資源描述：
《智能車(chē)動(dòng)力學(xué)模型參數(shù)辨識(shí)方法研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、上海交通大學(xué)碩士論文摘要智能車(chē)動(dòng)力學(xué)模型參數(shù)辨識(shí)方法研究摘要在行車(chē)安全和交通效率問(wèn)題日益凸顯的今天，智能車(chē)技術(shù)正在快速發(fā)展。為了達(dá)到更好的車(chē)輛控制效果，期望使用基于動(dòng)力學(xué)的車(chē)體控制方法。但是在車(chē)輛動(dòng)力學(xué)模型中，某些參數(shù)的確定非常困難或者測(cè)量成本昂貴。為此，本文進(jìn)行了針對(duì)智能車(chē)的動(dòng)力學(xué)模型參數(shù)辨識(shí)研究。為了便于智能車(chē)動(dòng)力學(xué)模型參數(shù)辨識(shí)的研究，本文首先搭建了以智能小車(chē)實(shí)驗(yàn)平臺(tái)，該智能小車(chē)具備良好的轉(zhuǎn)向特性和速度特性，而且在結(jié)合了嵌入式微控制器、攝像頭和測(cè)速編碼器后能夠?qū)崿F(xiàn)車(chē)輛的自主導(dǎo)航。然后提出了基于激光雷達(dá)的智能小
2、車(chē)定位方法，該方法把切線角度直方圖和XY直方圖的優(yōu)勢(shì)進(jìn)行巧妙結(jié)合以進(jìn)行車(chē)輛位姿預(yù)估，再運(yùn)用基于模板匹配和魯棒迭代最近點(diǎn)算法（IterativeClosestPoint,ICP）的定位方法對(duì)智能小車(chē)進(jìn)行定位，最后使用擴(kuò)展卡爾曼濾波（ExtendedKalmanFilter,EKF）進(jìn)行位姿跟蹤。仿真實(shí)驗(yàn)和實(shí)際實(shí)驗(yàn)證明，該定位方法具備較好的定位魯棒性和精度。此后，基于以上定位結(jié)果，進(jìn)行了智能小車(chē)動(dòng)力學(xué)參數(shù)辨識(shí)的初II上海交通大學(xué)碩士論文摘要步研究，在二自由度動(dòng)力學(xué)模型的基礎(chǔ)上推導(dǎo)出參數(shù)辨識(shí)的方法和步驟，最后基于辨識(shí)參
3、數(shù)的仿真軌跡與實(shí)際的定位軌跡對(duì)比，驗(yàn)證了該辨識(shí)方法的可行性。關(guān)鍵詞：智能小車(chē)，激光雷達(dá)，車(chē)輛動(dòng)力學(xué)，定位，辨識(shí)III上海交通大學(xué)碩士論文ABSTRACTRESEARCHONIDENTIFICATIONOFDYNAMICPARAMETERSFORINTELLIGENTVEHICLEABSTRACTAstheprominenceoftrafficsafetyandefficiency,intelligentvehicletechnologydevelopsrapidly.Togetthebetterdriving,i
4、t’sreasonabletocontrolbasedonvehicledynamics.Unfortunately,someparametersindynamicmodelaredifficulttodetermineorcostlytomeasure.Researchonidentificationofdynamicparametersforintelligentvehicleisstatedinthispaper.Fortheconvenienceofresearchwork,anexperimentpla
5、tformbasedonsmartvehicleisdeveloped.Thesmartvehicleperformswellinsteeringandspeedproperty.Afterbeingintegratedwithembeddedmicro-controllers,cameraandencoder,ithavetheabilityofautonomousnavigation.Thenalocalizationmethodofthesmartvehiclebasedonlaserradarisgive
6、n.ThismethodcombinestheadvantagesoftangentanglehistogramIV上海交通大學(xué)碩士論文ABSTRACTandXYhistogramtopre-estimatethepose.Later,modelregistrationandrobustIterativeClosestPoint(ICP)algorithmisdesignedtolocatethesmartvehicle.Finally,forcompensatinglaserradardeficiencies,
7、ExtendedKalmanFilter(EKF)algorithmisusedforLaserRadarandDeadReckoningdatafusionsoastoguaranteetheaccuracyoflocalization.Simulationandrealexperimentsillustratethatthelocalizationmethodhashighrobustnessandaccuracy.Basedonthelocationresult,preliminaryandbasicres
8、earchworkisdoneaboutidentificationofthesmartvehicle.Theparameteridentificationmethodisderivedfromthe2-DOFdynamicmodel.Contrastofsimulationtracebasedonidentifiedparametersandrealtracebased
