采用极值搜索算法估计附着系数的车辆驱动防滑控制
发布时间：2022-01-16 05:10
车辆的驱动防滑控制是主动安全控制的一种形式,汽车在驱动工况时车轮速度大于整车速度会引起车辆发生滑转,驱动防滑系统是发动机控制驱动力矩以防车轮滑转的过程,能够在保证车辆在安全行驶的前提下充分利用路面的附着力,本文为了解决现有驱动防滑控制策略响应慢、鲁棒性差的问题,提出一种采用扰动极值搜索算法估计路面附着系数的驱动防滑控制策略。（1）本文首先分析了车辆行驶方程,通过车辆行驶方程分析了滑转率和附着系数的关系,根据滑转率和附着系数的关系建立驱动防滑系统研究所需的汽车车轮轮胎-地面模型、电机模型和八自由度汽车整体动力学数学模型,为采用扰动极值搜索算法估计路面附着系数和设计驱动防滑控制策略研究提供基础。（2）为了解决现有路面峰值附着系数识别方法准确性和实时性不高的问题,提出一种采用扰动极值搜索算法的路面峰值附着系数估计方法。由于无论属于什么样的路面条件,附着系数—滑转率曲线中附着系数的值都是先增加后减小,即具有极值,所以可以采用扰动极值搜索算法自动搜索路面附着系数-滑转曲线中附着系数的极大值点,从而估计出路面峰值附着系数,进而设计采用极值搜索算法的附着系数估计方案,运用仿真的方法证明了采用扰动极值...
【文章来源】：重庆交通大学重庆市
【文章页数】：62 页
【学位级别】：硕士
【部分图文】：
附着系数-滑转率曲线
重庆交通大学硕士学位论文20图3.2附着系数-滑转率曲线Fig3.2Attachmentcoefficient-slipratecurve3.2.2采用扰动极值搜索算法估计路面附着系数估计方案采用扰动极值搜索算法估计路面附着系数估计方案由图3.3给出，待优化的非线性模型由扭矩控制、车轮模型和附着系数估计模块组成。扭矩控制车轮模型附着系数sin(ωt)llshssksαsin(ωt)y^00u图3.3扰动极值搜索估计路面附着系数Fig3.3EstimationofDynamicRoadSurfaceAdhesionCoefficientofDisturbedExtremeValue为了得到车轮的垂向作用力，需要采集信号车辆速度v，车轮线速度和角速度x1、x2，由车辆速度v,车轮线速度和角速度x1、x2计算出车轮滑转率λ，通过滑转率λ的方式间接将采集信号间接加入到算法中；为了得到车轮的制动力u，需要采集整车的制动力信号，采集整车制动力信号通过车轮制动力间接加入到算法中，以车轮滑转率λ为扰动极值搜索附着系数控制方案的搜索变量，最后匹配出附着系数的估计函数μ（λ）。设滑转率的估计值是λ0，所以对应滑转率的估计误差为~0(3.5)
重庆交通大学硕士学位论文243.5.1冰雪路面识别仿真结果及分析为了验证本文提出的路面附着系数估计方案的可行性和准确性，把采用扰动极值搜索算法估计动态路面附着系数方案的仿真工况设定为车辆在路面上起步加速行驶，扰动极值搜索路面附着系数估计方案在冰雪路面的附着系数变化曲线和对应的滑转率变化曲线由图3.4、图3.5给出图3.4冰雪路面附着系数估计Fig3.4Estimationoftheadhesioncoefficientoficyroad图3.5冰雪路面滑转率示意图Fig3.5Iceandsnowpavementslipratediagram从图3.4可以看出，采用扰动极值搜索算法的附着系数估计方案在1.6s估计出峰值路面附着系数0.35，并保持在0.35极小的邻域内，扰动极值搜索附着系数估计方案的估计变化曲线与附着系数目标值曲线基本重合；从图3.5可以看出，扰动极值搜索估计方案的估计滑转率误差与滑转率目标值的比值在1.9s之后保持在10%之内，采用扰动极值搜索算法的附着系数估计方案的滑转率值为附着系数-滑转率值曲线附着系数极大值对应的滑转率0.2。所以采用扰动极值搜索算法的附着
【参考文献】：
期刊论文
[1]采用极值搜索算法估计附着系数的车辆驱动防滑控制[J]. 周伟,李军,张世义,唐爽. 华侨大学学报(自然科学版). 2019(06)
[2]分布式驱动智能汽车对开坡道起步双重转向控制[J]. 张利鹏,王胜,袁心茂. 机械工程学报. 2019(20)
[3]分布式驱动电动车行驶稳定性控制建模与仿真[J]. 蔡立春,廖自力,刘春光,张新喜. 计算机应用与软件. 2019(10)
[4]考虑车辆稳定性的模型预测路径跟踪方法[J]. 李军,唐爽,周伟. 华侨大学学报(自然科学版). 2019(05)
[5]基于激光雷达的无人车路面附着系数估计[J]. 余卓平,曾德全,熊璐,张培志. 华中科技大学学报(自然科学版). 2019(07)
[6]适用于轮毂电机驱动电动汽车的ABS控制逻辑研究[J]. 李敏,杨坤,王杰,田昭贤,李鹏程. 汽车技术. 2019(07)
[7]四轮轮毂电机驱动电动汽车驱动防滑控制关键技术综述[J]. 王震坡,丁晓林,张雷. 机械工程学报. 2019(12)
[8]考虑路面附着因数的车辆向前碰撞预警时间的优化算法[J]. 尹小庆,汪浩,莫宇迪,胡攀峰. 汽车安全与节能学报. 2019(02)
[9]电动汽车直接横摆力矩与驱动防滑集成控制策略研究[J]. 黄龙,王文格,贺志颖,彭景阳. 汽车技术. 2019(06)
[10]分布式驱动微型电动汽车驱动集成控制[J]. 李志远,孙振铎,李浩东,侯顺艳. 河北大学学报(自然科学版). 2019(03)
硕士论文
[1]基于模型的电动汽车用永磁同步驱动电机控制器研究[D]. 任晨佳.清华大学 2014
本文编号：3591999
【文章来源】：重庆交通大学重庆市
【文章页数】：62 页
【学位级别】：硕士
【部分图文】：
附着系数-滑转率曲线
重庆交通大学硕士学位论文20图3.2附着系数-滑转率曲线Fig3.2Attachmentcoefficient-slipratecurve3.2.2采用扰动极值搜索算法估计路面附着系数估计方案采用扰动极值搜索算法估计路面附着系数估计方案由图3.3给出，待优化的非线性模型由扭矩控制、车轮模型和附着系数估计模块组成。扭矩控制车轮模型附着系数sin(ωt)llshssksαsin(ωt)y^00u图3.3扰动极值搜索估计路面附着系数Fig3.3EstimationofDynamicRoadSurfaceAdhesionCoefficientofDisturbedExtremeValue为了得到车轮的垂向作用力，需要采集信号车辆速度v，车轮线速度和角速度x1、x2，由车辆速度v,车轮线速度和角速度x1、x2计算出车轮滑转率λ，通过滑转率λ的方式间接将采集信号间接加入到算法中；为了得到车轮的制动力u，需要采集整车的制动力信号，采集整车制动力信号通过车轮制动力间接加入到算法中，以车轮滑转率λ为扰动极值搜索附着系数控制方案的搜索变量，最后匹配出附着系数的估计函数μ（λ）。设滑转率的估计值是λ0，所以对应滑转率的估计误差为~0(3.5)
重庆交通大学硕士学位论文243.5.1冰雪路面识别仿真结果及分析为了验证本文提出的路面附着系数估计方案的可行性和准确性，把采用扰动极值搜索算法估计动态路面附着系数方案的仿真工况设定为车辆在路面上起步加速行驶，扰动极值搜索路面附着系数估计方案在冰雪路面的附着系数变化曲线和对应的滑转率变化曲线由图3.4、图3.5给出图3.4冰雪路面附着系数估计Fig3.4Estimationoftheadhesioncoefficientoficyroad图3.5冰雪路面滑转率示意图Fig3.5Iceandsnowpavementslipratediagram从图3.4可以看出，采用扰动极值搜索算法的附着系数估计方案在1.6s估计出峰值路面附着系数0.35，并保持在0.35极小的邻域内，扰动极值搜索附着系数估计方案的估计变化曲线与附着系数目标值曲线基本重合；从图3.5可以看出，扰动极值搜索估计方案的估计滑转率误差与滑转率目标值的比值在1.9s之后保持在10%之内，采用扰动极值搜索算法的附着系数估计方案的滑转率值为附着系数-滑转率值曲线附着系数极大值对应的滑转率0.2。所以采用扰动极值搜索算法的附着
【参考文献】：
期刊论文
[1]采用极值搜索算法估计附着系数的车辆驱动防滑控制[J]. 周伟,李军,张世义,唐爽. 华侨大学学报(自然科学版). 2019(06)
[2]分布式驱动智能汽车对开坡道起步双重转向控制[J]. 张利鹏,王胜,袁心茂. 机械工程学报. 2019(20)
[3]分布式驱动电动车行驶稳定性控制建模与仿真[J]. 蔡立春,廖自力,刘春光,张新喜. 计算机应用与软件. 2019(10)
[4]考虑车辆稳定性的模型预测路径跟踪方法[J]. 李军,唐爽,周伟. 华侨大学学报(自然科学版). 2019(05)
[5]基于激光雷达的无人车路面附着系数估计[J]. 余卓平,曾德全,熊璐,张培志. 华中科技大学学报(自然科学版). 2019(07)
[6]适用于轮毂电机驱动电动汽车的ABS控制逻辑研究[J]. 李敏,杨坤,王杰,田昭贤,李鹏程. 汽车技术. 2019(07)
[7]四轮轮毂电机驱动电动汽车驱动防滑控制关键技术综述[J]. 王震坡,丁晓林,张雷. 机械工程学报. 2019(12)
[8]考虑路面附着因数的车辆向前碰撞预警时间的优化算法[J]. 尹小庆,汪浩,莫宇迪,胡攀峰. 汽车安全与节能学报. 2019(02)
[9]电动汽车直接横摆力矩与驱动防滑集成控制策略研究[J]. 黄龙,王文格,贺志颖,彭景阳. 汽车技术. 2019(06)
[10]分布式驱动微型电动汽车驱动集成控制[J]. 李志远,孙振铎,李浩东,侯顺艳. 河北大学学报(自然科学版). 2019(03)
硕士论文
[1]基于模型的电动汽车用永磁同步驱动电机控制器研究[D]. 任晨佳.清华大学 2014
本文编号：3591999
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3591999.html
