A multi-sensor information fusion-based model adaptive lateral velocity estimation method. Firstly, designing an adaptive process noise matrix and a measurement noise matrix of an SR-UKF algorithm with reference to information, such as the lateral acceleration, yaw rate, and front wheel steering angle, of a vehicle; then, on the basis of an original estimation method dynamics model, adding an adaptive term so as to fuse a kinematics model, the weight ratio of the two models being adjusted by coefficients of the adaptive term; and finally, the adaptive noise matrix and the adaptive model are substituted into the SR-UKF algorithm for lateral velocity estimation. A basic probability function of the confidence of two sensors is defined according to the deviation between the lateral acceleration and yaw rate sensor values and dynamics model calculation values, and the information of the two sensors is fused according to the Dempster-Shafer evidence theory, so that the accuracy of an evaluation dynamics model and the uncertainty of the sensors are quantitatively calculated according to observation values of the two sensors, so as to obtain a coefficient value of an adaptive term in an evaluation method model, and finally adaptation of the model is achieved.

    L'invention concerne un procédé d'estimation de vitesse latérale adaptative à modèle basé sur la fusion d'informations multi-capteurs. Le procédé comprend d'abord la conception d'une matrice de bruit de traitement adaptatif et d'une matrice de bruit de mesure d'un algorithme SR-UKF en référence à des informations, telles que l'accélération latérale, la vitesse de lacet et l'angle de braquage des roues avant, d'un véhicule; puis, sur la base d'un modèle de dynamique du procédé d'estimation d'origine, l'ajout d'un terme adaptatif de manière à fusionner un modèle cinématique, la proportion de poids des deux modèles étant ajustée par des coefficients du terme adaptatif; et enfin, la substitution de la matrice de bruit adaptatif et du modèle adaptatif dans l'algorithme SR-UKF pour une estimation de vitesse latérale. Une fonction de probabilité de base de la confiance de deux capteurs est définie en fonction de l'écart entre les valeurs de capteur de vitesse de lacet et d'accélération latérale et les valeurs de calcul du modèle de dynamique, et les informations des deux capteurs sont fusionnées selon la théorie de l'évidence de Dempster-Shafer, de sorte que la précision d'un modèle de dynamique d'évaluation et l'incertitude des capteurs soient calculées quantitativement en fonction de valeurs d'observation des deux capteurs, de manière à obtenir une valeur de coefficient d'un terme adaptatif dans un modèle du procédé d'évaluation, et enfin une adaptation du modèle est réalisée.

    一种基于多传感器信息融合的模型自适应侧向速度估计方法,首先参考车辆的侧向加速度、横摆角速度与前轮转向角等信息,设计SR-UKF算法的自适应过程噪声矩阵与测量噪声矩阵;然后在原估计方法动力学模型的基础上,加入自适应项以融合运动学模型,两模型权重比由自适应项的系数调整;最后,将自适应噪声矩阵和自适应模型代入定SR-UKF算法进行侧向速度估计。其中,根据侧向加速度和横摆角速度传感器值与动力学模型计算值偏差定义两传感器置信度的基本概率函数,并依照Dempster-Shafer证据理论融合两传感器信息,从而根据两传感器的观测值定量地计算评估动力学模型的精确度与传感器的不确定性,得出估计方法模型中自适应项的系数值,最终实现模型的自适应。


    Zugriff

    Download


    Exportieren, teilen und zitieren



    Titel :

    MULTI-SENSOR INFORMATION FUSION-BASED MODEL ADAPTIVE LATERAL VELOCITY ESTIMATION METHOD


    Weitere Titelangaben:

    PROCÉDÉ D'ESTIMATION DE VITESSE LATÉRALE ADAPTATIVE À MODÈLE BASÉ SUR LA FUSION D'INFORMATIONS MULTI-CAPTEURS
    基于多传感器信息融合的模型自适应侧向速度估计方法


    Beteiligte:
    WANG WEIDA (Autor:in) / YANG CHAO (Autor:in) / XIANG CHANGLE (Autor:in) / GUO XINGHUA (Autor:in) / LIU JINGANG (Autor:in) / ZHANG ZHONGGUO (Autor:in)

    Erscheinungsdatum :

    16.12.2021


    Medientyp :

    Patent


    Format :

    Elektronische Ressource


    Sprache :

    Chinesisch


    Klassifikation :

    IPC:    B60W CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION , Gemeinsame Steuerung oder Regelung von Fahrzeug-Unteraggregaten verschiedenen Typs oder verschiedener Funktion / G06K Erkennen von Daten , RECOGNITION OF DATA / G06F ELECTRIC DIGITAL DATA PROCESSING , Elektrische digitale Datenverarbeitung