基于车载振动测量与容积卡尔曼滤波的地形估计

车辆行驶于自然地形时所经历的振动程度决定了其乘坐品质。通常，从单一不连续到高程剖面随机变化的表面不规则性，作为通过轮胎-土壤相互作用与悬架系统诱发车身振动的主要激励源。因此，越野车辆的乘坐响应与地面特性紧密关联。本研究的目标是开发一种基于模型的观测器，利用可用的车载传感器自动估计地形参数。两个加速度信号，一个来自车身，一个来自车轮悬架，被输入考虑轮胎／地形相互作用的动态车辆模型以估计地面特性。为求解由此产生的非线性状态与参数联合估计问题，采用了容积卡尔曼滤波（cubature Kalman filter），其在精度与稳定性上优于标准扩展卡尔曼滤波。我们给出大量仿真测试以评估所提估计器在不同表面粗糙度与可变形条件下的性能。结果表明，所提观测器能够在作业期间自动估计地形特性，可部署于广义智能车辆家族，从越野高速乘用车到轻量低速行星探测车。