汪 魏民祥 赵万忠 张凤娇,2 严明月

1.南京航空航天大学能源与动力学院，南京，2100162.常州工学院机械与车辆工程学院，常州，213002

基于递推最小二乘法与模糊自适应扩展卡尔曼滤波相结合的车辆状态估计

1.南京航空航天大学能源与动力学院，南京，2100162.常州工学院机械与车辆工程学院，常州，213002

针对汽车状态估计中模型参数的变化和观测噪声的时变特性，提出了递推最小二乘法与模糊自适应扩展卡尔曼滤波相结合的汽车状态估计算法。为实现模型参数与观测噪声的实时更新，建立了基于三自由度非线性车辆动力学模型的算法，首先利用递推最小二乘法对汽车的总质量进行估计,其次建立了模糊控制器对扩展卡尔曼滤波的观测噪声进行实时跟踪。在搭建的CarSim与MATLAB/Simulink联合仿真平台中验证了该算法的有效性，结果表明该算法估计精度高于传统扩展卡尔曼滤波算法，研究结果为汽车的主动安全控制提供了理论支持。

汽车总质量估计；状态估计；递推最小二乘法；模糊自适应扩展卡尔曼滤波

0 引言

随着汽车工业的飞速发展，汽车主动安全技术越来越受到人们的关注。对汽车主动安全的研究几乎都需要获知汽车的当前行驶状态，例如汽车的当前车速、侧向加速度、横摆角速度和质心侧偏角等重要参数。对于上述关键状态参数的获取，目前研究中用得较多的方法是软观测，即基于算法的估计[1]。

目前汽车状态估计器设计所采用的方法主要有扩展卡尔曼滤波(EKF)[2-3]、无迹卡尔曼滤波[4-5]、神经网络[6-7]、模糊逻辑[8]等,它们都是对汽车控制系统中的关键控制变量(包括质心侧偏角、侧向速度、横摆角速度等)进行估计。……