电源滤波器在车辆状态估计中的应用
摘要：本文主要讨论电源滤波器在车辆状态估计中的应用。通过引入扩展卡尔曼滤波器（EKF）和无
迹卡尔曼滤波器（UKF）模型，结合角阶跃输入和整车 7 自由度模型，我们对轮毂电机分布式驱动车
辆进行车速、质心侧偏角和横摆角速度的估计。
1. 引言
随着电动车辆的发展，对车辆状态的准确估计变得越来越重要。车辆状态估计是指通过一系列测量数
据和模型，推断出车辆在运动中的一些关键状态参数，如车速、横摆角速度等。在车辆控制系统中，
状态估计对于车辆的操控性能和安全性具有重要影响。
2. 车辆状态估计模型
我们采用整车 7 自由度模型作为状态估计的基础模型。该模型考虑了车辆的横向和纵向运动，包括车
辆的质心侧偏角、横摆角速度、纵向车速等。模型的输入包括方向盘转角 delta 和车辆纵向加速度
ax，输出包括横摆角速度 wz、纵向车速 vx 和质心侧偏角 β。通过状态估计，我们可以准确地获取这
些参数，为车辆控制系统提供精确的输入。
3. 扩展卡尔曼滤波器（EKF）模型
扩展卡尔曼滤波器是一种基于卡尔曼滤波器的非线性滤波器。在本研究中，我们引入 EKF 模型，利用
其对非线性系统进行状态估计的能力。通过将车辆动力学模型与测量数据相结合，我们可以获得对车
辆状态的准确估计。
4. 无迹卡尔曼滤波器（UKF）模型
无迹卡尔曼滤波器是一种不需要进行线性化的非线性滤波器。与 EKF 相比，UKF 具有更好的估计性能
和计算效率。在本研究中，我们引入 UKF 模型，对车辆状态进行估计。通过选择一组称为“无迹变换”
的采样点，我们可以更好地逼近非线性系统的状态分布，从而获得更准确的估计结果。
5. 电源滤波器在状态估计中的应用
电源滤波器是一种用于电子设备的滤波器，用于滤除电源中的噪声和干扰。在车辆状态估计中，电源
滤波器可以有效地滤除来自车辆电源系统的干扰信号，提高状态估计的精度和鲁棒性。通过在状态估
计模型中引入电源滤波器，我们可以减小由电源系统引入的测量误差，提高状态估计的准确性。
6. 实验结果及分析
我们通过一系列实验验证了所提出的状态估计方法的有效性和准确性。实验结果表明，在引入电源滤
波器的情况下，状态估计的准确性明显提高。通过比较 EKF 和 UKF 模型的性能，我们发现 UKF 模型
在状态估计中表现更为出色，具有更高的估计精度和鲁棒性。
7. 结论
