四轮转向车辆操纵稳定性的最优控制策略研究

为提高四轮转向汽车的操纵稳定性,提出一种联合后轮转向和横摆力矩的最优控制方法.从7自由度四轮转向整车模型出发,建立车辆转向的线性化简化模型和理想模型,并基于二次型最优控制理论推导出前馈控制器和反馈控制器.仿真结果表明:在低速和高速行驶工况下,相比传统的前馈控制,基于最优设计的前馈控制器能改善车辆的行驶姿态,而实施前馈加反馈的最优控制方法可获得更优的理想模型跟踪控制性能,实现了零侧偏角控制目标,同时横摆角速度的控制误差也很小,使得汽车具有更好的行驶轨迹、速度保持能力和稳定状态,进一步提高了车辆的操纵稳定性.     

基于三步法的汽车主动四轮转向控制

为了提高线控主动四轮转向汽车的主动安全性、操纵稳定性,将三步法控制策略应用于线控主动四轮转向车辆控制问题中,以跟踪参考模型输出为控制目标设计了三步法控制器。该控制器由类稳态控制、考虑参考变化的前馈控制和状态相关的误差反馈控制3部分构成。通过对线控主动四轮转向汽车的前、后轮转角进行控制,保证实际的车辆质心侧偏角和横摆角速度对理想的质心侧偏角和横摆角速度的状态跟踪。采用非线性八自由度汽车模型对控制器的有效性进行验证。仿真结果表明:所设计的控制器能够跟踪上理想模型输出值,提高了线控主动四轮转向汽车的操纵稳定性。     

车辆四轮转向系统的控制方法

系统地评述了车辆四轮转向系统的原理及其控制方法的发展,在此基础上指出四轮转向系统的研究必须以闭环综合评价为出发点,并与其它主动安全技术相结合才能真正达到实用阶段。     

车辆四轮转向系统的控制方法

系统地评述了车辆四轮转向系统的原理及其控制方法的发展,在上基础上指出四轮转向系统的研究必须以闭环综合评价为出发点,并与其它主动安全技术相结合才能真正达到实用阶段。     

四轮转向的神经网络直接逆控制

采用二自由度摩托车模型研究四轮转向车辆的转向特性,建立四轮转向车辆线性二自由度动力学模型和方程.着重设计BP神经网络直接逆控制系统,通过离线辨识、在线学习控制被控系统,与其他控制方法对比表明,神经网络直接逆控制系统能够更加有效的控制后轮转角以便使车辆质心侧偏角为零,并提高车辆低速机动性和高速稳定性.     

汽车线控四轮转向控制策略

基于转向传动比随汽车速度和方向盘转角而变化,提出了前轮控制、侧滑率反馈控制和侧滑率及加速度反馈控制三种前轮线控转向的稳定性控制策略,并进行了驾驶模拟器试验评价。结合后轮主动转向研究了分别采用前馈控制方式和反馈控制方式的线控四轮转向系统的转向控制策略,并将其与前轮线控转向和传统四轮转向系统进行了比较。仿真和模拟器试验验证了线控四轮转向系统能有效提高汽车的操纵稳定性。     

基于最优控制的三自由度四轮转向研究

建立四轮转向的三自由度模型,采用最优控制理论求得最优反馈增益矩阵,最后应用MATLAB/Simulink软件建立模型进行仿真;在前轮角阶跃输入下,与传统的前轮转向和比例控制的四轮转向车辆进行对比分析;结果表明,所建立的三自由度车辆模型的横摆角速度能够很快达到稳态值;质心侧偏角和侧倾角基本保持为零;降低了驾驶员的驾驶疲劳程度并且提高了行驶安全性和操纵稳定性。     

车辆转向轮摆振原因及控制

车辆行驶时转向轮经常会发生绕前轮定位主销以一定频率和振幅左右摆振的现象，前轮摆振有诸多危害，如影响车辆行驶安全性，使前轮定位轴套及轮胎异常磨损等，因此，分析研究发生摆振的原因及防止摆振的方法是很有必要的。     

四轮转向的模型预测控制研究

为了提高汽车转向时的操纵稳定性,在Matlab/Simulink建立一种模型预测仿真模型,通过控制质心侧偏角与横摆角速度的权重分配,实现不同车速工况下的转向性能要求。仿真结果表明:与横摆角速度反馈相比,采用模型预测控制的四轮转向系统在低速情况下能很好地跟踪理想横摆角速度,贴合前轮转向的驾驶习惯;在高速情况下质心侧偏角响应迅速且达到理想质心侧偏角,提高高速时的操纵稳定性。     

模型跟踪四轮主动转向汽车的H∞控制

将H∞优化控制理论应用于四轮主动转向汽车控制策略研究,在建立车辆转向理想跟踪模型的基础上,提出一种基于H∞模型跟踪技术的的四轮转向4W S汽车前后轮转角主动控制新方法,并对所设计的控制器进行仿真分析与对比.通过仿真分析,从理论上验证了基于H∞跟踪控制理论所设计的控制器可以适用于汽车的四轮转向系统,能很好地跟随理想车辆转向模型,有利于提高车辆的主动安全.     

车辆电子稳定性程序神经网络PID控制算法

设计了面向车辆操纵稳定性控制的车轮制动神经网络PID控制器参数自调整算法,介绍了自行研制的车辆ESP硬件在环试验平台,采用该平台进行了控制算法的台架试验。结果表明:ESP神经网络PID控制算法能有效防止极限工况下车辆丧失操纵稳定性,显著改善车辆的主动安全性。     

衰减转向盘冲击力矩的电动助力转向控制

针对汽车经过凸块或不平路面时导致转向盘上产生过大冲击力矩给驾驶员带来不适感的问题,通过建立电动助力转向动力学模型估计折算到转向小齿轮上的路面冲击力矩,最终确定出路面冲击补偿电流,用以衰减由路面冲击而产生的转向盘冲击力矩。实车试验结果表明,本文方法能够在不增加电动助力转向系统元件的基础上,有效衰减转向盘冲击力矩,有较好的实际应用价值。     

基于Fuzzy-PID智能车舵机控制系统

为提高智能车舵机的响应速度,分析了智能车控制系统的特点以及应用常规模糊控制器进行控制的局限性,提出了模糊PID控制算法.推导出模糊PID控制器消除稳态误差的原理,并介绍了模糊PID控制器的设计方法.实验结果表明,模糊PID控制器既能消除稳态误差,又有很强的鲁棒性,对于具有非线性和迟滞性特点的智能车舵机控制系统具有良好的控制性能.     

四轮转向汽车的动特性分析

建立了二自由度四轮转向汽车模型的动力学方程,并以此推演出汽车质心侧偏角为零时所需的前后轮转向比和横摆角速度与前轮转角的传递函数.最后以某轿车为例,通过使用MATLAB软件仿真分析汽车低速和高速下行驶时的时域响应和频域响应来比较四轮转向汽车与二轮转向汽车的动态特性.结果表明,较之二轮转向汽车,四轮转向汽车能大幅度的提高汽车对方向盘输入的动态响应特性,具有更好的机动性能和稳定性能.     

多轴转向车辆的转向性能

建立了多轴转向车辆的三自由度动力学普适方程,对多轴转向车辆的不同转向方式进行对比分析。分析了多轴转向性能评价参数与车速的关系以及车辆在时域和频域的响应。分析结果表明:多轴转向车辆的转向特性取决于车身质心的位置、轮胎的侧偏刚度、各轴的分布、各轴的质量及控制算法。对于同一多轴转向车辆,前轮转向和全轮机械转向的转向性能较为接近,采用零侧偏角控制策略的多轴转向车辆在高速运行时,车辆的横摆角速度、侧偏角和车身的侧倾角都比前轮转向和全轮机械转向要小,系统反应也更快捷,显著提高了车辆的稳定性、行驶安全性和乘坐舒适性。     

基于ROC曲线优化的车辆行驶状态估计BP模型

针对现有行车状态估计器难以适应复杂非线性模型,结合BP神经网络在解决非线性系统方面表现出优良的性能,采用ROC曲线(受试者特征工作曲线)对BP神经网络算法进行优化,依据各个节点权重值的变化情况绘制学习机器相应的ROC曲线,将ROC曲线下方面积作为各个节点权重值选取的唯一准则,每次在同一节点进行变步长的搜索(大步长和小步长),并根据不同步长的搜索结果确定下一次步长的大小,以确定最佳的权重值,最后以波动性较强的车辆横摆角速度作为样例对算法进行验证.研究结果表明:通过ROC对其性能的评价,加速了BP网络的收敛速度,在一定程度上避免了出现局部最小值的情况,提高了模型的容错能力;优化后的模型在5%误判率的情况下有较高的击中概率,表现出更强的泛化能力,适应性更强.     

基于模糊综合评价和BP神经网络的车辆危险状态辨识

考虑驾驶员、车辆、环境和管理因素对车辆安全状态的影响,建立了车辆安全状态评价体系。采用模糊层次分析法确定了各评价指标的权重,利用岭型函数建立了评价指标对评价等级的隶属度函数,在Matlab神经网络工具箱中构建了车辆安全状态神经网络评价模型。采用预设故障的试验方法,利用车辆监测预警系统采集道路试验过程中车辆的运行状态参数。通过模糊综合评价得出神经网络所需的训练样本,运用训练好的BP神经网络对道路试验中车辆安全状态进行评价。道路试验结果表明:神经网络评价较模糊综合评价灵敏度更高、更准确,为车辆危险状态辨识提供了一种新方法。     

基于BP神经网络的工程车辆四参数自动变速控制

为了提高工程车辆传动系统效率,采用前馈网络反向传播(BP)神经网络对工程车辆四参数自动变速系统进行建模,利用自动变速控制试验数据对BP神经网络进行训练,并进行了验证性仿真试验。仿真结果表明,BP神经网络能够根据车辆运行状态确定最佳档位,进一步提高工程车辆传动系统效率,达到节能增效的目的。     

静液传动高速履带车辆转向参数匹配与控制

为了解决静液传动履带车辆转向时外侧系统压力容易过高以及转向轨迹控制问题,基于双侧轮边液压驱动结构特点,提出了外侧马达采用压力、发动机转速双参数控制,内侧跟随外侧采用速度闭环控制的转向控制策略,对目标相对转向半径与方向盘转角、车速,马达排量与发动机转速、系统压力等参数进行了匹配。建立了整车转向仿真模型与实车实验系统。仿真与实验结果表明,控制策略能有效控制系统压力,参数匹配结果能满足转向控制要求,车辆按照目标相对转向半径实现了准确快速转向。