基于 UPF 算法的汽车多状态量估计

针对常用汽车状态估计算法计算复杂、精度低等问题，提出一种新的汽车多状态量估计方法。建立了包含定常统计特性噪声和 Pacejka 轮胎模型的七自由度非线性汽车动力学模型。针对一般粒子滤波（PF）算法存在的缺陷，使用非追踪卡尔曼滤波（UKF）算法产生粒子滤波的重要性概率密度。基于非追踪粒子滤波（UPF）算法实现对汽车多个关键状态量的最小均方误差估计。将基于 UPF 算法、UKF 算法与 PF 算法的估计器进行了比较，揭示了粒子数对汽车状态估计效果的影响。基于 ADAMS / Car 的虚拟实验和实车实验表明基于 UPF 算法的估计器精度高于基于 UKF 算法的估计器，估计值相对于实际值的平均绝对误差均控制在状态幅值的10%以内，且实时性优于基于 PF 算法的估计器。