《表3 估计误差：基于蚁狮算法的UKF车辆状态参数估计器》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于蚁狮算法的UKF车辆状态参数估计器》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

正弦迟滞工况仿真结果如图5所示，初始车速为40km·h-1，路面附着系数为0.8，SVDUKF与ALO-SVDUKF算法的最大估计误差及均方根误差如表3所示。由图5(c）可以明显看出，相比于SVDUKF估计算法，基于ALO-SVDUKF估计算法的整体估计效果更好。结合图5(b）可知，在0.35～0.55s和1.08～1.83s之间，此时车辆侧向加速度大于0.4g，轮胎与车辆处于非线性状态，车辆趋于极限失稳状态，SVDUKF算法的估计误差突然增大（最大误差为0.341 0（°）·s-1），而ALO-SVDUKF算法的估计误差始终维持在较小范围内，最大误差仅为0.050 4（°）·s-1，且整体估计的均方根误差为0.022 6（°）·s-1。由图5(d）可知，由于轮胎的非线性特性及车辆模型存在不可避免的误差，2种估计算法都存在一定程度的估计误差，但基于ALO-SVDUKF算法的总体估计误差更小，尤其是在侧向加速度大于0.4g的时刻，仍然能够较好的跟踪参考值，最大估计误差仅为0.225 4°，均方根误差为0.078 1°。