基于车辆快速开发系统的汽车牵引力控制目标控制器

为了检验汽车牵引力控制算法与目标控制器硬件、外围传感器及执行器之间的性能匹配状况，利用车辆快速开发系统设计了目标控制器硬件在环试验平台，并进行了目标控制器硬件在环试验。试验表明：所设计的目标控制器能够有效地将驱动轮滑转率控制在最佳值附近，消除了驱动轮过度滑转现象，从而为目标控制器的道路试验奠定了基础。     

基于车轮加速度门限的牵引力控制系统制动控制算法

针对某4×2车辆提出了一种基于车轮加速度门限自调整的TCS制动控制算法。选择以驱动轮相对滑转率和加速度为控制门限设计了控制逻辑。通过在Matlab/Simulink环境下进行仿真,分析了加速度门限的取值对控制效果的影响。在研究不同因素对加速度门限取值影响的趋势的基础上,设计了一种以查表的方式根据不同工况自动选取加速度门限的方法,并通过硬件在环试验对算法进行了验证。结果表明,算法能选取适宜的加速度门限,有效地控制驱动轮滑转并提高车辆牵引性能。     

基于车辆快速开发系统的汽车牵引力控制目标控制器

为了检验汽车牵引力控制算法与目标控制器硬件、外围传感器及执行器之间的性能匹配状况,利用车辆快速开发系统设计了目标控制器硬件在环试验平台,并进行了目标控制器硬件在环试验。试验表明:所设计的目标控制器能够有效地将驱动轮滑转率控制在最佳值附近,消除了驱动轮过度滑转现象,从而为目标控制器的道路试验奠定了基础。     

车辆电子稳定性程序神经网络PID控制算法

设计了面向车辆操纵稳定性控制的车轮制动神经网络PID控制器参数自调整算法,介绍了自行研制的车辆ESP硬件在环试验平台,采用该平台进行了控制算法的台架试验。结果表明:ESP神经网络PID控制算法能有效防止极限工况下车辆丧失操纵稳定性,显著改善车辆的主动安全性。     

模糊控制在四轮牵引力控制系统中的应用

针对四轮驱动汽车，应用模糊理论设计了牵引力控制系统的油门控制器和制动控制器。建立了基于Matlab／Simulink的硬件在环开发平台，并选择分离路面和棋盘路面两种工况进行了硬件在环试验。结果表明，所设计的控制器能有效地消除驱动轮过度滑转，从而提高了车辆的牵引性能，且在路面条件突变时具有较强的适应性。     

深度混合动力电动汽车牵引力控制方法

提出了基于深度混合动力电动汽车的牵引力分层控制方法。上层控制中提出了基于动态滑模的驱动轮目标驱动力矩制定策略;下层控制中提出了电机转矩单独控制策略、基于转矩动态协调的发动机电机协调控制策略以及工况识别逻辑。最后开发了仿真和硬件在环试验平台,结果表明,本文方法能够快速、准确、平稳地实现对打滑车轮的控制,改善了深度混合动力汽车的起步性能、加速性能以及稳定性能。     

基于快速成型技术的牵引力控制系统

介绍了采用快速成型技术开发牵引力控制系统的过程。从缩短开发周期角度出发,建立了包括计算机仿真、硬件在环试验和道路试验在内的快速成型技术。从实用角度出发,设计了控制算法原型,并根据车辆配置建立了驱动动力学模型。在完成控制系统硬件研制的基础上,建立了快速开发平台。将该快速成型技术应用在某试验样车上,在完成计算机仿真、硬件在环试验和道路试验的基础上实现了牵引力控制系统的快速开发。     

模糊控制在四轮牵引力控制系统中的应用

针对四轮驱动汽车,应用模糊理论设计了牵引力控制系统的油门控制器和制动控制器。建立了基于Matlab/Simulink的硬件在环开发平台,并选择分离路面和棋盘路面两种工况进行了硬件在环试验。结果表明,所设计的控制器能有效地消除驱动轮过度滑转,从而提高了车辆的牵引性能,且在路面条件突变时具有较强的适应性。     

基于智能脉宽调制的车辆牵引力控制系统驱动轮制动控制

为实现车辆牵引力控制系统(TCS)驱动轮制动控制的精细调节,对车辆液压制动系统的高速开关阀控制进行了分析,试验确定脉宽调制(PWM)控制规则,基于神经网络PI设计了TCS驱动轮制动控制的智能PWM控制器。利用面向TCS的AMESim与MATLAB联合仿真平台进行了仿真分析,结果表明,基于智能PWM的TCS驱动轮制动控制方法能够实现对制动压力的精细调节,有效地提高了车辆的加速性。     

无级变速车辆的牵引力控制策略仿真

提出了配备无级变速器的全时四轮驱动汽车依靠控制变速器、轴间差速器和制动器的牵引力控制策略。应用Matlab/Simulink软件建立了车辆传动系统软件在环仿真平台。在低附着系数路面上,分别对所提出的控制策略和传统的依靠控制发动机、轴间差速器和制动器的控制策略进行仿真,结果表明:变速器参与的控制策略明显提高了车辆在低附着系数路面上的地面牵引力,并且优于依靠控制发动机的控制策略。     

基于遗传算法的模糊神经网络控制

在研究遗传算法、模糊神经网络及两者之间融合技术的基础上，设计了基于遗传算法的模糊神经网络控制系统。并通过仿真模拟实例对其功能特性进行了分析。     

一种基于RBF神经网络的模糊PID控制算法

提出一种将RBF神经网络与模糊控制相结合的方法,对系统输出误差进行模糊化,利用RBF神经网络对PID控制参数进行在线整定。仿真结果表明基于上述的PID控制算法能较好地实现PID控制参数的在线调整和优化。     

基于改进最近邻聚类的机械手神经网络逆控制

机械手具有非线性时变、多变量、强耦合的特性,在机械手系统可逆的基础上,设计一种机械手的神经网络逆控制方案。通过神经网络逆辨识建立机械手的神经网络逆模型,把神经网络逆模型作为控制器模型与原机械手串联,构成一个伪线性动态模型,把非线性问题转化为线性问题。其中,辨识器和控制器均采用RBF神经网络结构,网络学习采用具有在线学习功能的最近邻聚类学习算法。仿真结果验证了本方案的有效性和可行性。     

A Direct Feedback Control Based on Fuzzy Recurrent Neural Network

A direct feedback control system based on fuzzy-recurrent neural network is prosed, and a method of training weights of fuzzy-recurrent neural network was designed by applying modified contract mapping genetic algorithm. Computer simulation results indicate that fuzzy-recurrent neural network controller has perfect dynamic and static performances .     

基于神经网络和遗传算法的采油控制系统

为了解决部分抽油机“长期相对轻载”和“空抽”的问题,采用抽油机间歇采油控制方法对采油控制系统进行了设计。利用非线性规范化方法的非线性同伦BP神经网络对采油模型进行辨识,采用遗传算法优化停机时间。该控制系统在油田中的实验结果表明,在保证了采油量的前提下,节电率达30%以上,实现了抽油机采油的智能控制。     

神经网络BP算法在噪声主动控制中的应用

在噪声主动控制系统中采用神经网络控制方法，给出了神经网络BP算法的一种变异算法。仿真实验表明，基于神经网络的噪声主动控制系统具有非常好的降噪效果和稳定性。     

基于BP算法的神经网络内模控制器

文章针对一类非线性系统,采用加入阻尼项的权值调整BP算法,设计了基于BP算法的神经网络内模控制器,并进行了仿真,结果显示该控制器对阶跃信号和扰动均无稳态误差,对非线性环节有较好的控制效果。     

基于模糊神经网络的汽车安全控制系统

针对国内汽车安全控制系统水平相对落后的现状,提出了一种模糊神经网络的汽车安全控制系统,采用基于标准模型的模糊神经网络作为控制器,包括输入层,模糊化层,规则层,归范化处理和输出层,应用多层前馈网络的反向传播算法网络作为学习算法,运用动态BP网络作为神经网络预测器。MATLAB仿真结果表明：该控制系统具有较好的快速性、稳定性、稳态性能以及鲁棒性。