CN115271040B 一种基于自适应扩展卡尔曼滤波的车辆质量估计方法 （中山大学）_第1页
CN115271040B 一种基于自适应扩展卡尔曼滤波的车辆质量估计方法 （中山大学）_第2页
CN115271040B 一种基于自适应扩展卡尔曼滤波的车辆质量估计方法 （中山大学）_第3页
CN115271040B 一种基于自适应扩展卡尔曼滤波的车辆质量估计方法 （中山大学）_第4页
CN115271040B 一种基于自适应扩展卡尔曼滤波的车辆质量估计方法 （中山大学）_第5页
已阅读5页，还剩29页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种基于自适应扩展卡尔曼滤波的车辆质本发明涉及一种基于自适应扩展卡尔曼滤2计算卡尔曼增益kr3;2.根据权利要求1所述的一种基于自适应扩展卡尔曼滤波的车辆质量估计方法，其特43.根据权利要求1所述的一种基于自适应扩展卡尔曼滤波的车辆质量估计方法，其特4.根据权利要求3所述的一种基于自适应扩展卡尔曼滤波的车辆质量估计方法，其特5.根据权利要求4所述的一种基于自适应扩展卡尔曼滤波的车辆质量估计方法，其特即为权重因子。6.根据权利要求1所述的一种基于自适应扩展卡尔曼滤波的车辆质量估计方法，其特7.根据权利要求4所述的一种基于自适应扩展卡尔曼滤波的车辆质量估计方法，其特568.根据权利要求1_7任一所述的一种基于自适应扩展卡尔曼滤波的车辆质量估计方7[0004]本发明为克服上述现有技术中基于模型的方法的车辆质[0011]在上述的技术方案中，通过步骤三的神经网络模型学习车辆状态间的非线性关8x0x是车辆加速度。9[0052]P=Apr-1A"+[0055]J=D"I'[0059]为状态量向量，包含了汽车k时刻的速度[0070]S5_4：将上述σ点集pi是协方差矩阵的先验估计；[0099]本实施例的工作原理：通过步骤三的神经网络模型学习车辆状态间的非线性关[0102]如图1-2所示，一种基于自适应扩展卡尔曼滤波的车辆质x0x是车辆加速度。[0119]kr=pf[0147]pr=(I-krH)P[0149]为状态量向量，包含了汽车k时刻的速度和质量，也就是输出了车辆质量估计上述实施例2的区别在于，将步骤五中的自适应扩展卡尔曼滤波替换为自适应无迹卡尔曼[0158]式中：u是第一个σ点的期望权值；u"是第一个σ点的协方差权值；u是剩下[0169]式中，是观测量的估计值；Bxe是zk的协方差矩阵；Baxe是xk和zk的协方差矩

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论