我是靠谱客的博主 酷酷电话，最近开发中收集的这篇文章主要介绍基于无迹卡尔曼滤波(Unscented Kalmam Filter, UKF)的车辆状态观测器 Carsim与Simulink联合，觉得挺不错的，现在分享给大家，希望可以做个参考。
概述
基于无迹卡尔曼滤波(Unscented Kalmam Filter, UKF)的车辆状态观测器 Carsim与Simulink联合
可估计车辆纵向车速，横向车速，横摆角速度和四个车轮侧向力(效果见图)
UKF使用子函数形式编程，只要定义好状态方程和观测方程，便可方便的进行二次开发
Carsim2018 兼容Carsim2019 MATLAB2018b
带有详细注释和说明文档
Carsim与Simulink联合估计难度与单纯的Simulink模型估计难度不同
★用Carsim做状态估计的难度在于carsim的车辆模型完全是黑箱状态，为了获得较好的估计结果需要不断的调整车辆模型参数
★估计的参数较多也增加了估计难度，比如估计侧向车速需要用到轮胎侧向力，但轮胎侧向力也是需要通过估计获得的，这样就会存在误差的累积，因此估计的参数越多难度越大
ID:93169669436989492
让一部分人先把模型搞起来
最后
以上就是酷酷电话为你收集整理的基于无迹卡尔曼滤波(Unscented Kalmam Filter, UKF)的车辆状态观测器 Carsim与Simulink联合的全部内容，希望文章能够帮你解决基于无迹卡尔曼滤波(Unscented Kalmam Filter, UKF)的车辆状态观测器 Carsim与Simulink联合所遇到的程序开发问题。
如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。
本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。
发表评论 取消回复