对于驾驶机器人性能综合评价的研究

为了综合评价驾驶机器人的驾驶性能,在单纯指标评价的基础上,提出一种新的综合评价方法.经过对驾驶机器人的实测验证,获得的数据证明此方法能时驾驶机嚣人驾驶性能进行定性的、直观的综合评价.     

机械式汽车变速箱同步器试验系统研制

针对汽车变速箱同步器的试验要求,阐述了同步器试验台的系统结构和测控系统设计,采用矢量变频控制技术实现同步过程中的电机稳速控制,各路传感器信号高速并行采集,最后给出同步器的试验结果并对结果进行分析.     

基于VxWorks的汽车同步器试验台测控系统

同步器是汽车变速箱的核心部件,其性能对汽车变速箱以及汽车性能的提高有重要意义.设计了以PC104主板为平台的汽车元件同步器试验台,给出了试验台系统构成.为了满足工业现场对系统可靠性、实时性的高要求,在下位机开发了基于VxWorks的测控系统的硬件和软件驱动设计.试验结果表明,该系统性能稳定、可靠性高、实时性强、应用广泛.     

汽车驾驶机器人多机械手协调控制研究

汽车驾驶机器人研究中的一个关键问题就是多机械手的协调控制.为了实现驾驶机器人换档机械手和油门、离合、制动机械腿的综合协调控制,最终实现对给定循环行驶工况的车速跟踪,首先建立了基于Saridis G N三级控制架构的驾驶机器人递阶控制模型体系结构,然后在此基础上提出了驾驶机器人多机械于协调控制方法,并设计了油门/离合器协调控制器和油门/制动切换控制器.试验结果表明,本文提出的方法能合理协调控制汽车驾驶机器人油门、制动、离合机械腿和换挡机械手,实现了车辆的平稳起步,平顺换挡以及对给定车速的跟踪.     

基于DSP的嵌入式车道偏离报警系统的硬件平台

目前普遍采用的车道偏离报警系统的硬件平台是工业PC.为了克服其体积大、功耗高、成本高、可靠性低的缺陷,设计了一种嵌入式车道偏离报警系统的硬件平台.利用基于DM642系统作为视频采集处理模块,采用C8051F040的数据采集系统作为汽车行驶参数采集模块,使用基于LM2576的电源系统为整个系统供电模块.试验表明,该系统具有良好实时性和抗干扰能力,满足了系统设计需要.     

汽车试验用驾驶机器人系统的研究

为了消除汽车试验中人为因素的影响,提高试验数据的准确度和有效性,研究开发了一种可以代替人类驾驶员进行汽车试验的汽车驾驶机器人系统.介绍了驾驶机器人系统的组成、汽车性能自学习算法及控制系统的设计.最后,给出了驾驶机器人用于排放耐久性试验的实车试验结果,结果表明驾驶机器人车速跟踪控制精度满足汽车试验的要求,重复性好,验证了驾驶机器人控制性能的有效性.     

汽丰驾驶机器人关键技术及发展

除性能、安全、舒适和成本外,低的能源消耗和废气排放正成为汽车工业不断进步的主要目标.随着燃油消耗与排放等试验规范的日益严格,为保证试验精确高效地完成就需要采用先进的技术设备.为避免人类的不确定性,减轻试验驾驶员的不舒适且单调的工作条件,例如,在高温度条件下长时间试验,就需要开发专用的机器人.本文首先阐述了驾驶机器人的设计原则及对其的基本性能要求,并以东南大学研制的具有自主知识产权的DNC-Ⅱ型汽车驾驶机器人为例,介绍了驾驶机器人系统构成及驾驶机器人的工作过程.然后阐述了驾驶机器人开发的关键技术.最后介绍了国内外驾驶机器人的研究现状与发展方向.     

悬挂式电子油门踏板功能试验台研制

传统的油门控制方式应用范畴疏导限制并缺乏精确性,已经不能满足各种功能测试的要求,针对悬挂式电子油门踏板功能试验要求,设计了悬挂式电子油门踏板功能试验台的系统结构和测控系统,具有创新意义。分别运用Labview和Delphi开发测控系统和分析系统,各路传感器信号高速并行采集。最后给出悬挂式电子油门踏板的试验结果并对结果进行分析,试验结果表明系统性能稳定、重复精度高,并具有广泛的应用前景。     

广义回归神经网络在汽车换档机械手运动轨迹测量中的应用

针对换档机械手机构特性,设计了广义回归神经网络(GRNN)模型,输入层为两结点输入,即角位移坐标值α、β输出层为两结点输出,分别对应空间坐标值x,y,网络中间层的神经元传递函数采用径向基元萌数,输出层的神经元传递甬数采用线性元函数,对于光滑因子在[0.05,0.1]间取值,进行对比分析,最终选定光滑凶子取0.05.以标定数据中的一部分作为样本对上述神经网络进行训练、仿真,并预测另一部分数据,经过对结果的误差分析和与BP神经网络作比较,验证了本网络模型的有效性和精确性.与BP网络相比,其算法易于实现、结构简单、便于编程、收敛较快,可成功应用于本机器人系统中.     

改进BP神经网络在汽车换挡机械手运动轨迹测量中的应用

针对换挡机械手机构特性,采用Levenberg-Marquandt算法设计了3层改进BP网络模型.以标定数据中的一部分作为样本对上述神经网络进行训练、仿真并预测另一部分数据,经过对结果的误差分析和与采用其他算法比较,验证了改进BP网络模型的有效性和精确性.其算法可成功应用于机器人系统中.