基于遗传算法优化的EPS路感混合H2/H∞控制

针对电动助力转向（EPS）系统统存在系统模型、干扰等不确定性,以及对系统动态特性的要求,提出基于遗传算法的EPS系统混合H2/H∞控制器．在EPS系统及整车二自由度数学模型基础上,以转向路感、系统鲁棒性和转向稳定性为控制目标,构建系统的状态空间方程和增广被控对象矩阵,并运用H2/H∞方法极小化系统中各种干扰对被控输出的影响,并在此基础之上应用H2方法对系统进行优化,提出基于遗传算法的EPS系统混合H2/H∞控制方法.EPS系统路感仿真结果表明,基于遗传算法的EPS系统混合H2/H∞控制器,综合了H2/H∞控制和H2/H∞控制的优点,具有较好的鲁棒性能和鲁棒稳定性,可有效抑制路面随机激励、转矩传感器量测、模型参数不确定等所引起的各种干扰和噪声,使驾驶员获得满意的路感．     

关于福建省汽车产业发展的几点思考

迄今为止，总体上福建省的汽车工业发展得很好，包括零部件厂家在内，都具有了一定的市场竞争力，具备了进一步健康发展的条件和时机。但如何更好地发展，以什么样的规模与速度，以什么样的方式发展，还是值得人们认真地考虑与思索。     

蠕墨铸铁在铁道车辆制动系统的应用

在分析车辆制动器摩擦温度场的基础上 ,研究了蠕墨铸铁在铁道车辆制动系统的使用性能。研究结果表明 :在车辆制动器服役条件下 ,摩擦速度与接触压力的提高 ,摩擦副的摩擦系数显著降低 ,而磨损率显著增加 ;在所研究的不同石墨形态的铸铁中 ,蠕墨铸铁不但具有低而稳定的磨损率 ,而且具有高而稳定的制动性能 ,是制造车辆制动器部件的合理选材。     

建立列车自动门振动谱时的幅值修正系数

列车自动门振动谱是实施列车自动门振动可靠性实验的基本条件.为了保障所构建的列车自动门振动谱的效果,需要采取一系列措施,其中包括基于能量守恒原则修正准振动谱的幅值,为此建立了幅值修正系数.对检测获得的某型列车自动门振动时间历程构建振动谱,结果表明本文的方法可行.     

论连杆式摩擦减振器

本文分析了新型的连杆式摩擦减振器的布置特点,阐明了结构、计算及主要参数的优化设计,为正确设计连杆式摩擦减振器提供了理论依据。     

汽车制动检测系统中主控机与AT89C51单片机的串行通信

以实际应用的汽车制动性能检测系统为例，探讨了在汽车制动性能检测与控制系统中主控机用Visual Basic6．0下的Microsoft Comm-control控件与使用汇编语言编程的AT89C51单片机之间的串行通信的方法，并给出了汽车制动性能检测系统的通信协议及软件实现代码．     

汽车主动悬挂系统的次优控制及仿真

建立了被动悬挂、主动悬挂的数学模型。在最优控制的基础上，采用最小范数法，详细研究了随机次优控制策略及其控制器的设计方法。结合工程应用背景，对于实际的车辆悬挂系统，通过对受控变量的分析，分别设计了3个、2个及1个受控变量的次优控制器，并进行了计算机仿真。研究结果表明，主动悬挂在改善车辆的平顺性和稳定性上要优于被动悬挂；选择适当的受控变量，次优控制也能取得和最优控制相同或相近的控制效果。     

基于GRNN网络车辆方向盘转角识别方法

为改善车辆的操纵安全性以及为自动转向系统和智能泊车系统的研究提供理论基础,本文给出一种新的汽车方向盘转角识别方法.建立了驾驶员—车辆闭环模型,并通过试验验证车辆模型.通过给定方向盘转角输入求解得到用于GRNN网络训练的车辆状态参数,运用GRNN网络建立以车辆状态参数来识别方向盘转角的映射模型.与RBF网络相比,GRNN神经网络具有更高的辨识精度.进行整车仿真,所建立的GRNN神经网络能较精确地识别方向盘转角并与仿真结果有较好的一致性.     

加速工况与双怠速工况的汽油汽车排放:共性与差异

考察和比较了汽油汽车加速工况瞬态排放与双怠速稳态排放的共性与差别.采用移动检测方案获得汽油汽车升挡加速瞬态排放,双怠速方案获得汽油汽车稳态排放;采用体积分数、面积量和符号时间序列分析方法的"Shannon熵"评价汽油汽车排放.汽车加速工况瞬态排放与双怠速工况稳态排放的共性是转速越低、空气过量系数λ越小、排放越大;差别是前者的排放均大于后者高怠速时的排放,前者的燃烧紊乱程度均高于后者;在双怠速工况下获得的汽油汽车排放量不能反映升挡加速工况的排放量;随着汽车加速工况挡位升高,其瞬态排放量上升而燃烧紊乱程度下降.     

公路养护资源分配中遗传算法的参数优化

为辨明公路养护资源优化分配中遗传算法参数对运算效率和精度的影响,提出基于正交试验的参数优化方法.选取种群规模与迭代次数比例、交叉形式和变异概率3个参数,利用正交设计方法进行3因素3水平试验,建立主效应和交互效应的假设检验模型,并计算出构造统计量值和临界值.试验结果表明:种群规模与迭代次数的比例及交叉形式对算法的影响比变异概率显著,并且3个参数的最优取值分别为1/4、两点交叉和0.05.该方法能够减少标定遗传算法参数所需的大量试验.