排序方式: 共有48条查询结果,搜索用时 15 毫秒
21.
针对整车电磁混合悬架某一作动器发生故障,提出了一种故障诊断与容错控制方法。建立了整车7自由度模型和故障悬架模型,采用LQG控制器作为电磁混合主动悬架的常规控制器,采用未知输入观测器获取悬架的状态观测值。基于获取的悬架动挠度残差,设计了逻辑模块和稳定模块对悬架进行故障诊断。仿真分析了容错控制策略下悬架在时域和频域范围内的动态特性。结果表明:在时域和频域范围内,悬架动挠度、车身垂向加速度、俯仰角加速度、侧倾角加速度均有改善,车辆的平顺性与安全性得到提升。最后,进行了整车电磁混合悬架容错控制实车试验,试验结果表明:在容错控制下,左前悬架动挠度改善了43.736%,车身垂向加速度改善了40.325%,验证了该容错控制方法的有效性。 相似文献
22.
提出一种基于电动静液压作动器EHA(Electro-Hydrostatic Actuator)的汽车主动悬架结构.在分析EHA作动器原理和汽车结构基础上,建立了EHA作动系统模型和1/4汽车悬架模型,设计了用于主动悬架的模糊控制算法,在以单频信号作为激励源情况下进行了仿真研究.开发了主动悬架DSP控制器,研制了EHA汽车主动悬架物理样机和试验台架,并进行样机台架试验研究.结果表明,EHA主动悬架明显地改善了汽车行驶平顺性和操纵稳定性,进一步证明了控制算法和EHA主动悬架样机的的可行性和有效性. 相似文献
23.
为了提高馈能悬架的能量回收效果及动力学性能,提出了一种车辆电液馈能型互联悬架结构。根据流量/压降之间的关系,建立了整车7自由度与电液馈能型互联悬架的耦合数学模型,通过正弦激励对车辆电液馈能型互联悬架进行阻尼特性和馈能特性仿真。以四轮随机路面为输入,分析悬架对车辆的平顺性、行驶稳定性的影响。结果表明:阻尼力、馈能功率与激励频率、幅值成正比,馈能功率波动与之成反比,馈能效率随幅值、频率增大而先增大后减小;随机路面下,与被动悬架相比,电液馈能型互联悬架的俯仰模式、侧倾模式均可以改善动力学性能的同时实现振动能量的回收。 相似文献
24.
25.
为了解决电磁混合主动悬架在发生故障时导致的系统失稳现象,设计了一种多模式切换容错控制策略.分别建立了1/4车辆二自由度悬架模型、直线电机数学模型及电磁阀减振器多项式模型.采用未知输入观测器对悬架状态进行估计,以悬架系统簧载质量加速度为正常状态切换条件,以簧载质量加速度残差和稳定模块为故障状态切换条件,设计了一种多模式切... 相似文献
26.
提出了一种基于EHA的车辆馈能式半主动悬架结构,并针对车辆在振动较小的状态下电能无法得到有效回收的问题,引入了Boost升波斩压电路对馈能电压进行泵升。在AMESim软件中建立了1/4车辆EHA半主动悬架模型。同时,在MATLAB/Simulink中设计了半主动悬架LQG最优线性二次控制器以及Boost电路仿真模型。利用AMESim与MATLAB/Simulink软件,对EHA半主动悬架能量回馈特性以及车辆行驶平顺性进行了联合仿真研究。结果表明,在LQG控制下EHA半主动悬架有效地降低了车身加速度、悬架动挠度、轮胎动载荷,从而提高了车辆的乘坐舒适性与行驶安全性;同时在Boost电路泵升作用下,馈能电压得到了有效回收。 相似文献
27.
28.
针对采用传统模型预测控制器的车辆在弯道内跟踪精度难以保证的问题,本文提出了一种基于状态反馈的路径跟踪横向控制策略。基于车辆动力学模型,建立考虑轮胎滑移包络线约束条件的路径跟踪模型预测控制器,并根据车速选择合适的控制器时域参数;以车辆质心位置为控制点建立车辆跟踪误差模型,结合车辆当前位置横摆角偏差建立状态反馈调节器,通过LQR最优控制方法对无人车姿态进行校正。利用MATLAB/Simulink和Carsim软件对改进的状态反馈控制策略进行了仿真验证,典型双移线道路仿真试验表明:中低车速下车辆路径跟踪横向偏差降低了16%以上,横摆角偏差降低了33%以上,所设计控制器能够有效提高车辆路径跟踪精度,可保证车辆对变曲率弯道具有适应性和行驶稳定性。 相似文献
29.
采用模糊PID控制策略,在对1/4车辆模型性能仿真的基础上,设计了以DSPIC30F6010为主控制器件的电动静液压EHA(Electro-Hydrostatic Actuator)主动悬架模糊PID控制系统,研制了EHA车辆主动悬架样机及试验台架.建立了EHA作动力与PWM占空比之间的非线性关系曲线.台架试验结果表明,所设计的模糊PID控制器能较好实现系统控制,控制方法有效,可以显著减小车辆振动及干扰,提高了车辆的平顺和稳定性. 相似文献
30.
针对煤矿井下环境多利用红外相机感知周边环境温度成像,但形成的图像存在纹理信息少、噪声多、图像模糊等问题,该文提出一种可用于煤矿井下实时检测的多尺度卷积神经网络(Ucm-YOLOv5)。该网络是在YOLOv5的基础上进行改进,首先使用PP-LCNet作为主干网络,用于加强CPU端的推理速度;其次取消Focus模块,使用shuffle_block模块替代C3模块,在去除冗余操作的同时减少了计算量;最后优化Anchor同时引入Hswish作为激活函数。实验结果表明,Ucm-YOLOv5比YOLOv5的模型参数量减少了41%,模型缩小了86%,该算法在煤矿井下具有更高的检测精度,同时在CPU端的检测速度达到实时检测标准,满足煤矿井下目标检测的工作要求。 相似文献