重载子午轮胎非线性特性研究与模型修正

针对重载子午轮胎在大变形过程中的非线性面外力学特征,开展了基于魔术公式(MF)对重载子午轮胎非线性特性和模型修正方法研究.基于轮胎六分力测试试验,开展了重载子午轮胎的面外力学试验研究.针对该型轮胎垂向载荷范围大、扁平比大的特点,分析了重载工况下轮胎垂向载荷对轮胎侧偏特性和纵滑特性的影响规律,建立了重载子午轮胎的无量纲侧偏特性和纵滑特性的非线性解析模型;基于粒子群算法(PSO)和试验数据,开展了轮胎魔术公式模型的特征参数辨识研究,分析了辨识结果对不同载荷作用下的轮胎力学特性匹配程度与影响因素;基于相似性原理提出了重载工况下的魔术公式修正模型,与轮胎六分力测试试验结果进行对比,验证了修正模型的准确性.     

基于改进粒子群算法的轮胎模型参数两级辨识

为提高PAC89(Pacejka'89 tyre model)轮胎模型的辨识速度和辨识精度,采用加入自适应权重和自然选择性的粒子群算法,并将PAC89轮胎模型参数分为两级,依次进行辨识.以轮胎模型侧偏力曲线的辨识为例,轮胎模型中的刚度因子、形状因子、峰值因子、曲率因子、垂直和水平偏移率为一级参数,通过改进粒子群算法进行一级辨识得到;组成上述因子的特性参数为二级参数,通过改进粒子群算法进行二级辨识得到.一级辨识收敛时的迭代次数小于40,二级辨识收敛时的、迭代次数在100左右,通过实验数据与辨识模型的对比得出平均相对残差为1.6961％.辨识结果表明,采用改进粒子群算法分两级对PAC89轮胎模型进行辨识的方法,能够在保证模型精度的同时提高辨识速度,是一种有效的多参数辨识方法.     

基于改进的粒子群优化算法的轮胎参数辨识

轮胎是汽车的重要组成部分,其特性分析是研究汽车动力学的基础,其模型的精度直接影响整车模型仿真的精度,多采用粒子群优化算法对轮胎参数进行辨识.参考自然界生物进化现象,在基本粒子群算法的基础上提出带变异阀值的多种群粒子群算法.该算法采用多个种群同时进化以保证粒子群的多样性,同时可改善全局收敛的可靠性,采用变异阀值可避免优化算法陷于局部收敛现象的发生.将该方法应用于轮胎参数辨识,并与其他优化算法辨识结果进行比较,该方法结果能够更好地与实验数据吻合,证明该方法辨识精度高,在轮胎参数辨识中有较好的应用性.     

纯工况和联合工况下MF-Tyre模型的参数辨识

利用Matlab中Optimization Toolbox所提供的L-M Method优化算法,结合一整套完整的乘用车轮胎试验数据,对最新半经验MF-Tyre 6.11模型进行了纯工况和联合工况的参数辨识,同时对83个参数辨识结果进行残差分析.结果表明,所采用的辨识流程和优化算法能够准确地辨识出参数,且辨识结果最大残差不超过5%,有效解决了MF-Tyre模型参数辨识不全和参数难以准确辨识的问题.     

时变系统的多模型参数辨识研究

本文利用变点统计学的思想,讨论离散动态时变系统的多模型参数辨识问题,并给出了基于黄金分割优化思想的最小二乘多模型参数辨识算法以及计算机仿真结果。仿真结果显示出本文所提出的算法对多模型参数以及变点的良好估计特性。     

基于免疫算法的悬架系统参数的辨识

在ADAMS中建立了麦弗逊与双横臂两种不同悬架形式的1/4汽车模型,依据其输入输出数据,利用免疫算法分别对两者的车身质量、悬架刚度与阻尼、轮胎的刚度及轮胎质量进行了辨识.仿真结果表明:使用辨识参数的简化模型可以替代真实模型并能够合理反映出由于悬架结构不同而引起的性能差异;免疫算法是参数辨识的一种有效方法,具有较好的全局寻优特性.     

多变量Hammerstein-Wiener模型的参数辨识

为了突破现存Hammerstein-Wiener模型参数辨识方法中假设输出非线性块可逆的限定条件,基于可分非线性最小二乘算法,提出由多个单变量Hammerstein子模型和一个多变量输出非线性块组成的多变量Hammerstein-Wiener模型的参数辨识方法.首先,以输出误差最小为准则使用Levenberg-Marquardt法辨识出输出非线性块和Hammerstein子模型的两个参数集.其次,对Hammerstein子模型使用基于张量积的奇异值分解,辨识出输入非线性块与中间线性块的参数.再次,理论分析了所提辨识方法的辨识收敛性.最后,通过仿真验证此法的有效性.     

基于ＳＯＲＡ 的多学科协同优化可靠性优化方法

为了突破现存Hammerstein-Wiener模型参数辨识方法中假设输出非线性块可逆的限定条件,基于可分非线性最小二乘算法,提出由多个单变量Hammerstein子模型和一个多变量输出非线性块组成的多变量Hammerstein-Wiener模型的参数辨识方法.首先,以输出误差最小为准则使用Levenberg-Marquardt法辨识出输出非线性块和Hammerstein子模型的两个参数集.其次,对Hammerstein子模型使用基于张量积的奇异值分解,辨识出输入非线性块与中间线性块的参数.再次,理论分析了所提辨识方法的辨识收敛性.最后,通过仿真验证此法的有效性.     

采用LMS的Smith预估器参数在线辨识

基于LMS自适应预估理论,结合多层前馈神经网络,提出Smith预估网络模型,采用LMS算法,推导出单变量Smith预估器参数的在线辨识算法,并将单变量的在线辨识算法推广到多变量系统,提出多变量Smith预估网络模型和纯滞后时间τ及静态增益A的在线性辨识算法,对种模型、多种估失配的情况进行仿真实验,结果表明该算法具有良好的辨识有效性广泛的适应性。     

新型蝙蝠算法辨识船舶运动模型参数

为准确、有效辨识出船舶运动模型的参数,以构建精确的船舶运动模型,将群智能优化算法中新型蝙蝠算法引入船舶运动模型的参数辨识。将船舶运动模型参数辨识问题转化为一个多维变量函数优化问题,分析了新型蝙蝠算法求解船舶运动模型参数辨识的适应性;给出了采用新型蝙蝠算法进行船舶运动模型参数辨识的流程。基于实船实验数据,采用新型蝙蝠算法辨识了实船一阶线型响应型模型参数。实例显示,将船舶运动模型参数辨识问题转化成优化问题,通过新型蝙蝠算法对构建的误差准则目标函数的优化,能够快速找到使得目的函数最优的一组变量,该变量即为辨识得到的模型参数。研究表明,提出的技术路线简明且适用,是一种有效的计算机辅助船舶运动模型参数离线辨识方案。