汽车路面激励的时域建模与仿真

在考虑左右轮迹相干性的基础上,采用滤波白噪声法建立了四轮汽车的路面激励时域模型。在不同路面和汽车参数的工况下进行了仿真,生成了汽车路面激励时域信号。仿真结果表明,该方法建立的路面激励时域模型的功率谱密度和左右轮迹相干函数与参考模型基本一致。与其它方法相比,该模型可行有效、通用性好、易于计算。     

四轮车辆非平稳路面不平度时域模拟及小波分析

建立了非平稳的四轮相关滤波白噪声路面时域模型，并用计算机模拟得出四轮的路面不平度时间序列。理论验证的结果表明该模型与路面的实际情况非常接近，进而采用谱分析、小波分析等数据处理技术对路面信号的时频特征进行了深入的探讨，得出了一些有价值的结论。     

四轮独立转向电动汽车转向控制方法

本文中对四轮独立转向电动汽车的转向控制方法进行研究。首先,基于前轮转向车辆的理想横摆角速度模型,建立四轮独立转向2自由度动力学模型。接着,以四轮侧偏角之和绝对值最小化作为优化目标函数,以质心侧偏角为零和理想横摆角速度作为约束条件,采用线型优化算法求解系统前馈控制器。再以轮胎侧偏角和横摆转矩为输入建立线性控制模型,运用最优区域极点配置方法设计反馈控制器。最后,建立人-车-路闭环仿真系统,分别进行双移线道路仿真实验和对开路面上的行驶仿真实验。结果表明,控制器能根据路面附着情况分配各轮转角,保证车辆跟踪理想状态。实车双移线实验进一步验证了控制器对车辆理想状态良好的跟踪精度。     

四轮路面激励生成工具开发及应用

为了在平顺性研究中应用路面激励,基于滤波白噪声方法建立了四轮路面激励模型。采用Matlab开发了四轮路面激励生成工具,可以通过图形用户界面自动生成不同路面类型和车速组合下的四轮路面激励数据。将生成的路面激励数据输入到四轮汽车11自由度系统振动模型中,获得了B级路面上不同座椅位置人体质心加速度与车速的关系。研究结果表明,基于滤波白噪声方法建立的四轮路面激励模型和开发的四轮路面激励生成工具,既可以自动生成四轮路面激励数据,也可以有效用于汽车平顺性仿真。     

路谱模拟中四轮相干时域模型仿真研究

文章简单介绍了路面不平度的概念及其统计特性,分析了构造路面不平度的数学模型,选取谐波叠加法对标准路面谱进行了重新构建,通过时空相干性构建了四轮路面输入模型,并在MATLAB中对其进行了验证。     

汽车仿真中三维路面模型生成系统开发

提出了根据多功能激光路面检测仪测得的路面信息,利用Delaunay三角剖分结合加权函数插值生成三维路面模型的算法,在此基础上开发了路面生成系统,该系统可以生成不同网格形式的路面模型及其相应的路面文件,可以直接被汽车仿真软件调用.通过功率谱对比与Adams仿真分析对生成的路面模型进行验证,结果表明生成的路面模型能够真实地反映实际路面不平度的特征.     

基于脱空的水泥路面预防性养护时机研究

脱空是水泥砼路面的常见病害,直接影响着路面性能的衰变。为了确定路面发生脱空后何时是进行预防性养护的最佳时机,详细分析了水泥砼路面状况与脱空的内部关系,通过把路面状况指数和脱空率的具体数值进行回归得到两者之间的函数关系并构建模型,借助模型找到路面状况指数下降时的最大加速度,从而得出与之对应的脱空率临界值并确定最佳预防性养护时机,最后通过实例分析来验证模型的可行性。     

三维路面模型的构建及其在Adams中的验证

根据多功能激光路面检测仪测得的路面信息,提出了利用Delaunay三角剖分与加权函数插值相结合生成三维路面模型的算法,在此算法的基础上根据Adams中的路面格式生成其相应的路面文件,可以直接被Adams调用。同时通过功率谱对比与Adams中仿真分析对生成的路面模型进行了验证。结果表明,此算法可以生成纹理更加清晰、精度较高的路面模型;不同车速下的仿真结果与实测路面结果有较好的一致性,误差相对较小。因此,生成的路面模型能够真实地反映实际路面不平度的特征。     

汽车道路模拟试验系统控制算法的研究

详细叙述了在系统识别过程中,对识别所得模型进行评判的相干函数法及预测法,为获取更加准确模型而使用的模型平均法,以及为消除整个实验系统的非线性因素而在目标信号模拟过程中采用的迭代算法。通过具体的试验对上述的控制算法进行了验证。     

基于LQG控制的8-DOF车辆系统平顺性分析

文章利用计算机模拟路面激励,用滤波白噪声法建立了与实际路面统计规律相符的四轮时域随机激励模型,设计基于线性二次型高斯(LQG,LinearQuadraticGaussian)最优控制器的整车8-DOF人椅系统的控制器。通过Matlab仿真平台建立最优控制器的整车8-DOF人椅系统动力学模型,并进行仿真验证表明该最优控制器能够保证车辆的舒适度性能。     

基于RBF神经网络识别路面谱的新方法

路面不平度是车辆行驶中振动的重要激励。为了识别路面不平度的功率谱密度函数(路面谱),提出了一种基于径向基函数(RBF)神经网络识别路面谱的新方法。该方法以7自由度汽车振动模型为基础,以MATLAB软件仿真得到的汽车车身质心垂直加速度谱为神经网络理想输入样本,以GB7031-86建议的路面谱为神经网络理想输出样本,应用RBF神经网络建立汽车车身质心垂直加速度谱和路面谱之间的非线性映射模型。另取一组仿真得到的车身质心垂直加速度谱代入已训练好的网络进行路面谱识别。结果表明:该方法具有较强的抗噪声能力和较理想的识别精度,识别的路面谱与拟合的路面谱吻合一致。     

基于神经网络的轻型客车悬架参数的优化

应用四轮相关的时域路面随机输入模型的不平度时间序列，对轻型客车的八自由度非线性平顺性模型进行了分析研究，并将计算出的平顺性指标作为输入，以径向基函数神经网络对后悬架参数进行了优化计算。算法准确，合理，为平顺性的进一步研究提供了新的方法。     

Numerical Simulation of Vehicle Behavior during Straight Line Keeping on Undulating Road Surfaces

Numerical design of vehicles having optimal straight line stability on undulating road surfaces requires an accurate vehicle model based on knowledge of the relevant phenomena. Therefore, vehicle behavior on undulating straight roads has been analyzed and modeled. Measurements on a flat road surface have shown that the dedicated vehicle model yields accurate simulation results of the steering response to medium steering wheel angle inputs. In addition, the model has been validated by measuring two vehicle responses during normal driving on an undulating straight road: viz. the responses to the small steering wheel angle input and to the input by the global inclination of the road surface.     

Numerical Simulation of Vehicle Behavior during Straight Line Keeping on Undulating Road Surfaces

SUMMARY

Numerical design of vehicles having optimal straight line stability on undulating road surfaces requires an accurate vehicle model based on knowledge of the relevant phenomena. Therefore, vehicle behavior on undulating straight roads has been analyzed and modeled. Measurements on a flat road surface have shown that the dedicated vehicle model yields accurate simulation results of the steering response to medium steering wheel angle inputs. In addition, the model has been validated by measuring two vehicle responses during normal driving on an undulating straight road: viz. the responses to the small steering wheel angle input and to the input by the global inclination of the road surface.     

基于汽车车身垂直加速度的典型道路路面谱识别研究

以1/4汽车振动模型为研究对象,推导出以汽车车身垂直振动加速度作为输入信号、路面不平度作为输出信号的数学模型及其模拟图,并利用MATLAB/SIMULINK搭建系统模型求解路面不平度,对路面不平度进行谱估计完成路谱的识别。通过实际测试和数据处理分析,说明该方法理论依据正确可行,可以为虚拟样机仿真路面的生成提供数据支持。     

Optimal Preview Control of a Two-dof Vehicle Model Using Stochastic Optimal Control Theory

An optimal preview control algorithm is applied to a two degree of freedom(dof) vehicle model travelling with constant velocity on a randomly profiled road. The road roughness is modelled as a homogeneous random process being the output of a linear first order filter to white noise. The input from the road irregularity is assumed to be measured at some distance in front of the vehicle and this measured infonnation is utilized by the active controller to prepare the system for the ensuing input. The preview control algorithm is obtained by minimizing a quadratic performance index and by describing the average behaviour of the system by the covariance matrix of the vehicle response state vector. Results are presented for full state feedback and significant improvements in sprung mass acceleration, suspension working space and road holding are observed.     

基于BP网络的道路水泥再生混凝土性能的评价

为了评价道路水泥再生混凝土的性能,在分析BP神经网络原理的基础上提出了用BP神经网络模拟道路水泥再生混凝土性能与各影响因素间关系的方法。根据道路水泥再生混凝土的实际工况,建立了3个输入节点、4个输出节点的BP神经网络模型,通过9组试验,验证了模型的可靠性。结果表明,实测结果与预测结果相接近,BP神经网络模型可以较准确的评价道路水泥再生混凝土的性能。     

半主动悬架的SIRMs模糊控制算法研究

文章以车身垂向振动速度、车身垂向振动加速度、悬架动行程和轮胎动位移为输入项目,主动悬架所产生的阻尼力F作为输出量,即设计一个包含4个输入项目和1个输出量的半主动SRIM模糊控制模型,并进行了凸起路面和随机路面下的仿真分析,计算结果显示该控制方法相对于半主动悬架经典控制方法有着更好的控制效果。     

Vehicle dynamics and road curvature estimation for lane departure warning system using robust fuzzy observers: experimental validation

This paper describes a new approach to estimate vehicle dynamics and the road curvature in order to detect vehicle lane departures. This method has been evaluated through an experimental set-up using a real test vehicle equipped with the RT2500 inertial measurement unit. Based on a robust unknown input fuzzy observer, the road curvature is estimated and compared to the vehicle trajectory curvature. The difference between the two curvatures is used by the proposed lane departure detection algorithm as the first driving risk indicator. To reduce false alarms and take into account driver corrections, a second driving risk indicator based on the steering dynamics is considered. The vehicle nonlinear model is deduced from the vehicle lateral dynamics and road geometry and then represented by an uncertain Takagi–Sugeno fuzzy model. Taking into account the unmeasured variables, an unknown input fuzzy observer is proposed. Synthesis conditions of the proposed fuzzy observer are formulated in terms of linear matrix inequalities using the Lyapunov method.     

道路破坏的影响因素及悬架参数优化

本文建立了一个九自由度线性汽车模型来仿真汽车对路面随机输入的响应，以改进的四次幂定律为评定汽车对道路破坏的指标，分析了装载量、车速以及车身和悬架参数对道路破坏的影响，并对悬架系统的参数进行了优化。为具有道路友好性的汽车的设计提供了依据。