基于自适应容积粒子滤波的车辆状态估计

针对车辆状态估计中由模型的强非线性、噪声的非高斯分布等相关因素导致估计精度下降甚至发散的问题,本文提出了基于自适应容积粒子滤波(Adaptive cubature particle filter,ACPF)的车辆状态估计器。首先基于非稳态动态轮胎模型,构建高维度非线性八自由度车辆模型。其次利用自适应容积卡尔曼滤波(Adaptive cubature Kalman filter,ACKF)算法更新基本粒子滤波(Particle filter,PF)算法的重要性密度函数,以完成自适应容积粒子滤波算法设计。利用车载传感器信息,运用ACPF算法实现对车辆的侧倾角、质心侧偏角等关键状态变量高精度在线观测。搭建Simulink-Carsim联合仿真平台进行了算法的验证,结果表明该算法状态估计精度高于传统无迹粒子滤波(Unscented particle filter,UPF)算法,且算法运算效率高于UPF算法,而传统PF估计值发散。研究结果为实现车辆动力学精准控制提供了理论支持。     

基于危险评估的自动紧急避撞控制策略

基于车辆危险评估机制,设计了一种集成制动和转向的汽车自动紧急避撞控制策略。首先结合车辆安全性和最优换道轨迹,分析了在紧急工况下车辆制动和转向避撞临界纵向距离,然后建立了基于模糊推理的危险评估模型,该模型输出的危险因子反映车辆发生碰撞的危险程度,并以此建立汽车自动紧急避撞控制策略。最后基于PreScan和MATLAB/Simulink的虚拟平台仿真验证该控制策略的有效性。结果表明自车在跟车行驶时,对比基于碰撞时间倒数(TTC~(-1))单一全制动无法有效避开障碍物的危险工况,该避撞策略能够通过制动和自主换道来避免车辆发生碰撞,提高了车辆安全性。