论文总字数：19554字

摘 要

车辆的侧滑角和倾斜角的鲁棒估计对于车辆的稳定性控制应用（例如偏航稳定性控制和侧倾稳定性控制）至关重要。但由于测量车辆俯仰角与倾斜角的光学传感器成本过于昂贵，通常对车辆俯仰角与倾斜角进行算法估计。因此，利用低成本的传感器实现对车辆的侧滑角和倾斜角的准确估计具有重要的应用价值。

本文在传统卡尔曼滤波的基础上进行改进，提出了一种增加了衰减因子的改进卡尔曼滤波算法，该算法在俯仰角与倾斜角的状态空间模型中加入了控制输入，并且在滤波过程算法中加入了衰减因子以改善滤波精度。为验证本文所提出的改进卡尔曼滤波算法的有效性，开展了实车现场试验。实验结果表明本文提出的算法可以获得更加准确的俯仰角和侧倾角值。

关键词：车辆动力学模型，卡尔曼滤波，侧倾角，俯仰角

Research on estimation method of vehicle pitch angle and roll angle based on Kalman filter

Abstract

Robust estimation of the vehicle's pitch angle and roll angle is essential for vehicle stability control applications (such as yaw stability control and roll stability control). However, since the optical sensor for measuring the pitch angle and roll angle of the vehicle is too expensive, it is usually an algorithm to estimate the pitch angle and roll angle of the vehicle. Therefore, the use of low-cost sensors to achieve accurate estimation of the vehicle's pitch angle and roll angle has important application value.This paper improves on the basis of traditional Kalman filter, and proposes an improved Kalman filtering algorithm with increased attenuation factor. This algorithm adds control input to the state space model of pitch angle and roll angle, and in the filtering process. An attenuation factor is added to the algorithm to improve the filtering accuracy. In order to demonstrate the effectiveness of the improved Kalman filter algorithm proposed in this paper, field tests on field vehicles were conducted. Experimental results show that the algorithm proposed in this paper can obtain more accurate values of pitch angle and roll angle.

Key Words: Vehicle dynamics model; Kalman filter;roll angle;pitch angle

目 录

摘 要 I

ABSTRACT II

第一章 绪论 1

1.1 课题背景与研究意义 1

1.2 国内外研究现状 1

1.2.1基于卡尔曼滤波的车辆状态估计方法国内外研究现状 1

1.2.2卡尔曼滤波的发展及国内外现状 3

1.3研究思路和技术方法 5

1.4复杂工程问题特征 6

1.5本章小结 6

第二章 卡尔曼滤波理论 7

2.1卡尔曼滤波算法在组合导航系统中的应用 7

2.2卡尔曼滤波模型 7

2.3卡尔曼滤波算法的特点及缺点 9

2.4两种改进的卡尔曼滤波 11

2.5本章小结 11

第三章 俯仰角与倾斜角估计器的设计 12

3.1车辆动力学 12

3.1.1车辆动力学概述 12

3.1.2汽车姿态角分析 12

3.2基于传统卡尔曼滤波的车辆俯仰角与倾斜角的估计方法 13

3.2.1建立汽车运动时的数学模型 13

3.2.2基于卡尔曼滤波的车辆俯仰角与倾斜角的估计器设计 15

3.3基于改进卡尔曼滤波的车辆俯仰角与倾斜角估计方法 17

3.4本章小结 19

第四章 实验数据及分析 20

4.1实车试验传感器配置 20

4.2实验涉及的变量命名法 21

4.3实验结果及数据分析 21

4.4本章小结 23

第五章 总结与展望 24

5.1总结 24

5.2展望 24

参考文献 26

致谢 28

第一章 绪论

1.1 课题背景与研究意义

近些年来， ITS（智能交通运输系统）在世界范围内的应用非常广泛且正在迅速发展，而ITS的有效运行的重要前提是能够进行车辆的准确可靠的定位。在车辆处于精确可靠位置的前提下，ITS可以更有效地引导车辆，提高驾驶效率，确保驾驶安全并减少车辆废气。

为了纠正丢失GPS信号时出现无法定位的问题，GPS / INS集成导航系统在执行每个功能时可以相互纠正彼此的缺陷并提高集成导航系统的可靠性，而且可以提高导航精度，这是导航技术发展的主要趋势。

车辆姿态角在组合导航技术中起着重要作用，无人驾驶技术就需要在汽车行驶过程中对车体所处位置和航向角度进行实时测量。车辆在行驶过程中，由于汽车轮心的垂直位置发生了变化，会致使车辆姿态产生变化，产生侧倾角与俯仰角。这两个参数对于GPS/INS组合导航系统的航位推算是必不可少的。虽然在车辆实地行驶的过程中侧倾角与俯仰角的数值很小，但由于通常情况下四轮车的加速度远小于重力加速度，从而会导致测量横向和纵向加速度时会产生较大误差，因此，能够确实提高GPS/INS组合导航定位的精度是对侧倾角和俯仰角等姿态角进行准确实时的测量或估计的基础。

1.2 国内外研究现状

1.2.1基于卡尔曼滤波的车辆状态估计方法国内外研究现状

在对倾斜角与俯仰角进行估计时，通常会通过物理模型建立系统的状态空间方程并运用卡尔曼滤波算法来进行最优估计，此类方法处理在噪声干扰时具有许多优点，例如数据存储量小，滤波过程容易实现，且实施成本低等。然而在遇到一些复杂道路环境时，总会出现一些外在的随机误差干扰，比如传感器故障，碰撞等。这些干扰往往会影响卡尔曼滤波算法的估计效果。

在国外，有许多研究者对此方向做了深刻的研究。文献^[1]利用重型车辆中的低成本传感器测量得到车辆高度、车辆速度以及车辆位置信息, 将汽车发动机的输出扭矩作为观测数据, 利用卡尔曼滤波算法对地面坡度进行了估计。文献^[2-4]针对常规工况（线性区）下的汽车，利用卡尔曼滤波算法，对其侧向速度进行了估计。通过以上文献的研究可以得出:由于卡尔曼滤波只对线性系统适用，因此它只能对常规工况下的汽车行驶状态进行估计。但是在实际应用中,车辆总是处于复杂的环境中，不可能一直保持常规工况运行,当车辆行驶至极限工况下时,车辆表现出较强的非线性,此时如果继续采用传统卡尔曼滤波进行状态估计会产生较大误差。此时,卡尔曼滤波器的滤波精确度会大大降低,甚至可能出现滤波发散现象。此时就必须针对非线性系统研究出一种改进方法,例如建立一种非线性车辆模型，正如文献^[5]中采用变结构自适应卡尔曼滤波方法讨论了车辆质心偏航角估计问题。

请支付后下载全文，论文总字数：19554字