基于多自由度球形电机的磁流变悬架设计及控制策略研究

来源 :重庆交通大学 | 被引量 : 0次 | 上传用户:zuhai
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
未来交通要求车辆能够迅速完成智能交通系统的各种指令,使整个交通系统高效,而单自由度驱动的汽车无法实现全向运动,必然在对交通系统的响应效率上低于全向汽车,因此全向运动车辆是未来汽车发展的方向。课题组设计了一种可实现多自由度动力输出的球形感应电机,使用该电机作为汽车的车轮,通过转子与地面接触输出动力的方式可实现车辆的全向运动,球形电机可看作类似球形车轮的结构,该结构不同于现有圆柱形车轮,因此为了进一步实现球形电机车轮在汽车上的应用,设计一种基于多自由度球形电机的悬架。针对设计对象多自由球形电机的结构特点,参考国内外文献对球形车轮的相关研究以及对现有球形轮及相似结构的相关悬架设计,结合传统悬架结构设计的方法,完成基于球形电机的悬架结构和参数的设计,并对磁流变阻尼器活塞进行磁路设计和磁阻计算;根据所设计悬架结构参数在Solidworks中建立悬架三维模型,并将模型导入Hyper Mesh进行网格划分,在Ansys中完成三种典型工况下的悬架静强度分析,验证悬架结构设计的合理性;使用Maxwell软件对磁流变阻尼器活塞进行磁场仿真,并通过Maxwell计算不同电流强度下阻尼间隙处的磁感应强度,得到活塞有效阻尼间隙处磁感应强度曲线以及活塞的磁感应强度云图,进而求得不同电流下阻尼器输出库伦阻尼力的大小,再通过Simulink仿真可得到阻尼器的粘滞阻尼力,从而得到阻尼器不同大小电流下输出总阻尼力。为了充分发挥磁流变悬架对汽车减振效果,提高汽车行驶平顺性和乘坐的舒适性,设计天棚开关控制器和基于天棚控制的名义滑模控制器,通过Simulink平台分别建立被动悬架、天棚控制和滑模控制的1/4车辆悬架的动力学模型,仿真求解得到三种控制情况下车身加速度、悬架动挠度和车轮动载荷,并对比分析天棚控制以及基于天棚参考模型的滑模控制对车辆悬架平顺性的控制效果。经对基于球形电机的悬架结构设计、静强度分析、磁场仿真以及控制系统的搭建,从理论上验证磁流变悬架设计的合理性,为后续相关研究提供一定的参考。最后总结全文的研究工作,提出研究工作中存在的不足以及有待深入研究的问题。
其他文献
针对物理教学中实践性作业存在的问题,论证了建立实践性作业评价标准的必要性,提出核心素养导向下的实践性作业评价标准的框架,选取初中物理八年级实践性作业实例,提供物理实践性作业评价标准样例,以期对物理教学实践性作业的有效实施起到促进作用。
期刊
互联网和移动互联网的高速发展为人们带来了包括文本数据在内的海量信息,然而如何有效掌握其中的关键信息却实为学界和工业界的一个重要问题。命名实体识别和关系抽取作为信息抽取的两个核心任务,旨在通过对文档建模自动化地识别出文本中的实体及其对应的语义关系,并服务于众多下游任务:文本摘要、自动问答、知识图谱等。一般来说,传统的有监督实体识别和关系抽取多采用流水线策略。这样的策略之下,常常存在着错误传播,忽略子
学位
近年来,随着汽车数量的不断增加,道路拥挤变得日益严重,随之而来的道路交通事故也在不断地困扰着交通管理者。为减少道路拥堵和人为因素造成的交通事故,世界各国将目光转移到了无人驾驶汽车领域。目前针对无人驾驶的关键技术研究已取得一定的成果,但在该领域依旧面临众多的问题,其中紧急工况下的无人驾驶汽车行为决策是急需解决的关键技术之一。基于深度学习理论的决策方法,因其所需大量行车数据训练模型,很难真正应用于无人
学位
车辆轨迹预测是自动驾驶技术中承上启下的模块,通过收集感知模块的信息预测车辆的未来轨迹,为自动驾驶车辆躲避环境中的障碍物提供重要保障。但由于路网状况复杂、行驶环境不确定、环境中的障碍物种类繁多等问题,导致车辆预测轨迹和实际轨迹之间存在很大的偏差。因此,如何克服上述问题对轨迹预测的影响,提高汽车行驶轨迹预测的准确性、时效性是自动驾驶中急需解决的问题。本文研究内容如下:(1)对车辆轨迹数据和高精地图数据
学位
位移作为桥梁结构健康的一个重要指标,它可推算出桥梁结构的动、静态特性。而传统的位移测量方法易受环境影响,不利于对其进行快速、便捷测量。将无人机与图像处理相结合的检测方法具有成本低、无接触、可快速部署和远距离多点测量的特点,受到了广泛关注。针对无人机图像的畸变,使用传统方法存在对图像质量和特征点的数量依赖性较高和无人机搭载能力受限的问题。本文首先采用深度残差网络估计了图像对应的单应性矩阵,从而对畸变
学位
钢筋混凝土病害检测技术能够有效检测和预防混凝土建筑物的结构病害。深度学习网络因其强大的学习能力,被广泛应用于土木工程领域。深度学习中影响模型效果的常见因素便是训练数据不足,然而适用于深度学习数据集通常是稀缺的,迁移学习作为一种新兴的工具,能有效的解决上述数据短缺问题。而深度迁移学习正是通过深度神经网络来研究如何更好地利用其他领域(源域)的知识,提高目标域的学习能力的重要工具。为此,本文提出采用基于
学位
由于植物姿态复杂多样和自身遮挡等问题,传统的基于单视角二维图像处理方法存在特征采集不完整、精度较低、通用性差等问题,已经不能满足植物表型学研究的需求。利用现代传感器(如深度相机、激光扫描、摄像头阵列等)数据采集,借助计算机视觉、图像分析、深度学习等最新算法,对观测植物进行多视角采集和三维模型重建,在三维空间进行植物器官分割,特征提取与分析,是当前植物表型研究的热门领域。本文提出一种基于深度学习和多
学位
环境感知是智能汽车获取道路周围环境信息,从而做出控制和决策的基础。公路护栏作为道路交通中的重要环境要素,是智能汽车识别和检测的重要任务。现有的公路护栏目标检测多采用传统的数字图像处理方法,手工设计特征的方法复杂,对护栏的特征提取不充分,检测准确性和实时性不足。基于深度学习的护栏目标检测方法通过对护栏特征的提取和学习,能有效提高检测精度和速度。本文通过改进YOLOv4和Mask R-CNN,提出了两
学位
随着自然语言处理技术的飞速发展,机器阅读理解逐渐成为学术界与工业界共同关心的热门话题,尤其是高质量数据集以及大规模预训练模型的提出更是促使这一领域取得了长足的进步。机器阅读理解作为关键的研究方向,其目的是使得机器能够像人类一样分析语义、理解自然语言并回答问题,从而可以提取文本中的重要信息。然而国内外机器阅读理解的研究主要集中在英文语境和部分中文特殊应用领域,如:司法、医疗、和军事等领域。由于中英文
学位
随着人工智能的迅速发展,以大数据知识工程、自然语言处理和深度神经网络等为基础的新型信息技术受到了国内外多个行业领域的密切关注,知识图谱作为大数据知识工程的核心技术得到广泛应用,其下游任务知识图谱问答也已在多个行业领域进行了有益探索。目前,桥梁工程领域信息化建设正处于起步阶段,桥梁管理养护过程中也已积累了大规模的桥梁检测数据,为桥梁管养的数字化发展奠定了数据基础。结合知识图谱和智能问答关键技术,开展
学位