基于自适应滤波器的无人驾驶汽车速度估计

摘要

针对无人驾驶汽车容错控制对速度信息软测量技术的需求,提出了一种基于交互式多模型无迹卡尔曼滤波器的无人驾驶汽车速度估计方法,以自适应系统未知的噪声统计特性。首先,基于无人驾驶汽车定位信息建立了包含汽车运动学和动力学特性的名义模型,并采用前向欧拉离散化方法将其转化为包含系统噪声统计特性的状态空间名义模型;然后,采用一系列典型值描述系统未知的噪声统计特性,得到一系列包含不同系统噪声统计特性的状态空间名义模型,并针对每一个状态空间名义模型,分别采用无迹卡尔曼滤波器对无人驾驶汽车的速度进行实时估计,通过交互式多模型算法平滑融合无迹卡尔曼滤波器的输出,由此得到对系统噪声统计特性具有自适应能力的交互式多模型无迹卡尔曼滤波器。实车试验结果表明,所提出的方法对汽车纵向速度的估计精度是传统无迹卡尔曼滤波方法的4倍,对汽车侧向速度的估计精度是传统无迹卡尔曼滤波方法的1.5倍,满足无人驾驶汽车容错控制的需求。