Three-Dimensional Vehicle Dynamics State Estimation for High-Speed Race Cars under varying Signal Quality

要約

この研究は、変化する信号品質の下での 3 次元の車両ダイナミクス状態推定を提示することを目的としています。
3 次元の道路形状が状態推定に及ぼす影響を調査した研究者はほとんどいないため、道路の傾斜やバンクは無視されています。
特に高速と加速度を考慮すると、文献ではこれらの影響について言及されていません。
したがって、2 次元と 3 次元の状態推定スキームを比較して、道路形状の影響を概説します。
質点運動モデルで拡張カルマン フィルターを使用し、参照角度の追加定式化によってそれを拡張します。
さらに、仮想速度測定により、道路角度と車両の横滑り角の推定が大幅に向上します。
車両運動制御アルゴリズムの安定した推定の重要性を強調し、信号品質の低下と全地球測位衛星システムのドロップアウトの課題を実証します。
提案された適応共分散により、スムーズな推定が容易になり、コントローラーの安定した動作が可能になります。
開発された状態推定は、さまざまなサーキットの高速自動レースカーに導入されています。
私たちの調査結果は、私たちのアプローチが最先端の車両ダイナミクス状態推定器や業界グレードの慣性航法システムよりも優れていることを示しています。
さまざまな路面状況や他の車両タイプでのパフォーマンスを調査するには、さらなる研究が必要です。

要約(オリジナル)

This work aims to present a three-dimensional vehicle dynamics state estimation under varying signal quality. Few researchers have investigated the impact of three-dimensional road geometries on the state estimation and, thus, neglect road inclination and banking. Especially considering high velocities and accelerations, the literature does not address these effects. Therefore, we compare two- and three-dimensional state estimation schemes to outline the impact of road geometries. We use an Extended Kalman Filter with a point-mass motion model and extend it by an additional formulation of reference angles. Furthermore, virtual velocity measurements significantly improve the estimation of road angles and the vehicle’s side slip angle. We highlight the importance of steady estimations for vehicle motion control algorithms and demonstrate the challenges of degraded signal quality and Global Navigation Satellite System dropouts. The proposed adaptive covariance facilitates a smooth estimation and enables stable controller behavior. The developed state estimation has been deployed on a high-speed autonomous race car at various racetracks. Our findings indicate that our approach outperforms state-of-the-art vehicle dynamics state estimators and an industry-grade Inertial Navigation System. Further studies are needed to investigate the performance under varying track conditions and on other vehicle types.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google