基于模糊自适应PID的客车电控空气悬架车高调节控制策略研究

来源 :汽车实用技术 | 被引量 : 0次 | 上传用户:liping668
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
电控空气悬架能够根据客车行驶工况进行车身高度自适应调节,从而能够显著提升客车行驶稳定性以及燃油经济性,车高调节控制设计具有重要意义.文章利用模糊PID控制算法对车身高度调节进行控制策略设计,有效缓解了客车电控空气悬架车高调节过程中存在的空气弹簧的“过充”“过放”及“振荡”等问题,分析客车电控空气悬架车高调节具体过程,建立包括车身、储气罐、电磁阀以及空气弹簧等在内的车高调节系统数学模型,最后完成了客车电控空气悬架车高调节模糊自适应PID控制策略设计及性能仿真验证.研究结果表明,所运用的模糊自适应PID控制策略能够完成客车电控空气悬架车身高度的准确调节.
其他文献
文章主要论述如何根据法规和汽车灯具造型的可行性,通过设计方法,关注设计要点,实现汽车后组合灯位置灯(LED光源)在应用场景的动态效果.此功能包括位置灯光源、MCU(光源控制器)和BCM(车身控制器).所述车身控制器和光源控制器在一定条件下驱动位置灯光源,使得位置灯光源以一定的程序进行点亮,使得后组合灯的点亮效果更时尚灵动.希望所阐述方案的工作原理和逻辑方法,为今后的设计工作提供参考和借鉴作用.
文章依据电动车用永磁同步电机的性能要求,研究电机在不同的绕组长宽、磁钢长度上,改变一个变量,在其他条件相同的情况下,借助电磁场有限元软件JMAG研究和分析电机在电路电流、电路电压和转矩的不同,分析得到绕组长宽和磁钢长度的变化对电机的影响.结论表明,磁钢长度的变化对最大电路电压及电流的影响较大,绕组长度对电机转矩的影响最大.
发展新能源汽车,是我国从汽车大国迈向汽车强国的必由之路,是应对气候变化、推动绿色发展的战略举措.增程式电动汽车作为串联混动的一种,发动机在该车辆上不直接驱动车辆,仅驱动发电机发电为车辆提供电能,相对于传统车及其他混动车型发动机,其工作点及车辆控制策略都更为简单,凭借这一特点,增程式电动汽车在新能源的舞台占据一席之地.文章列举了中国市场出现的几款典型的增程式电动汽车,并对其工作模式、性能参数及市场表现进行详细分析,从而对增程式电动汽车在中国市场未来的发展进行预测.
针对FSEC赛事规则以及动力系统的需求,文章设计一种FSEC赛车电池箱体.在CATIA中建立电池箱体有限元模型,通过使用ANSYS workbench有限元仿真软件对其进行急加速、急减速、转弯、耐久等工况分析,得到电池箱体的变形云图、应力云图和疲劳交变应力云图,明确了最大应力值以及最大变形位置,为后续结构优化设计提供方向.利用ANSYS软件进行仿真驱动研发,极大提高了设计效率,促进了大赛的发展.
文章主要研究了利用硅胶吸附管采集甲醇汽车尾气排放中甲醇的方法,对硅胶吸附管的规格、待测样品的浓度、采样参数等进行了详细的讨论及验证.研究表明,利用硅胶吸附管采集甲醇的过程中,很容易发生甲醇的穿透.随着硅胶颗粒装填数目的增加,甲醇的穿透率降低,实际吸附甲醇的效率增加.在采样流量相同时,待测样品浓度越高,甲醇的穿透率越高.在待测样品浓度相同时,采集流量越高,甲醇的穿透率越高.将硅胶吸附管串联,可以有效减少甲醇的穿透,提高吸附效率.
为满足公司的发展战略要求,需要打造一款高性能、运动操控性车型,为提升该款乘用车DCT车型的动力性和操控型,分别从车辆的起步、加速过程的扭矩发挥和换挡结束的扭矩恢复、换挡过程的扭矩交替时间和转速同步时间、换挡线加速度和动力升挡换挡线及硬件五个方面进行优化.论文对该车型的起步加速过程以及换挡过程的扭矩控制进行详细分析,并将五个优化方向分解为13个子项,分别对各子项优化效果进行分析,通过INCA软件对车辆的控制系统进行优化,经过实际道路测试满足了目标开发要求.
不同的路面类型会对车辆的制动、加速、变道等决策产生不同影响,因此实时获取路面类型信息对于提高智能汽车的安全性、舒适性等有着重要意义.论文提出一种基于LBP算子的路面类型识别方法,首先采集了四种车辆行驶常见路面的图像信息,并对图像进行了增广处理;然后使用LBP算子提取出路面图像的纹理特征,再采用PCA方式对纹理特征进行降维;最后通过分类器对数据进行训练与分类.实验结果表明该方法的最高分类准确率可以达到98.5%,有效提升了当前路面类型识别的精度.
文章利用悬架的基本草图(前、后、侧视图),在草图中对平面硬点进行约束,布置出悬架的基本平面结构并确定各个结构的参数值以及位置.绘制悬架需要的零件并且在CATIA中进行装配,形成3D效果图.通过Solidworks将前后悬架模型参数化处理,检查在CATIA中组装的模型是否干涉,确定各个连接点是否有间隙并从中获取悬架的硬点空间坐标实现数据迁移.通过Solidworks得到的硬点坐标在Adams-car中建立模型,绘制部件形体输入悬架相关参数根据不同的运动方式添加运动副以及通讯器.将建立的虚拟样机进行仿真从后台
智能网联背景下的车联网数据分析与应用对提升交通智能化有重要影响.为了加快交通智能化进程,文章对车联网数据应用过程中存在的数据冗余问题进行研究.以采集的车联网数据为研究对象,驾驶行为特点分类辨识为研究目标.采用相关分析与主成分分析方法对数据进行冗余筛选与降维,使用k-means聚类算法对驾驶行为特点进行分类辨识.研究结果表明,使用数据降维的方法可以降低车联网数据的相关冗余性,驾驶行为特点分类辨识结果表明其特点可分为三类驾驶行为.研究提升了车联网数据的应用价值,也为交通智能化提供了相关的支持.
基于深度学习的目标检测算法在自动驾驶领域的比重日益上升.文章首先介绍了基于深度学习的卷积神经网络和目标检测算法的发展过程,其中简要介绍了几种经典卷积神经网络模型的结构特点;然后详细介绍了以R-CNN系列为代表的基于候选框的two-stage算法和以YOLO系列为代表的基于回归的one-stage算法,简要介绍了这两大类算法各自的结构和优缺点,最后总结了目标检测算法在自动驾驶场景中应用时比较常用的几种优化方法和研究趋势.