基于分数阶PI~λD~μ控制器的线控转向系统路感研究

建立了线控转向系统方向盘模块的动力学模型,提出了线控转向系统路感的分层控制策略。其中,上层控制策略主要是研究不同车速和方向盘转角下方向盘的目标回正力矩;下层控制策略主要是通过分数阶PIλDμ控制器,根据已经确定的方向盘目标回正力矩对路感模拟电机进行实时控制,以实现驾驶员的路感模拟和方向盘的回正。仿真结果表明,所设计的分数阶PIλDμ控制器能很好地满足实际需要。     

无人驾驶车辆路径跟踪控制预瞄距离自适应优化

基于道路信息,使用驾驶员预瞄模型产生执行器输入是无人驾驶车辆在路径跟踪中使用的主要方法之一,但对于车速较高与转弯半径小等工况,模型误差会导致较差的驾驶舒适性,车辆甚至失去稳定性。为提高无人驾驶车辆路径的跟踪精度,同时兼顾转向频度和车辆稳定性,提出基于粒子群多目标优化（Particle swarm optimization,PSO）算法的预瞄距离自适应驾驶员模型,并将之应用于路径跟踪控制。首先,基于单点预瞄偏差模型,采用滑模变结构设计转向控制器;其次,以路径跟踪精度、转向频度和车辆稳定性为综合性能指标,设计了PSO优化算法,实现了驾驶员模型预瞄距离的自适应寻优。最后,在搭建的CarSim-Simulink联合仿真平台与台架试验上,对所提出的预瞄距离自适应驾驶员预瞄模型进行了仿真和硬件在环试验验证。结果表明,经优化后的预瞄距离能够适应不同车速和道路曲率,驾驶员预瞄模型能兼顾路径跟踪精度、转向频度和车辆稳定性等需求。预瞄距离自适应驾驶员模型结合道路与车速信息,增大对路况与车况适应性,为无人驾驶车辆路径跟踪控制提供可靠的输入。     

一种基于多参数优化的神经网络控制器研究

针对常规PID+CMAC复合控制器中多个控制参数难以确定的问题,提出采用改进遗传算法对PID控制参数、CMAC神经网络学习率和惯性量等多参数进行寻优,把常规PID控制、CMAC神经网络和遗传算法的优点结合起来,设计了基于改进遗传算法多参数优化的PID+CMAC自适应控制器.仿真结果表明,提出的多参数优化的CMAC控制器具有良好的鲁棒性、抗干扰能力和自适应能力,是解决不确定性非线性对象控制问题的一种有效的控制方法.     

基于遗传算法的车辆座椅悬架最优控制器的应用

常规LQG控制器在车辆座椅主动悬架应用中,存在权值矩阵确定的问题。设计了一种基于遗传算法优化LQG权值矩阵的方法。该方法利用遗传算法的全局优化算法,以主动座椅悬架性能指标为目标函数对权值矩阵进行优化设计,并在Matlab/Simulink环境下建立了系统模型并进行仿真模拟。仿真结果表明:基于遗传算法优化的LQG控制器能够解决了最优控制器中存在的权值确定问题,提高悬架的设计效率,同时对于乘坐舒适性的改善有良好的效果。     

基于模型预测控制的智能网联汽车路径跟踪控制器设计

为解决智能车辆的自主转向问题,提高车辆在高速运动过程中的转向精度和稳定性,在智能网联汽车的背景下,从路径跟踪控制出发,提出一种变参数的智能网联汽车路径跟踪控制方法。该方法基于模型预测控制原理,设计了一种智能网联汽车的路径跟踪控制器。该方法先以3自由度模型的车辆模型为控制系统;对系统进行线性化后,确定系统的二次型目标函数,并依据函数形式确定矩阵形式;然后,在Carsim和Matlab/Simulink平台上进行离线仿真,确定各个典型工况下适用于该路径跟踪控制器的仿真参数;最后实现系统可根据由车联网获得车辆实际所处道路形状和实际车速选择合适的路径跟踪控制器的控制参数,完成智能网联汽车的自动转向。仿真结果表明该控制器相对于固定控制参数的控制器具有更好的控制效果,可控制车辆以较高车速行驶时达到较高跟踪精度和行驶稳定性。     

电控空气悬架系统参数的多目标优化

针对传统悬架将结构参数与控制参数分开设计,易造成系统失去全局最优的不足,本文以电子控制空气悬架为例提出一种对其结构/控制参数多目标优化的方法。首先建立了带附加气室空气弹簧和电磁阀式减振器空气悬架数学模型,运用台架试验的方法验证了所建模型的精度。设计了LQR控制器对减振器阻尼力控制,选取带附加气室空气弹簧节流孔尺寸作为优化结构参数,控制器与振动加速度有关的权系数作为优化的控制参数,运用多种群遗传算法分别对系统结构/控制参数多目标优化,控制参数优化,结构参数优化。优化结果显示,相对于系统结构参数与控制参数分开优化,悬架系统结构/控制参数多目标优化后系统性能得到进一步提升。     

铣齿机床均载机构液压系统的动态仿真及优化

分析数控铣齿机床均载机构液压系统的组成及工作方式,利用传递函数法建立系统的数学模型.利用Simulink软件构建液压系统的仿真模型,并对液压系统进行动态仿真分析.采用ITAE准则建立优化目标函数,利用遗传算法与Simulink对液压系统PID控制器控制参数进行优化.将遗传算法与使用Matlab工具箱中lsqnonlin...     

高速皮革裁剪机伺服控制系统多目标优化

针对皮革裁剪机迫切向高速化方向发展的需求,首先提出了皮革裁剪机伺服系统三环PID控制策略,建立了伺服进给系统的数学模型和控制系统Simulink仿真模型。以调节时间和ISE性能指标为优化目标,以超调量和控制器输出的峰值为约束条件,建立皮革裁剪机速度PI控制器的多目标优化模型。在iSIGHT环境下,采用带精英策略的非支配排序遗传算法NSGA-II对多目标优化模型进行求解,在生成的Pareto最优解集的基础上排序选出最优解。将优化结果与传统遗传算法比较,结果表明,采用多目标优化方法获得了更加优良的动态特性。对进一步提高高速皮革裁剪机的裁剪速度具有很好的工程实用价值。     

基于遗传算法的PID控制参数研究分析

针对PID控制参数整定这一自动控制领域研究的难点问题,提出了一种基于遗传算法的PID控制参数优化方案,并详细给出了PID控制参数优化算法的实现步骤。为提高算法效率与控制器性能,分别对算法中的交叉环节与变异环节做自适应处理,并进行仿真实验。结果表明,提出的基于遗传算法的PID参数优化方案在最优解的质量与执行效率方面都具有较好的控制效果。     

基于硬件在环仿真技术的无级变速器试验系统研究

为合理评价CVT车辆的燃油经济性,结合了路面试验数据与软件仿真,建立基于硬件在环仿真技术的无级变速器(CVT)试验系统.CVT硬件在环仿真试验系统包括负载模拟,驾驶员模拟和油耗测量.负载模拟首先利用车辆路面试验数据,建立道路负载模型, 再通过复合控制的方法,抑制多余力矩的产生,合理控制负载电机输出扭矩,模拟汽车行驶时的道路负载.驾驶员模型是将循环工况的目标车速和实际的车速作为模型的输入,目标节气门开度作为模型的输出,再通过电子控制器控制节气门开度模拟驾驶员动作.最后通过完成标准循环工况下的油耗测试和评价,验证系统的合理性.     

基于人工蜂群支持向量机的电动汽车制动意图识别方法

在电动汽车再生制动系统中,根据驾驶员不同的制动意图制定对应的再生制动控制策略可以有效地提高汽车的制动安全性、舒适性和经济性,而准确并快速识别驾驶员制动意图是制定控制策略的基础。以准确并快速识别驾驶员的制动意图为主要目标,以搭载线控制动系统的电动汽车为研究对象,设计并实现了一种基于人工蜂群支持向量机（ABC-SVM）的驾驶员制动意图在线识别方法。首先对制动数据进行预处理,用近邻成分分析（NCA）特征选择算法选取有效特征,再用ABC-SVM算法建立制动意图识别模型,最后进行在线识别。离线验证和在线试验结果表明,NCA算法能有效筛选掉信号噪声导致的不相关特征;相比于模糊推理、反向传播（BP）算法、粒子群优化支持向量机（PSO-SVM）和遗传算法支持向量机（GA-SVM）识别算法,ABC-SVM算法能够更加准确、快速地识别驾驶员的制动意图。     

遗传神经网络在工时定额计算中的应用

工时定额数据量大、影响因素多,使用常规拟合方法计算工时定额比较困难。为提高工时定额计算的正确性,采用人工神经网络技术,在MATLAB中建立了工时定额计算神经网络模型。针对BP神经网络存在易陷入局部最小值、收敛速度慢等不足,引入标准遗传算法来优化神经网络的权值和阈值。实验结果表明,基于实数编码的遗传算法优化速度快,优化后的神经网络迅速收敛,神经网络模型的测试误差低于5％。遗传神经网络可以克服单独使用神经网络时存在的缺点,训练好的模型在工时定额计算时正确性较高,有较好的实用价值。     

基于灵敏度分析的乘用车气动噪声优化

以某乘用车气动噪声为研究对象建立了整车流体动力学模型,并用该模型提取车窗脉动压力,然后将该压力作为激励加载到车内声腔模型中对驾驶员耳旁噪声进行仿真分析,仿真结果与试验数据吻合.将车身表面Curle噪声源强度作为优化目标,采用离散伴随法进行灵敏度识别,进而确定后视镜、A柱截面、引擎盖为优化区域.采用哈默斯雷试验设计方法构...     

一种基于增广EKF的移动机器人SLAM方法

针对移动机器人同步定位与地图构建(SLAM)过程中系统测程法误差累积问题,采用测程法误差模型和车轮速度误差模型的映像关系,结合增广扩展卡尔曼滤波(AEKF)算法结构和实际机器人模型,提出了一种有效提高定位精度的SLAM方法。将机器人速度校正参数附加到卡尔曼滤波算法的向量空间中,以形成增广状态空间,同时预测和更新了SLAM初始状态空间和速度校正参数,笔者在线实时修正机器人的速度和航向角,避免积累航向角误差,从而降低了测程法误差。基于均方根误差和归一化估计方差进行了仿真实验分析,研究结果表明:与EKF-SLAM相比,所提出的方法具有更好的估计性能,使算法保持良好的一致性,大幅度提高了机器人自身定位精度和路标估计准确度。     

超小型旋翼飞行器遥操作仿真模型控制函数的辨识

为了研究采用极大似然法进行飞行参数辨识的效果,利用递推极大似然法对超小型旋翼飞行器遥操作仿真模型控制函数的参数进行了辨识,对极大似然辨识的结果进行了动态性能分析和系统相对稳定性分析,并将其和用传统的最小二乘辨识的结果进行了对比。研究结果不仅验证了仿真控制函数的可用性,而且论证了极大似然法在飞行器参数辨识中的优势。     

遗传算法在汽车操纵稳定性评价及结构参数优化中的应用

遗传算法是一种全局优化算法。这里以使时域内的人－车－路闭环系统操纵稳定性综合评价指标达到最小为目标;使用遗传算法对评价参数和汽车结构参数进行优化。并使用这些最优参数,以4自由度汽车模型作为仿真模型在单移线条件下对某型小轿车进行仿真研究。仿真研究结构表明：优化参数使得人－车闭环系统跟随预期路径的精度提高约51.7%;而使综合评价指标下降约36.6%。     

人-车闭环中电动助力转向系统的基本特性分析

建立详细的四自由度电动助力转向(EPS)系统机械电气模型,考虑Fiala轮胎模型和二自由度整车模型,引入以转向盘输入角为反馈信号的驾驶员模型,构建装备EPS系统的人-车非线性闭环系统模型。采用模糊控制器确定目标电流并通过PID控制和脉冲宽度调制(PWM)实现其跟踪控制,构建电流闭环控制,并采用基于非线性控制设计(NCD)的单纯形自寻优法对参数进行优化。通过仿真计算,以转向盘输入转矩以及整车的横摆角速度、侧向加速度为指标,研究分析了EPS系统在人-车非线性闭环系统中的基本特性。     

视觉导航智能车辆横向运动的自适应预瞄控制

车道保持系统中车辆横向运动控制应模拟驾驶员的横向操纵行为,驾驶员根据前方道路曲率及车辆速度适时调节预瞄距离,以获得理想的路径跟踪性能。首先,以车辆二自由度动力学模型及车辆道路几何位置关系为基础,建立车-路横向动力学模型。其次,基于单点预瞄最优曲率模型设计侧向加速度PD跟踪控制器,联立车-路横向动力学模型构建横向控制闭环系统,分析预瞄距离、车速、道路曲率的变化对系统响应的影响。最后,设计模糊控制器对预瞄距离进行模糊选择以提高车辆横向控制精度和减小侧向加速度,采用遗传算法对模糊规则进行优化以使横向控制系统性能达到最优。试验表明,相对固定预瞄控制方法,自适应预瞄减小了车辆侧向加速度,且道路跟踪的方向偏差和距离偏差均得到减小。     

基于LS-SVM的飞机重着陆超限事件预测

为提高飞机重着陆超限事件预测的准确性,提出了基于最小二乘支持向量机（Least Squares Support Vector Machine,LS-SVM）的建模预测方法。根据样本数据的均方根相对误差确定嵌入维数,对重着陆超限事件样本进行相空间重构,建立了基于LS-SVM飞机重着陆超限事件预测模型,并采用遗传算法优化选择LS-SVM参数。基于某航空公司的飞行品质监控重着陆超限事件月报数据,采用LS-SVM模型对重着陆超限事件进行了预测实验。实验结果表明,基于LS-SVM的飞机重着陆超限事件预测模型精度高、泛化能力强。     

基于运动学、刚度和动力学性能的并联机构有序递进三级优化设计及其应用

提出一种基于运动学、刚度和动力学性能的并联机构有序递进三级优化策略,即分别应用遗传算法（GA）、粒子群算法（PSO）、差分进化算法（DE）三种智能算法,以工作空间性能和运动/力传递性能为目标的尺度参数优化方法,又在优化尺度参数基础上,以机构承载刚度和整体刚度为目标进行构件截面参数优化,再在优化尺度参数和截面参数基础上,以动力学灵巧度和能量传递效率为目标进行构件质量参数优化,从而使得机构的尺度、截面及质量参数达到最优。以一种零耦合度三平移一转动（SCARA）并联操作手为例,运用矢量法建立了并联操作手的运动学模型,通过工作空间性能和运动/力传递性能两个运动学指标,优化其尺度参数;运用虚拟弹簧法得到该并联操作手的刚度模型,通过对三维模型的参数识别得到其柔度矩阵,并分析了承载刚度、整体刚度两个刚度性能指标,优化了构件的截面参数;利用动力学普遍方程导出了该并联操作手的动力学模型,通过动力学灵巧度和能量传递效率两个动力学性能指标,优化了构件的质量参数。最终,该并联操作手的运动学、刚度和动力学综合性能达到最优,也得到了一些尺度、截面及质量参数的设计准则。