整体式梯形转向机构最优区域值计算和优化

为了得到整体式梯形转向机构尺寸的最优值,结合其工作特性进行了数学模型建立与优化分析。在以往以外侧车轮实际转角与理论转角误差为目标函数的基础上,提出了以汽车实际瞬心位置与阿克曼瞬心位置的误差为目标函数,使实际瞬心位置在理论瞬心位置附近波动的最大值最小,从而优化转向梯形机构的相关尺寸参数,进一步得到更接近理想的阿克曼转向机构。通过数值方法,模拟了瞬心位置曲线,以梯形杆长作为优化目标,并以位置误差最小化作为目标函数,得到了机构杆长最优区域值。在得到的计算区域里选取数值计算与理论数学模型计算进行结果对比,认为最优区域是存在的。通过引入已有计算参数,在得到的最优区域里选配合适的机构杆长尺寸,进一步绘制出理想的优化后转向机构外侧车轮转角误差和瞬心位置误差的偏差曲线,对方法进行了验证。结果表明:在最优区域内选取转向机构的杆长进行数值计算是合理的;外侧车轮转角误差最大值不超过0. 45°,误差在2%以内,同时,瞬心位置误差最大值不超过40 mm。整体式梯形转向机构最优区域值计算方法为该类优化问题提供了一种全局最优解,并为梯形转向机构的设计提供了规范性的指导与依据。     

基于认知-控制框架的侧风工况下驾驶员横向控制模型研究EI北大核心CSCD

本文中基于神经工效学认知理论融入驾驶员预瞄模型,建立了以认知-控制为框架的驾驶员横向控制模型。模型采用Simulink和TruckSim软件联合仿真的形式验证。采用粒子群优化算法对控制框架中的比例-微分(PD)控制器模块参数进行优化标定。结果表明,在侧风工况下,基于认知-控制为框架所建立的驾驶员横向控制模型有效(RMSE=0.09),且精度更高,适应度更广。另外,从认知-控制角度改变预览时间tp、增益比例kp和微分参数kd,可表征不同驾驶风格的驾驶员行为。本研究为提高侧风工况下的高级辅助驾驶系统和自动驾驶汽车的安全性和舒适性提供参考思路。