-
2009年研究了基于扩展卡尔曼滤波的信息融合技术在车辆状态估计中的应用
资源介绍
车辆行驶中某些状态参量不易准确测得或测量成本较高，而这些变量的准确获取对车辆底盘控制有着重要的意义。为以较低成本获取重要的车辆运动状态，建立包括横摆、侧向和纵向3*度的非线性车辆模型，利用扩展Kalman滤波(Extended Kalman filtering，EKF)理论建立了信息融合算法，给出车辆状态变量最小方差意义下的融合结果，利用少量的易测车辆状态信息(转向盘转角、车辆纵、侧向加速度)融合得出所需的难测车辆状态(横摆角速度、质心侧偏角)。并在 Matlab/Simulink环境下利用实车场地试验
- 上一篇: 模型预测simulink
- 下一篇: 基于模糊PID控制的智能汽车轨迹跟踪.rar