多轴越野车辆轴间刚度和阻尼的最优匹配

为提高多轴越野车的行驶平顺性,建立了8×8越野车半车模型的六自由度动力学方程,求解对第一轴路面输入的传递函数.以提高行驶平顺性为目的确立目标函数,应用遗传算法对各轴间的悬架刚度和阻尼进行匹配优化,将优化前后的结果进行对比分析,优化后的悬架刚度和阻尼有效提高了多轴越野车辆的行驶平顺性.     

多轴越野车辆驱动力分配的优化研究

基于优化设计理论,建立了以车辆动力性为优化目标的多轴越野车辆驱动力分配系数的优化模型.利用MATLAB GUI编制了相应的软件,该软件可对车辆驱动力分配系数进行优化,也可对其车辆动力性进行计算.以某一4×4越野车辆为例,对其驱动力分配系数进行了优化,通过对优化前后车辆动力性能的对比分析,验证了优化模型的精确性及软件的实用性.     

多轴串联式混合动力车辆参数匹配研究

以串联式混合动力多轴重型特种车辆为研究对象,混动参数匹配的合理性决定了车辆动力源潜能的发挥、机电子系统之间的协同程度以及动力性、经济型、可靠性等关键技术指标满足要求。为了提升车辆的综合性能,需要在初始设计阶段对车辆关键子系统进行匹配优化设计。结合国内外研究经验,从性能需求层面出发,对车辆边界约束条件进行计算分析,优化车辆重要混动参数,形成了车辆混动参数匹配优化模型,提升匹配过程的精准性。最后,通过典型循环工况仿真验证,证明了该参数匹配方法的合理性。     

重型车辆油气弹簧多轴平衡悬架系统

介绍了一种新型油气弹簧及其在重型车辆多轴平衡悬架系统中的应用，分析讨论了油气弹簧及其悬架系统的静，动态特性及其优点。该悬架系统已经过试验，试验结果与理论分析一致。最后介绍了一种性能优良的油气弹簧密封。     

多轴电驱动车辆横摆稳定性控制仿真研究

随着近年来对行车安全要求的提高,车辆的安全性研究也成为当前车辆研究中重要的一部分,对用于运载、发射等重型车辆尤其如此。对车辆横摆稳定性的控制是一种主动安全控制的手段,能够有效地保障汽车行驶过程中的侧向稳定性。因此对横摆稳定性控制方法的研究显得尤为重要。针对各轮独立电驱动多轴重型发射车辆的结构特点,建立了二自由度数学模型,利用其各电动轮独立可控的优点,对基于直接横摆力矩控制(Direct Yaw-moment Control,DYC)理论的横摆稳定性控制策略进行了研究和分析。并利用联合仿真,从响应速度、精确性等方面,验证了横摆稳定性控制系统的可行性。仿真结果表明该车辆稳定性控制系统可以使车辆横摆角速度和质心侧偏角得到有效控制,从而提高其稳定性。     

多轴振动环境试验的技术、设备和应用

综述了多轴振动环境试验的技术特点和发展现状，研究了多轴振动环境的模拟方法，讨论了多轴振动环境试验条件的定义、系统的技术关键和解决途径，介绍了多轴振动台和多轴振动控制系统的主要原理和技术性能以及多轴振动环境试验在航天产品研制过程中的应用。由于多轴振动试验技术能够更真实地模拟外场使用环境，因此为航天产品的设计评定提供了更有效的手段     

基于非线性二自由度模型多轴车辆转向特性分析

针对3轴车辆,通过建立非线性二自由度转向模型,开展转向特性分析,得到在轮胎大侧偏角情况下车辆的转向特性,仿真结果表明,转向行驶过程中,轮胎的侧偏角进入非线性范围,侧偏力对车辆转向特性产生明显影响,为多轴车辆转向特性分析提供理论支撑.     

多轴特种车辆的数据建模方法及横向动力学应用

多轴特种车辆的动力学模型具有强非线性,精细化的物理建模需要准确的模型参数和动力学方程以映射车辆动力学的特性。在无精确的车辆先验物理参数信息和动力学函数关系条件下,为提高车辆动力学建模的保真度,针对某型五轴特种车辆的横向动力学行为,提出了一种基于神经网络的数据建模方法。网络框架主体呈闭环结构,网络输出的状态信息同时作为输入用于预测下一时刻的状态,实现了数据建模递归更新;针对闭环网络模型,设计了闭环结构的训练策略,在网络模型中引入中间变量,使得网络在训练阶段仍然保持闭环结构;网络模块采用循环门控单元(Gate Recurrent Unit)和全连接网络(Full Neural Networks)的组合方式;数据集由经过实车验证的Trucksim仿真模型生成,分析结果表明：在无精确车辆先验信息条件下,物理建模难以准确预测出车辆的状态信息,数据模型具有更好的保真度。闭环训练方法可以使得闭环结构的网络具有更好的保真度,对于横向速度和横摆角速度预测的最大绝对值误差仅为0.079 km/h和0.342°/s,相比于开环训练的结果,最大误差降低了58.40%和49.48%。     

基于SA-PSO算法的履带车辆多工况振动优化控制研究

为提高履带车辆整车行驶平顺性，提出一种基于模拟退火和粒子群混合的智能算法的履带车辆半主动悬架控制策略.首先建立履带车辆的刚柔耦合动力学模型，然后基于天棚控制理论搭建半主动悬架控制模型，最后利用混合智能算法对天棚控制的参数进行寻优.结果表明，优化后的控制参数可显著提高整车的平顺性，证明所提方法的有效性.     

多轴超声C扫描系统在车辆负重轮检测中的应用

采用多轴超声水浸C扫描系统检测车辆负重轮的内部缺陷,对扫描工艺参数、曲面路径快速编制进行了研究,获得了最佳检测工艺参数及快速编制曲面跟踪路径方法。结果表明,曲面跟踪C扫描检测是车辆负重轮理想的检测方法,不仅有利于缺陷的检出,而且检测结果准确、检测效率高,适合大批量作业。     

车辆振动系统的动态模拟

本文采用状态方程的方法,来描述车辆振动系统的动态特性。推导出根据车辆的结构简图,直接得出状态方程的通用公式。对具有13个自由度的车辆振动系统进行了计算。     

特种车辆振动半主动控制策略

针对提高特种车辆行驶舒适性对减小由路面引起的特种车辆振动的急需,建立特种车辆天棚阻尼半主动控制策略.基于多体系统传递矩阵法,分别建立1/2特种车辆被动控制和半主动控制悬架系统动力学模型;采用天棚阻尼控制策略建立基于簧载质量速度的半主动悬架负反馈控制方法,分别在频域与时域内进行响应特性分析,并与振动被动控制方法进行计算比较.结果表明:该方法可有效改善特种车辆振动情况,对特种车辆车体质心加速度、动行程和车轮质心动行程的振动控制十分有效.     

多轴分布式驱动无人车辆极限操纵状态整车集成控制方法

包络线控制起源于航空航天工业,它提供了飞行状态的安全保障和机动边界,为飞行器控制带来了良好效果。基于8×8多轴分布式驱动无人车辆和包络线方法核心思想,提出一种将车辆推向极限的整车动力学控制器。通过建立轮胎滑移圆提出一种新的方法以用于评估车辆驱动力状态,并将轮胎滑移状态与车辆“g-g”图相结合,用来实现无人驾驶状态下逼近车辆操纵能力极限,发挥车辆动力性能与灵活性能,同时确保在轨迹跟踪时的跟踪精度,精准高效地完成平台任务。考虑外界环境不确定扰动与因素变化对极限状态下车辆稳定性影响,基于车辆横向动力学模型的稳定特性分析,获得不同条件下稳定域相平面,并探索其变化机理、归纳数学描述表达式。通过对车辆稳定相平面的分析,提出以车辆横摆力矩为输出的稳定保持控制器。针对上层控制器驱动力与横摆力矩的输出,设计下层转矩分配控制策略,通过冗余执行器的最优分配实现整车性能发挥。整车集成控制策略部署于一辆8×8原型试验车辆,在越野路面上进行多项科目测试,试验结果表明：在高速条件下,无人车在轨迹跟踪中具有更好的动力性能和安全性能。     

车辆非线性振动系统的动态模拟

本文导出了装有油气悬挂的多轴车辆振动系统的数学模型和状态方程,并以13个自由度的车辆为例,将实际道路的测量数据作为系统的输入,用四阶龙格—库塔法计算了车辆各部分的响应。     

车辆振动响应的测量和分析

利用无线遥测的方法测量了车辆行驶条件下车轮的振动响应。对车轮振动响应进行了平稳性、周期性和正态性俭验,给出了车轮振动加速度均方根值随车速的变化关系。文中还讨论了车轮振动加速度功率谱密度峰值的性质,由于履带节的作用使车轮产生与车速有关的窄带随机振动。     

车辆振动规律研究和评价

该文根据车辆振动同增同减特性,运用统计学方法,找出车内、外各测点间的振动规律相似关系。已知一点值,可求得车内、外各代表性部位的振动强度,它为使用者大大提供了方便,并运用相似比方法来评价车辆性能好坏。     

三轴车辆全轮转向控制系统研究

以三轴全轮转向车辆为对象进行了转向控制系统分析,建立了三轴车辆转向二自由度单轨模型,利用MATLAB/Simulink,基于零质心侧偏角控制目标,分别采用定前后轮转角比控制方法和模糊控制方法进行了转向控制系统时域仿真,并与前两轴转向车辆进行了对比.结果表明:采用全轮转向技术,减少了车辆低速转向时的转向半径,提高了高速转向稳定性.     

履带车辆扭力轴早期失效分析

<正> 一、前言 扭力轴是履带车辆悬挂装置的重要弹性原件。工作时用以减缓负重轮传至车体的冲击力。经常在大交变应力下工作,运转时轴的最大扭角为48°。应力分布是:沿轴向和径向为最大切应力(τ_(max)),与轴向成45°角为最大正应力(σ_(max))。疲劳破坏是其主要破坏形式。其疲劳寿命的稳定与提高多年来一直是人们很关心的问题。     

基于扰动补偿的多轴车辆主动悬架自适应模糊动态滑模控制策略研究

针对某型六轴特种车辆改善行驶平顺性并保障其任务用途的要求,文中建立了半车主动悬架多体系统动力学模型.以自适应理想天棚阻尼悬架为参考,采用模糊切换增益调节的动态滑模理论进行控制器设计;利用观测器进行扰动补偿;并通过李雅普洛夫方法证明闭环系统稳定性.提出一种基于扰动补偿的自适应模糊动态滑模控制策略.仿真结果表明,新型多轴车辆主动悬架控制器成功抑制了滑模控制的高频抖振问题,相对于传统控制方法具有更好的性能表现.