1.一种无线通讯下前车横向运动状态预测方法,其特征在于:预测方法的具体步骤为:S1:将无线通讯发送和接收的设备分别安装在前车和后车的车顶,前车发送设备接入车内局域网读取前车纵向速度数据和横向加速度数据;
S2:建立基于无线通讯局域网络的间歇发送规则并构建车辆自行车模型,设计状态预测的更新方程和量测方程,根据步骤S1采集的纵向速度数据依据更新方程计算得到前车状态的一步预测值和其误差协方差;
S3:根据步骤S2建立的量测方程和横向加速度数据,对一步预测的前车状态进行动态更新,获得校正后的前车状态预测值并计算后验证误差协方差,将校正后的预测值和误差协方差作为步骤S2在下一时刻的输入值,完成步骤S2和步骤S3动态循环。
2.根据权利要求2所述的一种无线通讯下前车横向运动状态预测方法,其特征在于:所述无线通讯局域网络发送数据的方法具体为:其中: 表征目前正在传输到后车的测量值, 是上一时刻传输到后车的测量值,zk是当前时刻前车的测量输出值,ρ是数据是否发送的阈值,γk是作为前车数据是否被传输的指标,当γk为0值表征预测器在进行下一次迭代更新时仍然使用前一时刻的测量数据,当γk为1值时表征最新的纵向速度和横向加速度的测量值被传输到状态预测器中。
3.根据权利要求2所述的一种无线通讯下前车横向运动状态预测方法,其特征在于:车辆的自行车模型建立后的计算方式为:其中:r为横摆角速度,m为汽车总质量,Lf为前轴到车辆质心的距离,Lr为后轴到车辆质心的距离,δ为前轮转角,ay为侧向加速度,Iz为绕Z轴的转动惯量,β为质心侧偏角,Fyf和Fyr分别为前轴和后轴的侧向力,vx和vy分别为纵向和侧向速度值。
4.根据权利要求3所述的一种无线通讯下前车横向运动状态预测方法,其特征在于:根据公式(3)‑(5)建立前车状态预测更新方程和量测方程:状态变量为:
T
xk=[r,vy,ay]
量测变量为:
T
z=[ay]
输入变量为:
T
u=[vx]
其中:k为采样时间,xk为状态变量,zk为测量变量,f为状态转移函数,Γ为测量输出函数,uk为输入变量,vk为系统过程噪声,过程噪声的协方差为 ,ζk为系统测量噪声,测量噪声的协方差为Rk,vk和ζk是零均值高斯白噪声,彼此不相关,初始状态x0也独立于所有的噪声信号;
计算初始的状态向量和协方差矩阵:其中:E是进行求数学期望,x0表示待预测向量初值,P0表示对应的初始协方差矩阵;
计算基本的容积点 和权重
其中:C是容积点,n=3是状态向量维度;
对公式(9)中的协方差矩阵P0进行对角化其中:U和V分别是上三角和下三角矩阵,S是对角矩阵;
计算容积点:
对容积点进行一步传播:
预测预测状态 和协方差 为:
5.根据权利要求4所述的一种无线通讯下前车横向运动状态预测方法,其特征在于:所述步骤S3中校正状态计算步骤具体如下:定义递推滤波形式如下:
其中:Kk+1是Mk+1预测器的增益矩阵, 是校正预测值;
设定校正状态预测偏差为 一步状态预测偏差为当γk+1=1时,增益Kk+1和校正误差协方差其中:Pzz,k+1为预测测量协方差;
当γk+1=0时,等式(16)可以表达为:对f(xk,uk)在 进行一阶泰勒展开得到:其中:αk是一个代表高阶项的矩阵;
对Γ(xk+1,uk+1)进行一阶泰勒展开得到:其中:θk是一个代表高阶项的矩阵;
公式(7)减去公式(19), 可以表达如下:根据公式(22), 可以改写为:其中I表示单位矩阵;
根据公式(24), 计算如下:其中:
因为ek和ζk是独立的,所述Zk+1等于零,对于Ωk+1和ψk+1应用如下引理,对于两个向量x,yn∈R,R为实数集合且σ>0;
T T T ‑1 T
xy+yx≤axx+a yy(26)根据公式(26),有以下不等式:把公式(27)带入公式(25), 的上界 为:其中a1和a2是一个正数,基于等式(18)和(28),误差协方差上界 表达如下:对 相对Mk+1求微分等于零:增益Mk+1如下:
在获得增益矩阵后对 进行对角化:计算容积点:
对容积点进行一步传播:
预测测量向量 和新息协方差 以及互协方差通过公式(17)和公式(31)计算出的Kk+1或者Mk+1值,并通过公式(16)进行状态校正更新。