基于EKF和RBF的路面附着系数估计

摘要

针对车辆行驶下的路面附着系数估计问题,提出了扩展卡尔曼滤波算法(EKF,extended kalman filter)与径向基神经网络(RBF,radial basis function neural network)相融合。通过扩展卡尔曼滤波算法得出路面附着系数估计所需要的车辆状态参数,结合轮速等直接数据采用径向基神经网络对路面附着系数进行估计。神经网络的训练样本通过Carsim/Simulink收集不同行驶工况,并采用差值寻优的方法对径向基神经网络算法中的决定系数进行优化。基于双移线工况验证了该算法在路面附着系数估计上具有较高的精准度。