基于两级滤波的车辆相对加速度估计

针对智能交通中汽车防追尾碰撞预警技术难以准确获取车辆间相对加速度,从而影响预警准确性的不足,提出了一种基于两级卡尔曼滤波的相对加速度估计方法.首先建立准确描述车辆间相对加速度变化的车辆相对运动模型,利用卡尔曼滤波递推方法初步估计出相对加速度值.然后进一步结合相对速度信息,利用第二级卡尔曼滤波估计相对加速度的误差,对初步估计的相对加速度值进行修正,从而获取较为准确的相对加速度信息.实车试验结果表明,该方法的准确性和可靠性好,加速度估计误差小于0.5 m/s2.     

基于双重扩展卡尔曼滤波汽车防碰撞模型研究

针对现有的汽车防碰撞高速扇形预警模型,文章提出了基于双重扩展卡尔曼滤波的高速扇形预警模型。根据双重扩展卡尔曼滤波原理,将车辆状态和路面附着系数估算过程形成闭环控制,实现了对车辆状态和路面附着系数的准确估算;建立汽车的四自由度动力学模型和魔术轮胎模型,结合Carsim和Matlab/Simulink软件进行联合仿真。仿真实验结果表明,该模型能够实时监测路面附着系数,正常预警。     

基于自适应无迹卡尔曼滤波的分布式驱动电动汽车车辆状态参数估计

以精确估计车辆状态参数为目标,提出了一种基于自适应无迹卡尔曼滤波的车辆状态参数估计算法,采用非线性三自由度车辆模型,将模糊控制与无迹卡尔曼滤波算法相结合,实现对系统测量噪声的自适应调整,通过对方向盘转角,纵向加速度和横向加速度等低成本传感器信息融合实现对质心侧偏角和横摆角速度的状态估计.应用CarSim与Matlab/Simulink建立分布式驱动电动汽车整车模型并且联合仿真对估计算法的有效性进行验证.结果表明自适应无迹卡尔曼滤波比无迹卡尔曼滤波更能有效准确地进行车辆状态参数估计,在双移线工况中,质心侧偏角估计精度提高了6.7%,横摆角速度估计精度提高了4.8%.      

基于多传感器信息融合的车速估计方法

准确地测量计算车辆的纵横向速度是现代汽车控制系统的关键,在横摆角速度传感器、加速度计和车轮角速度传感器等多种汽车传感器所测得的信号基础上建立估计系统的状态方程和测量方程,通过汽车动力学模型计算出车辆的纵横向参考速度,最后用卡尔曼滤波技术对车速进行估计.并对参考车速误差的影响进行分析.仿真结果表明该方法估计效果好,误差小,具有可靠性和有效性.     

基于无迹卡尔曼滤波的汽车状态参数估计

由于部分汽车状态参数无法直接通过传感器获得,为了提高这些参数的估计精度以准确判断汽车行驶过程中的状态变化,增强控制系统的鲁棒性,文中提出了基于无迹卡尔曼滤波的汽车状态参数估计方法.该方法在传统卡尔曼滤波算法的基础上,采用无迹卡尔曼滤波算法对汽车质心侧偏角、横摆角速度、路面附着系数等状态参数进行估计,并运用Simulink与Carsim进行联合仿真.结果表明,无迹卡尔曼滤波算法响应快,估计精度较扩展卡尔曼滤波高,能满足车辆高级动力学控制系统的控制需要.     

基于前方车辆行为识别的碰撞预警系统

提出了一种基于车辆行为识别的汽车前方碰撞预警方法.利用单目视觉,首先采用基于梯度方向直方图特征和支持向量机的方法识别前方车辆,并结合卡尔曼滤波进行车辆跟踪;然后使用隐马尔科夫模型对车辆行为进行建模,识别前方车辆行为,并根据行为识别结果计算对应的风险评估因子;最后将风险评估因子引入碰撞风险评估系统,使碰撞预警时间比未加入风险评估因子平均提前2.04s.实车实验验证了本方法的有效性.     

车辆撞击事故防逃逸系统的研究

车辆撞击事故防逃逸系统主要通过碰撞传感器和车速传感器对碰撞事故车辆进行信息采集，经过单片机控制系统的分析、判断和处理，控制常闭继电器接通或断开发动机点火系，防止肇事车辆的逃逸，本研究具有开创性的意义。     

汽车防追尾碰撞系统的研制

研制了一种自动控制的汽车防追尾碰撞系统。汽车正常行驶时,该系统处于非工作状态,当后车车头非常接近前车车尾时,该系统将发出防追尾警告,在发出警告后,如果驾驶员没有采取制动减速措施,该系统便启动紧急制动装置,以避免发生追尾事故。汽车防追尾碰撞系统具体组成如下:(1)行车环境监测系统由测量车间距离和前面车辆方位的激光扫描雷达及能够判定路面状态的道路传感器所组成。通过发出脉冲激光对前方道路状况进行监测,并能监测弯道上的障碍物。最小的激光扫描雷达监测范围为120ｍ。(2)防追尾碰撞判断分为两步:①从激光扫描雷达所测的距离及…     

一种防碰撞卡尔曼滤波同步定位算法

提出一种防碰撞可纠错的卡尔曼滤波算法.新提出的防碰撞卡尔曼滤波算法采取了不可信输入鉴别,引入了偏离指标作为不可信数据的门限值,在错误发生时可以快速地对数据进行平滑处理,防止较大错误的发生.经过仿真测试和搭建实际测试平台验证,防碰撞卡尔曼滤波算法能取得更好的时钟同步精度和更强的系统鲁棒性,主从基站时钟同步性能得到较大的提升.     

车辆前向防碰撞主动预警系统设计

交通运输部《JT/T 1094-2016》标准规定:自2018年4月1日起,新生产的9米以上营运客车需安装前向防碰撞预警系统(forward collision warning system,FCWS)。研究设计了一种车辆前向防碰撞主动预警系统,系统通过毫米波雷达传感器进行车辆之间相对距离及相对速度监测,通过卡尔曼滤波算法对前向有效目标车辆进行优先监测,通过两级预警策略算法进行预警,在车辆存在潜在的碰撞危险时,通过视觉、听觉、触觉三种方式发出报警信息。     

Multi-sensor federated unscented Kalman filtering algorithm in intermittent observations

Aiming at the adverse effect caused by limited detecting probability of sensors on filtering precision of a nonlinear system state,a novel multi-sensor federated unscented Kalman filtering algorithm is proposed.Firstly,combined with the residual detection strategy,effective observations are correctly identified.Secondly,according to the missing characteristic of observations and the structural feature of unscented Kalman filter,the iterative process of the single-sensor unscented Kalman filter in intermittent observations is given.The key idea is that the state estimation and its error covariance matrix are replaced by the state one-step prediction and its error covariance matrix,when the phenomenon of observations missing occurs.Finally,based on the realization mechanism of federated filter,a new fusion framework of state estimation from each local node is designed.And the filtering precision of system state is improved further by the effective management of observations missing and the rational utilization of redundancy and complementary information among multi-sensor observations.The theory analysis and simulation results show the feasibility and effectiveness of the proposed algorithm.     

基于联合卡尔曼滤波器的燃料电池传感器故障检测与容错研究

介绍了基于多传感器信息融合技术的联合卡尔曼滤波器的结构和算法，并将此方法运用于燃料电池发动机多传感器的复杂系统中．理论分析与仿真结果表明，该联合卡尔曼滤波器设计合理，其融合算法具有全局最优性，能够有效地对燃料电池发动机传感器的故障进行检测，改善了系统的容错能力和复原能力，提高了系统运行的稳定性．     

粒子滤波融合跟踪方法

针对Kalman滤波不能处理多传感器量测信息融合中的非线性问题,提出了一种基于粒子滤波方法的融合跟踪算法.通过对量测方程的非线性分析,利用粒子滤波器计算目标状态估计值,通过线性迭代的方式得到系统的最优估计.仿真结果表明,与采用Kalman滤波的方法相比,该算法具有更高的估计精度和更少的计算量.相比于单传感器,减少了量测信息的模糊性,提高了资源的利用率.     

多传感器矩阵加权信息融合预测控制算法

针对多传感器线性离散时不变随机控制系统,应用Kalmam滤波方法,基于状态空间模型,在线性最小方差最优信息融合准则下,给出了多传感器按矩阵加权信息融合预测控制算法.该算法将信息融合Kalman滤波器和预测控制相结合,避免了求解复杂的Diophantine方程,可明显减轻计算负担.与单传感器情形相比,可显著提高控制精度.一个三传感器目标跟踪控制系统的仿真例子说明了算法的有效性和正确性.     

可重复使用助推器组合导航技术研究

为提高火箭动力返回工作模式下可重复使用助推器(RBV)的导航精度,设计了一种组合导航方案。建立了发射点惯性坐标系下的导航系统误差模型,改进了基于联邦滤波的多传感器信息融合技术。针对估计误差方差阵的特点,提出了一种分块阵求逆的部分信息融合方法。基于典型飞行环境的数学仿真表明,该组合导航方案和算法提高了RBV返回过程特别是着陆点处的导航精度。与惯性导航系统相比,组合导航的定位误差由102m级降低到5 m以内、测速误差由0.2~1.0 m/s降至0.01 m/s以内、定姿精度由0.1′提高到0.02′。     

车载GPS/DR组合导航系统卡尔曼滤波方法的改进

将全球定位系统(GPS)和航位推算法(DR)两种定位方式结合,实现车辆GPS/DR组合定位系统的自适应信息融合.联合卡尔曼滤波器存在数学模型不确定性和误差模型的随机性的缺点,提出改进方法是采用联邦滤波器,并引入利用模糊推理建立的模糊自适应联邦滤波器,提高了系统的精度和功能.     

基于不敏Kalman滤波的多传感器数据融合算法

针对非线性系统状态估计的有效融合问题,给出了一种基于不敏Kalman滤波的多传感器数据融合算法.首先,依据单传感器的量测利用不敏Kalman滤波器得到局部状态估计值;其次,依据模糊集合理论中隶属度的性质构建反映局部状态估计结果的支持度函数和支持度矩阵,进而实现对于各局部状态估计之间蕴含冗余和互补信息的充分提取;最终,通...     

GPS/INS/TAN组合导航系统建模与仿真

组合导航系统是提高导航系统性能价格比的有效途径,随着信息融合技术的发展,联邦滤波理论由于可以灵活地设计出精度最优或容错能力最强的组合导航系统,已受到导航界的高度重视, 在研究分析联邦卡尔曼滤波器的算法和结构特点的基础上,提出一种适用于GPS/INS/TAN组合导航系统工程应用的联邦卡尔曼滤波方案,该方案采用无复位结构既保证了容错能力,又兼顾到了导航精度和运算速度,并对组合导航系统的各分系统、子滤波器及主滤波器进行了数学建模、仿真研究和分析,结果表明:在确保整个组合系统可靠性的前提下,导航精度有了明显提高.     

联合卡尔曼滤波在车辆组合导航系统中的应用

GPS/DR组合导航系统是一种低成本、高可靠性的车载导航设备.针对陆地车辆GPS/DR组合导航系统的特点,设计了用于该系统的联合卡尔曼滤波器,给出了滤波算法,并进行了实地跑车实验.理论分析和跑车实验的结果表明,联合滤波方法不仅有效地抑制了DR系统的误差发散,而且能够充分利用DR的数据信息对GPS定位的随机误差进行补偿,从而有效地提高GPS/DR组合系统的定位精度及容错能力.     

Cubature Kalman probability hypothesis density filter based on multi-sensor consistency fusion①

The GM-PHD framework as recursion realization of PHD filter is extensively applied to multi-target tracking system .A new idea of improving the estimation precision of time-varying multi-target in non-linear system is proposed due to the advantage of computation efficiency in this paper .First, a novel cubature Kalman probability hypothesis density filter is designed for single sensor measure -ment system under the Gaussian mixture framework .Second , the consistency fusion strategy for multi-sensor measurement is proposed through constructing consistency matrix .Furthermore, to take the advantage of consistency fusion strategy , fused measurement is introduced in the update step of cubature Kalman probability hypothesis density filter to replace the single-sensor measurement .Then a cubature Kalman probability hypothesis density filter based on multi-sensor consistency fusion is proposed .Capabilily of the proposed algorithm is illustrated through simulation scenario of multi-sen-sor multi-target tracking .