奇异值分解五阶容积卡尔曼滤波汽车状态估计

摘要

针对三阶滤波对高维汽车非线性模型估计精度有限的问题，以电动汽车为研究对象，提出了一种基于奇异值分解的五阶容积卡尔曼滤波(SVD-FCKF)车辆状态估计器。首先基于Dugoff轮胎模型，构建高维非线性7自由度车辆动力学模型。然后根据三阶球面-径向容积规则将CKF拓展到五阶，使其具有五阶泰勒级数展开精度，同时利用奇异值分解代替传统Cholesky分解，提高估计器的鲁棒性。最后利用Carsim和Matlab/Simulink联合仿真平台对SVD-FCKF进行验证，结果表明：改进的SVD-FCKF估计器能够有效提高电动汽车纵向速度、侧向速度、质心侧偏角和四轮转速的估计精度和稳定性，多工况适应能力强，整体估计效果优于CKF估计器。研究结果为电动汽车主动安全研究提供了理论支撑，具有实际应用价值。

关键词

车辆动力学模型 / 状态估计 / 奇异值分解 / 五阶容积卡尔曼滤波