基于改进的自适应扩展卡尔曼滤波算法的道路坡度估算

摘要

随着智能驾驶技术的不断发展,对高精度的车辆状态信息的需求日渐迫切.道路坡度是车辆行驶的关键参数,对车辆的动力学控制有着重要影响.高精度低延迟的道路坡度估算是精确控制的前提,可以有效提升车辆的智能化水平.自适应扩展卡尔曼滤波(AEKF)是道路坡度估计的常用算法,但其在有着不同噪声条件的复杂工况中存在一定的局限性.本文提出了一种改进的自适应扩展卡尔曼滤波算法,通过动态噪声缩放因子的设置,提高了复杂工况中道路坡度的估算精度.通过双移线工况和稳态绕圆工况的仿真测试,验证了该方法的有效性,实现了均方根误差(RMSE)在2°以内的道路坡度估算精度.

关键词

汽车 / 道路坡度估算 / 扩展卡尔曼滤波 / 自适应控制 / 抗噪