关键词：电动汽车;状态估计;卡尔曼滤波;分布式驱动;自适应控制
摘 要：为了提高电动汽车状态估计精度，设计了一种新型结构的改进自适应卡尔曼滤波算法(Improved adaptive Kalman filter， IAKF)。对滑动窗口长度进行自主调节，同时利用该算法来实现卡尔曼滤波增益以及估计噪声协方差自适应分析，相对传统形式的协方差直接更新方式与噪声协方差自适应算法可以达到更准确的结果。研究结果表明：相对扩展卡尔曼滤波方法(Extended Kalman filter， EKF)与Sage-Husa 自适应扩展卡尔曼滤波(Sage-Husa adaptive Kalman filter， SHAKF)，IAKF可以达到更高估计精度。当噪声与实际统计特征存在差异时，相对最初误差提高近30倍，精度明显下降。随着最小滑动窗口长度减小后，可以使状态估计过程获得更快动态响应速率。实验测试证明本文估计算法能够达到高估计精度以及良好的鲁棒能力。算法负荷测试结果显示都在1ms内，能够满足10ms内的步长要求，达到算法实时性的效率标准。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取