A Distributed Sensing System for Vehicles State Estimation
Notice bibliographique
Résumé
This paper presents the design of a distributed sensing system that uses an Extended Kalman Filter (EKF) to fuse measurements, so that automotive vehicle states can be estimated for use by a Semi-active Suspension control system. To improve ride comfort and handling quality, relative displacements and velocities of suspension systems are estimated. To control the stability of vehicles, roll, yaw, and pitch must also be determined. The designed (EKF) uses easily accessible measurements such as accelerations and body's angular velocities. These measurements are provided by 8 accelerometers and an Inertial Measurement Unit (IMU). The accelerometers are strategically mounted on the two ends of each individual shock absorber (damper). The IMU was mounted near the vehicle's center of gravity. Computer simulations and experiments were conducted for full vehicle state estimation of a 1993 Toyota Tercel equipped with the above mentioned sensor suite. Results show that except relative displacements, all states of the automobile's semi-active suspension systems can be estimated using this set of sensors. The designed EKF works well despite not knowing accurate information about road inputs, external disturbances and car characteristics such as moments of inertia, mass, and equivalent spring and damping coefficients. Both simulation results and experimental results show the effectiveness of the designed EKF in estimating the required states.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».