排序方式: 共有3条查询结果,搜索用时 15 毫秒
1
1.
以电动伺服缸为核心的转向台架加载系统在加载过程中受减速丝杠内部摩擦、阻尼和惯量等非线性因素影响,电机电磁转矩与缸体端部实际加载阻力并非简单的减速比关系,同时被测转向系统的位移扰动产生的多余力也对阻力加载精度产生较大影响。针对这些问题,本文中首先建立转向台架的传递函数,采用PID力闭环控制和串联校正方法来提高阻力加载系统的稳定裕度和加载精度,在此基础上利用结构不变性原理和速度补偿控制对多余力进行抑制。仿真和台架试验结果表明,提出的阻力加载控制策略可有效提高加载精度和减小扰动下多余力的影响。 相似文献
2.
针对现有车辆运动状态估计算法严重依赖动力学模型精度且在大的质心侧偏角工况下准确性难以保障的问题,本文提出了一种基于混合神经网络的车辆运动状态估计算法。通过分析车辆本身的动力学基本特性,设计了适合于车辆运动状态估计的HNN混合神经网络架构,实现了车辆运动状态的深度学习估计。基于多个标准工况组成的数据集与典型实车测试工况进行了网络训练与测试验证。结果表明,相比于传统算法,本算法基于神经网络实现了精准的无动力学模型的汽车运动状态估计,提高了估计精度,且对路面附着系数变化具有鲁棒性。 相似文献
3.
1