减速带及发动机联合激励下车辆混沌识别与智能抑制

针对非线性悬架车辆通过连续型减速带时,在减速带和发动机的联合激励下可能产生的混沌,以考虑发动机激励的车辆五自由度车辆模型为研究对象,通过车身Poincaré截面图和车辆系统最大Lyapunov指数对车辆在联合激励下产生的混沌进行识别,并利用基于粒子群算法搜索最优反馈增益系数的反馈控制对车辆混沌进行抑制。结果表明,车辆在各车速工况下均处于混沌状态,中低速工况下车辆进入混沌的途径是多频率激励下系统振动的耦合,高速工况下车辆由分岔途径进入混沌状态;利用粒子群算法搜索全局最优反馈增益系数的反馈控制能够有效抑制车辆混沌。揭示了非线性悬架车辆在联合激励下的混沌特性,为混沌的智能抑制提供一种新的思路。     

基于多目标遗传算法的Stewart平台运动学正解解算

Stewart平台的运动学解算是指对驱动杆杆长与动平台位姿的对应关系的求解。其运动学逆解只需根据空间坐标变换求得,而运动学正解需要对12个非线性方程进行解算。普通的数值解算方法迭代步数多,求解精度低。为解决Stewart平台运动学正解的解算问题,将pareto最优化理论引入遗传算法,提出一种基于多目标遗传算法(NSGA-Ⅱ)和最小二乘理论结合的算法。利用算法生成上平台姿态,利用反解解算出姿态对应的杆长,与已知杆长进行最小二乘拟合分析,当拟合度极高时认为此时的位姿即为运动学正解结果。此算法将上平台姿态的6个参数求解转化成多目标最优化问题,其只需迭代102次左右便能输出最优解,单次结果输出用时在1 min以内,且求解的均方根值误差不超过0. 1。是一种求解速度快、精度高的可行的运动学正解解算方法。     

儿童安全座椅低频振动的仿真与优化设计

为降低儿童安全座椅低频振动对儿童乘坐舒适性的影响,建立六自由度汽车与安全座椅动力学模型。利用Matlab/Simulink模拟汽车在B级路面以20 m/s速度行驶的工况,分析车辆和座椅的振动情况。建立优化目标泛函,为保证结果的客观性,采用层次分析法(AHP)确定优化泛函的各项加权系数。采用拉丁超立方抽样进行被动减振优化,采用LQG线性二次调节器进行主动控制,用这两种方法来实现乘坐舒适性的优化。对比仿真结果可以得出被动控制对低频处的共振峰值衰减没有效果,而主动控制在4 Hz、7 Hz、10 Hz、12 Hz、15 Hz处与初始值产生的共振峰值相比有明显的衰减。两种实验得到的安全座椅垂直振动加速度均方根值表明,被动减振优化值比初始值降低了78.9%,主动控制情况下比初始值优化了60.5%。