一种面向卡车-半挂车组合的可靠状态估计方法——基于人工神经网络辅助的扩展卡尔曼滤波
系统与控制
2024-09-17 v2 系统与控制
摘要
高级驾驶辅助系统严重依赖于关于车辆驾驶状态的可靠且准确的信息。对于未知量的估计，既有基于模型的方法，也有基于学习的方法，但二者各有局限。一方面，基于模型的估计性能常受限于模型的准确性。另一方面，基于学习的估计器在"未知"条件下通常表现不佳（泛化差），这对半挂车尤其关键，因为其载荷在运行中会发生显著变化。迄今为止，据我们所知，本工作是首次分析半挂车在"未知"装载状态下的泛化能力。此外，我们提出了一种新型的混合扩展卡尔曼滤波（H-EKF），利用准确的人工神经网络（ANN）估计，同时保持可靠的泛化能力。它仅利用标准半挂车的传感器数据，估计半挂车与卡车之间的摆角、侧向轮胎力以及卡车的转向角。基于全尺寸卡车-半挂车组合的实验比较表明，H-EKF 在经典扩展卡尔曼滤波和 ANN 估计器方面具有优势。
引用
@article{arxiv.2406.14028,
title = {Reliable State Estimation in a Truck-Semitrailer Combination using an Artificial Neural Network-Aided Extended Kalman Filter},
author = {Jan-Hendrik Ewering and Zygimantas Ziaukas and Simon F. G. Ehlers and Thomas Seel},
journal= {arXiv preprint arXiv:2406.14028},
year = {2024}
}
备注
8 pages, 3 figures, Presented at 2024 European Control Conference (ECC)