期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
面向降频感知平台的视觉-惯性-轮式里程估计算法
1
作者 贾慎涵 谢心如 +2 位作者 黄煌 王越 熊蓉 《载人航天》 CSCD 北大核心 2024年第5期676-683,共8页
受地外能源稀缺性的影响,探测器通常降低传感器频率以限制功耗。针对降频传感里程估计系统中存在的惯性先验退化问题,进行了基于轮速观测的先验融合以及面向低速平台的视觉算法改进。基于相机频率降为1 Hz,惯性测量单元(IMU)频率降为4 H... 受地外能源稀缺性的影响,探测器通常降低传感器频率以限制功耗。针对降频传感里程估计系统中存在的惯性先验退化问题,进行了基于轮速观测的先验融合以及面向低速平台的视觉算法改进。基于相机频率降为1 Hz,惯性测量单元(IMU)频率降为4 Hz的探测器地面样机展开实验。为实现降频感知平台的高精度里程估计,提出一种基于多状态约束卡尔曼滤波(MSC⁃KF)的视觉-惯性-轮式多传感器融合算法,并通过相机外参在线标定算法实现探测器长时间运行中自动修正系统参数,最后使用零速检测和状态保持等方法进一步抑制机器人静止模式的状态退化。在公开数据集进行充分验证后,基于探测器地面样机在地外复杂环境模拟场地进行了实验,结果表明:可以实现1.2%以内的累计误差,在降频感知平台上实现了高于现有最优方法的里程估计精度,能有效应用于地外探测器的自主导航功能实现。 展开更多
关键词 里程估计 降频感知 多传感器融合 卡尔曼滤波
在线阅读 下载PDF
基于双模型混合的电动汽车SOC和剩余里程估计
2
作者 张怀志 林文文 +1 位作者 张岳君 项薇 《电工电能新技术》 CSCD 北大核心 2024年第7期23-31,共9页
为了缓解电动汽车车主里程焦虑的问题,本文提出了一种基于滤波器和神经网络混合的电动汽车荷电状态(SOC)估计方法,该方法可以准确估计电动汽车SOC和剩余里程。首先,利用降维算法和分类算法从实车数据集中分离出5类能够反映车辆能耗的驾... 为了缓解电动汽车车主里程焦虑的问题,本文提出了一种基于滤波器和神经网络混合的电动汽车荷电状态(SOC)估计方法,该方法可以准确估计电动汽车SOC和剩余里程。首先,利用降维算法和分类算法从实车数据集中分离出5类能够反映车辆能耗的驾驶行为作为模型输入的一部分。其次,搭建卡尔曼滤波和双层双向长短时记忆神经网络结合的混合模型,该模型可以降低实时数据的噪声,并结合历史数据计算电动汽车SOC和剩余里程。最后将不同的模型输入特征和模型结构作对比,证明提出方法具有较高的精度。 展开更多
关键词 电动汽车 SOC估计 剩余里程估计 驾驶行为分析 深度学习 卡尔曼滤波
在线阅读 下载PDF
基于电池能量状态估计和车辆能耗预测的电动汽车续驶里程估计方法研究 被引量:38
3
作者 刘光明 欧阳明高 +2 位作者 卢兰光 韩雪冰 谷靖 《汽车工程》 EI CSCD 北大核心 2014年第11期1302-1309,1301,共9页
本文中提出一种基于动力电池能量状态估计和车辆能耗预测的续驶里程估计模型。电池能量状态估计采用电池状态模型估计电池剩余的可用能量,分析了不同因素的影响。利用纯电动车测试数据,基于递推最小二乘算法辨识车辆能耗参数,结合行驶... 本文中提出一种基于动力电池能量状态估计和车辆能耗预测的续驶里程估计模型。电池能量状态估计采用电池状态模型估计电池剩余的可用能量,分析了不同因素的影响。利用纯电动车测试数据,基于递推最小二乘算法辨识车辆能耗参数,结合行驶工况预测汽车能耗,进而计算续驶里程。与传统的续驶里程估计方法相比,基于电池能量状态估计和整车能耗预测的续驶里程估计模型的精度有较大提高。 展开更多
关键词 电动汽车 续驶里程估计 电池能量状态 车辆能耗预测
在线阅读 下载PDF
电动汽车剩余里程估计 被引量:1
4
作者 梁莹 《农业装备与车辆工程》 2022年第2期121-125,共5页
基于MATLAB/Simulink建立电动汽车整车模型,并通过该模型选择工况特征参数进行工况的聚类分析,从而得到对应工况的能耗,最后根据剩余能量和能耗计算并由模型输出剩余里程。电池能量状态与能耗估计相结合不仅可以提高剩余里程估计的精度... 基于MATLAB/Simulink建立电动汽车整车模型,并通过该模型选择工况特征参数进行工况的聚类分析,从而得到对应工况的能耗,最后根据剩余能量和能耗计算并由模型输出剩余里程。电池能量状态与能耗估计相结合不仅可以提高剩余里程估计的精度,也可以解决工况急剧变化的情况下估计结果的波动问题。 展开更多
关键词 电动汽车 剩余里程估计 工况聚类
在线阅读 下载PDF
家用智能看护机器人高精度里程计估计算法 被引量:2
5
作者 余雷 刘怡明 +1 位作者 张灵霖 徐扬 《河北科技大学学报》 CAS 北大核心 2022年第3期268-276,共9页
为了解决家用智能看护机器人车轮轮胎和地面作用力与电机输出力矩不平衡,易导致看护机器人产生滑动、里程计估计精度低的问题,引入牵引系数描述机器人滑动情况,推导含牵引系数的看护机器人运动学模型,以增量式光电编码器和惯性测量单元... 为了解决家用智能看护机器人车轮轮胎和地面作用力与电机输出力矩不平衡,易导致看护机器人产生滑动、里程计估计精度低的问题,引入牵引系数描述机器人滑动情况,推导含牵引系数的看护机器人运动学模型,以增量式光电编码器和惯性测量单元2种传感器为输入,将含牵引系数的运动学模型应用于基于扩展卡尔曼滤波算法的看护机器人里程计估计算法,搭建看护机器人实验系统完成算法验证。结果表明:在家用瓷砖地面,看护机器人分别以0.1,0.2,0.4 m/s的速度移动时,与传统里程计估计算法相比,所提出的机器人里程计估计算法的误差降低了40%左右。将含牵引系数的运动学模型应用于机器人里程计估计算法,可有效降低看护机器人的里程计估计误差,为提高看护机器人在室内地面的自主导航精度提供了一定的参考。 展开更多
关键词 机器人控制 智能看护机器人 里程估计 多传感器融合 牵引系数
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部