电动助力转向系统机械与控制参数集成优化

建立了电动助力转向(EPS)系统的动力学模型,采用模糊神经网络控制策略进行了系统的控制,在提出目标函数的基础上,用遗传算法对EPS系统机械参数和控制参数进行集成优化。仿真结果表明:采用集成优化方法能使EPS系统的机械参数和控制器参数的匹配更合理,可以提高汽车的操纵性能。     

汽车EPS/ABS集成控制硬件在环研究

针对汽车助力转向制动过程中的动力学耦合关系,通过建立汽车转向和制动系统模型,分别设计了单个ABS及EPS子系统控制器和集成控制器,对两系统进行了集成控制,并将控制器局域网络应用到两系统集成控制中,采用SAE J1939协议,设计了CAN总线通讯系统。最后基于LabView进行了软件仿真和硬件在环实车试验。结果表明：基于CAN通讯的集成系统工作稳定,抗干扰能力强,汽车在转向制动工况下综合性能得到改善。     

基于预测控制的主动悬架与电动助力转向集成控制

通过建立主动悬架与电动助力转向集成控制模型，应用预测控制理论，进行了预测控制器的设计，并在Matlab／Simulink环境中进行仿真模拟。仿真结果表明：具有预测控制策略的主动悬架与电动助力转向集成系统不仅能明显改善车辆行驶平顺性，提高转向轻便性，并且对由路面输入引起的振动能够进行有效抑制，使车辆的操纵稳定性和乘坐舒适性均有不同程度的提高。     

汽车转向与主动悬架集成系统的D-LMS控制

以提高汽车行驶平顺性、操纵稳定性和安全性为目点,建立了半车三自由度汽车转向与主动悬架的综合模型,采用基于小波理论的最小均方(LMS)算法对转向与主动悬架集成系统进行控制。计算结果表明,采用LMS控制的转向与主动悬架集成系统使汽车行驶平顺性和操纵稳定性比被动系统明显改善,有效地提高了汽车综合性能;同时LMS能自动调整权系数,且控制算法简单,便于工程应用。     

基于神经网络逆系统方法的汽车底盘解耦控制

为了消除汽车底盘各电控子系统间的耦合影响,采用了一种基于神经网络逆系统方法的底盘解耦控制策略.对集成主动前轮转向( AFS)、直接横摆力矩控制(DYC)和主动悬架(ASS)的汽车底盘系统进行研究,利用Interactor算法分析了底盘系统的可逆性,建立了多变量底盘系统的BP神经网络逆系统模型,将闭环控制器与神经网络逆系统组成复合控制器用于改善系统的动态性能,并进行了仿真验证.结果表明,基于神经网络逆系统方法的解耦控制策略能够消除底盘各电控子系统间的干涉和耦合影响,有效改善整车的操纵稳定性.     

电动助力转向系统控制策略研究

根据转向系统的助力性能要求,对电动助力转向器的控制策略进行了研究。以模糊自适应PID控制为基础,结合神经网络控制算法,实现助力控制。在此基础上,设计了新型的试验台架,以更好的模拟车轮转向过程。结果表明,采用该控制策略能获得较好的转向轻便性和抗干扰性,同时提高了转向系统的稳定性。     

汽车动力转向系统的发展

综述了汽车动力转向技术的发展,分别叙述了液压助力转向系统、电控液压转向系统及电动助力转向系统,主要叙述了液压助力转向系统的结构、工作原理和主要控制策略,探讨了汽车动力转向系统的发展趋势.     

四轮转向与主动悬架系统集成控制研究

建立了四轮转向(4WS)和主动悬架的集成系统运动分析模型,研究了横向运动和垂直运动之间的关系以及主动悬架和转向之间的相互作用。以某汽车为对象,进行了集成系统的仿真研究,分析了作动器力大小、前后悬架刚度比等参数对汽车转向性能的影响。研究表明:与2WS相比,4WS能较好地提高车辆转向行驶的安全性;4WS与主动悬架之间具有耦合作用,提高主动悬架作动器力的上限可在一定程度上提高转向的性能;采用4WS能减小主动悬架的能量消耗;较软的前悬架不但能够得到较好的乘坐舒适性,也能在一定程度上改善转向性能。     

汽车主动悬架与转向系统的集成控制

在建立了汽车主动悬架与转向系统集成控制模型的基础上,应用LQG控制理论,设计了汽车主动悬架与转向系统LQG集成控制器,并进行了试验仿真,实现了对质心侧偏角、车身横摆角速度、车身垂直加速度、车身俯仰角的集成控制。与被动悬架和转向系统、主动悬架与转向系统单独控制相比,汽车的平顺性、操纵稳定性和安全性都有了显著改善,为汽车底盘集成控制研究提供了依据。     

汽车电动助力转向系统发展综述

综述了国内外汽车电动助力转向(EPS)系统的发展现状,介绍了电动助力转向系统的结构、类型及其特点。分析对比了国内外电动助力转向系统建模及控制策略,展望了电动助力转向系统的发展趋势,指出电动助力转向技术代表未来汽车动力转向技术的发展方向之一,并将在动力转向领域占据主导地位。     

四轮转向车辆后轮转角与横摆力矩联合模糊控制

为提高车辆在极限工况下的稳定性,充分考虑悬架、转向系统以及轮胎等部件的非线性,运用多体动力学仿真分析软件ADAMS/Car建立了四轮转向车辆的虚拟样机模型.确定了质心侧偏角和横摆角速度具有理想输出响应的控制目标.针对车辆的非线性,提出了后轮转角与横摆力矩联合控制的模糊控制策略,并设计了对应的非线性模糊控制系统.最后应用ADAMS/Car和Matlab/Simulink联合仿真技术,对控制系统的性能进行了仿真验证.仿真结果表明:后轮转角与横摆力矩联合模糊控制可有效防止车辆在极限转向工况下发生侧滑失稳.     

基于神经网络非线性模型的线控转向系统控制

进行汽车线控转向系统动力学分析及控制算法研究,需考虑动力学模型的非线性。首先建立基于魔术公式轮胎模型的非线性二自由度整车模型,然后基于神经网络方法训练逼近映射汽车模型输入与输出的关系,最后采用模糊控制方法由车速、转向盘转角等得到转向传动比控制算法。结果表明,基于神经网络的非线性整车模型与样本数据较好吻合,满足研究需要。转向传动比模糊控制算法考虑了转向轻便性和稳定性,提高了汽车操纵稳定性。     

基于神经网络的拖拉机自动导航系统

针对数学模型复杂的拖拉机转向控制问题,使用基于神经网络的控制方法,以福田欧豹4040型拖拉机为研究对象,进行农用车辆导航控制研究。以车辆航向偏差和航向偏差的变化率为输入变量,以前轮转角的变化量为输出变量,设计车辆转向控制神经网络控制器,对拖拉机进行转向控制。仿真表明,该方法可以对拖拉机的转向进行有效控制。实验结果表明,拖拉机在50m的行驶距离内,最大横向偏差为0.18m。     

基于电驱动系统的农业车辆牵引负荷车设计与试验

针对传统农业车辆牵引负荷车机械结构复杂、存在加载死区导致无法实现全范围加载，采集系统功能单一无法实时评估被试车辆牵引性能的问题，设计了一种基于电驱动系统的农业车辆牵引负荷车。负荷车以最大加载牵引力150 kN为设计目标，结合对驱动轮的受力分析，完成了其整机关键部件的选型设计，采用集成发动机-电动桥的电驱动系统为核心单元，使用转向牵引架实现前桥平台的自动跟随转向。在LabVIEW RIO架构基础上，通过FPGA搭建高算力、高性能的测控系统，实现对电驱动系统电流、电压、被试车辆牵引力、油耗等多种信息的采集、无线传输与存储，并使用模糊自适应PID控制算法对牵引力加载进行闭环控制。最后开展整机性能验证试验，负荷车实现了0～150 kN范围内的负荷加载，加载系统最大响应时间为3.6 s,最大超调量为1.61%,实际加载牵引力与目标牵引力最大误差为4.5%。整机性能验证试验表明，负荷车具备良好的牵引负荷加载性能，其测控系统可实现被试车辆牵引性能多参数的实时准确监测，能够完成对农业车辆牵引性能的全面评估。     

基于分层传感器信息融合的智能车辆导

针对智能车辆导航中传感器信息的不确定性,结合BP神经网络和模糊神经网络分别对传感器信息进行了数据层与决策层的两层融合.采用BP神经网络对多超声波传感器信息进行数据层融合,以减少超声波测距传感器信息的不确定性,提高对障碍物距离探测的准确率;采用模糊神经网络融合障碍物距离信息和车体与标志线间偏差信息,实现智能车辆的导航决策控制,使之更适合系统的跟踪避障要求.该方法使智能车辆在跟踪与避障中具有较好的灵活性和鲁棒性.仿真和实车试验验证了方法的有效性.     

电子差速履带车辆转向转矩神经网络PID控制

根据电子差速履带车辆转向动力学和运动学分析,提出一种电子差速履带车辆转向转矩模拟神经网络PID(ANNPID)控制策略,由双电动机转向转矩协调控制、ANNPID控制和感应电动机转矩控制组成.通过建立双感应电动机独立驱动履带车辆电子差速转向控制系统,实现基于ANNPID控制的转向转矩协调分配和基于模型参考自适应控制(MRAC)的感应电动机间接磁场定向(IFOC)转矩控制.采用该策略,在不同转向半径的行驶转向工况、0.5B半径转向工况和中心转向工况下的实车试验结果表明,低速转向具有较好的操控性能.