期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于交互多模型的车辆质量与道路坡度估计 被引量:9
1
作者 赵健 李至轩 +2 位作者 朱冰 李雅欣 孙玉泽 《中国公路学报》 EI CAS CSCD 北大核心 2019年第12期58-65,共8页
车辆结构参数和道路环境信息的实时准确获取是提高智能汽车运动控制性能的重要因素之一,而车辆质量与道路坡度信息是多种汽车控制系统的必要信息,因此质量与坡度在线估计的研究一直受到关注。针对车辆质量与道路坡度的联合估计问题,提... 车辆结构参数和道路环境信息的实时准确获取是提高智能汽车运动控制性能的重要因素之一,而车辆质量与道路坡度信息是多种汽车控制系统的必要信息,因此质量与坡度在线估计的研究一直受到关注。针对车辆质量与道路坡度的联合估计问题,提出了一种基于交互多模型的质量与坡度融合估计方法。首先,设定了适宜进行质量精确估计的工况条件,据此提出了基于模糊规则的质量估计置信度因子计算算法,进而设计了基于置信度因子的递推最小二乘车辆质量估计算法,以实现质量的在线估计。然后,以车辆纵向动力学模型为基础,建立了运动学和动力学2种坡度估计模型,并设计了基于运动学模型的线性卡尔曼滤波坡度观测器,基于电子稳定性程序ESP的纵向加速度信息实现坡度估计,设计了基于动力学模型的无迹卡尔曼滤波坡度观测器,基于ESP和发动机管理系统EMS的力信息实现坡度估计。运动学模型未考虑车辆姿态信息,坡度估算结果与实际值有偏差;动力学模型对模型精度要求高,算法稳定性差,为充分发挥2种方法优势实现坡度的精确估计,采用交互多模型算法实现了2种坡度估计方法的加权融合。最后,对所设计的算法进行了实车试验验证。结果表明:所设计的质量与坡度估算算法具有较好的实时性和准确性,适合智能汽车运动控制的应用需求。 展开更多
关键词 汽车工程 质量与坡度估计 质量估计置信度因子 交互模型融合 智能估计 实车试验
原文传递
基于多传感器信息的汽车低速车速估计方法 被引量:1
2
作者 浦震峰 唐亮 +2 位作者 上官文斌 王伟玮 蒋开洪 《汽车工程》 EI CSCD 北大核心 2023年第7期1235-1243,1275,共10页
为解决低速工况下轮速传感器测量精度低、更新周期长的问题,利用现有的底盘域传感器的信号,本文提出了一种基于多传感器信号的电驱动汽车低速车速估计方法。为准确估计车速,建立了基于多轮速脉冲信号的车速估算模型(模型I)和基于电机转... 为解决低速工况下轮速传感器测量精度低、更新周期长的问题,利用现有的底盘域传感器的信号,本文提出了一种基于多传感器信号的电驱动汽车低速车速估计方法。为准确估计车速,建立了基于多轮速脉冲信号的车速估算模型(模型I)和基于电机转速信号的车速估算模型(模型II)。在估算轮速时,模型I可以有效地避免噪声干扰,但在极低速的情况下,其更新周期较长;而模型II估算得到的轮速信息更新周期短、精度高,但其无法克服传动系统中由于齿隙所产生的冲击干扰。为充分发挥两种估算模型的优势,本文采用交互多模型融合算法对两个模型的输出结果进行加权融合,并通过实车对比测试,验证了所提出的低速车速估计算法在不同行驶路面下的准确性和可靠性。结果表明,相较于传统轮速估算方法,该方法在低速工况下具有更高的估计精度和实时性。 展开更多
关键词 低速轮速估计 传感器融合 卡尔曼滤波 交互模型融合
下载PDF
FDIA对雷达组网系统数据融合的影响分析 被引量:1
3
作者 黄天奇 王布宏 林东 《火力与指挥控制》 CSCD 北大核心 2020年第6期67-72,共6页
雷达组网系统将多部雷达组成互联互通的网络,作为典型的赛博物理系统,同样面临着赛博攻击的威胁。为了研究赛博攻击对其性能产生的影响,构建针对雷达组网系统交互式多模型(IMM)数据融合的虚假数据注入攻击(FDIA)模型。建立机动目标动态... 雷达组网系统将多部雷达组成互联互通的网络,作为典型的赛博物理系统,同样面临着赛博攻击的威胁。为了研究赛博攻击对其性能产生的影响,构建针对雷达组网系统交互式多模型(IMM)数据融合的虚假数据注入攻击(FDIA)模型。建立机动目标动态模型,以及单站雷达和雷达组网系统基于交互式多模型融合算法的分布式数据处理模型。分析虚假数据注入攻击的原理,并建立对应的数学模型。根据机动目标动态模型,进行实验仿真,结果显示虚假数据注入攻击对单站雷达目标状态估计的影响,明显大于对组网雷达目标状态融合估计的影响,验证了雷达组网系统数据融合对于虚假数据注入攻击具有一定的鲁棒性。 展开更多
关键词 雷达组网系统 数据融合 虚假数据注入攻击 交互模型融合
下载PDF
目标机动性未知时的多平台交互式多模型融合算法
4
作者 魏同利 郝惠娟 《西南民族大学学报(自然科学版)》 CAS 2009年第2期244-248,共5页
多平台的交互式多模型(IMM)Kalman滤波器是一种比较有效的机动目标跟踪估计方法.但当目标存在未知机动时,基于模型的估计器的精度就会下降.目标跟踪中的输入估计技术可对未知机动性进行估计.本文在给出过程噪声和量测噪声相关情况下最... 多平台的交互式多模型(IMM)Kalman滤波器是一种比较有效的机动目标跟踪估计方法.但当目标存在未知机动时,基于模型的估计器的精度就会下降.目标跟踪中的输入估计技术可对未知机动性进行估计.本文在给出过程噪声和量测噪声相关情况下最小方差无偏(MVU)输入、状态滤波估计的基础上,提出了基于上述滤波器的分布式IMM多传感器多平台融合算法.仿真表明了该算法的有效性. 展开更多
关键词 目标机动性 无偏输入估计 分布式交互模型融合
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部