多领域建模仿真的软件接口研究

基于多领域系统建模的软件接口技术,提出了复杂产品在机械、液压和控制领域联合建模方法。介绍了各专业领域的建模和仿真商用软件之间提供的数据接口,重点研究了接口连接类型和接口数据传输方式,并对多领域系统模型联合仿真模式进行了讨论,最后指出了该方法存在的几点不足。研究结果对基于软件协作的多领域系统建模与仿真研究具有一定的参考意义。     

可测性DSP软硬件协同仿真验证平台设计

针对数字信号处理器的不同仿真和验证要求，提出了一种可测性软硬件协同仿真和验证平台的设计．采用可配置IP模块和总线结构，实现了硬件平台可配置性和可重用性，采用在线仿真模块，实现了实时的仿真验证功能；采用分层的方法设计软件平台，实现了软件平台的可配置性．实验结果表明，在50MHz的工作频率下，此平台对16位数字信号处理器进行了指令集测试和FIR等应用程序的仿真验证工作．     

基于阿特金森发动机的增程式电动汽车控制策略匹配设计

能量管理控制策略是增程式电动汽车降低油耗和排放的关键,为了使增程式电动汽车获得较好的燃油经济性和控制效果,对采用阿特金森循环发动机的增程式电动汽车的结构特点和工作模式进行了分析.基于阿特金森循环发动机的工作特点,对传统的恒功率控制策略、功率跟随控制策略进行了匹配优化,并提出了发动机三工作点控制策略和基于转速切换的功率跟随控制策略.利用Cruise和Matlab软件建立了联合仿真模型.仿真结果表明:三工作点控制策略与恒功率控制策略相比,有效地防止动力电池大电流充电,有利于缓解电池寿命衰减.基于转速切换的功率跟随控制策略能有效减小发动机转速的频繁波动并且显著提高了燃油经济性,为采用阿特金森循环发动机的增程式电动汽车实用型控制策略的开发提供参考.     

航空碳纤维复材板电-磁-热多场联合仿真与分析

针对电磁涡流感应在实现碳纤维增强复合材料（CFRP）快速内部加热时内部多场问题尚缺少系统理论研究的情况,对航空碳纤维复材板进行了电-磁-热多场联合仿真与分析。首先,从CFRP的物理属性出发,分析其涡流热产生的物理原理;其次,设计不同叠层数目碳纤维复合材料,根据碳纤维复合板材电磁涡流形成规律,分析线圈输入功率/电压以及复材叠层数目对涡流热效应的影响;再次,使用电-磁-热联合多场有限元模型对感应加热过程中电磁涡流场和温度的分布情况进行仿真分析;最后,通过实验验证有限元模型计算结果。结果表明,涡流效应中碳纤维板可以产生呈闭环的感应电流,感应电流在碳纤维复材板上呈中间低、四周高的分布状态;在25 V的固定输入电压下,单层碳纤维板的热升温效应最明显,稳定温度约为141.4 ℃;随着输入功率/电压提升,双层碳纤维复合板材涡流热效应随之增大,达到热稳定所需时间也同步增加。通过电-磁-热联合多场有限元模型和验证实验,研究感应加热过程中电磁涡流场和温度的分布规律,对推动电磁涡流热效应在航空碳纤维复材感应焊接等领域的工程应用具有参考价值。     

新型Costas环在2PSK中的研究与硬件实现

针对先验概率相等的2PSK中的信号不含载波分量,无法通过常规锁相法进行载波同步的缺陷,提出了利用新型科斯塔斯(Costas)环对2PSK进行锁频的方案。利用Simulink搭建框图平台对理论进行了验证,并通过System Generator自动代码生成并将代码下载到FPGA芯片上,同时通过硬件在环协同仿真功能将结果实时在Simulink平台显示出来。输出结果表明该方法能较好地达到实现锁频目的,通过比特流数据实时下载到FPGA开发板来进行调试与验证,提高系统性能。     

基于多体动力学的热轧卷取机踏步系统联合仿真研究

针对某钢厂热轧1700生产线卷取设备的特点,在ADAMS环境下进行了动力学仿真,并用AMESim建立了该卷取设备踏步系统的模型,实现了液压、控制与机械系统动力学联合仿真研究。在所建立多机耦合模型基础上,准确计算出了助卷辊的踏步轨迹、液压缸的负载变化规律和液压缸的油压变化规律,讨论了不同参数对踏步控制系统的影响。结果表明采用液压伺服控制系统其控制精度和响应时间是可以保证的,为卷取机的设计以及技术改造提供了有效的理论依据。     

四驱车辆ABS控制算法

分析了四驱车辆防抱制动装置（ABS）控制与二驱车辆的不同点，主要研究了四驱车辆的中央差速锁、后桥差速锁对ABS控制产生的影响，针对这些问题提出了解决方案．后桥差速锁锁止时，采用横摆力矩控制方法，改善对开路面的行驶稳定性．中央差速锁锁止时，采用降低减压门限的方法，使车轮提前减压，以增加参考车速计算精度．用ADAMS与Matlab联合仿真的方法对这些方案进行了验证，最后对部分方案进行了实车试验验证。     

基于BP神经网络的汽车横摆角速度估计

为估计汽车横摆角速度并提高估计器精度, 采用BP(Back Propagation)神经网络的方法对汽车转向过程的横摆角速度进行估计。现实情况通常存在4 种路面: 干燥路面、沥青路面、积水路面和冰雪路面, 若单纯训练一个网络难以涵盖4 种不同的路面情况。为解决上述问题, 提高网络估计器的精度, 分别在4 种路面工况下训练4 个网络, 构成一个网络组, 再加入网络选择机制, 根据路面情况选择对应的网络的输出值作为横摆角速度的估计值。通过AMESim 与Matlab 联合仿真, 获得网络估计器残差并对估计情况进行分析和评价。该基于数据的方法与基于解析模型的估计方法相比, 不依赖精确的模型, 就能准确估计汽车横摆角速度。仿真结果表明, 基于BP 神经网络的方法对横摆角速度估计是可行的且偏差小, 成本低, 精度高。     

载装作业装置控制系统的机电液联合仿真

以某装载机载装作业装置为研究对象,完成动臂油缸数学模型的建立,采用负载传感器技术建立闭环控制系统,并用ADAMS和MATLAB联合仿真技术对其机电液系统进行运动控制一体化仿真,通过运动路径的规划,闭环控制算法的选取,最终实现对载装作业装置定角度运动的实时控制。表明基于仿真软件接口的协同建模与仿真技术能够有效支持机电液系统控制特性的研究。     

基于Elman神经网络的路面附着系数识别

准确、高效地识别路面附着系数为汽车主动安全系统提供了重要输入参数。笔者提出了基于Elman神经网络识别路面附着系数方法,采用Carsim/Simulink联合仿真,获取了某车辆的63个行驶工况,共20个重要动力学响应。构建了Elman神经网络的路面附着系数识别模型,对附着系数为0.2～0.9的路面进行了识别,识别平均绝对百分比误差为4.92%,准确率为91.22%。相对于传统的BP神经网络方法,该方法使路面附着系数的识别平均绝对百分比误差降低了2.24%,准确率提升了9.82%,并且在潮湿沥青路面以及干燥沥青路面进行了实车实验,验证了该方法的有效性、可行性。