摘要
针对智能网联汽车在实际道路环境中受多源扰动影响导致状态估计精度下降问题,提出基于自适应滤波与深度学习融合的状态估计方法。经建立车辆动力学模型与传感器测量模型,结合深度神经网络对扰动特征进行提取学习,实现车辆状态精确估计。实验数据显示,该方法在道路不平、车轮打滑、侧风等扰动情况下,状态估计精度相比传统方法提升15.3%,稳定性提升23.7%。融合技术已在实车平台验证,结果表明该方法对智能网联汽车在复杂环境下状态估计具有显著改善效果。
出处
《汽车与驾驶维修》
2025年第3期46-48,共3页
Auto Driving & Service
作者简介
王继红,本科,副教授,研究方向为智能网联汽车传感器融合与感知。
