基于ASTUKF的分布式农业车辆路面参数辨识方法

作     者：孙晨阳 周俊 赖国梁 SUN Chenyang;ZHOU Jun;LAI Guoliang

作者机构：南京农业大学工学院南京210031 

出 版 物：《农业机械学报》 (Transactions of the Chinese Society for Agricultural Machinery)

年 卷 期：2024年第55卷第2期

页      面：401-414页

核心收录：

学科分类：08[工学] 080204[工学-车辆工程] 0802[工学-机械工程] 

基　　金：江苏省现代农机装备与技术示范与推广项目(NJ2019-29) 国家重点研发计划项目(2016YFD0701003)。 

主　　题：农业车辆 分布式驱动 路面参数辨识 自适应强跟踪无迹卡尔曼滤波 

摘      要：针对分布式驱动农业车辆在路面参数辨识过程中,因路面环境变化出现的状态模型误差和时变噪声,导致辨识结果发散的问题,提出了基于自适应强跟踪无迹卡尔曼滤波(Adaptive strong tracking unscented Kalman filter,ASTUKF)的辨识方法。与传统内燃机农业车辆相比,分布式驱动可以直接获取驱动轮的状态信息,结合含有峰值附着系数和极限滑转率的μ-s曲线模型,建立了无迹卡尔曼滤波(Unscented Kalman filter,UKF)辨识算法的状态方程和量测方程。同时,将强跟踪滤波(Strong tracking filter,STF)和自适应滤波(Adaptive filter,AF)引入辨识算法,用以提高对多变环境的识别精度和鲁棒性,并采用奇异值分解(Singular value decomposition,SVD)解决了迭代过程中出现的非正定矩阵的问题。仿真试验结果表明,在突变噪声环境工况下,ASTUKF辨识结果可以快速收敛至目标值附近,且不受突变噪声的影响,各驱动轮峰值附着系数估计结果的平均绝对误差(Mean absolute error,MAE)分别为0.0144、0.0267、0.0144、0.0267,极限滑转率估计结果的MAE分别为0.0025、0.0028、0.0025、0.0028。实车试验表明,在已耕地和未耕地的试验路面上,ASTUKF辨识结果的均值95%置信区间能够匹配测量值,整车的附着系数辨识结果为0.4061(未耕地)、0.3991(已耕地),极限滑转率辨识结果为0.1484(未耕地)、0.3600(已耕地),可为分布式电动农业车辆作业参数感知提供理论参考。