车辆起步电动离合器控制策略的仿真研究

针对某越野车,开发了直流电机驱动的AMT离合器执行机构.建立了发动机模型、离合器模型以及传动系模型.通过对冲击度和滑磨功的分析,在车辆起步离合器慢接合阶段制定了一种基于模糊控制和模糊PID的智能控制策略并建立了其仿真模型,利用Matlab/Simulink对车辆起步离合器接合全过程进行仿真分析,仿真结果表明该控制策略对...     

智能汽车横向控制方法研究综述

智能汽车在提高行驶安全性和减少交通事故方面有很大的优势,已成为世界范围内的研究热点。综述了智能汽车横向控制的国内外发展历程与研究现状;介绍了车辆横向动力学和轮胎力学的研究历程和模型;阐述了智能汽车横向控制理论和方法以及自动转向执行机构的设计;给出智能汽车横向控制研究的重点和发展趋势。通过分析认为,系统非线性、不确定性和时变特性的智能汽车横向动力学建模和横向控制器设计,特别是高速时的横向控制,以及智能车辆感知决策系统与车辆本身系统的一体化设计,将是今后研究的重点。     

硬质路面条件下履带车辆转向模型分析及验证

履带车辆与地面之间的作用关系复杂,基于地面剪切位移的方法通常会用到对时间和位置的积分,模型较为复杂,无法直接应用到车辆的实时控制算法中。通常情况下,履带车辆转向分析会将接地压力看作连续线性分布或者多矩形分布,但是试验和计算结果均表明硬质土壤条件下,履带接地压力为多峰值分布,前述两种分布均不能体现接地压力的真实状态。本文针对上述问题,在前人研究的基础上,对履带接地压力分布进行求解,提出了履带车辆接地压力简化模型。该简化模型更符合硬质路面履带接地压力的真实状态,并被应用于履带车辆转向动力学分析与验证。利用J.Y.Wong提出的垂向负载-剪切位移变化关系解决了垂向压力变化的同时剪切位移计算的问题,提出了履带车辆转向分析模型(以下简称分析模型),试验结果表明该模型有较高的精度。但是其复杂度仍然较高,为了进一步简化模型,借鉴轮式车辆轮胎侧偏角和滑转率的概念,利用履带车辆履带-地面剪切位移关系推导了简化履带车辆动力学模型(以下简称简化模型)。该模型避免了复杂的积分或者求和,显著降低了履带车辆动力学模型的复杂度,能够应用于基于模型的无人驾驶履带车辆轨迹控制方法中,且模型精度接近前述履带车辆转向分析模...     

基于MPC-MFAC的双侧独立电驱动无人履带车辆轨迹跟踪控制

简化模型带来的模型失配以及外部环境不确定性是导致轨迹跟踪误差的主要原因,尤其对于无人履带车辆,其复杂的物理特性和工作环境更放大了两大因素的不利影响。针对该问题,将基于模型和基于数据的控制方法结合起来,提出一种基于模型预测控制结合无模型自适应控制补偿的双侧独立电驱动无人履带车辆轨迹跟踪控制方法。在平衡建模准确度和求解耗时的基础上,利用模型预测控制进行前馈求解。针对模型预测控制中简化模型与车辆实际模型之间必然存在的差异以及环境不确定性,基于动态跟踪效果构建无模型自适应控制算法进行补偿,即利用车辆实际轨迹与模型预测所得轨迹之间的误差,对模型预测控制求解的两侧履带速度控制量进行实时修正。仿真实验结果表明,该方法能够在一定程度上抑制系统内外部不确定因素的影响,提高动态环境下双侧独立电驱动无人履带车辆轨迹跟踪控制的精度。     

湿式离合器先导式电液调压阀时频域建模与分析

先导式电液调压阀是大功率湿式离合器换挡系统的核心部件,由于其多个环节存在参数时变和强非线性特征使其频率响应特性发生变化,进而影响换挡过程的油压调节的快速性与稳定性。在剖析先导式电液调压阀工作原理的基础上,考虑阻尼系数、流量系数和增益系数随油温的可变性,建立了先导式电液调压阀在工作过程中的数值模型,并推导了其频域模型。研究了先导式电液调压阀在不同参数下的时域和频域响应特性,得到了参数变化的影响规律。结果表明：增加系统响应的带宽会提高油压响应速度,但会降低阻尼比,使得油压响应的调节时间增加。系统的结构参数、输入信号以及工作油温均会影响其响应特性。基于该方法能够快速的判断先导式电液调压阀在全工作范围内的响应速度和稳定性问题,从而有助于改善先导式电液调压阀的油压动态跟踪性能。     

分布式电驱动无人高速履带车辆越野环境轨迹预测方法研究

越野环境下,无人车辆轨迹预测是车辆轨迹跟踪和精确导航的核心模块,预测误差将直接影响无人车辆行驶任务完成的准确程度。为实现速差转向式履带车辆在复杂越野环境下无人行驶轨迹准确预测的目的,搭建了分布式电驱动无人履带车辆系统,实现了车辆动态过程中的无人系统数据和车辆底层状态数据的同步采集。建立了速差转向车辆运动学模型,分析了履带车辆滑动转向特性。分别采用扩展卡尔曼滤波(EKF)方法和Levenberg-Marquardt方法对转向过程中的滑动参数进行估计,并完成了车辆轨迹预测。基于真实越野环境下的实车数据进行了验证。试验结果表明：相比于履带车辆理想预测模型,所采用的两种轨迹预测方法都大幅降低了车辆轨迹预测误差;对误差均值而言,EKF方法预测轨迹优于Levenberg-Marquardt方法;对误差标准差而言,后者优于前者,且随着转向程度的增加而增大。     

加速推进商用车AMT研发与产业化

1商用车辆需要发展自动机械变速器（AMT）产品 近年来,重型商用车变速器的档位数向12～16档发展,城市客车档位数向6～12档发展。     

基于高斯混合-隐半马尔可夫模型的双侧独立电驱动无人履带机动平台纵向决策方法

基于运动学和动力学模型的电驱动无人履带机动平台纵向决策研究存在自适应能力差、难以获得精确的模型参数等问题。针对无人履带机动平台直驶遇到障碍物并接近障碍物的行驶工况,根据驾驶数据提出一种驾驶员纵向决策机理,使用高斯混合-隐半马尔可夫模型对熟练驾驶员纵向决策过程进行建模。使用高斯混合模型对驾驶员在直驶接近障碍物过程中的意图进行辨识,并对驾驶行为进行聚类和量化;通过隐半马尔可夫模型描述驾驶员决策转移过程与相同决策的持续时间;进行不同地面条件下的实车验证。试验结果表明：所提出的驾驶员模型可以很好地模仿驾驶员纵向决策机理,使得最大加速度小于3.5 m/s²,最大减速度大于-4.5 m/s²,决策边界平均加速度绝对值趋近于0.8 m/s²;通过对不同地面条件下的决策持续时间分布进行再训练,该方法可以不依赖地面参数从而适应不同环境条件。     

基于强化学习补偿的地面无人战车行进间跟瞄自适应控制

针对底盘运动和路面起伏对地面无人战车行进间跟瞄带来的非线性干扰问题,提出一种 基于强化学习补偿的地面无人战车行进间跟瞄自适应控制方法。该跟瞄控制方法由主控制器与补偿控制器两部分构成,主控制器利用PID控制算法结合当前跟瞄误差得到主控制量,补偿控制器利用Dueling Q 网络强化学习算法对战车当前状态和局部规划路径附近的路面起伏信息进行处理得到补偿控制量。建立地面无人战车一体化运动学模型,对基于强化学习的补偿控制算法进行阐述;基于V-REP动力学软件在三维场景中进行仿真验证。实验结果表明：基于强化学习补偿的跟瞄控制方法对底盘运动和路面起伏具备较好的自适应能力,有效地提升了无人战车行进间跟瞄的准确性与稳定性。     

基于轨迹规划与CNN-LSTM预测的履带式混合动力无人平台能量管理优化

混合动力能量管理策略是混合动力系统的关键技术之一,对整车效率和燃油经济性等综合性能起到决定性作用。对于履带式混合动力无人车辆,其复杂的行驶工况对能量管理策略提出更高要求。在传统工况预测方法的基础上,提出一种基于无人驾驶轨迹规划的卷积神经网络与长短期记忆网络的预测模型。针对系统状态变量与控制变量搜索范围广、计算量大的问题,优化动态规划算法以获得最优控制序列;设计模型预测控制方法实现能量管理优化控制;通过实车试验进行验证。研究结果表明,采用卷积神经网络与长短期记忆网络的预测模型比基于规划速度的直接预测模型的精度提高了3%;基于该模型预测控制的能量管理实时优化策略,比基于传统多步神经网络策略的等效燃油消耗量减少了3.9%,改善了整车燃油经济性。