基于无迹卡尔曼滤波的质心侧偏角估计算法 Simulink 模型设计
摘要：本文基于无迹卡尔曼滤波（Unscented Kalman Filter, UKF）算法，通过加速度计和陀
螺仪对车辆的横向加速度和横摆角速度进行测量，实现对车辆质心侧偏角的估计。首先，介绍了无迹
卡尔曼滤波算法的原理，并给出 Simulink 模型的设计思路。然后，通过与 TruckSim 联合仿真，
在双移线与正弦工况下验证了所搭建的估计算法的性能。最后，给出了 TruckSim 工程中需要手动配
置的具体接口参数列表，并提供了相关仿真结果。本文的研究成果对于车辆动力学的研究和控制具有
一定的指导意义。
关键词：无迹卡尔曼滤波、质心侧偏角估计、Simulink 模型、TruckSim 联合仿真、车辆动力学
1. 引言
在车辆动力学研究中，准确估计车辆质心的侧偏角对于车辆的稳定性控制以及驾驶员的安全至关重要
。为了实现对车辆侧偏角的准确估计，本文采用了无迹卡尔曼滤波算法，并基于 Simulink 平台进行
了模型设计。通过与 TruckSim 软件联合仿真，验证了所搭建的估计算法的性能。
2. 无迹卡尔曼滤波原理
无迹卡尔曼滤波是一种非线性滤波算法，在状态估计中被广泛应用。本文将该算法应用于车辆动力学
模型中，通过测量车辆的横向加速度和横摆角速度，估计车辆质心的侧偏角。具体步骤如下：
- 步骤 1：系统建模。根据车辆动力学方程，建立车辆的状态空间模型，将车辆侧偏角和横摆角速
度作为系统状态量，车辆横向加速度和横摆角速度作为量测量。
- 步骤 2：UT 变换。根据 UKF 的原理，通过对系统状态量进行 UT 变换，得到 Sigma 采样点集，
用于状态估计。
- 步骤 3：时间更新。根据 UT 变换得到的 Sigma 采样点集，通过时间更新公式，得到下一时刻的
先验估计值。
- 步骤 4：量测更新。利用量测更新公式，结合测量的车辆横向加速度和横摆角速度，得到对车辆
侧偏角的估计值。
- 步骤 5：迭代更新。根据系统的实时测量数据，不断迭代更新车辆侧偏角的估计值，实现对质心
侧偏角的准确估计。
3. Simulink 模型设计
基于无迹卡尔曼滤波算法的 Simulink 模型设计主要包括以下几个部分：加速度计和陀螺仪的数据读
取模块、UT 变换模块、时间更新模块和量测更新模块。其中，加速度计和陀螺仪的数据读取模块通过
相应的接口参数读取 TruckSim 软件中的实际侧偏角、横摆角速度和横向加速度数据。UT 变换模块
根据读取到的数据进行变换，得到 Sigma 采样点集。时间更新模块和量测更新模块根据 UT 变换得到
的 Sigma 采样点集和测量数据，更新车辆侧偏角的估计值。通过对 Simulink 模型的设计，可以实
现对车辆侧偏角的实时估计。
