基于CKMC-SCKF的三轴分布式电驱动重型车辆状态估计

摘要

为更准确地判断多轴分布式电驱动重型车辆在非高斯噪声环境行驶过程中的状态变化，提出一种基于柯西核最大相关熵的均方根容积卡尔曼滤波(CKMC-SCKF)算法。所提算法将柯西核最大相关熵准则作为车辆状态估计优化标准，基于对数相似性整合核自适应滤波器，通过固定点迭代来更新目标估计状态、动态调整误差协方差矩阵，从而有效提高状态估计有效数据的占比，以改善滤波器的鲁棒性。构建9自由度三轴分布式电驱动重型车辆动力学模型，基于Trucksim和Matlab建立联合仿真平台，对横摆角速度、质心侧偏角及纵向速度进行估计，并验证了所提出的CKMC-SCKF在不同工况下的准确性和可靠性。结果表明，相较于高斯核最大相关熵均方根容积卡尔曼滤波与传统容积卡尔曼滤波算法，该方法在非高斯噪声环境中具有较高的估计精度。

关键词

柯西核函数 / 最大相关熵 / 均方根容积卡尔曼滤波 / 车辆状态估计