考虑不确定扰动的主动后轮转向动力学控制与试验研究

针对在复杂工况及不确定扰动下主动后轮转向系统角度高精度跟踪控制及抗干扰问题,首先采用可调长度电控束角杆的主动后轮转向机构实现主动后轮转向动作,并对该系统建立其非线性动力学模型。然后,基于动力学模型分析设计主动后轮转角改进自抗扰跟踪控制方法,利用扩张状态观测器对外部和内部扰动进行观测并将扰动补偿到控制器中,以实现高精度角度控制和抗干扰能力。最后,通过试验证明,本文中采用的可调长度电控束角杆转向机构以及改进自抗扰跟踪控制方法能在不确定负载扰动下实现较高精度的角度跟踪控制,并与常规PID控制相比,改进自抗扰控制方法具有较强的鲁棒性和抗干扰性。     

分布式转向灯同步策略的研究

车身控制系统是整车控制的重要组成部分,采用分布式总线车身控制系统,各个模块具备独立的时钟,如何保证时钟同步成为分布式总线系统需要面临的问题。本文针对某车型分布式转向灯同步策略的研究,通过对分布式转向灯控制原理、控制逻辑的具体实现和分布式转向灯同步策略的具体实现方式进行深入研究及分析,最终保证分布式转向灯同步问题得以解决。     

基于Simulink的半主动悬架PID控制与Fuzzy-PID控制仿真

文章基于在Matlab/Simulink对某车型建立二自由度四分之一半主动悬架模型,结合随机路面激励对PID控制和Fuzzy-PID控制策略进行仿真,从而改善车辆舒适性和操纵稳定性。PID控制以被控对象的偏差作为输入,经过比例,微分,积分过后得到控制量,控制简单,应用广泛,Fuzzy-PID是在PID控制基础上结合模糊控制,可以对存在非线性、多时变等较难建立精确数学模型的被控系统取得较好的控制效果。仿真结果表明:相较于被动悬架系统,两种控制策略的半主动悬架系统均改善了悬架性能,并且Fuzzy-PID控制效果明显优于PID控制并且具有良好的自适应能力。     

未知时变扰动和输入饱和下的智能船舶鲁棒非线性控制

复杂海况下环境多变并且船舶具有多耦合、强非线性的特点,针对智能船舶定位控制问题,考虑在未知时变扰动和输入饱和约束之下船舶的定位控制问题,结合非线性扰动观测器提出一种带辅助动态系统的鲁棒非线性控制算法。通过Lyapunov理论证明了所提出的非线性扰动观测器与控制器结合后闭环系统的稳定性和信号的一致最终有界性。利用非线性扰动观测器对环境中存在的海浪扰动进行有效的估计处理。最后,通过仿真验证了所提出的控制算法不仅能保证船舶期望的位置和艏向,而且提高了控制速度,具有较好的控制性能。     

大型斜拉桥水中索塔建造的关键控制技术

上海市昆阳路越江工程采用独塔斜拉桥形式跨越黄浦江,江中心设塔。涉水施工的不确定性以及与河道通航的相互影响增加了索塔建造的难度,施工控制尤为重要。现依托昆阳路大桥水中索塔建造,结合黄浦江的航道特点和建设环境,分析大型斜拉桥位于内河航道中心的索塔建造关键控制技术,可为今后类似工程提供一定的借鉴。     

内河航道斜桩基础承台单壁钢吊箱围堰安装精度控制措施及关键技术应用

以黄浦江闵浦三桥工程为例,针对其主墩高桩承台所具有的桩径大、斜桩多、桩间距密等结构特点,论述了有底钢吊箱围堰设计及安装过程中的结构细节及总体流程优化、测量定位及限位装置设置等一些有效且实用的精度控制方法,并对实施过程中多种技术措施的应用及取得的成效进行阐述,可供同类桥梁工程水中墩施工参考。     

基于模型预测控制的智能车轨迹跟踪控制研究

为了完成智能车的轨迹跟踪,提出一种基于模型预测控制的轨迹跟踪方法,利用将运动学模型这个非线性系统线性化的方案,来获得必须的线性时变系统,采取模型预测控制的三要素来设计控制器。并且基于MPC在控制过程中能增加多种约束的优点,建立基于车辆运动学模型的约束做轨迹跟踪仿真实验,最后,基于山东理工大学智能车平台上GPS提供的定位信息,在校园中采集路线并对前提规划好的的轨迹进行实车验证。实验结果表明:基于MPC算法所设计的控制器能快速且稳定地跟踪期望轨迹。     

挤密砂桩施工远程自动监控系统设计

为了提高砂桩成桩质量和施工效率,研制一套砂桩施工自动化监控系统并进行现场应用,包括砂桩沉管行程自动监控系统、桩机电流监控系统以及远程监控系统。实测结果表明:行程监控系统可精确记录沉管下沉、上提和反插距离;电流监控系统可实时反映沉桩电流变化,通过行程和电流监控结果对比,电流监控可反映沉桩地层变化和反插效果;行程和电流数据可通过远程监控实时显示和记录。该套系统的研制可实现砂桩成桩精细化管理、解放现场监管人力,提高施工效率。     

大型船舶重力抛锚控制系统设计

结合船用锚机使用要求和结构特点,研制一种闭环重力抛锚控制系统,使船舶重力抛锚过程实现自动控制;给出抛锚控制函数及其物理意义;开展实船抛锚试验。结果表明,所研制的系统能有效完成重力抛锚自动控制,满足船舶使用要求。