[发明专利]一种基于粒子滤波和随机漫步模型的车辆状态预测方法

权利要求书

1.一种基于粒子滤波和随机漫步模型的车辆状态预测方法，其特征在于，具体方法如下：

设计车辆动力学模型为：

其中，M为整车质量，I_z为整车转动惯量，F_x为总的纵向力，F_x为总的侧向力，M_z为总的横摆力矩，ω为横摆角速度，可通过横摆角速度传感器检测得到；a_x为纵向加速度，a_y为侧向加速度，可通过加速度传感器测量得到；

其中，l_f为车辆质心到前轴距离，l_r为车辆质心到后轴距离，d_f为车辆前轴轮距，d_r为车辆后轴轮距，δ_fl,δ_fr,δ_rl,δ_rr分别表示各车轮转角，可通过车轮转角传感器检测得，第一个下标f表示front，代表车辆前轴，r表示rear，代表车辆后轴；第二个下标l表示left，代表车辆左侧，r表示right，代表车辆右侧；

待预测的车辆状态包括纵向速度V_x，侧向速度V_y，左前轮所受的纵向和横向轮胎力F_xfl和F_yfl，右前轮所受的纵向和横向轮胎力F_xfr和F_yfr，左后轮所受的纵向和横向轮胎力F_xrl和F_yrl，右后轮所受的纵向和横向轮胎力F_xrr和F_yrr；

选取状态向量B＝[V_x,V_y,ω]^T，输入向量u＝[δ_fl,δ_fr,δ_rl,δ_rr]^T，根据公式(1)-(4)，车辆状态方程写成，

其中，F＝[F_xfl,F_xfr,F_xrl,F_xrr,F_yfl,F_yfr,F_yrl,F_yrr]^T，b₁为建模误差；

由于车辆纵向加速度a_x、侧向加速度a_y和横摆角速度ω是通过传感器获取的，于是建立可测得的量与F之间的关系；

取y＝[a_x,a_y,ω]^T为输出，输出方程为：

y＝h₁(B,F,u)+v (6)

其中，v为测量噪声，

轮胎力使用随机漫步模型表征：

其中，F_ijk为轮胎力，i∈{x,y},j∈{f,r},k∈{l,r}，w_t为高斯随机白噪声的建模误差；

选取所有的轮胎力及其导数，构成新的状态向量，

轮胎力动态方程为：

其中，A＝diag{A₁,A₁,A₁,A₁}，

选取状态根据公式(5)，(6)，(7)，(9)和(10)，带有轮胎力的车辆状态方程为：

y＝h(x,u)+v (12)

其中，

y＝[a_x,a_y,ω]^T

根据粒子滤波原理，进行以下步骤：

①初始化N个粒子，每个粒子都是一个状态x_i，每个粒子对应的权重为

②根据方程(11)预测粒子状态，得到新的粒子状态

③根据方程(12)计算在新的粒子状态下，对应的输出对比此时检测到的信号y，y＝[a_x,a_y,ω]^T，计算出新的粒子权重：

其中，P是给定的正定矩阵；

④计算并输出预测的车辆状态：

⑤在粒子中按照权重w_i随机选取粒子，进行重采样；

重复上述步骤②-⑤的过程，即可不断预测出车辆状态。