• 자동차안전학회지
• /
• 제14권4호
• /
• pp.16-20
• /
• 2022

Accurate state estimation is important for autonomous driving. However, the estimation error increases in situations that a lot of longitudinal slip occurs. Therefore, this paper presents a vehicle state estimation method using an Extended Kalman Filter. The filter estimates the states of the host vehicle robust to wheel slip. It utilizes the measurements of the four-wheel rotational speeds, longitudinal acceleration, yaw-rate, and steering wheel angle. Nonlinear measurement model is represented by Ackermann Model. The main advantage of this approach is the accurate estimation of yaw rate due to the measurement of the steering wheel angle. The proposed algorithm is verified in scenarios of autonomous emergency braking (AEB), lane change (LC), lane keeping (LK) using an automated vehicle. The results show that the proposed algorithm guarantees accurate estimation in such scenarios.

• 한국소음진동공학회논문집
• /
• 제15권1호
• /
• pp.20-28
• /
• 2005

이 논문에서는 기존의 6-축 혹은 9-축 머리진동 측정장치(bite-bar)를 이용한 머리진동 측정에서 직면하는 불확도 인자들에 대한 문제점을 우선 소개한다. 이들 불확도 인자들은 머리의 6-자유도 운동 성분의 추정에 필요한 모든 측정 요소들을 측정하지 않았다는 한계점에서 유발함을 보인다. 이러한 문제점을 극복하기 위하여 4개의 3축 가속도 센서로 구성된 새로운 머리진동 측정장치(12-axis bite-bar)의 모델을 제안한다. 본 모델은 측정 기준점에서의 선형 3축 가속도 뿐 아니라 3축 각 가속도와 함께 6 종의 2차 각속도 성분들의 추정 또한 가능하게 한다. 이러한 12 성분의 추정 모델로부터 비로소 머리의 임의 점에서 6-자유도 운동 성분의 계산이 가능함을 이론적으로 규명한다. 이러한 이론적 배경에 기반을 두고 설계 제작된 12-축 머리진동 장치(12-axis bite-bar)를 소개한다. 본 장치를 이용하여 얻어진 실험 결과 소개 뿐 아니라 기존의 측정장치의 측정 결과와 비교 분석 내용을 소개한다.