基于扩展卡尔曼滤波(EKF)的车辆状态观测器：Carsim与Simulink集成方法

简介：
本研究提出了一种结合Carsim和Simulink平台的创新方法，开发基于扩展卡尔曼滤波（EKF）算法的车辆状态观测器，以精确估计车辆动态参数。该系统在自动驾驶及车辆控制系统中具有广泛应用前景。 基于扩展卡尔曼滤波（Extended Kalman Filter, EKF）的车辆状态观测器可以利用Carsim与Simulink联合估计车辆的纵向车速、横向车速、横摆角速度以及四个车轮的侧向力。使用Carsim 2018或兼容Carsim 2019版本进行状态估计时，难度在于Carsim中的车辆模型是黑箱模式。为了获得较好的估计结果，需要不断调整车辆模型参数。由于要估计的参数较多，增加了整体估计的复杂性。例如，在估算侧向车速时需要用到轮胎侧向力，而这个轮胎侧向力本身也是通过状态估计得到的，因此误差会逐渐累积。这意味着随着待估参数数量增加，问题解决难度也会相应增大。