姬 鹏，徐硕硕，赵一凡，张孟博

（河北工程大学机械与装备工程学院，河北 邯郸 056038）

1 引言

随着人们对汽车安全的呼声越来越高，汽车主动系统逐渐普及，如电子稳定控制系统（ESP）、牵引力控制系统（TCS）。然而这些系统在工作时需要实时的车辆状态参数，这就更加迫切的需要对车辆状态进行观测，国内外大量学者对车辆行驶状态进行了研究。文献[1-3]采用经典卡尔曼滤波算法对车辆纵向速度等状态进行估计，由于经典卡尔曼滤波是基于线性微分方程的，所以此方法只适用于线性系统。文献[4-6]采用扩展卡尔曼算法进行估计，实验结果表明，大多数情况下此方法具有良好估计精度，但是在遇到强非线性情况时，估计精度下降，同时此方法需要计算复杂的雅可比矩阵。粒子滤波方法最早出现20 世纪50 年代，是一种基于蒙特卡洛法和递归贝叶斯估计的统计滤波方法，具有很强的非线性处理能力，然而传统的粒子滤波采用次优重要函数，存在退化和样本枯竭问题[7]。

采用基于模拟退火粒子群优化粒子滤波算法（SAPSO-PF），能够在车辆估计中很好的改善粒子分布，使粒子保持一定的多样性。通过7 自由度车辆模型，采用低成本传感器进行信息融合，对车辆状态进行估计。在Carsim 和Matlab/simulink 联合仿真条件下对估计算法进行验证。

2 改进粒子滤波算法

2.1 改进粒子滤波算法

粒子群优化粒子滤波算法（SAPSO-PF）。为了避免粒子群粒子滤波算法陷入局部最优，引入模拟退火来改善此问题。基于高斯分布来更新粒子，通过以一定概率来接受一个比当前值还要差的值，以此来增大全局搜索范围。……