基于路面不平度自功率谱密度函数计算国际不平度指数的研究

提出了一种基于路面不平度自功率谱密度函数PSD计算国际不平度指数IRI(International Roughness Index)的方法。通过建立1/4车辆模型来分析路面不平度的输入和汽车振动的响应,由动态响应模型的理论分析得到路面不平度的自功率谱密度函数PSD(Power Spectral Density),再应用随机理论等方法,推得基于路面不平度自功率谱密度函数PSD的IRI值。用PSD计算IRI,能够使车辆和道路部门比较他们对路面不平度的各自评价标准,从而作为其设计、改进产品的依据,IRI的求得,为公路运输部门对道路的养护决策提供了依据。     

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。     

考虑路面不平度神经网络的悬架参数优化

以1/4车辆模型为例,构建了考虑路面不平度的3×3神经网络系统,并进行了多种路面条件下汽车悬架参数优化。计算结果表明,将路面不平度作为神经网络输入之一的神经网络优化系统与已有神经网络系统相比,可使设计人员综合考虑路面的影响,从而得到适应条件更广泛的悬架参数。     

基于NARX神经网络的路面不平度识别

为应用NARX神经网络识别路面不平度,对NARX神经网络及其训练过程和结构设计进行了分析,采用相关系数和均方根误差作为NARX神经网络识别效果的评价指标。建立了路面不平度滤波白噪声模型和汽车平顺性4自由度平面模型,通过仿真获得路面不平度和车辆响应。以可测试的车辆响应作为NARX神经网络的输入,采用正交试验设计提出确定NARX神经网络输入方案的方法,对在常用等级路面上以常用车速行驶的某汽车的前轮路面不平度进行了识别。结果表明,将可测试的车辆响应作为NARX神经网络输入,结合正交试验设计,解决了NARX神经网络最优输入方案的确定问题。     

基于逆变换的路面不平度仿真研究

针对使用现有方法仿真公路路面不平度时其结果存在误差的问题,研究了基于逆变换的路面不平度仿真的新方法。该方法直接研究给定的路面不平度功率谱密度,然后根据功率谱密度和离散FOURIER变换的性质以及信号采样定理,对数据进行截断、补充和一系列变换后获得路面的不平度。在考虑了汽车固有振动频率及行驶速度后。利用该方法对A、E两个等级的公路路面进行数值仿真。仿真结果显示：利用该方法所得路面不平度的功率谱密度与给定的功率谱密度准确一致,并且该方法简洁、便于使用。     

路面不平度再现方法研究

根据不平路面的统计频域特性,再现出时域信号对汽车平顺性的研究起着重要作用。介绍了描述路面不平度的模型,在此基础上,详细阐述了近年来广泛使用的几种路面不平度的重构方法的原理和实现方法,利用计算实例对它们的优缺点进行了比较。     

由国际平整度指数模拟路面不平度方法研究

为了将实测得到的国际平整度指数IRI值引入到路面不平度模拟中,从而在车一路或车一桥相互作用的耦舍体系中更准确地模拟由路面不平度引起的车辆动荷栽,提出了一种通过实测IRI值得到该段路路面不平度的方法.由IRI的计算方法入手,通过建立1/4车模型来分析路面不平度的输入和车辆、地面的振动响应,并通过路面不平度标准差与IRI的关系等式作为中介,将IRI引入到路面不平度的模拟中,采用周期图表法,利用功率谱密度函数和傅立叶逆变换,进一步模拟出路面不平度.最后进行了实例模拟,通过程序分析,验证了该方法的有效性.     

基于整车模型的路面不平度与行车舒适性关系的分析

鉴于目前尚未建立统一的行车舒适性的评价标准,通过建立符合车辆实际振动情况的十自由度整车模型,并以此模型为分析基础,以ISO2631—1：1997（E）《人体承受全身振动的评价标准》为依据,分析了路面不平度与行车舒适性的关系,评价了A、B、C三种等级路面的不平度对行车舒适性的影响,阐述了应从舒适性的角度对路面不平度分级进行调整的原因。     

基于ADAMS的随机路面不平度建模及参数选择

车辆的垂直运动和俯仰运动会影响乘客的舒适性和安全性,垂向振动的激励除了发动机的激励,还取决于路面轮廓的不平度.应用谐波叠加法对路面不平度的特征能较好的拟合,并对生成的路面与国际标准的分级路面进行对比,分析谐波的数目对路面不平度均方根值有很大影响,证明生成时域信号的功率谱密度与标准规定的路面等级一致,可以作为研究车辆垂向...     

基于BP神经网络的路面不平度识别

将BP神经网络作为识别路面不平度的工具,确定了用于识别的评价指标。建立了前后轮路面不平度滤波白噪声模型和汽车平顺性4 自由度平面模型,通过仿真获得车辆响应和前后轮路面不平度,作为BP 神经网络的输入和输出。采用3 层BP 神经网络识别路面不平度,先后构造了44 种车辆响应输入方案进行训练和测试,通过评价指标选出最优输入方案。研究结果表明,在车辆行驶的常用路面和车速条件下,识别前后轮路面不平度的最优输入方案由车轮垂直加速度、车轮垂直位移和悬架动挠度组成。     

整车道路模拟行驶载荷谱采集方法研究

为了满足整车道路模拟试验对载荷谱的需求,本文介绍实车动态载荷谱采集、处理、分析和特征提取的方法,为进行实验室整车道路模拟试验以及CAE仿真分析奠定基础.     

多自由度双轴车辆模型在波形路面上的动力分析

为了分析车辆以不同速度和不同载质量行驶于不同波长、振幅和坡度的波形路面时,车辆对路面的动载荷作用,根据綦万高速公路路面平整度的实测结果,得到描述波形路面的参数即波长和振幅,编制路面文件,在ADAMS中模拟波形路面,并以现有某红岩重型卡车为研究对象,利用ADAMS多体动力学分析软件建模仿真,建立其车架、悬架和驾驶室等的多体动力学模型,对整车模型进行仿真计算,揭示了车辆动载与路面不平度之间的关系,提出了降低车轮动载荷的方法。     

基于谐波叠加法的路面不平度重构

对GB/T 7031-2005中提出的路面功率谱密度表达式及等分方法,应用谐波叠加法对路面不平度随机序列进行仿真,使用AR模型谱估计法验证仿真结果.结果表明通过谐波叠加法能很好地拟合路面不平度,且AR模型谱估计具有拟合结果平滑且精度高的特点.     

合成道路谱在四通道整车道路模拟试验中的应用

介绍了一种基于路面不平度输入的合成道路谱生成方法,以某款车为例,分析了合成道路谱在四通道整车道路模拟试验台上的模拟质量。试验结果表明,对垂直载荷敏感的通道模拟精度良好,大部分相对载荷为0.5~2.0,与实际载荷测量的波动范围一致。合成道路谱可作为四通道的垂直载荷激励,能够对整车车身和内、外饰件等零部件进行快速质量评价。     

汽车可靠性道路试验仿真研究

应用Virtual Proving Ground软件进行汽车试验场可靠性道路试验的仿真研究,对交通部公路交通试验场标准搓板路面进行了三维实体建模,按照可靠性试验规范,在标准搓板路上对某国产轿车进行了计算机仿真,并与实车试验典型测点加速度一时间历程数据进行对比,具有很好的相似性;并对车辆模型进行了初步的可靠性分析.研究结果为进一步进行汽车可靠性耐久性研究提供了一定依据.     

Road roughness estimation based on discrete Kalman filter with unknown input

ABSTRACT

The road roughness acts as a disturbance input to the vehicle dynamics, and causes undesirable vibrations associated with the ride and handing characteristics. Furthermore, the accurate measurement of road roughness plays a key role in better understanding a vehicle dynamic behaviour and active suspension control systems. However, the direct measurement by laser profilometer or other distance sensors are not trivial due to technical and economic issues. This study proposes a new road roughness estimation method by using the discrete Kalman filter with unknown input (DKF-UI). This algorithm is built on a quarter-car model and uses the measurements of the wheel stroke (suspension deflection), and the acceleration of the sprung mass and unsprung mass. The estimation results are compared to the measurements by laser profilometer in-vehicle test.     

Accelerated Service Life Testing of Automotive Vehicles on a Test Course

The accelerated service life testing of automotive vehicles for durability to road roughness induced dynamic loads is often accomplished in the laboratory using road roughness simulation facilities [1-5]. However, such tests can also be accomplished by a carefully designed field operation on a test course [6], where both the speed of the vehicle and the roughness of die test course become variables that control the degree of the test acceleration. Field tests are generally harder to control than laboratory tests, but offer a greater degree of realism since the vehicle is fully operational during the test exactly as it will be in service. This paper formulates the criteria for accelerated service life tests on a test course, evaluates the assumptions that must be enforced to obtain valid results, and explores the sensitivity of the results to the critical test parameters, namely, the vehicle speed and the road roughness severity of the test course relative to the service environment.