基于无迹卡尔曼滤波与遗传算法相结合的车辆状态估计*

doi:10.19562/j.chinasae.qcgc.2019.02.012

汽车工程 ›› 2019, Vol. 41 ›› Issue (2): 198-205.doi: 10.19562/j.chinasae.qcgc.2019.02.012

基于无迹卡尔曼滤波与遗传算法相结合的车辆状态估计^*

周卫琪^1,2, 齐翔¹, 陈龙^1,2, 徐兴^1,2

1.江苏大学汽车与交通工程学院,镇江 212013;
2.江苏大学汽车工程研究院,镇江 212013

收稿日期:2017-11-29 出版日期:2019-02-25 发布日期:2019-02-25
通讯作者: 周卫琪,副教授,博士,E-mail:zwq@ujs.edu.cn
基金资助:
国家自然科学基金(U1564201)、江苏省“六大人才高峰”项目(2015-ZBZZ-041)、江苏省高校自然科学研究项目(15KJB460006)和江苏大学高级人才启动项目(14JDG179)资助。

Vehicle State Estimation Based on the Combination of Unscented Kalman Filtering and Genetic Algorithm

Zhou Weiqi^1,2, Qi Xiang¹, Chen Long^1,2, Xu Xing^1,2

1.School of Automotive and Traffic Engineering, Jiangsu University, Zhenjiang 212013;
2.Automotive Engineering Research Institute, Jiangsu University, Zhenjiang 212013

Received:2017-11-29 Online:2019-02-25 Published:2019-02-25

摘要/Abstract

摘要： 针对汽车状态估计中过程噪声和量测噪声统计特性不确定的状况,通过UKF算法与遗传算法相结合,提出一种新的自适应滤波算法,以降低噪声对估计结果的干扰。为达到较高的精度,建立了7自由度非线性车辆动力学模型,结合“魔术公式”轮胎模型对汽车行驶过程中的纵、侧向速度、轮胎力和质心侧偏角分别进行了估计。在利用UKF对汽车状态参数进行估计的同时,引入遗传算法,根据适应度函数对过程噪声和量测噪声进行寻优,实现了噪声的自适应作用,估计精度大幅提高。仿真和道路模拟试验的结果表明,UKF结合遗传算法的方法,能提高估计精度且具有很好的抗干扰性。

关键词: 车辆, 状态估计, UKF算法, 遗传算法, 魔术公式

Abstract: In view of the uncertain situation of the statistical characteristics of process noise and measurement noise in vehicle state estimation, a new adaptive filtering algorithm is put forward by combining UKF algorithm with genetic one for reducing the disturbance of noise to the results of estimation. In order to achieve higher accuracy, a 7 DOF nonlinear vehicle dynamics model is established and by combining ‘magic formula’ tire model, the longitudinal and lateral velocities, tire force and the sideslip angle of mass center are estimated respectively. While UKF algorithm is applied to estimate vehicle states, the genetic algorithm is introduced, and the process noise and measurement noise are optimized based on fitness function to realize the adaptation of noise with the accuracy of estimation greatly enhanced. The results of simulation and road test show that the combination of UKF and genetic algorithms can improve the accuracy of vehicle state estimation with good disturbance resistance

Key words: vehicle, state estimation, UKF algorithm, genetic algorithm, magic formula

周卫琪, 齐翔, 陈龙, 徐兴. 基于无迹卡尔曼滤波与遗传算法相结合的车辆状态估计^*[J]. 汽车工程, 2019, 41(2): 198-205.

Zhou Weiqi, Qi Xiang, Chen Long, Xu Xing. Vehicle State Estimation Based on the Combination of Unscented Kalman Filtering and Genetic Algorithm[J]. , 2019, 41(2): 198-205.

参考文献

[1] 余卓平,高晓杰.车辆行驶过程中的状态估计问题综述[J].机械工程学报,2009,45(5):20-33.
[2] 陈慧,高博麟,徐帆.车辆质心侧偏角估计综述[J].机械工程学报,2013,49(24):76-94.
[3] REINA G, PAIANO M, BLANCO-CLARACO J L. Vehicle parameter estimation using a model-based estimator[J]. Mechanical Systems & Signal Processing,2016,87(B):227-241.
[4] BERGMAN M J, DELLEUR J W. Kalman filter estimation and prediction of daily stream flows: I. review, algorithm, and simulation experiments[J]. Jawra Journal of the American Water Resources Association,2010,21(5):815-825.
[5] 宗长富,胡丹,杨肖.基于扩展Kalman滤波的汽车行驶状态估计[J].吉林大学学报(工学版),2009,39(1):9-13.
[6] 李旭,宋翔,张为公.基于扩展卡尔曼滤波的车辆状态可靠估计[J].东南大学学报(自然科学版),2014,44(4):740-744.
[7] XIONG K, ZHANG H Y, CHAN C W. Performance evaluation of UKF-based nonlinear filtering[M]. Pergamon Press, Inc,2006.
[8] KOLS S, FOSS B A, SCHEI T S. Constrained nonlinear state estimation based on the UKF approach[J]. Computers & Chemical Engineering,2009,33(8):1386-1401.
[9] 褚端峰,吴超仲,胡钊政,等.基于双线性观测器的汽车侧倾状态估计[J].中国公路学报,2016,29(1):128-134.
[10] MELZI S, SABBIONI E. On the vehicle sideslip angle estimation through neural networks: numerical and experimental results[J]. Mechanical Systems & Signal Processing,2011,25(6):2005-2019.
[11] 施树明,Henk Lupker, Paul Bremmer,等.基于模糊逻辑的车辆侧偏角估计方法[J].汽车工程,2005,27(4):426-430.
[12] 周聪.基于非线性估计理论的线控转向汽车状态估计研究[D].成都:西南交通大学,2012.
[13] 张凤娇,魏民祥,赵万忠.基于蚁群优化UKF算法的汽车状态估计[J].中国机械工程,2015,26(22):3046-3050.
[14] 潘泉,杨峰,叶亮,等.一类非线性滤波器—UKF综述[J].控制与决策,2005,20(5):481-489.
[15] 叶承晋,黄民翔,陈丽莉,等.基于并行非支配排序遗传算法的限流措施多目标优化[J].电力系统自动化,2013,37(2):49-55.
[16] 徐兴,陈特,陈龙,等.基于UIO/双KF的4WID-EV驱动轮纵向力估计[J].汽车工程,2016,38(9):1095-1100.

基于无迹卡尔曼滤波与遗传算法相结合的车辆状态估计^*

Vehicle State Estimation Based on the Combination of Unscented Kalman Filtering and Genetic Algorithm

PDF (PC)

赞

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 10

[1]	陈建锋,吴强,葛新元,赵景波. 基于切换策略的车辆质心侧偏角高性能获取[J]. 汽车工程, 2024, 46(2): 346-355.
[2]	张旭东, 温雅, 邹渊, 孙文景, 张兆龙, 唐风敏, 刘卫国. 面向车载时间敏感网络的流量调度策略及改进算法研究[J]. 汽车工程, 2024, 46(1): 75-83.
[3]	刘济铮,王震坡,孙逢春,张雷. 异构智能网联汽车编队延迟补偿控制研究[J]. 汽车工程, 2023, 45(9): 1573-1582.
[4]	刘卫国,项志宇,刘伟平,齐道新,王子旭. 基于分布式强化学习的车辆控制算法研究[J]. 汽车工程, 2023, 45(9): 1637-1645.
[5]	马天飞,李波,朱冰,赵健. 考虑大气条件影响的自动泊车系统超声波雷达建模[J]. 汽车工程, 2023, 45(9): 1646-1654.
[6]	李勇滔,孙晨旭,郑伟光,许恩永,李育方,王善超. 基于毫米波雷达与视觉融合的碰撞预警[J]. 汽车工程, 2023, 45(9): 1666-1676.
[7]	袁新杰,刘芳,侯中军. 基于GA-PSO-Otsu算法的质子交换膜燃料电池催化层孔结构自适应识别[J]. 汽车工程, 2023, 45(9): 1702-1709.
[8]	刘卫国,项志宇,刘锐,李国栋,王子旭. 基于深度学习的端到端车辆运动规划方法研究[J]. 汽车工程, 2023, 45(8): 1343-1352.
[9]	李达,邓钧君,张照生,刘鹏,王震坡. 电动车辆动力电池安全预警策略研究综述[J]. 汽车工程, 2023, 45(8): 1392-1407.
[10]	陈国强,申正义,孙利,支梦帆,李彤. 基于BP神经网络优化遗传算法的智能座舱感性意象预测[J]. 汽车工程, 2023, 45(8): 1479-1488.
[11]	李军, 周伟, 唐爽. 基于自适应拟合的智能车换道避障轨迹规划[J]. 汽车工程, 2023, 45(7): 1174-1183.
[12]	孙晓强, 王玉麟, 胡伟伟, 蔡英凤, 陈龙, Wong Pak Kin. 基于轮胎分段仿射辨识模型的车辆行驶状态估计策略研究[J]. 汽车工程, 2023, 45(7): 1212-1221.
[13]	袁侠义, 肖露. 四驱SUV车辆的高温瞬态热害仿真与优化研究[J]. 汽车工程, 2023, 45(7): 1254-1262.
[14]	陈建华,徐中明,张志飞. 基于轴距预瞄的非匀速工况车辆悬架状态估计[J]. 汽车工程, 2023, 45(6): 1040-1049.
[15]	李海岩,黄盛一,李琨,崔世海,贺丽娟,吕文乐. 行人-车辆碰撞中六岁儿童下肢损伤分析及预测[J]. 汽车工程, 2023, 45(6): 1050-1061.