路面附着系数估计_无迹扩展卡尔曼滤波(UKF EKF)基于 Matlab Simulink
摘要:
随着汽车和交通技术的不断发展,对于路况的实时监测和评估成为了非常重要的任务。路面附着系数
是其中一个重要参数,它直接影响着车辆的操控性和安全性。本文介绍了一种基于无迹扩展卡尔曼滤
波(UKF EKF)的方法,利用 Matlab Simulink 实现对路面附着系数的估计。通过仿真模型,验
证了该方法的有效性。
1. 引言
路面附着系数是衡量路面摩擦性能的一个重要指标,它反映了车轮与路面间的摩擦力大小。对于汽车
操控和安全性的评估和控制,准确估计路面附着系数至关重要。传统的测量方法通常需要专门的设备
和实地测试,成本较高且不便于实时监测。因此,采用数学模型和滤波算法对路面附着系数进行估计
具有很大的实用性和潜力。
2. 方法介绍
本文采用了无迹扩展卡尔曼滤波(UKF)和扩展卡尔曼滤波(EKF)两种方法进行路面附着系数的估
计。UKF 是卡尔曼滤波的一种改进算法,通过引入无迹变换,可以更准确地估计非线性系统。EKF 基
于线性化的卡尔曼滤波算法,在一定程度上也可以估计非线性系统。本文利用 Matlab Simulink 提
供的现成模块应用,实现了这两种滤波算法。
3. 仿真模型
本文采用了一个具有 7 自由度的整车模型,其中包括车身、轮胎和悬挂系统等部件。通过对整车模型
的建模,可以更真实地模拟车辆在不同路况下的行驶情况。此外,为了更准确地评估路面附着系数,
还引入了 Dugoff 轮胎模型。通过将这些模型和算法结合,可以实现对路面附着系数的评估和预测。
4. 算法实现
在 Matlab Simulink 中,我们可以直接利用现成的模块实现 UKF 和 EKF 算法。这些模块已经经过
优化和验证,可以直接应用于我们的仿真模型。在估计模块中,我们只需要输入车辆的传感器数据和
车辆模型的参数,就可以得到路面附着系数的估计结果。相比于自己编写 S-function 来实现滤波算
法,利用现成模块可以大大简化开发和调试的过程。
5. 仿真结果
通过对仿真模型的测试,我们得到了不同路况下的路面附着系数估计结果。这些结果与实际值进行了
对比,验证了我们提出的方法的准确性和可行性。同时,我们还对不同滤波算法的性能进行了比较,
评估了它们在不同条件下的适用性和效果。
6. 结论