型货车研发过程中,为了节约传感器成本,就不会安装质量传感器和坡度传感器,而是通过数学公式进行质量估算和坡度估算。工程中常用的方法是扩展卡尔曼滤波和最小二乘法。步骤如下:

1、利用汽车纵向动力学公式:Fx = mgf + 0.5pCdAv^2 + mgθ + m*dv/dt    (公式1),能够发现坡度助力mgθ中质量和坡度信号是耦合的,所以需要对两个变量进行解耦。

在重型货车上,线控底盘、L2智能驾驶很多地方会用到X,Y,Z三个方向的加速度,所以车上一般都会装有IMU传感器,其测量的加速度有如下关系:

a = gθ + dv/dt     (公式2),带入动力学公式后,得到如下公式:

m = (Fx - 0.5pCdAv^2)/(a + gf)    (公式3)

利用已知的车辆纵向力、车速、加速度信号,就可以先估算出车辆质量。质量几乎是不会变化的,接下来利用扩展卡尔曼滤波估算坡度。

2、估算出质量,且质量变化不大,则默认质量为常量。对纵向动力学公式变型可得:

(公式4)

公式展开为(公式5)

考虑到公路设计规范,道路坡度一般较小,则sina = i ,(公式5)变为

(公式6)

接下来是扩展卡尔曼算法的实现:选取状态变量为车速、质量、坡度,其中质量和坡度变化小,导数近似为0,则微分方程组为:

(公式7)

利用前向欧拉,如果不懂的话可以理解为y1=y0+Δy*Δt ,得到离散化差分方程:

(公式8)

假设过程噪声为Wk , 测量噪声为Vk,他们是相互独立,均值为零的高斯白噪声(服从正义分布),过程噪声协方差矩阵为Qk,测量噪声协方差矩阵为Rk。常规的状态空间方程表达式为:

(公式9)

本文中,(公式10)

其中,

以车速作为观测量,则系统测量方程为:

(公式11)

(公式10)与(公式11)组成状态空间表达式:(公式12),式中,H是测量矩阵。

由(公式12) ,按照 EKF 算法对车辆质量 m、道路 坡度 i 进行估计。EKF 包括两个计算过程: 时间更 新和测量更新。时间更新方程向前推算先验状态估 计值和先验误差协方差; 测量更新方程将先验状态 估计和测量变量结合产生状态的后验估计并更新估 计状态的后验误差协方差。算法递归进行,只需获 得上一时刻状态变量的估计值和当前状态变量的测 量值便可获得当前状态变量的估计值。算法流程如 图 所示

卡尔曼增益根据测量噪声协方差 Rk 以及先验 误差协方 差 Pk 动态调节测量变量 zk 和 其 估 计 Hx^k 的权重。

3、结果展示:

车辆质量与道路坡度估计相关推荐

  1. 卡尔曼滤波估算车辆质量——matab simulink仿真

    用simulink两个函数模块完成,一个完成车辆动力学仿真,一个对仿真的结果进行卡尔曼滤波估算车辆质量. 链接:https://pan.baidu.com/s/1rCWkWanyAPRX4kWSyv9 ...

  2. 强跟踪卡尔曼滤波STF估算车辆质量——matab simulink仿真

    强跟踪卡尔曼滤波估算车辆质量--matab simulink仿真 目录 参考资料 强跟踪滤波器算法 解决的问题 Simulink模型 车辆运动状态仿真代码 强跟踪卡尔曼滤波代码 链接: https:/ ...

  3. 基于Matlab移动车辆异步传感器姿态估计(附源码)

    目录 一.模拟设置 二.融合过滤器 三.初始化的状态向量 四.设置过程噪声值 五.定义用于融合传感器数据的测量噪声值 六.初始化作用域 七.总结 八.程序 此示例说明如何以不同的速率融合传感器以估计姿 ...

  4. 吉林大学软件学院《软件项目管理》课程重点与测试题 第七章 质量计划和缺陷估计

    第七章 质量计划和缺陷估计 软件质量的定义 我们用已交付软件的故障密度作为软件质量的定义,即已交付软件中每个单位规模的故障数. 缺陷注入和清除的环节 注入:需求分析.设计.编码阶段 清除:需求评审.设 ...

  5. 车辆侧翻预警系统介绍

    车辆侧翻预警系统 1 研究目的与意义 重型车辆(包括重型卡车.重型半挂车)具有重心位置高.重量和体积大.轮距相对于车身高度过窄等特点,因此重型车辆侧翻稳定阈值较低,很容易发生侧翻事故:同时由于重型半挂 ...

  6. carsim中质心加速度_CarSim仿真快速入门(七)—车辆参数化建模

    123456 未经作者授权,禁止任何形式的转载! 7正如名称" CarSim"所暗示的那样,要仿真的车辆通常是带有四轮的乘用车,轻型卡车或多功能车.拖车车辆还可能包括带有一个,两个 ...

  7. 如何理解物体的6D位姿估计任务?

    关键词:三维位置.三维朝向.物体坐标系.世界坐标系.相机坐标系.成像坐标系.像素坐标系.三维模型.3D坐标值.2D像素点.投影点.物体中心点.关键点.旋转R.平移t.PnP 如何"感性&qu ...

  8. pymc3 贝叶斯线性回归_使用PyMC3估计的贝叶斯推理能力

    pymc3 贝叶斯线性回归 内部AI (Inside AI) If you've steered clear of Bayesian regression because of its complex ...

  9. GB-T 16260.1-2006 软件工程 产品质量 第1部分:质量模型

    2019独角兽企业重金招聘Python工程师标准>>> 质量模型框架 GB /T 16260.1描述了关于软件产品质量的两部分模型:a)内部质量和外部质量,b)使用质量.模型的第一部 ...

最新文章

  1. java B2B2C Springcloud电子商城系统-Ribbon设计原理
  2. 沈向洋,被微软“耽搁”的独角兽催化大师
  3. java 导出word_Java 生成Word文档
  4. MyBatisPlus3.x代码生成器生成实体类自定义需要填充的字段
  5. 使用CXF发布WebService服务简单实例
  6. 数组对象的过滤(取出一项中的某些字段)
  7. 支付361万元“家庭抚养费”后,贾跃亭向法院申请与甘薇离婚?
  8. 学习了解online hard example mining在线难例挖掘
  9. 40个Android源码学习实例
  10. Excel如何批量生成二维码
  11. 基于ORL数据集的使用最小分类器的人脸识别
  12. MindManager 2021授权许可密钥思维导图软件
  13. 云计算基础架构实施要经历三个阶段
  14. 洛谷 P3332 BZOJ 3110 [ZJOI2013]K大数查询
  15. 电脑运行MATLAB直接关机,Matlab相关-----matlab跑完程序后自动关机
  16. 微信涨粉加人100种方法完整版
  17. 读书《AB实验:科学归因与增长的利器》(刘玉凤)
  18. 5个强大的Excel仪表板
  19. json mysql 字段 默认值_MySQL新增JSON类型字段的使用总结
  20. java调用ocr识别api_Java文字识别软件-调用百度ocr实现文字识别

热门文章

  1. 山楂整形修剪的技术方法
  2. 登录授权方案:JSON Web Tokens (JWT)
  3. ElementUI表单校验rules封装
  4. 和客户沟通中能让你加分的英语细节
  5. 外行学计算机,《新手无忧学电脑:外行入门学电脑(2008至尊经典版)》低价购书_计算机与互联网_孔网...
  6. 【外行也能看懂的RabbitMQ系列(一)】—— RabbitMQ快速入门篇(内含丰富实例)
  7. TexStudio 编辑 Latex 时插入算法伪代码描述块一直报错:Missing \endcsname inserted. \While
  8. 最新最安全代理服务搭建(Websocket-Web-TLS)
  9. AutoJs学习-实现某音点赞自动回复
  10. 凑近一看是地推扫什么码