以确定校准状态,并且类似地确定车辆状态。也就是说,更新第一传感器的校准状态的概率分布的均值和方差是基于第一传感器的加权采样的校准状态与第一传感器的加权估计的校准状态之差的函数的。类似地,更新第二传感器的校准状态的概率分布的均值和方差是基于第二传感器的加权估计的校准状态与传感器测量值之差的函数的。另一实施方式将所述量确定为具有Zui高概率的状态和参数。
图7d示出了当针对每次迭代生成五个采样的校准状态的值时的步骤700、710和720的三次迭代的结果的简化示意图。使用运动模型和系统输入以及五个采样的校准状态的值(用于参数化动态模型)在时间711d中前向预测初始状态710d,以产生五个下一状态721d、722d、723d、724d和725d。在更新方差和偏移值的估计之后,按照测量值726d以及测量值726d的方差和偏移727d的估计值的函数来确定概率。在每个时间步骤,即,在每个迭代中,使用概率的聚合体来产生校准状态和对应状态720d的聚合的集合。
图7e示出了图7d中的第一次迭代时五个状态的可能分配的概率。这些概率721e、722e、723e、724e和725e被反映在选择例示状态721d、722d、723d、724d和725d的点的尺寸上。
桑尼SUNNY齿轮泵
HG1-20-1R-VPC HG1-25-1R-VPC
HG1-32-1R-VPC HG1-40-1R-VPC
HG1-50-1R-VPC HG1-63-1R-VPC
美国SUNNY齿轮泵
HG1-13-1R-VSC HG1-16-1R-VSC
HG1-20-1R-VSC HG1-25-1R-VSC
HG1-32-1R-VSC HG1-40-1R-VSC
HG1-50-1R-VSC HG1-63-1R-VSC
HG2-80-1R-VPC HG2-100-1R-VPC
HG2-125-1R-VPC HG2-160-1R-VPC
HG2-125-1R-VSC HG2-160-1R-VSC
HG2-80-1R-VSC HG2-100-1R-VSC