收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于模糊卡尔曼滤波的车速估计方法研究及硬件实现

刘通  
【摘要】:汽车产业的快速发展,人们对车辆安全也越来越重视,提高车辆安全性的重要前提就是对车辆真实速度进行估计。对车辆真实速度的正确估计,对简化控制规律,实施车辆控制如防抱死系统ABS(Anti-lock Braking System)以及牵引力控制系统TCS(Traction Control System)等都有重要的作用,它能够帮助减少刹车时间,并且提高乘客的安全性,这也是车速估计越来越得到研究单位和企业重视的原因。现在车辆上广泛使用的车速估计的方法是以轮胎半径乘以轮胎转速,这也是在速度计上显示的数据。但这种方法常常包括因车辆刹车打滑或者车轮加速度太大产生的滑移等情况而造成的误差。也正是由于这些误差的存在而无法正确的实施ABS,因为它基于车辆真实速度而实现。 本文深入研究了国内外车速估计的发展现状,分析了各种方法利弊,在此基础上提出了模糊控制卡尔曼速度估计方法。设计考虑了车速估计准确性以及车辆电子集成度,实时性,可靠性等要求,采用基于模糊控制器的卡尔曼滤波器来估计车辆速度,但由于该算法计算量较大,在单片机上实现速度慢,不符合车速估计的要求,因此选择FPGA做硬件实现,能够极大的提高车速估计的速度。区别于普通卡尔曼滤波器的是,本设计引入了车辆加速度作为另一输入信号来补充车轮轮速的不足。这里的加速度是车辆前进方向上的车身加速度。 该方法中卡尔曼滤波器作用有二,首先过滤掉车轮轮速以及车辆加速度中的高频白噪声,其次,基于模糊规律设计的模糊控制器,对车辆不同工况下的卡尔曼滤波器参数进行设定以实现对加速度和车轮轮速之间不同的权重。模糊控制器以速度以及加速度估计值与真实值之间的差值为输入,它的控制规律是在专家经验以及车辆实车实验中采集数据拟合而来的。为验证算法的正确性我们研究并搭建了八自由度车辆模型的Simulink仿真,通过不同输入模拟了正常和极限工况下车辆的行驶状态,设计中滤波器的输入来自于八自由度车辆模型输出的加速度和车轮速度,此外,选择该模型输出的车速作为标准与车速估计值做了对比,实践证明,本设计能够较好的跟踪车辆真实速度。鉴于车速估计的实时性要求,我们采用FPGA对算法进行硬件实现。在对FPGA编程方法认真研究学习的基础上,我们提出了以下的设计方法。针对提出的算法使用Catapult C软件将算法的C++描述转化为硬件描述语言,并利用Modelsim对硬件语言进行功能仿真。结果证明,转化后的硬件语言算法仍能较好的跟踪车辆真实速度。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 李圣;徐志强;;基于卡尔曼滤波器消除NLOS影响的移动定位[J];南华大学学报(自然科学版);2006年03期
2 亢海龙;徐娅萍;王涛;王雄;;基于卡尔曼滤波器的轮式机器人定位方法[J];机械与电子;2009年07期
3 李璞;王丹丹;王丽华;;速度加姿态匹配的传递对准算法研究[J];导弹与航天运载技术;2009年05期
4 李山海;;时钟噪声ARMA模型的建立[J];航空电子技术;1985年03期
5 林世雄,袁震东;最优输出跟踪控制系统[J];宇航学报;1987年01期
6 杨旭东,何平,胡恒章;离散卡尔曼滤波器滤波精度与噪声统计模型准确度的关系[J];电机与控制学报;1999年02期
7 田蔚风,金志华,陆恺,王金根;卫星姿态测量系统的故障诊断技术[J];上海交通大学学报;1999年10期
8 贾彩娟;祝小平;周洲;;无人机控制系统传感器故障诊断的方案与仿真[J];计算机仿真;2005年11期
9 张婷;汪渤;;连续型野值判别的新方法[J];东南大学学报(自然科学版);2005年S2期
10 朱志宇;张冰;姜长生;;应用BP网络校正的卡尔曼滤波器[J];航天控制;2005年06期
11 杨子俊;廖凤英;韦庆;;GPS在移动机器人导航定位系统中的应用[J];舰船电子工程;2005年06期
12 史利剑;王永生;訾方;;无重置联邦滤波及在组合导航中的应用[J];弹箭与制导学报;2005年S9期
13 李保国;赵宏钟;付强;谢平;;毫米波频率步进单脉冲雷达角跟踪技术研究[J];电光与控制;2006年01期
14 王立冬;张春熹;;光纤陀螺在惯导系统中的建模及其应用[J];中国惯性技术学报;2006年04期
15 张振娟;李蕴华;;基于Verilog HDL的卡尔曼滤波器的仿真研究[J];南通大学学报(自然科学版);2006年04期
16 王航宇;倪原;;基于卡尔曼滤波器的电动汽车PID控制系统设计[J];西安工业大学学报;2008年03期
17 周建华;李辉;;基于卡尔曼滤波器的PMSM逆变器死区效应补偿方法[J];微特电机;2009年03期
18 孙骏;蒋维龙;王鹏禄;;ABS车轮角加速度的卡尔曼滤波技术研究[J];汽车与配件;2010年05期
19 周琳娜;;基于卡尔曼滤波的目标飞行体预测[J];电子测试;2010年05期
20 曾庆双;蒋蔚;伊国兴;;基于高性能DSP的小型组合导航系统设计与实现[J];哈尔滨商业大学学报(自然科学版);2010年04期
中国重要会议论文全文数据库 前10条
1 祁彩萍;;基于卡尔曼滤波的MultiTouch跟踪算法的优化[A];图像图形技术研究与应用(2010)[C];2010年
2 曾翠娟;王忠;游志胜;;神经网络优化动态GPS卡尔曼滤波算法研究[A];四川省通信学会2005年学术年会论文集[C];2005年
3 叶之金;张旭东;任朔;;基于ADSP-BF561的实时运动目标识别系统[A];中国仪器仪表学会第九届青年学术会议论文集[C];2007年
4 龚珊;尹相勇;朱爱华;;基于浮动车的路段行程时间卡尔曼滤波预测算法[A];2008第四届中国智能交通年会论文集[C];2008年
5 顾明武;陈熙源;;RBFNN辅助卡尔曼滤波在GPS/SINS组合导航中的应用[A];高精度几何量光电测量与校准技术研讨会论文集[C];2008年
6 陈熙;王力超;陆起涌;;基于全局视觉的智能吸尘器的识别与跟踪设计[A];中国仪器仪表学会第九届青年学术会议论文集[C];2007年
7 曾翠娟;杜传利;;动态GPS自适应卡尔曼滤波算法的FPGA实现[A];第13届全国计算机、网络在现代科学技术领域的应用学术会议论文集[C];2007年
8 施清苑;闫玉德;;跟踪高机动目标的δ-自适应递推滤波器[A];面向21世纪的科技进步与社会经济发展(上册)[C];1999年
9 程慧俐;王纪文;张洪钺;;在未知噪声统计情况下的一种新的自适应卡尔曼滤波算法[A];1994中国控制与决策学术年会论文集[C];1994年
10 李康吉;刘国海;;一种提高GPS定位精度的组合定位方法[A];江苏省自动化学会七届四次理事会暨2004学术年会青年学者论坛论文集[C];2004年
中国博士学位论文全文数据库 前10条
1 朱胜利;Mean Shift及相关算法在视频跟踪中的研究[D];浙江大学;2006年
2 王雷;无刷直流电动机调速系统的研究[D];浙江大学;2008年
3 曹福成;超宽带无线定位算法及其在月球车上的应用[D];吉林大学;2008年
4 曹剑;基于运动和压力独立控制的气动同步系统研究[D];浙江大学;2009年
5 吴鹏;基于无线热释电传感器网络的人体目标跟踪系统的研究[D];武汉理工大学;2012年
6 罗贞;基于卡尔曼滤波器的系统的状态估计和故障检测[D];华中科技大学;2013年
7 陈军勇;无线传感器网络分布式量化估计[D];华南理工大学;2011年
8 王少威;永磁交流伺服系统速度检测与控制研究[D];华中科技大学;2012年
9 周聪;基于非线性估计理论的线控转向汽车状态估计研究[D];西南交通大学;2012年
10 毛琳;信息融合非线性滤波及在无源定位的应用[D];哈尔滨工程大学;2011年
中国硕士学位论文全文数据库 前10条
1 臧晓蕾;基于卡尔曼滤波器的船用雷达运动目标跟踪算法研究及性能分析[D];大连海事大学;2011年
2 夏超;基于卡尔曼滤波器的航空发动机传感器故障诊断研究[D];南京航空航天大学;2013年
3 严镭;GPS/DR车辆组合导航定位系统关键理论问题的研究[D];兰州理工大学;2011年
4 刘通;基于模糊卡尔曼滤波的车速估计方法研究及硬件实现[D];吉林大学;2011年
5 林乐天;基于卡尔曼滤波器的一阶倒立摆控制研究[D];哈尔滨工业大学;2010年
6 赵文博;航空发动机传感器故障诊断及信号重构[D];南京航空航天大学;2012年
7 刘士龙;基于卡尔曼滤波器的非合作目标飞行器视觉追踪[D];北京理工大学;2014年
8 王寒芷;基于卡尔曼滤波器的自适应网络异常检测方法[D];上海交通大学;2010年
9 邱燕平;退化故障下设备可靠性的卡尔曼滤波器预测方法[D];合肥工业大学;2010年
10 田丰民;基于小波分解的无线传感器网络动态功率管理[D];西南交通大学;2005年
中国重要报纸全文数据库 前3条
1 徐友方;船用陀螺罗经发展新动向[N];中国船舶报;2002年
2 关书敏;公路隧道技术研究取得重大突破[N];中国交通报;2002年
3 晓文;TFE开发机载传动系统新技术[N];中国航空报;2003年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978