四轮转向汽车控制策略研究

针对四轮转向汽车比例前馈控制算法控制效果及稳定性差等缺点,在四轮转向二自由度模型基础上考虑车身的侧倾及轮胎的非线性特性,建立三自由度非线性模型。在此基础上,利用模糊规则库对PID控制器的参数进行校正,设计了改进的模糊PID控制器,并在阶跃仿真试验下,与传统的前轮转向汽车和比例前馈控制下的四轮转向汽车进行了操纵稳定性仿真对比分析。仿真结果表明：改进的模糊PID控制器控制效果更佳,操纵稳定性和行驶安全性更好。     

基于状态反馈的四轮转向汽车最优控制

为了充分发挥四轮转向技术在改善汽车操纵稳定性方面的优势,对车辆转向的理想状态进行了分析,构建了理想转向模型.依据具有二次型性能指标的最优控制理论,以车辆转向理想模型作为跟踪目标,采用基于状态反馈和前轮前馈的控制策略,对四轮转向汽车后轮转向控制规律进行了研究,并推导了后轮转角最优控制算法.利用Matlab/Simulink工具,对所提出的后轮转向最优控制方法在不同侧重的权值下,分别与比例控制四轮转向汽车和传统的前轮转向汽车进行了动力学仿真对比.仿真结果表明:所设计的后轮转角最优控制器改善了车辆转向的瞬态与稳态响应特性,其瞬态响应的超调量减少,稳定时间缩短;侧向滑移的稳态值有所降低,从而提高了车辆转向的操纵稳定性.     

基于状态反馈的四轮转向汽车LQR优化控制

为了提高汽车的操纵稳定性,以4轮转向(4WS)汽车为研究对象,建立了2自由度系统的数学模型和状态方程。并以横摆角速度和侧偏角为优化目标,设计了线性二次型调节器(LQR)。通过质心侧偏角和横摆角速度的共同反馈,控制汽车后轮转角,实现4WS控制。在MATLAB/Simulink环境下完成了传统前轮转向汽车、零侧偏角比例控制及LQR控制的4WS汽车仿真。结果表明,相对于其他控制策略,基于状态反馈的LQR优化控制能够改善汽车的操纵稳定性,但不能够既将汽车的质心侧偏角降到基本为零,同时又保证横摆角速度处于理想状态。因此,汽车动力学集成控制将是未来汽车发展的重要方向。     

线控主动四轮转向汽车控制策略研究

目的 针对线控四轮转向汽车横向稳定性不足及控制鲁棒性差等问题,提出一种主动转向反馈控制策略。方法 使用Simulink搭建线控转向系统转向执行机构动力学模型,将MATLAB/Simulink与Carsim联合仿真,建立线控四轮转向整车模型;基于二自由度模型分析横摆角速度和质心侧偏角对汽车稳定性的影响,推导理想的横摆角速度和质心侧偏角;以横摆角速度增益恒定为依据设计理想传动比,得到期望前轮转角,以横摆角速度误差为控制量设计模糊控制器得到附加前轮转角对期望转角实时修正,实现前轮主动转向;针对横摆角速度和质心侧偏角与理想值之间的误差,加权得到稳定性控制目标;设计自适应积分滑模反馈控制策略输出后轮转角,对理想值进行跟踪,实现后轮主动转向。结果 仿真实验结果表明：所搭建的线控转向系统能够准确反映汽车动力学特性。相比无控制的机械前轮转向汽车与横摆反馈控制的四轮转向汽车,线控主动四轮转向汽车在双移线工况下将质心侧偏角控制在0值附近波动,横摆角速度跟踪误差控制在1.149 deg/s以内;在角阶跃工况下将质心侧偏角稳态值控制在0.065 deg,横摆角速度稳态值误差为0.074 deg/s。结论 线控...     

四轮转向汽车运动稳定性分析

在驾驶员-四轮转向汽车闭环操纵系统动力学模型的基础上,应用非对称特征值问题的矩阵摄动理论,给出驾驶员-四轮转向汽车闭环操纵系统运动稳定性对汽丰结构参数和四轮转向系统控制参数的灵敏度和多个参数同时变化时的摄动量,并与前轮转向汽车的结果进行了比较。仿真结果表明,本文方法可以为汽车操纵稳定性的优化设计提供理论基础。     

基于ARM处理器的汽车四轮转向H∞控制器的实现

为提高汽车四轮转向系统性能,以汽车二自由度模型为基础,采用前馈和反馈的组合控制,基于实时操作系统在32位ARN处理器上设计汽车的H_∞控制器．样机测试实验结果表明:在高速状态下,车体侧偏角在2°左右,侧向加速度为12 m／s2附近,横摆角速度增益保持在1．6上下;低速状态下,前后轮转角反向相差10°左右。四轮转向半径比两轮转向缩短30％左右．因此,H_∞控制器能够满足高速行驶时汽车转向的稳定性和低速行驶时的灵活性要求．     

四轮转向汽车的非线性模型及其动力方程

针对四轮转向系统建立一个实用的车辆多自由度非线性动力学模型并导出相应的动力学方程，反映实际结构的主要因素对汽车运动的影响．该模型具有更为广泛的适应性，可以用于汽车紧急机动时横向加速度较高情形下的动力分析，为车辆稳定性等方面的分析提供了更为精确的模型，该分析模型对工程实践具有指导意义。     

汽车四轮转向神经网络控制系统

针对车辆的非线性特性问题，以闭环评价为出发点，利用神经网络理论，提出了一种基于神经网络的四轮转向系统的设计方法，为四轮转向自适应控制系统的设计提供新的方法。     

基于线控技术的四轮转向全滑模控制

针对具有线控技术的四轮转向车辆,设计了一种全滑模控制器用于提高车辆的操纵稳定性.以前、后车轮转角作为控制输入,设计全滑模控制器使实际的质心侧偏角和横摆角速度跟踪理想的质心侧偏角和横摆角速度,通过在滑模面中加入跟踪误差积分项来消除稳态跟踪误差不为零的现象,并运用Lyapunov定理给出了全滑模控制器的稳定条件.最后通过2种车辆模型下不同工况的仿真分析,对比了传统前轮转向、常规滑模控制的四轮转向和全滑模控制的四轮转向的动力学响应,结果表明所设计的全滑模控制器不仅消除了稳态跟踪误差不为零的现象,而且提升了车辆抵抗外界干扰和系统参数摄动的鲁棒性.     

基于LQR的四轮转向汽车控制方法

用选定的加权系数将轮胎较大侧偏刚度和轮胎较小侧偏刚度的车辆状态方程关联起来,并应用了线性二次型最优控制理论(LQR)设计了综合考虑轮胎非线性特征的四轮转向线性二次型最优综合控制算法;用Matlab/Simulink和Carsim建立了联合仿真模型对所设计的控制算法的控制效果进行了验证. 仿真结果表明:在低附着系数路面进行车道变换行驶时,基于定轮胎侧偏刚度LQR线性控制的四轮转向汽车与前轮转向汽车相比具有更加优越的操控性能;基于非线性轮胎侧偏刚度LQR权系数控制的四轮转向汽车比定轮胎侧偏刚度LQR线性控制的四轮转向汽车要有较好的操控性能.      

基于神经网络模糊控制的单交叉口信号控制

在分析城市交通信号控制研究现状的基础上,提出一种基于神经网络模糊控制的单路口交通信号灯控制方法,通过检测当前相位的排队长度和下一相位的排队长度得出当前相位以及下一相位的车流密度,进而判断是否进行相位变换.以每个周期内交叉口的车辆平均延误作为控制指标,来判断该控制器的控制性能.计算机仿真结果表明,该方法能够降低车辆在交叉路口的平均延误.     

基于鲁棒神经网络的水下机器人运动控制

针对水下机器人神经网络控制中系统响应速度慢及对噪声较敏感的问题,依据变结构控制理论,提出了一种基于鲁棒神经网络的水下机器人控制方法E利用指数趋近律,推导出神经网络参数的镇定算法,并采用标准误差反向传播(EBP)算法最小化目标函数,最后在水下综合探测机器人仿真平台上进行了试验研究E试验结果表明,该控制方法对神经网络学习率的改变和外界扰动有很强的鲁棒性,大大降低了机器人机械传动系统的磨损,且能够保证神经网络快速、稳定地学习,从而满足实时性控制的要求,具有较高的理论和实用价值.     

基于主成分分析和ART2网络的车辆波形分类

利用环形线圈车辆检测器,对不同车辆经过环形线圈时产生电磁感应数据进行采集,再对这些维数较大的车辆感应数据,运用主成分分析法对其降维处理,以减少ART2神经网络输入维数,便于对这些数据进一步分类. 通过实验研究可知,这种主成分分析与ART2神经网络相结合的分类方法,使数据通过降维处理,并减少网络的输入维数,不仅大大简化了网络结构,还明显提高了分类的准确性、快速性,加快了网络的学习速率,而且从分类效果上看,也具有很好的正确率.     

高超音速飞行器的神经网络跟踪控制

针对最小相位高超音速飞行器非线性系统的调节器方程无法求出解析解的情况,提出利用三层神经网络来近似输出反馈控制器中的前馈函数的方法,得到基于神经网络的输出反馈控制器可以解决高超音速飞行器系统的跟踪控制问题的结论.     

基于GA-BP神经网络的加速工况车内声品质研究

遴选出15辆乘用车三挡全油门加速工况车内噪声,选择专业评审者进行主观评价试验,选择具有噪声时变特征的4个客观评价参量,基于GA-BP神经网络建立精准的预测模型,同时将用该模型与多元线性回归模型得出的结果进行对比。研究表明,GA-BP神经网络模型更适合描述车内噪声品质评价的复杂性和非线性,可以获得更好的预测结果,可较大程度的提高预测精度。     

基于对角递归神经网络的控制系统

针对角递归神经网络具有结构简单、收敛速度快,可广泛用于非线性系统的辨识与控制的特点.基于工业自动化通用技术平台(IAP),采用图形化控制策略组态技术开发了一套基于对角递归神经网络的控制系统,该系统具有基于参考模型跟踪的控制结构,可快速自适应地调整控制器参数.仿真实验结果表明,基于对角递归神经网络的控制系统控制精度高、稳定性好,可成为处理复杂工业过程,尤其是解决不确定和非线性领域问题的有效工具.     

基于模糊神经网络的染色机温度控制

针对染色过程中温度控制系统具有严重的非线性以及较大的时间滞后性,无法精确建立数学模型的特点,设计了一种模糊神经网络控制算法．该算法能实现对恒温、升温、降温过程的分别控制,以达到提高控制效果的目的．提出模糊神经网络控制方法,并设计出相应的控制器,通过Matlab仿真及实际应用论证了该控制器的可行性．     

基于MFD的模拟超饱和路网交通控制策略优化

为了缓解城市路网频繁出现的超饱和交通堵塞,本文以堵塞区域路网各条路段上行驶的车辆数作为状态变量,建立路网交通的状态方程,分析路段上车辆数变化规律;同时,基于交通流宏观基本图,以路网中路段累积车辆数最优作为控制目标,建立关于堵塞区域路网系统的离散状态优化控制模型,并将该模型在某城市新区进行模拟算例应用。结果表明,这种基于交通流宏观基本图的优化控制策略能有效缓解城市路网中超饱和交通堵塞,使路网整体输出效率得到明显提升。     

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.     

一种车辆主动横摆力矩的神经网络控制方法

用二自由度车辆动力学状态方程建立了车辆横摆角速度跟踪控制模型．用横摆角速度与其期望值的差值建立了该问题的性能指标并设计了神经网络控制器，用该模型计算了车辆在急速转向操纵时的横摆角速度以及车辆质心的侧偏角响应，计算结果表明此时车辆的操纵稳定性得到了有效改善．最后给出了进一步研究工作所要采用的半实物仿真试验的设计。