基于归一化轮胎模型的路面附着系数观测

针对已有的最大路面附着系数观测算法存在收敛速度不够快以及观测精度不够高的问题,提出一种新型的基于归一化轮胎模型理论的路面附着系数观测算法。该算法通过引进归一化轮胎模型,提出基于滑移斜率(slip-slope)的参考路面附着曲线识别算法,并据此开发了一种基于线性插值的最大路面附着系数观测方法,同时引入了回归最小二次算法(RLS)方法对观测结果实时进行数据后处理。仿真分析表明,该算法能准确识别路面附着系数,可使观测精度提高约30%,同时能有效提高识别的收敛速度。     

基于功能原理和模糊控制的路面附着系数估计

为从根本上解决轮胎参数变化影响估计精度的问题,文中不引入轮胎模型,提出了一种基于功能原理和模糊控制的路面附着系数估计算法.首先利用功能原理推算当前车辆状态下的利用附着系数,再通过模糊推理的方法由当前状态下的利用附着系数和滑移率推算当前行驶路面的峰值附着系数,然后利用Matalb软件建立车辆的三自由度模型,对估计算法进行了仿真分析.结果表明,文中算法能有效地估计路面附着系数,具有良好的实时性和准确性.     

基于模糊规则的路面附着识别算法研究

为了提高双通道主动式稳定杆(ASB)系统对车辆横摆稳定的控制性能,基于车辆的侧向动力学特性,提出了1种新型路面附着系数识别算法。先通过模糊规则识别非线性因子,再由估算模型计算路面附着系数的初始估计值。通过滤波处理算法处理后得到最终估计值,并将其应用于双通道ASB系统中。利用MATLAB/Simulink对该算法进行了高、中、低附着路面以及对接路面的仿真分析。仿真结果表明,该算法能够有效地识别路面状况,双通道ASB系统根据当前的路面信息及时调整控制策略,提高了车辆的横摆稳定性。     

交通事故再现中轮胎/路面附着系数估算方法

为提高估算交通事故再现时所需轮胎/路面附着系数的准确性,提出了1种轮胎/路面附着系数估算方法.基于模糊控制理论,分析了轮胎/路面附着系数的主要影响因素,建立了路况、胎压、胎况、车速和附着系数的隶属函数,并依据专家经验法制定了模糊规则库,最终建立轮胎/路面附着系数估算模型,并通过试验验证了该模型的有效性.试验结果表明:对于ABS车辆附着系数估算模型,最大相对误差为3.57%,最小相对误差为1.25%,相对误差均值为1.96%,相对误差均方差为0.80%;对于非ABS车辆附着系数估算模型,最大相对误差为3.03%,最小相对误差为1.49%,相对误差均值为2.24%,相对误差均方差为0.79%.     

视觉辅助的分布式驱动电动汽车路面估计方法

利用分布式驱动电动汽车车轮转矩精确可知可控的特点,设计基于轮胎纵向力估计的路面附着系数扰动估计器。为提高路面估计算法收敛速度,设计基于车载摄像头的路面辅助辨识方法,利用颜色矩法和灰度共生矩阵法提取路面颜色纹理特征,并基于支持向量机实现路面分类。基于增益调度方法设计融合估计策略。实车试验的结果表明,相比单一的动力学估计器,该设计算法具有收敛速度快、精度高的特点。     

基于轮胎滑水模型的轮胎-沥青路面附着特性影响因素分析

为研究轮胎与沥青路面之间的附着特性,基于耦合欧拉-拉格朗日法(CEL法)建立充气花纹轮胎滑水有限元模型,验证了滑水模型适用性,计算出AC,SMA及OGFC三种沥青路面附着系数曲线.基于轮胎-路面附着特性理论,分析了制动防抱死系统(ABS)状态和潮湿条件下轮胎-路面附着特性影响因素.研究发现:胎路附着特性与轮胎运动状态有关,随滑移率增大轮胎受到的纵向附着系数先上升后下降,滑移率为15%左右时附着系数达到最大;在水膜厚度较小、轮胎压力较高时增大表面宏观纹理可提高路面抗滑性;平均断面深度(MPD)一定时,干燥路面较潮湿状态体现出更高的附着性能;相同水膜厚度时,附着系数随车速增加而不断减小,OGFC路面比AC路面和SMA路面具有更好的抗滑性能.     

四轮毂驱动EV双容积卡尔曼路面附着系数估计

针对车辆在行驶过程中难以实时、准确地获取路面附着系数这一问题,本研究在结合车辆三自由度动力学模型和Dugoff修正轮胎力模型所搭建的四毂驱动联合仿真电动汽车平台基础上,设计了一种时效性、鲁棒性强的双容积卡尔曼滤波路面附着系数观测算法。双容积卡尔曼滤波算法利用奇异值分解优化求解误差协方差矩阵,将车辆行驶状态观测器信息与附着系数观测器信息相互联系,形成闭环反馈校正更新观测信号,实现对路面附着系数的实时估计。在四轮毂驱动联合仿真电动汽车平台中设置低附着路面,在开路面仿真工况下对双容积卡尔曼滤波算法进行验证,并与传统容积卡尔曼滤波观测器数据进行比较和分析。结果表明:双容积卡尔曼滤波算法具有更快的的响应速度,估计的路面附着系数精度更高,实时性更强。     

基于卡尔曼滤波的车辆状态与路面附着估计

建立了采用Dugoff轮胎模型的三自由度车辆估算模型,设计了基于联邦卡尔曼滤波理论的车辆行驶状态估计算法与基于扩展卡尔曼滤波理论的路面附着系数估计算法,使车辆状态估计与路面附着估计相互联系、闭环反馈、同时进行.选择典型工况,应用Car Sim与Matlab/Simulink联合仿真实验对车辆状态算法和路面附着估计算法进行了验证.结果表明:文中算法能够实现对车辆状态及路面附着系数的准确估计.     

基于路面识别的ABS模糊控制仿真研究

为提高车辆制动性和行驶安全性,针对当前ABS控制方法,提出了基于路面识别的ABS模糊控制。该方法利用车轮制动力矩对路面附着系数进行观测,当观测到μ-λ曲线趋近峰值点时,立即对当前路面进行路面识别,并基于此对车辆ABS进行模糊控制。建立以七自由度整车模型为研究对象,然后通过MATLAB/simulink软件对该控制方法进行制动实验和路面识别仿真。通过仿真实验表明,基于该方法的ABS控制具有较好的制动效果和较强的鲁棒性,并能够对当前车辆行驶路面类型做出准确的识别。     

基于峰值附着系数变化范围的路面识别研究*

为了在制动过程中完成当前路面的识别,在Burckhardt轮胎-路面数学模型的基础上设计了6种典型路面峰值附着系数的变化范围,以路面附着系数为参数指标在制动时进行路面识别。使用单轮模型分别在单一路面和跃变路面上进行了仿真试验,结果表明该方法能够准确快速地完成路面识别,充分利用了不同路面的附着条件。最后通过车载六分力测试系统在干沥青路面上进行了道路实验,进一步验证了该方法的有效性和可行性。     

AYC系统基于多传感器数据融合的路面附着系数估计算法

为提高车辆行驶安全性,研究适用于车辆稳定性控制系统的实时路面附着系数估计算法。利用多传感器数据融合综合车辆稳定性控制系统的各传感器数据,从中提取轮胎-路面附着系数得到充分利用的特征信息。根据路面附着系数充分利用时的侧向加速度估算路面附着系数。通过15自由度硬件在环仿真平台以及实车试验两种方式对算法进行验证。一定条件下的仿真结果表明算法的最大估算误差不超过0.04,车辆双移线实车试验的通过率从25%提高到100%。     

AYC系统基于多传感器数据融合的路面附着系数估计

为提高车辆行驶安全性,研究适用于车辆稳定性控制系统的实时路面附着系数估计算法。利用多传感器数据融合综合车辆稳定性控制系统的各传感器数据,从中提取轮胎-路面附着系数得到充分利用的特征信息。根据路面附着系数充分利用时的侧向加速度估算路面附着系数。通过15自由度硬件在环仿真平台以及实车试验两种方式对算法进行验证。一定条件下的仿真结果表明算法的最大估算误差不超过0.04,车辆双移线实车试验的通过率从25%提高到100%。     

人工免疫的神经网络预报方法及其应用

针对RBF(radial basis function)神经网络在预测铁水含硅量中出现的预测精度低,收敛速度慢的问题,提出了一种基于免疫识别原理的径向基函数神经网络的学习算法.该算法利用人工免疫原理确定高斯基函数的中心和宽度参数,同时将所识别的数据作为抗原,抗体作为抗原的压缩映射并作为神经网络的隐层中心,利用递推最小二乘法(recursion least square, RLS)确定连接权值,提高了RBF神经网络的收敛速度和精度.应用该模型于某大型钢铁厂高炉铁水硅含量预报的实例中, 实验结果表明, 该模型具有更高的预测精度和更短的训练时间.     

基于路面附着系数估计的车辆自适应巡航控制研究

为了提高复杂工况下特别是低附着路面工况下车辆自适应巡航控制(Adaptive cruise control,ACC)的安全问题,该文提出基于路面附着实时估计的ACC控制方案。基于模型预测控制(Model predictive control,MPC)设计了ACC控制器,通过实时滚动优化计算得到期望的加减速度值。基于递推最小二乘法设计路面附着系数实时估计策略,根据实时估计的路面附着情况确定MPC控制器中的加减速度极限约束条件。基于Lagrangian方法建立了四自由度的非线性纵向车辆动力学模型,作为ACC控制系统的车辆仿真模型,得到了车辆在高、低不同附着路面上行驶的安全情况。仿真结果表明:基于路面附着系数实时估计的ACC控制方案在各种路面条件下都能确保前、后两车之间保持期望的车间距离安全行驶。     

新的变步长归一化最小均方算法

为了解决最小均方 (L east Mean Square,L MS)算法收敛速度和稳态误差之间的矛盾 ,提出了一种新的变步长归一化 (Norm alized) L MS(NL MS)算法。这种算法根据滤波器系数的梯度计算新的步长。当算法尚未收敛时 ,使用较大的步长 ;随着收敛程度的加深 ,逐渐减小步长。试验显示了该算法具有很好的收敛性能和跟踪性能。与其它的变步长L MS算法相比 ,该算法在标准 NL MS算法基础上增加的运算量和存储量都很少且与阶数无关 ;而且该算法的参数受观测噪声的影响很小 ,在观测噪声强度发生变化的情况下不需要重新调整参数 ,仍然可以保持很好的收敛性能     

基于 UKF车辆状态及路面附着系数估计的AFS控制

本文侧重于主动前轮转向(Active Front Steering,AFS)控制系统的应用性与可行性研究,针对紧急转向工况下轮胎呈现强非线性问题,以及AFS控制算法中部分状态量难以获取、路面附着系数对车辆稳定性有重要影响但难以直接测量等问题,设计非线性滑模控制器以综合考虑载荷转移、轮胎非线性及路面条件等对操稳性影响,同时,通过ESP系统现有的IMU传感器测量信息,运用无迹卡尔曼滤波(Unscented Kalman Filter,UKF)算法为滑模控制器动态估计车辆状态信息和路面附着系数.在得到期望轮胎侧偏力后,通过非线性轮胎模型精确反求所需叠加转角,以在"轮胎-路面"附着能力范围内检验控制系统的有效性.最后,高附着系数情况下的鱼钩测试仿真及低附着系数时的角阶跃转向仿真共同表明,通过IMU与UKF结合的状态估计确保了AFS控制系统的可行性,有效提高了车辆操纵稳定性.     

基于PSO_MP算法的电力线信道模型参数识别方法

针对低压电力线信道模型的多参数识别问题,提出了一种基于粒子群优化的匹配追踪算法(particle swarm optimization_ matching pursuit, PSO_MP)。匹配追踪算法(matching pursuit, MP)实现过程简单,但是计算复杂、计算量比较大;粒子群优化算法(particle swarm optimization, PSO)具有全局搜索能力强、收敛快等优点;将两者结合使用不仅可以提高信道模型参数辨识精度,而且还可以提高系统收敛速度。针对传统的高斯原子数目较大的问题,设计了一种新的原子结构。仿真实验表明,基于PSO_MP的模型参数识别精度高,验证了该算法的可行性和优越性。     

基于神经网络的混凝土大坝弹性参数识别方法

基于人工神经网络方法,根据云峰大坝坝顶水平位移观测资料识别大坝混凝土和岩石基础的弹性模量,采用修正的ＢＰ学习算法,并通过对迭代步长的优化计算及对观测数据的归一化处理,提高了参数识别的速度和精度,云峰大坝的工程实际应用表明,用神经网络方法识别材料参数具有识别精度高和收敛速度快等特性,拟合误差小于０．１５ｍｍ。     

基于ABS制动过程特征参数的路面附着识别

利用轮速信号和防抱死制动系统(ABS)控制器提供的压力调节状态确定ABS减压过程的最大滑移率和轮速回升阶段的最大车轮角加速度,提出了一种基于这两个特征参数的路面附着识别算法。通过实车ABS道路试验,获得不同路面附着条件下这两个特征参数在坐标平面内的分布,并根据特征参数点在该平面内的分布规律确定能够区分高、低附着路面的分界线。为防止误判,根据由参考车速确定的制动减速度对识别得到的路面附着进行修正。采用不同附着路面条件下的ABS制动试验实测数据对算法进行验证,结果表明在仅测量轮速的情况下可有效识别高、低附着路面。     

基于双重扩展卡尔曼滤波汽车防碰撞模型研究

针对现有的汽车防碰撞高速扇形预警模型,文章提出了基于双重扩展卡尔曼滤波的高速扇形预警模型。根据双重扩展卡尔曼滤波原理,将车辆状态和路面附着系数估算过程形成闭环控制,实现了对车辆状态和路面附着系数的准确估算;建立汽车的四自由度动力学模型和魔术轮胎模型,结合Carsim和Matlab/Simulink软件进行联合仿真。仿真实验结果表明,该模型能够实时监测路面附着系数,正常预警。