电气工程与系统科学 > 信号处理
[提交于 2025年7月16日
]
标题: 通过融合标准车载汽车传感器进行道路粗糙度估计
标题: Road Roughness Estimation via Fusion of Standard Onboard Automotive Sensors
摘要: 道路不平度显著影响车辆振动和乘坐质量。 我们引入了一种基于卡尔曼滤波器(KF)的方法,通过融合惯性和速度测量数据,以国际不平度指数(IRI)来估计道路不平度,为路面监测提供了一种成本效益高的解决方案。 该方法涉及对物理车辆进行系统识别,以估计现实的模型参数,随后通过基于KF的纵向道路剖面重建来计算IRI值。 它探讨了利用垂直和横向振动进行IRI估计,后者在现代车辆中更为常见。 在230公里真实数据上的验证显示了有前景的结果,IRI估计误差范围为参考值的1%至10%。 然而,当仅使用横向振动时,准确性显著下降,突显了其局限性。 这些发现证明了基于KF的估计在高效道路不平度监测方面的潜力。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.