李静 王晨 张家旭,2†

(1.吉林大学 汽车仿真与控制国家重点实验室，吉林 长春 130011; 2.中国第一汽车集团有限公司智能网联研发院，吉林 长春 130011)

目前，无人驾驶汽车是提高道路交通安全性和缓解交通压力的有效手段，而车速是无人驾驶汽车实现高精度定位与导航、高级巡航控制和编队巡航控制等功能的必要反馈信息。直接测量车速信息面临传感器成本高、可靠性差和装配难度大等问题，因此，基于估计算法的车速信息软测量技术得到国内外学者的广泛关注。

基于估计算法的车速信息软测量技术现有的研究成果，可按照名义模型状态划分为基于连续状态估计算法开发的车速信息软测量技术和基于卡尔曼滤波器开发的车速信息软测量技术。文献[1]融合高阶滑模观测器和超螺旋滑模观测器，实现轮胎力和车速信息的并行估计；文献[2]基于随机游走模型建立描述车速和横摆角速度动态的汽车动力学模型，并采用非线性估计方法实现车速信息的实时估计；文献[3]利用泰勒公式在汽车工作点附近局部线性化非线性汽车动力学模型，并采用扩展龙伯格观测器实现车速信息的实时估计；文献[4]以包含纵向、侧向和横摆运动的汽车动力学模型为基础，利用包含阻尼因子的降阶滑模观测器实时估计车速信息；文献[5]以包含车速、加速度和横摆角速度信息的汽车运动学为基础，基于鲁棒H∞滤波方法对车速信息进行估计。上述车速信息的软测量技术均是基于连续状态估计算法开发的，虽然得到的车速信息精度高，但是算法的计算负荷大，难以运行于嵌入式处理器上。……