线控制动系统模型辨识

分别采用基于传递函数模型、ARX模型及T-S模糊模型对由泵站及比例减压阀组成的线控制动系统进行辨识,辨识出通过PWM指令使比例减压阀输出轮缸压力的阀控系统,并对辨识结果进行模型验证。最后,比较了3种不同方案的系统辨识效果。研究结果对线控制动系统的建模和控制具有一定的实用价值。     

线控制动系统与通信安全研究

介绍了线控制动系统的组成及工作原理;分析了线控制动系统采用C级网络协议,即时间触发协议(TTP/C)的必要性;研究了如何充分利用TTP/C协议的高度容错性及良好的实时控制性能以提高线控制动系统工作可靠性和安全性等相关技术问题。     

电子驻车制动系统专利技术综述

汽车电子驻车制动系统（EPB）是一种新型的机电一体化系统,解决了传统汽车驻车制动系统存在的制动线路长、操作舒适性差、反应慢、安全性差等问题。本文主要专利数据库中的检索结果为分析样本,从专利文献的视角对汽车电子驻车制动系统（EPB）技术的发展进行了统计分析,总结了与汽车电子驻车制动系统（EPB）相关专利的申请趋势,并对今后的电子驻车制动研究提供一定理论支持。     

车载网络FlexRay及其在线控制动系统中的应用

车载网络大大促进了汽车电控技术的发展，但随着汽车内部通信网络的需求越来越大，网络性能要求日益提高。为了进一步统、优化汽车网络标准，在对分析现状的基础上，详细介绍了用于高级汽车的FlesRay协议，及其应用在线控制动（brake—by—wire）系统中的实现过程。该协议有望成为未来汽车网络的通用标准。     

汽车电子驻车制动控制系统的仿真研究

论述了汽车电子驻车制动系统的基本结构、组成及功能,利用Matlab/Simulink仿真环境研制了汽车电子驻车制动系统的模型,以驻车制动系统模型为控制对象,研制了PID控制算法。通过与现场试验数据的比较,证明了所建模型的正确性及控制算法的有效性。     

驻车制动自动调整系统可靠性分析

针对驻车制动系统装调过程中存在的质量一致性差导致制动性能差、油耗高、阻滞力大等问题,提出了驻车制动自动调整系统方案。首先利用WORKBENCH对手柄抓持器进行有限元分析验证其结构的可行性,采用人工调整和自动调整两种方式对驻车制动系统进行调整,并对调整结果进行CPK分析,验证了自动调整系统的可靠性,并对最终的调整结果分别从制动手柄转动角度、扭矩传感器测量值和驻车制动系统拉索预紧力3个方面进行了误差分析。     

汽车线控制动的仿真与分析

基于车轮滑移率在Matlab/Simulink 环境中建立仿真模型,应用PID控制方法对线控制动系统中的电子机械制动系统(EMB)进行仿真,分析了当外界路面条件变化时线控制动系统的工作状况.仿真结果表明,线控制动具有较好的制动效能,在越差的路面上,其优越性越明显.     

非线性系统的模糊神经网络辨识方法

根据一种模糊动力学模型,提出一种非线性系统的模糊神经网络辨识方法。这种模型具有与线性系统ＤＡＲＭＡ模型类似的结构,证明了辨识算法的收敛性。最后结合实例进行了仿真。     

神经网络辨识研究的现状

阐述了神经网络辩识的基本原理，综述了神经网络辨识的研究进展，对各种不同的辨识方法进行了评述，并指出各自的特点，同时得出神经网络辩识的局限性。     

汽车电子感应制动系统控制器的设计

设计了汽车电子感应制动系统（SBC）的控制器,包括系统核心处理芯片的选用以及系统的输入饰出处理电路的设计等内容。SRC控制器通过由各路传感器采集来的信息,按照逻辑门限值的控制方法,对系统进行计算、判断与控制,以实现对制动轮实时线控制动的目的。     

基于BP神经网络的结构系统跟踪辨识方法

针对人工神经网络在结构系统辨识中存在的问题,提出一种基于BP神经网络的跟踪辨识方法.通过将实际结构模型分为一个机理模型和一个实时误差模型,前者基于常规的BP神经网路通过离线训练而成,而后者通过小型的BP神经网络实时辨识系统误差,进而使这种经过改进的系统识别网络能够具有动态递阶识别系统的能力.计算机仿真分析表明,这种方法可有效地减小由于不同外荷载作用引起的结构系统辨识误差,提高人工神经网络在系统辨识中的精度和可靠度.     

基于动态模糊神经网络的非线性系统辨识

在分析模糊神经网络辨识特点及现状的基础上,设计了一种适用于非线性多输入系统的辨识模型。本模型将T-S模糊模型与5层动态模糊神经网络结构相结合,通过参数学习算法优化辨识结构,对辨识模型进行反馈调节,得到的辨识精度较高。另外,对输入数据采用归一化的方法进行预处理,加快了网络的辨识速率。最后,通过仿真实例证明了该设计的有效性,为模糊神经网络辨识结构的设计提供了一种新的思路和方法。     

基于人工神经网络的非线性系统辨识

人工神经网络是一个非线性动力学系统，具有自适应、自组织、自学习等功能。本文利用人工神经网络具有表达任意非线性映射的能力，对非线性系统进行系统辨识。仿真结果表明，该方法是可行的，计算精度高。     

液化石油气汽车点火控制系统优化与故障诊断

对点火提前角与液化石油气（LPG）汽车发动机性能和排放的关系进行分析,通过台架试验,获取各种工况下LPG发动机的最佳点火提前角,通过建立BP神经网络模型,实现燃气汽车点火控制系统的优化,还对LPG发动机点火提前角对动力性与排放的影响进行了试验研究,得出在不同转速和负荷下,点火提前角变化对NOx和CO排放的影响结果,采用模糊模式识别的方法判别燃气汽车点火系统的技术状态。     

神经网络用于系统辨识的一种最小二乘法

讨论了用多层前向神经网络建立非线性系统模型的机理,然后通过对多层前向神经网络特点的分析,给出了一种基于线性最小二乘法的神经元网络训练方案。在该方案中,通过梯度法获取隐层神经元的输入,使用线性最小二乘法训练各神经元的权值和阈值。仿真结果表明该方案具有精度高、收敛速度快等特点。     

A New Type of Automotive Braking Actuator for Decentralized Electro-hydraulic Braking System

This paper presents a new type of automotive braking actuator for a kind of brake-by-wire system called decentralized electro-hydraulic braking system （DEHB） to replace the traditional automobile braking system. The actuator of this system is driven by an electrical motor instead of the conventional vacuum booster to make the brake pressure be linearity controlled quickly. Therefore, the system has the advantages of quick response speed, good control performance and simple structure. Firstly, an overview of the actuator and the whole DEHB system is shown. Secondly, the possibility of this new kind of actuator working for the system is ensured based on some braking theories. Thirdly, the appropriate dynamic simulations are done to get some results to show the relations of different parameters and the effect of braking. Eventually, the proper parameters are determined to build a test bench which shows that DEHB system can achieve the maximum pressure of 13 MPa within 100 ms after parametric optimization, and meanwhile, the actuator is able to reduce pressure quickly after maintaining high pressure. All of the bench test results can meet with the design requirements and real demand of vehicle and this actuator may improve vehicle braking effect in the future. Besides, this actuator can be widely applied to the regenerative braking system because of its linear braking performance.     

基于模糊关系的非线性系统辨识研究

分析了传统的利用神经网络进行非线性辨识的方法在系统有噪声数据时鲁棒性差且系统辨识结构不准确的问题，提出了一种基于模糊关系的系统辨识与建模方法。该方法将模糊控制与神经网络有机结合，在优化系统辨识结构的同时有效降低了噪声数据对系统的干扰。