履带车辆的动力学建模与仿真

来源 :第27届中国控制会议 | 被引量 : 0次 | 上传用户:feicuisenlinviolet
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对现有的建立履带车辆运动微分方程一般多采用非完整约束方法带来的复杂计算问题,本文提出了基于给定斜坡路径的完整约束下将履带车辆简化为单体与多体模型相结合的建模方法。首先对车辆进行力学分析,推导出系统阻力以及由电机转矩损失引起的耗散力;然后将完整约束条件与履带车辆单体集中质量模型与多体模型相结合计算出系统能量,运用拉格朗日方程建立系统运动微分方程,得出运动模型;最后通过算例验证了该模型的可行性,为履带车辆斜坡路面的实地行驶提供理论参考。
其他文献
本文对HFC(Hierarchical Fair Competition)模型的搜索方式进行了相应的改进,引入基于遗传编程的结构参数混合优化方法。同时在HFC模犁中加入了一些自适应机制,形成了三种衍生
会议
对于动态环境问题的优化不再是在解空间中找到一个最优点,而是要尽可能的在解空间中跟踪运动变化的最优点。作为一种基于群智能的并行随机优化方法,粒子群优化算法(PSO)在优化
目前混合PSO算法较多见,而对协同局部线搜索的混合优化技术研究较少。本文结合经典局部线搜索技术和基本的PSO(B-PSO)提出了一种协同局部线搜索的PSO混合进化算法(CLS-PSO)。
根据内模控制系统高精度、鲁棒性强的要求,设计了一种基于思维进化算法在线参数辨识的模糊内模控制器,使系统在参数发生变化时,利用思维进化算法线得到对象模型参数的最佳估计值
会议
将小生境技术、单纯形算法与自适应遗传算法有机的结合起来,通过启发式搜索策略针对特定的滤波问题实现数学形态滤波器的参数训练优化。实验表明该混合策略能快速有效的搜索到
蚁群算法是一种解决组合优化问题的有效算法。在求解TSP问题的过程中,通过对各种蚁群算法的分析,发现存在求解时间过长和容易陷入停滞的问题。针对这些问题,本文提出了一种新的
针对柔性检测的特点和柔性检测路径规划的具体要求,提出了一种新的自适应多目标遗传算法,并成功应用于柔性检测路径的规划中。所采用的编码方式、交叉及变异算子等均针对最短路
会议
分析了粒子群算法中在满足粒子轨迹收敛的条件下速度的收敛性,以及粒子速度对算法优化性能的影响,进而提出了动态改变惯性权重的策略。以种群粒子平均速度为信息动态改变惯性权
在永磁同步电机全数字矢量控制调速系统研究中,采用外环速度环、内环电流环双闭环控制系统。速度调节器和电流调节器采用经典的PID控制,容易引起超调量过大,响应时间长,调速范围
会议
从模糊逻辑控制方式出发,借鉴PID控制的结构而形成的S面控制。针对粒子群优化算法存在早熟、易陷入局部极小等现象,对基本PSO算法进行了改进。将PSO算法分解成粗调和微调两个优
会议