线控转向系统的角传动比研究

线控转向系统取消了转向盘和转向轮的机械连接,可以根据需要设计角传动比,对随车速变化的参数进行补偿,实现理想的转向特性。提出了理想角传动比的概念,并基于Matlab研究了变角传动比时汽车的阶跃响应和频域响应。结果表明,改变角传动比不影响系统极点,只影响转向灵敏度。     

线控转向系统的主动转向控制策略

建立了线控转向系统的整车二自由度模型.对固定转向灵敏度型和横摆角速度反馈型主动转向控制策略进行了性能分析.仿真结果表明,前者可以保持固定转向灵敏度,降低驾驶员负担,但是不改变系统极点;后者可以增加系统阻尼和带宽,改善操纵稳定性.     

线控转向系统总体方案及控制方法研究

汽车线控转向系（Steer—By—Wire）由于取消了转向盘和转向轮之间的机械连接,完全摆脱了传统转向系统的各种限制,不但可以自由设计汽车转向的力传递特性,而且可以设计汽车转向的角传递特性,给汽车转向特性的设计带来无限的空间,提高了汽车的转向性能,是汽车转向系统的重大革新。     

汽车线控转向系统的结构分析

线控转向系统对传统转向系做了根本性的变革:转向盘与转向轮之间取消了机械连接,而采用路感电机反馈路感,采用转向电机实现汽车转向.分析了线控转向系统的总体结构和功能、人机界面一转向盘和操纵杆、转向机构的形式等.可以为线控转向系统的设计提供借鉴.     

装载机线控转向路感控制策略

设计了铰接式装载机线控转向系统,在分析装载机路感特性的基础上,提出系统控制策略,并设计了一种基于BP神经网络整定的自适应PID控制器,实现了PID参数的在线调整。仿真和实验结果表明,该控制器可使线控转向系统实现理想的路感特性。     

装载机线控转向系统硬件在线回路仿真

设计了装载机线控转向技术硬件在线回路仿真系统并介绍了其组成工作原理,采用比例溢流阀加载的方式对系统进行模拟加载。利用传递函数法建立了仿真系统的数学模型,并在Matlab中对其进行了仿真与PID参数的调整。利用该硬件在线回路仿真系统分别对不同的输入信号及不同负载条件下的响应进行了实验,实验结果表明,采用比例溢流阀加载的方式可以较好地对系统进行模拟加载,线控转向技术在装载机上应用是可行的。     

基于AMEsim的线控转向系统的控制研究

建立了线控转向系统的数学模型,基于AMEsim软件平台构建了线控转向系统的仿真模型,并探讨了线控转向电动机的控制算法。通过创建S函数实现AMESim和Simulink的接口互连。联合仿真的结果表明了控制算法的正确性。     

基于PSO-PID的拖拉机线控液压转向控制研究

PID控制是典型的控制系统,其核心内容是PID参数优化。为解决拖拉机线控液压转向PID控制参数优化时不能确保得到最佳性能且耗时长的问题,课题组采用了理论分析法及仿真实验法,对线控液压转向系统的模型进行了仿真分析,基于粒子群算法（PSO）优化了PID参数,提出了PSO-PID控制器,并将其控制结果与标准PID进行对比,得出了使整个PID系统性能优异的优化结果。仿真结果表明,PSO算法有效提高了PID参数的稳定性、收敛速度和搜索精度,性能指标更优。     

线控转向系统的全状态反馈控制策略

研究了线控转向系统的车辆全状态(质心侧偏角和横摆角速度)反馈控制策略,根据虚拟前轮侧偏刚度的概念得到横摆角速度和质心侧偏角的反馈系数,研究了虚拟前轮侧偏刚度系数对极点、频率特性等的影响.仿真表明,根据车速选择合适的虚拟侧偏刚度系数,可改变汽车的转向特性,即低速时,该系数为正,过度转向程度增大.提高转向灵敏性;高速时,该系数为负,不足转向程度增大,提高转向稳定性.因此全状态反馈控制策略可提高车辆的操纵稳定性.     

基于神经网络的拖拉机可靠性模型的参数估计

针对拖拉机可靠性模型，应用数学方法和人工神经网络系统理论，提出了基于自适应线性神经网络的可靠性模型参数估计方法，并用该方法给出了拖拉机首次故障时间可靠性模型参数估计，得到了拖拉机首次故障时间的可靠度函数。     

电动助力转向与主动悬架模糊神经网络集成控制

在建立汽车电动助力转向和主动悬架系统的集成模型基础上,利用神经网络自适应学习功能推导集成系统模糊控制规律,设计了模糊神经网络控制策略,对转向行驶工况下的集成系统进行了大量的计算分析。研究结果表明,采用所提出的集成控制策略能有效地实现对汽车平顺性、操纵稳定性、安全性的集成优化,从而使得整车动力学性能得到较大改善。     

农用机器人转向系统自适应内模控制

针对农用机器人转向系统状态和控制具有复杂、时滞和增益时变的特性,将Adaline神经网络(ANN)与内模控制相结合,提出一种在线调整时滞时间和控制增益的自适应控制方法。建立基于Adaline网络的增益与时滞的辨识算法,即通过反馈误差在线优化,适应性地调整时滞时间和增益,克服参数时变对内模控制和被控对象模型的影响。仿真和试验结果表明,与常规的PID控制方法相比,该方法具有较高的控制精度、较强的自适应性和鲁棒性,完全适用于农用机器人转向系统的控制。     

基于模糊神经网络的温室控制系统

为了实现温室节能以及安全控制,针对温室环境的大滞后、多输入、多输出、非线性和难以建立数学模型等特点,提出用模糊神经网络进行温室温度控制的方法,采用神经网络在线调整训练模糊规则的控制方式,实现了温室内温度的模糊控制.利用该方法能提高温室控制系统的精确性、适应性和鲁棒性,有利于节能.结果表明,基于模糊神经网络的温室控制系统运行效果良好,控制过程响应快,无震荡,超调量小,稳态误差小,能满足使用要求.     

基于实神经网络代数算法的汽车逆动力学仿真

针对汽车操纵逆动力学的研究现状,采用实神经网络代数算法,对汽车逆动力学进行研究.根据二自由度汽车开环系统模型的运动微分方程和双移线道路模型,进行“正问题”的求解,将获得的样本输入实神经代数网络进行训练.将训练过程与BP网络算法的结果进行对比,说明代数算法的优越性.另取一组仿真值输入训练成功的代数网络进行识别,将得到的汽车方向盘转角与仿真结果进行对比,验证网络精度.最后进行实车试验,将试验数据与神经网络识别结果进行对比,再次验证其准确性.     

人工神经网络模型应用于大坝变形

利用已有的垂线原型观测资料，建立了基于人工神经网络的大坝变形计算模型，并用原型观测数据对其进行了校核和检验。结果证明，用人工神经网络建立坝体变形的神经网络模型对大坝变形能够进行较高精度的预测，并具有一定的优越性。     

基于神经网络的番茄栽培管理专家系统

针对专家系统开发过程中存在的问题，利用神经网络的学习功能、记忆功能和并行处理的优势，提出了用神经网络建立专家系统的方法；构造了神经网络专家系统的基本框架；并详细阐述了神经网络专家系统的设计过程及BP神经网络的改进算法。     

基于人工神经网络的磨料水射流切割速度模型

磨料水射流切割的断面质量限制了,其应用。由于高速固液两相流本身的复杂性,很难建立一个有效的理论模型。基于人工神经网络理论,结合典型材料切割质量的实验结果,建立了磨料水射流切割速度的数值预测模型,给定切割工件、射流压力和切割质量后,该模型能快速、准确、可靠地预测切割速度。     

基于灰色预测的模糊神经网络孵化控制系统

提出一种基于灰色预测的模糊神经网络控制策略,并应用在孵化过程控制系统中.运用灰色预测技术对孵化参数进行预测,方便后续控制,而模糊神经网络则控制过程的动态特性,保证孵化参数的精确和稳定控制.仿真结果表明,该系统能在50 s内将被控对象稳定,具有良好的动态和静态特性.     

汽车驾驶机器人模糊神经网络换挡控制方法

为了实现汽车驾驶机器人挡位决策的智能化,提出了一种驾驶机器人模糊神经网络换挡控制方法.模糊神经网络模型的输入为驾驶机器人油门机械腿的位移、试验车辆的车速和加速度,模型的输出为挡位.输入变量的隶属函数都为3个,类型都采用广义钟形函数gbellmf,网络训练算法选用反向传播算法和最小二乘法相结合的混合学习算法.仿真结果表明,汽车驾驶机器人模糊神经网络控制仿真挡位与试验挡位基本一致,该方法可根据操作工况环境实现正确的汽车驾驶机器人挡位控制.