排序方式: 共有2条查询结果,搜索用时 0 毫秒
1
1.
八自由度车辆模型所包含的控制量较多, 对其直接分析控制有一定的难度, 为此, 提出一种模型分解方法。将原有整车模型分解成3 部分, 使每部分模型包含的控制量较整车模型明显减少, 便于对每部分单独设计控制器。同时对分解后模型的车辆侧倾角及其速度部分, 使用线性二次型最优控制方法, 设计状态最优控制器实现车辆稳定性控制。计算结果表明, 该控制器具有较好的控制效果, 既降低了分解后模型的分析难度又保证了车体控制的精度。 相似文献
2.
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。 相似文献
1