车辆质量与道路坡度估计
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
- 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 ...
- 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:/ ...
- 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 ...
- 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 ...
- 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 ...
- 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 ...
- 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 ...
- 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 ...
- 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
- java B2B2C Springcloud电子商城系统-Ribbon设计原理
- 沈向洋,被微软“耽搁”的独角兽催化大师
- java 导出word_Java 生成Word文档
- MyBatisPlus3.x代码生成器生成实体类自定义需要填充的字段
- 使用CXF发布WebService服务简单实例
- 数组对象的过滤(取出一项中的某些字段)
- 支付361万元“家庭抚养费”后,贾跃亭向法院申请与甘薇离婚?
- 学习了解online hard example mining在线难例挖掘
- 40个Android源码学习实例
- Excel如何批量生成二维码
- 基于ORL数据集的使用最小分类器的人脸识别
- MindManager 2021授权许可密钥思维导图软件
- 云计算基础架构实施要经历三个阶段
- 洛谷 P3332 BZOJ 3110 [ZJOI2013]K大数查询
- 电脑运行MATLAB直接关机,Matlab相关-----matlab跑完程序后自动关机
- 微信涨粉加人100种方法完整版
- 读书《AB实验:科学归因与增长的利器》(刘玉凤)
- 5个强大的Excel仪表板
- json mysql 字段 默认值_MySQL新增JSON类型字段的使用总结
- 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
- 山楂整形修剪的技术方法
- 登录授权方案:JSON Web Tokens (JWT)
- ElementUI表单校验rules封装
- 和客户沟通中能让你加分的英语细节
- 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...
- 【外行也能看懂的RabbitMQ系列(一)】—— RabbitMQ快速入门篇(内含丰富实例)
- TexStudio 编辑 Latex 时插入算法伪代码描述块一直报错:Missing \endcsname inserted. \While
- 最新最安全代理服务搭建(Websocket-Web-TLS)
- AutoJs学习-实现某音点赞自动回复
- 凑近一看是地推扫什么码