基于无迹卡尔曼滤波与随机非线性运动学模型的量产车辆侧滑角估计方法研究

《IEEE Open Journal of Vehicular Technology》：Improving Sideslip Angle Estimation Accuracy via Stochastic Nonlinear Kinematics and Unscented Kalman Filter

　　

摘要：

准确的侧滑角估计对于车辆稳定性控制至关重要，然而在量产车辆中直接进行感应仍然不切实际。传统的基于运动学的估计器通常依赖简化的过程噪声假设，这些假设无法捕捉惯性测量单元（IMU）输入噪声的非线性传播特性，因此在强非线性或低摩擦条件下会导致估计精度下降。本文提出了一种形式的离散时间状态空间推导方法和一种随机非线性运动学模型，该模型能够明确区分IMU输入噪声和测量噪声。通过将这种公式嵌入无迹卡尔曼滤波器架构中，仅使用量产级信号即可估计横向速度。为了在实际驾驶条件下便于计算侧滑角，所提出的方法整合了一个现有的纵向速度估计器来计算侧滑角。为了在所有驾驶条件下保持估计的鲁棒性，主要运动学估计器与一个辅助的低偏航率融合模块无缝结合，该模块需要基本的车辆线性参数来应对弱激励下的观测限制。仿真和实验评估（包括双车道变换操作以及在Targa Sixty-Six公开数据集上的测试）表明，与现有的基于运动学的滤波方法相比，所提出的方法显著降低了侧滑角估计误差。结果证实了其鲁棒性和精度的提升。